郭瑋表示，博瀚智能目前的數(shù)據(jù)服務及大模型落地服務，包含了為客戶提供智能數(shù)據(jù)平臺和LLMOps大模型平臺兩大方面，“最終目的是讓客戶實現(xiàn)人工智能更高效的落地?！逼漕A期，明后兩年大模型以及數(shù)據(jù)兩大板塊會為博瀚智能的營收帶來提振。

《科創(chuàng)板日報》記者關注到，近年來已出現(xiàn)不少以數(shù)據(jù)為中心構建AI系統(tǒng)的創(chuàng)業(yè)企業(yè)。前百度首席科學家吳恩達成立的Landing AI也是其中之一。

據(jù)公開資料，Landing AI開發(fā)了一個計算機視覺平臺LandingLens，它利用深度學習技術來幫助制造商進行機器視覺檢測，發(fā)現(xiàn)產(chǎn)品缺陷；以數(shù)據(jù)為中心的方法，是該平臺快速且易于使用的關鍵。

該公司在2021年完成數(shù)億元融資，由工業(yè)物聯(lián)網(wǎng)公司McRock Capital領投，英特爾投資、三星旗下的催化劑基金、投資公司Insight Partners和加拿大養(yǎng)老金計劃投資委員會等跟投。

在平臺工具軟件之外，博瀚智能以工業(yè)質(zhì)檢作為目前公司AI商業(yè)化落地的突破口。郭瑋表示，公司對于落地應用，有過一段不短時間的探索。最初，公司落地聚焦的是醫(yī)療領域?！耙婚_始是用在皮膚科診斷方面，但最終落地仍然遇到了商業(yè)問題，其核心原因是在于，如何將AI輔助診斷與當前的醫(yī)療診斷流程和付費體系融合起來?！?/p>

其表示，在落地應用探索過程中，深圳清華大學研究院及包括力合科創(chuàng)等在內(nèi)的投資方給予了很大的幫助，“除了產(chǎn)業(yè)鏈上下游的對接，力合科創(chuàng)從公司發(fā)展早期還提供了創(chuàng)業(yè)資金、辦公場地、政府對接等賦能?！?/p>

據(jù)悉，當前，博瀚智能亦在新能源、汽車制造、與食品以及航天領域客戶進行對接，進一步拓寬公司的落地場景。

數(shù)據(jù)為核心的人工智能可適應復雜場景應用

除了企業(yè)本身的變化，2019年就入局人工智能領域的郭瑋，看到并經(jīng)歷了整個行業(yè)近年來的演進。他認為，整個人工智能領域，事實上在大趨勢上都在進一步強調(diào)數(shù)據(jù)的重要性。

其介紹，在2021年之前，人工智能領域聚焦的重點突破在于如何提升深度學習網(wǎng)絡的性能以及打造性能更加優(yōu)異的模型，模型成為了AI發(fā)展、技術發(fā)展以及落地的技術瓶頸。因此，大量公司圍繞著人工智能模型展開工作，如當時非常典型的AI四小龍就是以模型為中心的代表。

在以模型為中心的技術路線中，對企業(yè)最核心的價值和能力的衡量是以算法能力為基礎的，而衡量的實施方式之一，便是讓各企業(yè)團隊基于固定的數(shù)據(jù)集開發(fā)模型，再去評估企業(yè)算法模型的優(yōu)劣，例如各類AI算法大賽的排名等。

“這種價值評估方式，在人工智能發(fā)展過程中確實起到了很大的推進作用，大幅度推動了包括CNN、RNN、Transformer等技術的發(fā)展，產(chǎn)生了一批非常優(yōu)秀的算法網(wǎng)絡結構和模型，包括大模型?！?/p>

但在實施AI場景落地方面，通過調(diào)整模型結構、超參數(shù)等手段的模型為中心的技術路徑有其局限性。

郭瑋表示，在2021年之前，除了人臉識別、車牌識別等相對固定的場景外，以模型為中心的AI技術在很多場景中必須通過高度定制化的方式進行落地，難以實現(xiàn)橫向高效拓展。這是因為當數(shù)據(jù)變化較少、場景變化較小時，開發(fā)好的模型可以快速實施應用；但當面臨少見場景或快速變化的場景時，例如自動駕駛和工業(yè)質(zhì)檢等應用領域，僅依賴前期的訓練數(shù)據(jù)以及當前模型本身的泛化能力，是難以滿足需求場景中長尾數(shù)據(jù)以及變化數(shù)據(jù)帶來的挑戰(zhàn)。

“拿工業(yè)質(zhì)檢來講，當中的缺陷類型不可能通過提前準備一個數(shù)據(jù)集的方式來收集，因為工業(yè)生產(chǎn)過程中的缺陷本來就是變化的、不可預測的，且很多生產(chǎn)缺陷出現(xiàn)的頻率也很低。其次，工業(yè)領域也是一個變化很快的場景，即工廠生產(chǎn)產(chǎn)品種類也非常多，且產(chǎn)品更新迭代也很快。因此，很難通過提前采集數(shù)據(jù)的方式開發(fā)模型，然后落地到這一場景中。”

因此，以數(shù)據(jù)為中心的技術路線應運而生，以更好地將人工智能技術落地到包括工業(yè)制造和自動駕駛在內(nèi)的復雜長尾場景。

郭瑋介紹，以數(shù)據(jù)為中心的路線，本質(zhì)上是前期開發(fā)完成了基礎模型，然后通過高效的數(shù)據(jù)抓取手段，在場景中采集到核心數(shù)據(jù)并以之實現(xiàn)基礎模型的快速迭代和能力的提升，在整個環(huán)節(jié)中，數(shù)據(jù)抓取和模型能力提升的效率是重點。“以模型為中心的路線，核心訴求是算法科學家，而以數(shù)據(jù)為中心，最大的訴求就變成了打造一個能夠?qū)?shù)據(jù)和模型全生命周期進行自動化管理的工具體系?！?/p>

目前，博瀚智能基于其自研的數(shù)據(jù)為中心AI基礎設施，構建了一系列適配國內(nèi)外AI軟硬件生態(tài)體系的AI開發(fā)平臺產(chǎn)品體系，以及能夠服務于工業(yè)制造和其他場景的解決方案，并正在行業(yè)頭部生產(chǎn)制造企業(yè)、自動駕駛、智算中心等實現(xiàn)規(guī)?；逃寐涞?。

轉(zhuǎn)載來源：科創(chuàng)板日報 作者：敖瑾