如何识别一只茶杯出自谁手？
建盏，宋代“皇家御用瓷器”，宋代斗茶盛行，茶色白故茶器尚黑。在高温中，建盏窑变出如兔毫、油滴、鹧鸪斑、曜变等绚丽的釉色而闻名于世。随着朝代更迭，古人的饮茶方式也在不断改变，建盏的盛名被暂时定格在了两宋的历史画卷中。直至20世纪80年代，建盏又重新回到收藏爱好者们以及饮茶人士的视线中。
彼时，建盏在销售和鉴定过程中，更多依赖于建盏传承人亲笔签名、拍照，或提供产品防伪码等形式。这类方法效率低、人力成本高，还留下了更多造假仿造的空间。
AI等新兴技术的发展无疑为建盏溯源打开了新的思路，建盏“每盏皆唯一”的特性也让AI视觉识别溯源成为可能。
基于此前提出的算法量产，旷视推出首个基于盏纹识别的建盏AI溯源系统，千年建盏从此拥有了“电子身份证”。
AI拥抱实业
旷视推出基于盏纹识别的建盏AI溯源系统
充满未来感的AI与算法，正与千年瓷器跨时空联结。
产自福建省南平市建阳区的建盏，以“入窑一色、出窑万彩”的自然之美享誉天下，是我国八大传统名瓷之一，有“瓷坛黑牡丹”之称。用建阳特有的黏土制成铁胎，以当地釉石、草木灰等材料入釉，再经过窑炉内1300度以上的高温烧制，拥有此等“基因”和“历练”的盏方能称为建盏。
20世纪80年代，遗失了数百年的建盏烧制技艺重现光彩，再度赢得收藏爱好者和饮茶人士的青睐。随后，建盏产业开始蓬勃发展，2011年建窑建盏烧制技艺被列入国家级非物质文化遗产名录；2015年“建阳建盏”获注国家地理标志证明商标；目前福建省南平市建阳区注册建盏企业和个体超7000家，从业人员3万多人，产值预估达75亿元。
过去，建盏在销售和鉴定过程中，更多依赖于建盏传承人亲笔签名、拍照，或提供产品防伪码等形式。这类方法效率低、人力成本高，还留下了更多造假仿造的空间。仿造、伪造、以次充好等问题严重影响着建盏产业的发展和品牌价值。建盏产业亟需一套权威的溯源系统保护行业。
旷视研发的建盏溯源平台，是行业首个基于AI图像识别技术打造的建盏溯源系统。该系统基于建盏的盏纹，通过图像检测和识别等AI技术，对建盏进行采集、登记、追溯、鉴定，可有效保护建盏行业从业者和消费者的权益。
利用建盏“每盏皆唯一”的特点，建盏溯源平台实现了“一盏一图、一盏一码、图码结合”，以此来解决仿造、伪造、以次充好等问题，有效保护非物质文化遗产建窑建盏烧制工艺。
通过AI技术，让千年建盏拥有了“电子身份证”，旷视正在试图回答一个问题：走向千行百业智能化的过程是怎样的？
供不应求
算法供给挑战何在？
“AI这个行业今天仍然非常初级，一个最典型的特征叫做行业的分工非常不明确。”旷视研究院算法量产负责人周而进认为。
与此同时，人工智能发展至今，在其高速、充分、激烈的竞争背后，算法市场的供不应求依旧是头等问题。周而进提到：“可能各行各业都有算法不断融入到这个市场上来，但我们认为真正解决问题的算法仍然是处于供不应求的状态。”
当下，AIoT市场算法供给、落地过程中，主要存在5大挑战：行业数据匮乏、算法通用性低、IoT设备繁杂、Software2.0的挑战以及算法供给质量参差不齐。
行业数据匮乏背后，代表着人工智能对于行业知识的认知和行业知识之间的打通以及交流的匮乏；算法的通用性问题，导致其不足以解决各种各样实际运行过程中发生的、训练时没想到的意外情况，这正成为很多算法深入到千行百业过程中的障碍；而面临繁杂的IoT设备，怎么样把算法装进去？这里面其实带来了巨大的工作量与工作成本。Software2.0的挑战，则具体到如何做到可维护、可改进。
还有一点，则是算法供给质量的参差不齐。
“今天大家用各种各样的方法在解决各种各样的问题，手段也是五花八门，但是这个质量是参差不齐的。”周而进认为，具体原因是算法目前仍然是一个高度非标准化的状态。
同时，参差不齐的供应情况还会带来一个误解：算法能解决的问题很少。
面对这些课题，行业中存在着不同方向的探索：目前绝大多数算法都是定制化生产模式，根据需求进行算法定制化开发，一个一个项目解决，但往往成本较高、算法交付质量参差不齐；预训练大模型能为算法带来良好的泛化性，但其背后需要大量算力支持，并且难以解决具体的细分场景问题；能够解决部分问题的云端AI开发平台，虽然易上手、零代码，但是只实现了流程数字化，对策略选择自动化等进阶功能的支持有限……
面对AIoT市场算法供给的多重挑战，旷视基于10余年的算法研发积累及深入多个行业的项目实践经验，提出了算法量产的理念。具体而言，算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化。
通过算法量产，实现AI生产过程标准化，降低算法生产门槛将成为可能，进而，更多千行百业的人士能够加入到算法生产的工作中，提升算法生产效率。
破解算法供应难题
算法量产是答案
旷视提出算法量产的核心逻辑，实质上是先做标准化。
算法生产过程的标准化，是解决复杂且碎片化算法生产的有效手段。这个标准化过程，包括了数据生产的标准化、算法模型的标准化和推理框架的标准化。只有标准化才有可能让算法生产的所有环节实现自动化，进而提高算法生产的效率。
“做完标准化，才有可能把整个复杂的系统一块块切开，模块之间相互解耦，每个模块之间的研发，算法的收益彼此之间是相乘的关系。”周而进也提到。
为此，旷视推出了适配算法量产的AI基础设施——算法生产平台AIS（AI Service）。AIS基于旷视Brain++体系，构建了一套覆盖数据处理、模型训练、性能分析调优、推理部署测试等算法生产全链路的零代码、自动化生产力工具平台。
AIS标志着旷视Brain++的又一次飞跃，让算法量产从理论真正成为可能。
此外，旷视提出了适合当下算法需求的5:3:2研发矩阵，即：5个行业工程师基于AIS算法生产平台进行相应的业务交付，3个算法研究员聚焦于算法的创新与探索，2个工程师不断打磨相应的基础设施并进行AI生产力工具的开发。
基于这个矩阵，AI在落地各行各业时，可以引入没有AI技术背景的行业专家直接参与算法生产，而算法研究员则不需要再专注单一项目，而是通用的、普适型的技术，拿它通过解耦的系统辐射到各行各业。
落地实用始终是算法价值的最终检验标准。除了建盏溯源外，旷视通过算法量产已经帮助能源、教育、零售、运动健身等行业的多个客户在日常生产与经营中运用AI技术，实现降本增效。
而对于算法量产未来的落地行业，周而进表示，首先将与旷视目前主要业务发展的行业匹配，其次则是围绕计算机视觉方向延展开，首先在优势领域内累积足够的案例打磨和闭环，再横向拓展。
对于算法量产在行业中的未来，周而进强调，算法量产不是单一的产品，而是对AI生产模式的理念革新和生产力进化。
通过AI算法生产的标准化以及AI生产力平台的构建，大幅降低算法生产的成本和门槛，也有望让千行百业的专家能够参与，促进算法在更多行业的落地，加速AI与实体经济的深度融合。
文/周慕