華先勝談AI未來：系統與演算法結合——讓AI更具生命力

• 2021 年 10 月 26 日
• AI

電腦領域年度盛會 CNCC2021（中國電腦大會）將於2021年10月28日-30日在中國深圳舉行，主題為「計算賦能加速數字化轉型」（Expediting Digital Transformation with Computing Empowerment）。大會舉辦方為中國電腦協會（CCF），今年的技術論壇多達111個，預計參會人數將達萬人。

阿里巴巴集團副總裁、高級研究員，阿里巴巴達摩院城市大腦實驗室負責人華先勝博士將作為本次大會的特邀報告講者，發表「產業數字化轉型中的視覺智慧規模實戰——從演算法到平台到系統」主題演講。

華博士曾講過「AI創新的基本流程是從項目到產品到平台」，那這裡的系統指的是什麼呢？

華先勝被業界公認為「視覺識別和視覺搜索領域的國際級權威學者"，是國際電氣與電子工程師協會會士(IEEE Fellow)，美國電腦協會傑出科學家，他一直倡導「無行業不AI」的理念。

在大會開始之前，AI科技評論有幸採訪到華先勝博士，以下內容根據採訪整理而成，並進行了不修改原意的編輯。

AI創新的基本流程是從項目到產品到平台，即通過項目磨練的演算法，演算法沉澱產品，然後再將其平台化。平台實際上是把AI的能力平台化以後，能夠讓更多的人在AI平台上做創新。

「如果簡單來講AI平台，那就是三件事情。第一個是，AI演算法＋AI平台，我把它叫做『AI中台』；第二個是演算法所依賴的平台；第三個是支撐平台的演算法。」平台本身也需要演算法來支撐，比如調度、引擎都需要演算法。

平台化後可以讓更多人在平台上創新，解各行各業的問題，這樣也會避免AI的從業者需要一個一個地深入行業，「如果真要AI專家一個一個地深入行業，可能大半輩子都要過去了」。

華博士特別指出這裡所講的平台不是研發平台。AI的研發平台有一定相對的通用性，通過研發平台研發出AI的能力。而AI的能力平台是生產或者服務平台，是指有什麼能力以及這種能力是以什麼樣的方式運行的，與研發平台不是一個概念。

AI的能力平台可以用平台化的方式賦能更多的演算法研發者和應用研發者在平台上做更多的創新、應用和業務拓展。這樣會提高研發效率，使部署運維更為快捷、安全、穩定，可以讓更多的人基於平台做應用，如智慧城市領域裡面的廠家可以在不具備AI能力的情況下，只要有工程能力就可以基於平台做應用。

• 平台化的目標實際上是規模化和全民化

目前，除了對AI的學術研究以外，從業者做的更多的是技術研究、基礎研究到應用落地。在落地方面要深入行業，但是每個行業都有domain知識，如果都讓AI專家深入行業來做是沒有辦法實現規模化的，所以華博士提出要把AI平台化。即使不是AI工程師，有些情況下也可以做到低程式碼甚至是零程式碼的開發。因此更多領域和行業的IT工程師、軟體開發工程師，甚至是行業的專家，都可以通過平台做AI能力的開發，AI在各行各業就可以實現落地的規模化。

另外一個詞叫做全民化。它意思是讓AI不要掌握在少數懂AI的人手裡，能讓更多的人使用AI，「實際上我們以平台化的方式實現規模化也是讓它全民化」。

• 基於平台可以做更多事情

華博士列舉了幾個例子來說明：

「比如在做大規模城市的市政管理時，需要有大量的能力生成，通過平台就會比較快速的生成能力。」

「在工業視覺平台方面，雖然很早以前我們就發布了一個基礎版本，但是我們一直都沒有特別去講它。一方面是認為我們對做的東西還沒那麼滿意，第二方面市場也沒有很ready，所以我們一直悶頭在做。最近我們推出3.0版本就開始真正的推廣它，甚至開始有培訓課程。前不久，我們組織了第一期的培訓課程，邀請工業視覺領域裡做軟體開發的企業來參加培訓，培訓後就可以利用我們的平台去做AI能力的生成，而不是做AI能力的使用。只要能夠收集一些數據做些簡單的標註，然後在該平台調一些參數的設置就可以自動訓練出一個模型並且把它部署成一個服務，就可以直接在應用當中使用了。」

「現在有不少人在用這個平台去生產AI的能力，有一個公司用我們的平台生產新的視覺檢測的能力，還有一個公司利用這個能力去做了一個茅台酒防偽標誌的自動識別，他還把它做成了一個盒子，把酒放進去，一掃描就能識別出來的這個酒到底是真的還是假的，只要收集一些樣本，通過我們這套系統就能把AI的能力生產出來了。」

」還有一個例子是開放視覺，即大量的AI能力在雲上。可以讓很多人像過去在windows下面調用一個API一樣去調用人工智慧API。當時我們也通過這些API舉辦了一些創新創意大賽。比如有人把它用來為盲人開發APP，去識別一些盲人看不見但是馬上手機可以照到的那些資訊自動識別出來，比如說前面有什麼。大型的商場有一些的open space，有時候也會擺一些攤位，那這個攤位到底怎麼估價，怎麼使用，擺什麼樣的攤兒更合適之類的問題，有的人就通過視覺的技術做自動的評估和自動匹配。「

」未來我們在醫療領域、農業領域裡也都在做，每一個平台的定位都不完全一樣，但總體定位是一樣的。比如像城市大腦，針對的用戶群其實是略有不同的，因為還要考慮行業屬性。研發平台其實沒有明顯的行業屬性，但我們的這個生產服務平台是有明確的行業屬性的。「

之後因為要讓AI能夠有更強的生命力，能夠讓它有一定的通用性，那就要解決三高的問題。三高指的是高精準、高覆蓋、高效率。

「雖然之前我們做了很多事情，比如演算法本身也可以往這個方向做，但這實際上是蠻難的一件事情。所以我們今天在思路上還是有一些變化，想通過系統的方式和演算法結合的方式去實現三高。」

人工智慧在歷史上的發展是三起兩落，我們現在處於「第三起」階段。華博士認為要解決真正規模化這一問題還是要分析此次「第三起」人工智慧的發展的規律、趨勢。

華博士為「第三起」人工智慧的發展劃分了三個階段。

第一個階段是2012年前後，深度學習在解決問題上確確實實前進了一大步。華博士認為這個階段人工智慧給未來行業帶來的影響可能會比較大，有可能所有的行業都會受到AI的影響。所以將這個階段叫做「無行業不AI」。

「這是一個對未來非常樂觀的預判，認為沒有一個行業不受AI的影響。那個時候只是一些星星點點的嘗試，確實在技術上邁出了很大一步。」

後來人工智慧專家就開始做行業的落地，卻發現解決實際問題還是要深入行業才可以解。有一些看上去好像已經解得很好的問題，但實際仍然存在大量問題。

因此華博士發現還要通過深入行業的數據場景來解決這一問題，進一步打磨人工智慧演算法模型，這是第二個階段，也是目前大部分人所處的階段。對於這一階段華博士也將其叫做「無行業不AI」，但是對它的解釋是不深入行業就沒有AI的落地，深入行業來解決一個行業的問題，盡量創造核心價值。

華博士還表示這種模式大部分都是人工智慧從業者在驅動。「一部分人做技術的研發，一部分人做應用的落地，大部分都是做人工智慧的一部分然後推到各行各業中應用。我認為這種模式是很難實現規模化的。」華博士還舉例說明了有少數是本身就是做場景的人去做人工智慧的技術，比如淘寶。淘寶APP裡面很多人工智慧技術是自己完成的，像搜索引擎背後的人工智慧技術也是自己完成的。

「我認為第三個階段行業也應該更多的參與進來甚至起非常重要的作用。就像淘寶一樣，淘寶自己做這個東西自己就把人工智慧解了。其他行業不見得一定要像淘寶這樣做，但是要知道自己需要什麼，要解什麼樣的問題，需要怎樣變革。不見得要知道AI的技術，但是要知道怎樣去做這件事情，需要什麼樣的技術去解決什麼樣的問題，然後推動它的落地和變革。」

因此對第三階段，華博士也把它叫做「無行業不AI」，但它的解釋又發生變化了，即沒有行業的深度參與就沒有AI的遍地開花結果。

「前面講的是『落地』，現在講的是『遍地開花』。這個階段對AI的從業者而言並不是降低要求，實際上是對AI從業者提出了更高的要求。那就是要把AI的能力做得更好，把它做平台化、把它的工具做好，這也是為什麼我們要做平台化。我們的實踐都是把AI平台化、AI的能力平台化，AI能力平台化包括AI演算法本身以及AI演算法所依賴運行或服務的平台。」

據華博士講，早期有些情況下也會把平台叫做系統化，但系統實際上是一個更大的概念。可以說平台是系統的一部分。

「平台更多地強調這個東西能夠為別人很好地再次使用，就像一個檯子大家可以在上面表演」。

系統中有一部分功能是平台，可以讓別人在上面做事情，但是系統本身還是一個統一整體。華博士從其它幾個特性上來解釋系統「比如說它能夠自我進化，不斷地演進」。

他向我們分享了最近在做的城市大腦，「我們要把它做成一個協同進化系統，也就是說我們把大腦的這一套系統部署出去以後，不但可以讓別人在上面做二次開發、做創新，這個系統也會自我演變、自我進化，能夠變得越來越好，至少不會變得越來越差」。

在整個場景不斷地發生變化中，AI系統若不維護，就有可能就會變得越來越差。因此華博士認為系統相較於平台應該是「再往上走一個台階」。華博士也特別提到這是他本人在他所講的這個體系裡面定義的平台和系統，「關於其他定義可能不見得是我講的這個體系裡面的」。

從平台走向系統，華博士希望通過系統能夠實現某個領域裡面相對通用的人工智慧。華博士指的還不是通用的人工智慧，「雖然現在學術界也在研究，包括一些非常知名的專家也在做，肯定是更通用的，但我覺得這條路可能會比較長，挑戰還是很大的」。

所以華博士提出的是在某個領域裡面比較通用的人工智慧。他提到智慧城市裡面，相對通用的人工智慧的應用。「不是說只能解決一點問題其他問題解決不了，而是能夠解決一大片的問題，並且能做到高精準、高效率和高覆蓋，這也算是AI發展的一個進展」。

近年來行業已經開始擔憂深度學習遭遇算力瓶頸，比如有一篇文章就指出「將深度學習演算法錯誤率減半，需要500倍的算力」，對此華博士給出了他的看法：

「這就是我為什麼要去做系統的一個特別好的支撐。我們要提升三高，極高的準確率、極高的效率、極高的覆蓋率，我上面提到我們也可以從演算法層面來做。那就可能會遇到這樣一些問題：瓶頸也比較高。我要用原來的這套思路將模型做得越來越好甚至越來越複雜、訓練時間越來越長、數據越來越多，這就是一根筋的做法。那可能就會帶來算力的問題，甚至算力都不見得能解的問題。」

另外一條思路是可以通過系統的方法來做。「我講其中的一個側面，比如說我們做雲邊協同進化系統。實際上我是有個中心的大腦、中心的模型的，這個模型可能很大很複雜。但是它不是真正幹活兒的，真正幹活兒的實際上是在邊緣側，邊緣側就像智慧城市的場景邊緣，它只解決當前一個地方的問題。比如說這個攝影機它只看到它的一個場景，只要把它的這個場景解決好就行了。我今天通用的做法是我有一個模型，可以打遍天下的。我所有的東西都是用同一套模型，希望他能做好，但是今天如果做極致地優化的時候，實際上我可以讓當前這個攝影機在它這個場景下做到極致就可以了。如果我只做這一層的優化，那我既可以把準確率做到極高，也可以把效率做到極高。因為只是一個簡單的動作，任務就會比較簡便、比較單一。那麼分開去做就會很難做，所以必須要有一套系統來支撐它。我不可能每個都去訓練模型，你沒有辦法做，你必須要靠系統自動去實現這件事情「。

如果有一個中央模型，它能夠不斷地自我更新，每一個端上面每個邊上還有它的模型，給它不斷地進行自我更新、自我優化、自我進化，這樣才能實現大規模的高精準、高效率。這種模式存在之後，也會比較容易開發新的能力，所以可以帶來高覆蓋。

」這是做這件事情的另外一種不同的思路，我其實更看好這條思路，但是前面那個啃硬骨頭，一定還需要再繼續啃的，一定要繼續創造新的方法從演算法模型的角度提升三高。但是另外一個角度就是通過系統的方法來實現。「

• 真正深入行業解決問題

「真正地深入行業去解決問題這個是我一直在做的，雖然我們講做平台，但是仍然會解決實戰性的具體問題。我們不解決好問題也沒有辦法做好平台，這是相輔相成的，我們只有知道怎麼解決實際問題才可以把這些能力沉澱成為一個平台，同時平台也能幫助我們更高效地做實戰。」

近年來智慧城市裡講得更多的是交通和市政管理領域。據華博士分享，交通從過去一般的城市的事件、事故現在已進行到車路系統階段。"車路系統是我們現在的一個重點，就是『智慧的車＋智慧的路』。我們做的是從路測這一端來講怎樣讓路測能夠給車更高的品質，路測的資訊能否賦予交通管理更多的能力，而車有自動駕駛系統是從車的一端做的」。

華博士舉例子來說明車路系統：在成渝高速上就實現車路系統的應用。從路測上的感測器和飛行器基礎的結果傳給車，車不僅獲取到自己視野里看到的資訊，它能夠看到全局的資訊，這樣可以很好地提升交通的安全性和通行的效率。

「我們認為未來的交通應該是車路協同的。這會涉及到很多視覺以及視覺與其他模態的融合，比如我們也會做毫米波雷達、光學雷達。這樣會對路上資訊的識別更為精準。還有我們在做城市的三維重建和城市的模擬，一個大型的場館，比如體育館或者是一個演唱會，可能會引起的交通和人流的戰略性變化。我們可以進行模擬會不會出現各種各樣的異常的事件，通過三維重建和三維模擬可以把場景近似的預測出來。」

據華博士所講，未來的變化趨勢是避免產生各種各樣的意外。同時交通也可以做模擬，對交通的優化也會起到很好的作用。工業方向華博士團隊很早以前就做過光伏電池、化纖紡織領域等。在醫療領域，華博士之前做了新冠肺炎CT的檢測、骨科的測量、還有心臟血管的重建等一些單點的技術。

「我覺得比較可圈可點的是廢鋼的定級。廢鋼是鋼鐵鍊鋼中很重要的原料之一，但是廢鋼在收購的時候到底應該怎麼定級。這其實既是一個比較危險又有一定隨意性的問題，每個人定的可能都不太一樣，沒有一定的標準，有標準地執行的時候也會有很大的差異。行業裡面一直沒有解決這個問題，我們是第一個去解這個問題的。我們做到高達95%的準確率。還有扣重，因為裡面可能有雜質，會出現應該扣掉多少這個問題，對此可達90%的準確率，可超過一個非常有經驗的評估員。」

•  AI落地的關鍵點

AI落地最關鍵的問題是尋找或創造不可替代的價值，即有沒有創造不可替代的價值。

「今天更多的人還是停留在AI的能力深入行業這一部分。我想還是需要更多的人能夠對AI長遠一些的未來做一些思考，能夠提前做一些準備，比如說平台化、系統化。還有一點是要從核心價值的角度來考慮有沒有帶來革新或者不可替代的價值。有時候技術有局限性，但這並不是代表它不能提供價值。比如說有些東西我做不到很高的準確率，但是並不代表它不能創造價值。因為創造價值不是從準確率上來講的。今天只能做到這個樣子的時候也不見得是不能創造價值的，比如說降低人力成本、時間成本、提升操作的安全性等都是不可替代的價值。實現的方法是平台化和系統化，演算法當然是基礎，這裡不是說演算法不重要，只是說我們如果只停留在演算法這一層就可能很難實現規模化。」

關於使成熟的技術與用戶需求相匹配華博士總結了三重境界。

第一層境界是深入行業，深入行業才能知道解什麼樣的問題才是對用戶有價值的。華博士之前也講過價值的三重境界：錦上添花、雪中送炭、無中生有。

「我們當時瞄準的是雪中送炭，就是把無中生有放在心裡，實現了當然更好。現在主要是解決雪中送炭就可以了，或者叫做不可替代——AI產生的這個價值是不可替代。所以我們一定要深入行業、深入數據、深入場景、深入這個領域裡面的核心問題」。

第二重境界是深入創新，這個時候解決的不僅僅是現有的核心問題，而是有了新的技術可以不限於行業中原來的流程、方法去做以前或者更多的事情。

第三重境界是自我協同進化。能夠不斷地讓系統解決的越來越多的問題，並且精準度越來越高、效率越來越高，這樣AI起到的作用更大。「前面我們還沒有強調說它一定要起特別大的更廣泛的作用，它只要專門解決其中的一個問題就行了，其它的問題有別的方式來解。但是如果說我們有AI的自我協同進化系統,也許它解的面會越來越寬，但這些還是在研發階段」。

人工智慧規模化的應用，會不會增加人工智慧帶來的風險呢？華博士是這樣回答的：

「任何新技術使用，在帶來便利的同時一定會帶來一定的束縛。不僅是產業，包括我們每個人使用新的技術，比如說我們今天有電，那很多東西都依賴電，如果沒有電了那很多事情也做不了，這個是沒有辦法的事情。我今天如果用人工智慧，如果沒有電了或者人工智慧出了故障一定是會受影響的。」

華博士認為人工智慧的規模化應用並沒有帶來新的問題，它帶來的問題和過去電帶來的問題、軟體數字化帶來的問題是沒有本質區別的。解決方法就是像雲計算一樣提高它的可靠性，需要通過基礎設施的保障，提高可用性和穩定性。人工智慧系統在系統層面的穩定性、安全性和容錯性這些方面也肯定是要考慮。

「這個是所有的軟體系統都會面臨的幾個問題，不是AI自己帶來的問題。但是有另外一個問題是AI自己的安全性的問題，這個也是非常重要的，比如說它會不會被欺騙。我們今天也做了一些研究，目前這還不是一個嚴重的問題，但是未來會是，這個也有很多人在做研究。這也是'道高一尺魔高一丈，道高十丈'這樣一種博弈的過程，跟過去的病毒、網路、木馬等等這些也沒有本質區別，但也需要有法律法規的幫助，安全性其實一方面是技術，另一方面是法律法規。」

華博士在採訪最後表示希望此次大會能夠聽到更多的人分享前沿技術的創新。

「不管是工業界還是學術界，我對技術的創新和技術創新之後應用的落地和規模化我都關心，所以我會非常願意看到更多技術創新的進展。另外我也想要看到更多在產業創新應用上可供借鑒的經驗和案例。我也希望有更多的人不僅僅關心眼前的AI演算法，能夠抬起頭來，和我們一起為AI的長久的發展做更多、更深入的思考和布局」。

在上述內容中，華先勝博士向我們展示了人工智慧規模化應用的最新發展進程，同時也表達了對未來科技創新的期待。未來人工智慧規模化的發展需要更多的人做深入思考，共同創造人工智慧發展的美好願景。

阿里巴巴一直非常重視科學研究的發展，也是本次CNCC大會的頂級贊助，與中國電腦協會（CCF）的合作也非常密切。今年阿里巴巴與CCF也聯合推出了新的合作項目。

雷鋒網雷鋒網