智东西（公众号：zhidxcom）
作者 | 李水青
编辑 | 漠影

今年以来，低代码平台成为IT开发界的一大热词。通过可视化的模块拖拽，不懂编程的“小白”都能实现基于少量代码、甚至无代码的应用开发，号称“人人都是开发者”。

而在更加高精尖的AI（人工智能）应用开发领域，低代码平台也已经悄然进入“第四次工业革命”的台前幕后，从人工智能企业生产流程内部，走向各行各业不懂AI算法开发的需求者的计算机桌面。

大华股份推出的巨灵一站式AI开发平台就是这样一个典型代表。

作为视觉物联网行业的20年老兵，大华股份将自身每年满足行业500+定制算法的开发与部署经验，以及积累的上百种AI预训练模型、通用算子汇集到 “巨灵”的平台中，让零售、制造等各行各业不懂深度学习代码的人也能够自行进行AI开发、部署，体会AI魔力。

新一代AI开发平台——这样一个表面低代码形态，实则通过复杂技术串联其从AI算子、训练，到部署、测试整个流程的一站式AI开发形态，有望真正推动人工智能产业化的新发展。

那么新一代的一站式AI开发平台需要具备哪些特质？当下市场的落地情况如何？背后又有什么样的技术逻辑和人工智能商业落地的真相？近日，我们就此与大华股份研发中心副总裁、先进技术研究院兼智慧城市研究院院长殷俊进行了深度对话。

四年多来，殷俊带领大华股份先进技术研究院在人工智能领域实现跨越性的发展，确立了视图智能方向的AI全栈能力和核心技术领先性，平地而起构筑了大华人工智能产业化落地的技术与业务“大厦”，也是巨灵一站式AI开发平台的顶层规划者和领路人。

▲大华股份研发中心副总裁、先进技术研究院兼智慧城市研究院院长殷俊

一、低代码AI开发，平均开发周期减少40%以上

说到低代码AI开发，很多人想到的就是在少儿AI编程平台上，像“拼积木”一样做简单的机器人转弯、机器人跳舞等程序开发。

但殷俊告诉我们，产业中用到的低代码AI开发的产生背景和使用门槛不一样。

殷俊谈道，在零售、制造等专业度较高的领域，算法识别的种类很杂、很分散。而对这些行业有一定IT能力的客户来说，他们对自身所处场景有着更细致的了解，比如制造行业中，生产线缺陷检测、质量管控任务会因产线、商品的不同差异很大，因此，客户有时候需要自己部署一些定制算法。于是一种需求诞生了——客户能不能自己亲自去做AI开发？

殷俊说：“虽然我们做了很多行业，但有些细分行业合作伙伴更加熟悉，大华股份将人工智能技术和AI开发能力赋能我们的合作伙伴,他们基于积累的行业经验背景，可以做出更符合行业需求的产品。”

殷俊告诉我们，2020年起一些行业头部客户已经在使用巨灵平台。对于很多伙伴来说，AI的技术门槛很高，但现在大华股份通过工具链帮助他们快速高效获得AI开发能力，大大降低行业业务需求与技术开发之间的沟通障碍。

以一家大型餐饮伙伴为例，这家公司就在去年下半年开始使用巨灵平台，自己开发上线了厨房设施检测、人员服饰、合规监测的AI应用，之后“一键部署”到大华的硬件设备上，实现了不错效果。

殷俊说，“巨灵”实际上本身是大华股份自研自用的AI开发平台，支撑大华股份每年超500+的AI算法开发需求。通过该平台，算法工程师研发算法的周期平均减少40%以上，最快约两周定制出面向场景应用可交付的算法，几小时就能完成几十个芯片平台的算法工程化部署。

不过，殷俊也谈到，虽然平台能让不懂代码的小白客户也能用，但面向对精度、性能以及特定专业性有较高需求的算法，就需要有专业的算法背景。

AI本身还是数据+算法驱动，因此操作者需要对算法的原理和本质有一定的了解。以数据为例，看似简单的数据标注如果不注意算法的限制，开发的算法精度同样得不到保证，算法要做到能用、好用，做到精度的提升，需要很多技术经验。要判断哪个算法模型更适合业务场景，是一个专业的事情。

二、自动化AI训练和部署，整体效率提升40%以上

在巨灵平台简洁、模块化的页面和操作流程之下，却是一套包含了大华股份在各行各业AI落地经验中积累的数百个AI算子、预训练模型，以及研发交付成熟验证过的一整套串联数据处理、算法训练、AI部署、方案验证、算法交付的AI开发全流程工具链。

殷俊谈到，常规的深度学习开发工作，包括数据标注、算法训练、芯片适配、性能优化、性能验证等，每个环节都是各自独立的工程，现在通过巨灵平台，可以把流程串联起来，并且不断推进“机器换人”，降低工程师的开销，从而大幅提高开发效率。

以算法部署为例，通过巨灵平台，用户只需要“一键部署”。对于产业AI化落地来说，面临的一大显著问题就是硬件平台的多样化。很多厂商可能擅长针对云平台进行AI部署，但是当下更多AI算法需要端边云全覆盖。

殷俊认为，面向国内外众多芯片平台实现AI算法部署以及端边云全覆盖的能力，正是大华股份大规模产业化体现出的优势。

通常的算法部署模式下，每个芯片平台都有自己的开发工具链，开发者就需要基于芯片的工具链转化模型并优化网络模型，进而做适配和验证，人工作业量巨大。

但在巨灵平台里，算法模型训练完，只需要点一个按键，系统可以自动把几十个芯片平台的适配和优化处理完直接出库，而且还能进一步自动完成真实环境的仿真报告。

“机器换人是一个循序渐进的过程，我们基础工程团队始终在干这个事情，持续优化工具链使开发流程更顺畅。”殷俊说，“近年来，大华股份每年AI算法的需求不止翻倍的增长，远远超过研发人员投入的增长，除了持续技术积累带来的增益外，背后的工具链也大大帮助我们提升开发效率。”

三、巨灵背后：四年深耕，赋能产业AI化AI化

殷俊回顾，公司成立先进技术研究院之初，就锁定发展AI产业化的目标，推动产业数字化转型并解决AI产业化过程中用户实际应用问题，巨灵平台正是基于这个目标的思考而构建的基础能力。

AI投入成本高，对开发者要求的门槛也很高，开发者除了要技术过硬，还要具备产业化和工程化的能力，需要解决海量数据处理、算力高效调配、面向应用场景快速优化、算法逻辑编排、产品快速加载等一系列问题。殷俊认为，解决这些问题是建设基础能力的时候必须要做好的事情。

因此，大华股份自研了一套AI领域的EDA（Electronic design automation，电子设计自动化）工具的平台，来解决算法从无到有，从有到优快速产品落地。

殷俊谈到：“巨灵的背后是基于AI产业化的理解，构建完整的AI生产到的EDA工具平台在这些基础能力之上，搭载了大华多年来研发的核心算法和行业算法应用的能力。

据悉，在核心算法层面大华股份布局了计算机视觉、数据分析、聚类检索、多维感知、编解码、音频、3D建模等多个领域的智能算法。

大华财报显示，公司研发了20多个细分行业的算法方案、100多项场景化算法功能，覆盖智慧制造、智慧石化、智慧农业、智慧教育等多个方向。

四、大华AI产业闭环，坚持做“场景定义产品”

纵观国内人工智能产业发展，殷俊认为，经过2018年的“AI推动行业变革”，2019年的“AI提升场景应用体验”，当下我们将进入“产业AI化”的长周期阶段。

“前几年随着深度学习兴起，人工智能实现单项的算法技术突破，大家就拼命找商业化落地的场景。随着AI的能力快速泛化，现在要做的是产业AI化。企业数字化转型浪潮中，任何一个企业的管理流程、组织方式、业务对象都有明显的行业特色，比如钢铁企业的和能源企业的诉求就显著差异。因此对于数字化转型的需求，需要用到不同的技术方式来满足实际场景的应用与管理效率的提升，AI就是重要的技术方式之一，而且实战中的AI能力需要贴合行业特性，有着明显的行业属性。”

未来，AI将不仅是一个技术，也是在人机交互中的一种基础能力，各行各业都会用习以为常的用到AI。面对这个阶段，大华股份在行动上要加快产业AI化进程。

当下，智慧物联领域将达到万亿级市场，各大AI企业、互联网巨头、行业玩家都纷纷入局抢滩大战，混战之中，“AI开发平台”和“算法商城”几乎成了这个行业的比拼的最佳舞台和证明实力的最佳抓手。

面对激烈的竞争，殷俊谈到，压力肯定会有，行业竞争不进则退，竞争本身也是很激烈的，但是智慧物联的市场足够大，足够让大家找到发展的定位。另一方面，大华股份也有多年深厚的技术和行业积累，有充分自信，持续拓宽人工智能场景化能力，实现面向行业应用的覆盖。

殷俊着重谈及AI开发与交付的逻辑，认为当下对算法商城的理解有很大误区，很多客户受手机APP商城的影响，实际上两者区别较大。

简单来说，在智能手机中每个APP独立运行，APP内完成业务自闭环。但AI算法的开发和交付，算法仅仅是智能应用的一部分，仅靠算法是无法实现智能应用的落地，需要配合平台软件、硬件产品的特性，才能够发挥作用，此外行业算法还需要与业务场景匹配优化。

算法商城能解决一部分对通用、泛化的算法需求，但更多的还是需要通过业务牵引，快速高效开发出一套适用于行业应用场景的算法。

殷俊进一步阐述一个认知：“在需求碎片化的物联网应用中，软件定义硬件是理想主义者，从解决方案的应用出发，由场景应用定义产品。”

“我们始终认为，不管做软件也好，做硬件也好，最终在客户现场能用好用才是本质。”殷俊说。

结语：以平台为抓手，AI潜入各行各业

AI开发平台是AI深入落地过程中的产物，它是简化AI开发流程、提高效率的一套工具链和方法论。本次，通过与殷俊就巨灵平台进行深入探讨，我们发现这套平台正在通过多年打造的自动化开发、低代码操作的一整套工具链来拉近行业与技术的距离，从而加快产业AI化的流程。

基于这样的AI及产业数字化业务布局，大华股份在2020年全球既面临疫情危机又面临全球化数字转型机遇背景下实现了稳健增长。大华财报显示，2020年大华实现营收264.66亿元，公司净利润实现39.03亿元，同比增长22.42%。

正如殷俊所说，在未来几年后，我们可能会不再提AI，因为AI已经成为生活、工作许多场景应用的基础能力。从行业真实需求出发，我们既能够充分肯定AI在产业数字化转型中的价值，又能客观认识到AI只是众多赋能技术之一。让AI技术真正与产业需求结合，更进一步让行业人进入AI开发一线，将加速产业智能化的到来。