随着复产复工的加快，中国“新基建”项目建设速度加快，成为稳投资的“新亮点”。
“新基建”指的是以特高压、5G、人工智能、工业互联网、物联网等为代表的新型基础设施，这将成为我国新一轮经济增长的新动能。
2019年8月，科技部印发国家新一代人工智能创新发展试验区建设工作指引。其中提到，“推进人工智能基础设施建设，强化人工智能创新发展的条件支撑。加强网络基础设施、大数据基础设施、计算基础设施建设，提升传统基础设施的智能化水平，形成支撑新一代人工智能广泛应用的基础设施体系。建设人工智能研发基地和开放创新平台，推动公共数据安全有序开放，强化人工智能研发创新的基础条件支撑”。
新一轮的技术革命浪潮，AI是赢得全球科技竞争主动权的重要战略抓手
科学技术是第一生产力。每一个大的经济周期，从根本上都是由革命性的技术突破所造就、推动。
就像蒸汽机之于第一次工业革命，电力之于第二次工业革命，数字化之于第三次工业革命一样，以人工智能驱动的智能化变革正在引发第四次工业革命。
人工智能是新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。
每一项技术也有其生命周期。从2015年到2019年的应用繁荣期，人工智能产业正处在从做单一的算法开发到体系架构搭建的过渡期。技术在下沉，真正的技术企业越来越多开始关注底层的研究和基础设施的建设。
然而与世界领先国家相比，中国人工智能在部分领域核心技术实现重要突破，但仍缺少重大原创成果，在基础理论、底层框架、高端芯片等方面差距较大。
有专家指出，中国AI的真正进步，必须要在应用、技术、底层逻辑上共同提高：
1.在应用层需要观察企业是否能够交付有价值的解决方案，为客户真正解决问题；
2.在技术层，是否有持续探索边界的能力，引领行业的脚步；
3.在底层是否有不受制他人，且稳定坚实的底座和基础。而当下表面繁荣的人工智能行业，在底层有所建树的企业数量还是比较有限的。
中国AI当自强，国产深度学习框架的进化之路
在AI领域，底层技术之争的关键在于深度学习框架的构建。
世界范围内，市场主流的开源深度学习框架大多数是国外厂商或机构主导，比如Google 的 TensorFlow 和 Facebook 的 PyTorch 占据了大部分市场份额。2019 年 7 月，长江商学院经济学教授许成钢在一堂课上给出了一个数据，几乎 93% 的中国研究者使用的人工智能开源软件包，是美国的机构开发提供的。
其实，深度学习在人工智能领域已经不是新鲜事物，可是对于大多数开发者来说，算法研发的成本仍然非常之高。所以要打破整个人工智能行业的发展瓶颈，就必须要解决算法研发的成本问题，解决人工智能基础设施的问题。
以制造产业为例，随着经济全球化的高速发展，如今数以百万计的制造业企业都面临一个转型升级换代的过程，尤其是一些制造业巨头迫切需要整合人工智能等前沿技术实现智能化制造，但却因为缺少专业的算法、算力和数据的支持难以实现。
要想解决生产环节中的各项问题，用AI替代大量的重复劳动，传统制造企业首先需要采集大量的业务数据，还需要专业的数据团队进行数据的清洗和标注，雇佣一批懂制造业务的算法工程师，投入长年累月的研发进行算法的训练和优化，再通过适合产业部署的开源框架进行算法封装，才能投入业务应用。巨大的研发投入和长时间的交付周期令很多本想使用AI进行数字化转型的传统企业望而却步。
中国人工智能领军企业旷视给出了自己的解决方案——日前，旷视正式宣布将于2020年3月25日开源其深度学习框架，以降低传统企业、高校和研究机构中的广大开发者、师生的算法研发门槛。而旷视的深度学习框架就是典型的人工智能基础设施形态之一。
开源深度学习框架这件事，为什么要旷视来做？
旷视是中国人工智能领域最具代表性的企业，也是最早一批用深度学习方法进行AI商业化的科技企业。
相比其他互联网巨头，旷视在人工智能领域拥有更专业的技术积淀和落地经验。旷视的底层深度学习框架是建立在AI 解决方案上的，是真正具有人工智能基因的底层框架。不仅能够支持旷视的算法创新，同时在支持产业落地上有很强的优势。
算法创新方面，旷视在2017-2019年间的国际人工智能顶级竞赛中，多次击败谷歌、微软、脸书等知名企业，揽获27项世界技术评测第一，夺冠背后，旷视所依托的就是旷视自主研发深度学习框架。
产业落地方面，旷视的框架支撑了旷视在技术层和应用层的领先性，研发出大量专业可用的传感、优化和控制算法，和覆盖个人物联网、城市物联网和供应链物联网三大场景的软硬结合解决方案。
通过旷视的自身实践经验来看，旷视框架能够顾支持研究院级别的研发团队，进行从底层到应用全流程的开发，让旷视拥有了超出行业水平的领先优势，能够在各项竞赛中屡获金牌、在产品研发和业务落地中快人一步。那么如果传统企业也能和旷视共享这样的基础设施，获得这种高效的AI研发能力，是不是就意味着，人工智能和产业的融合会大规模地提速？
AI基础设施解决的是生产力问题
人工智能领域流行一种说法：如果人工智能是一辆车，那么大数据是燃料，计算力是车轮，算法则是发动机。也就是说，没有算法平台，人工智能就是空中楼阁。谁掌握了算法平台，谁就能以压倒性的优势碾压其他竞争者，最终成为下一轮人工智能的定义者和领导者。
2019年10月，旷视基于深度学习框架、数据管理平台和算力平台打造的Brain++系统被评为“世界互联网领先成果”，联合创始人兼 CTO 唐文斌在世界互联网大会的领奖台上曾提到，旷视打造Brain++的初衷就是希望为研发人员提供AI研发全流程的解决方案，提升大家的工作效率，不用再重复“造轮子”。而在旷视最新的介绍中，我们发现，旷视对Brain++有了一个新的定位：AI生产力平台。
如何理解旷视所说的“AI生产力”？
我们可以用餐饮业类比：一个餐馆核心价值是为客人提供美味的菜品（就像 AI 产业的核心价值是提供专业可靠的 AI 解决方案），那么实现这个价值最重要的人则是大厨（开发者）。小作坊里的厨师需要自己洗菜（数据清洗）、配菜（搭模型）、炒菜（训模型）、调火候和口味（调参数），一个中午他也许只能为三桌客人提供菜品。而在现代化、自动化中央厨房里工作的大厨，他将拥有标准化、流水线管理的配菜间和智能化的炉灶等套件工具，那么或许他一个人就可以搞定一栋楼菜品供应。
旷视 Brain++ 的价值就是为开发者们提供一套这样“中央厨房”式的解决方案：戳视频了解 ↓ ↓ ↓
所以，旷视接下来要开源的就是这套“中央厨房”最核心的“菜品烹饪机”部分，让开发者们能够成熟的框架实现算法的训练、推理和部署，极大简化算法开发流程。而这正是解决了AI算法生产的生产力效率问题。
结语：
如今，新基建已经上升到国家战略高度，而人工智能基础设施作为新基建中不可或缺的重要角色，能够支撑实现各行各业实现数字化、智能化，是基础中的基础。人们总是畅想人工智能应用能像“自来水”一样无处不在还能即开即用，那么建设人工智能基础设施的意义和重要性不亚于建设水电站。
希望未来，我们也将看到越来越多像旷视一样的企业，赴身数字基建的建设。将自己的成果和行业共享，中国正在开展的“新基建”将会有更扎实的地基。
3月25日 14:00
旷视深度学习框架将在线上举办开源发布会
同时开源代码也将发布于GitHub和iHub平台
想尝试深度学习算法研发的小伙伴不能错过！
扫码添加旷视研究院小助手
报名参加直播发布会
