加速AI行業落地,華為發布麵向工業嘅智能解決方案“工業智能體”

原標題:加速AI行業落地,華為發布麵向工業嘅智能解決方案“工業智能體”

圖片來源@視覺中國

鈦媒體注:9月18日,華為雲業務總裁鄭葉來喺2019華為全聯接大會上發布華為雲工業智能體。華為雲工業智能體係華為雲麵向行業嘅智能解決方案,係工業智能化升級嘅新引擎。

該智能體按工業生產嘅運營策略,將雲邊端技術整合,通過人工智能三大引擎—智能認知引擎、智能預測引擎、決策優化引擎對數據同信息進行智能分析處理,驅動物理世界嘅生產製造更加智能。

喺本次2018年華為全聯接大會上,華為也提出la使用AI改善生產力嘅三大場景。具體來看,AI可喺海量重複、專家經驗及多域協同三大場景助力行業升級,實現效率提升、專業傳承同突破極限。

其中,海量重複場景主要係指喺企業實踐中尋找高頻出現嘅重複場景。以德邦快遞為例,通過高精度OCR識別快遞麵單取代純手工錄入。取件時,快遞員可拍照或截圖,OCR就會自動識別收寄信息並自動錄入係統,可處理複雜背景、光照唔均、模糊以及圖片缺角等問題,減少異常情況嘅人工處理時間,大幅提升服務效率及用戶體驗,使得管理成本降低la25%左右。快遞行業中,暴力分揀行為一直廣受詬病。傷害消費者嘅權益,且導致大量嘅貨損賠償。 華為雲EI智能分析服務,可以對監控視頻進行實時行為分析,自動識別揀貨員喺揀貨過程中出現嘅扔、拋、推倒、用力踢等暴力分揀行為。目前德邦快遞150個外場3萬多個攝像頭都已經接入“違規操作AI智能識別係統”,違規操作嘅小時違規率下降45%。

專家經驗場景係指通過融入專家積累同經驗(行業智慧),使AI達到專家助手水平。例如,第三方醫學檢驗機構金域醫學同華為雲EI合作,首次基於病理形態學,通過深度學習,訓練出精準、高效嘅AI輔助宮頸癌篩查模型。該模型喺陰性片判讀嘅正確率高於99%,陽性病變嘅檢出率超過99.9%。這係目前國際上已公布嘅AI輔助宮頸癌篩查嘅最高水平。細胞病理醫生鏡下閱讀宮頸細胞塗片,平均每例要花費6分鍾,而AI識別僅需36秒。

對於涉及參數眾多、依賴關係複雜、維度高嘅多域協同場景,比如工業生產、比如城市治理、測井油氣層智能識別等,尤其係知識圖譜、自然語言處理等技術也為這些領域帶來la新思路、新方法。

展開全文

以下為鄭葉來演講全文,略經鈦媒體編輯

我今天演講嘅主題係“跨越裂穀,共建普惠AI”。

看左右兩邊嘅圖,十分有意義嘅對比:

商業熱情:左側係喺2018年以前,我們看到AI嘅投融資均勻嘅分布喺各個行業或技術領域,嗰時投融資符合技術熱炒嘅特征。商業冷靜:右側,係從2018年開始到現喺,大量嘅投融資活動圍繞喺具體嘅行業場景,同埋高度集中喺幾個頭部行業。

我們認為,計算發展進入la”暴力美學”階段,算力嘅需求每年增加10倍左右。從研究上來看,人類對於AI嘅探索研究逐漸深入,出現la越來越多嘅新算法同新探索,如AlphaFold、Bert、BigGAN等,對算力嘅要求呈百倍增長:

一個有力嘅佐證係,算力嘅增長速度同論文嘅發表數量已呈正相關。從商業應用來看,算力嘅性價比越高,AI喺商業中嘅應用就會越廣泛。

所以,AI算力也應該如同今天嘅電力一樣便捷,隨時可獲取。這也回應la兩年之前,也係喺這裏,我講la一個觀點,算力釋放算法之美。

喺2018年華為全聯接大會上,華為提出使用AI改善生產力嘅三大場景。

具體來看,AI可喺海量重複、專家經驗及多域協同三大場景助力行業升級,實現效率提升、專業傳承同突破極限。

其中,海量重複場景主要係指喺企業實踐中尋找高頻出現嘅重複場景。以德邦快遞為例,通過高精度OCR識別快遞麵單取代純手工錄入。取件時,快遞員可拍照或截圖,OCR就會自動識別收寄信息並自動錄入係統,可處理複雜背景、光照唔均、模糊以及圖片缺角等問題,減少異常情況嘅人工處理時間,大幅提升服務效率及用戶體驗,使得管理成本降低la25%左右。快遞行業中,暴力分揀行為一直廣受詬病。傷害消費者嘅權益,且導致大量嘅貨損賠償。 華為雲EI智能分析服務,可以對監控視頻進行實時行為分析,自動識別揀貨員喺揀貨過程中出現嘅扔、拋、推倒、用力踢等暴力分揀行為。目前德邦快遞150個外場3萬多個攝像頭都已經接入“違規操作AI智能識別係統”,違規操作嘅小時違規率下降45%。

專家經驗場景係指通過融入專家積累同經驗(行業智慧),使AI達到專家助手水平。例如,第三方醫學檢驗機構金域醫學同華為雲EI合作,首次基於病理形態學,通過深度學習,訓練出精準、高效嘅AI輔助宮頸癌篩查模型。該模型喺陰性片判讀嘅正確率高於99%,陽性病變嘅檢出率超過99.9%。這係目前國際上已公布嘅AI輔助宮頸癌篩查嘅最高水平。細胞病理醫生鏡下閱讀宮頸細胞塗片,平均每例要花費6分鍾,而AI識別僅需36秒。

對於涉及參數眾多、依賴關係複雜、維度高嘅多域協同場景,比如工業生產、比如城市治理、測井油氣層智能識別等,尤其係知識圖譜、自然語言處理等技術也為這些領域帶來la新思路、新方法。

華為雲以行踐言,以華為雲AI能力輻射10+行業,包括城市、工業、零售、金融、汽車、家庭等多個場景,500多個項目,攜手合作夥伴,逐漸幫助企業走向智能化升級之路。華為本身就係一個全球領先嘅電子製造行業嘅領導者,我們清楚工業場景下需要解決乜嘢問題。

500多個項目嘅實踐,加上我們數百個參同項目嘅AI科學家、數學家對項目實踐進行複盤、總結,我們發現乜嘢一個行業AI項目要落地實施,唔僅僅係AI技術平台同企業兩方能完成嘅,需要多個角色共同完成,我們可以看圖上嘅角色模型:即涉及行業落地嘅應用場景、應用相關嘅ISV、應用相關嘅設備或流程,以及AI平台提供方。

進一步,從實踐中來再到實踐中去,我們喺這個角色模型中,發現la,一個成功嘅AI項目,有四個要素分布喺唔同嘅角色中,即:明確定義嘅場景、觸手可及嘅算力、持續進化嘅係統、組織人才嘅適配

參照這個角色模型以及影響項目成功落地嘅四個要素,我們就清楚裂穀喺哪裏、以及點樣樣去跨越,而唔至於掉坑裏。

跨越裂穀嘅要素一:明確定義商業場景

首先要明確該場景核心要解決嘅問題係乜嘢,係質量、成本還係效率問題。其次,解決嘅問題要有清晰嘅邊界,要便於用數學去刻畫同表達。再次,這個場景應該係一個閉環嘅、可以預測嘅,唔能係開放唔可預知嘅。最後,要具備解決這個問題需要嘅充足同完備嘅數據同行業知識。

三聯虹普場景看似複雜,但屬於恰恰係可以明確定義嘅,合成纖維質量檢測係十分複雜嘅,點樣樣用AI提升質量檢測同染色調色、實現商業價值。

再來看另一個場景看似簡單實際異常複雜嘅例子:

河流治理項目,一開始大家期望比較高,但落地過程中發現場景太複雜,需要識別拋物,潑灑,漂浮等各種場景

同埋複雜嘅自然環境場景,天黑、雨天等場景下同人嘅行為交織,更增添la場景識別嘅難度, 導致場景好難識別。

客戶有經過思考深入,治理決心好大,唔斷嘅調整,同項目組嘅努力,克服困難,唔斷調優算法,識別率從50%提高到la80%。

從這兩個例子看,場景嘅選擇係項目能否達到預期嘅十分關鍵嘅一步。

跨越裂穀嘅要素二:觸手可及嘅強勁算力:

我們發現,當前算力唔充沛、唔經濟、難獲取,導致企業、政府、高校、科研機構缺乏足夠嘅算力。以華為為例,喺公司內部目前日均AI訓練作業任務超過4000個、3.2萬小時, 同埋還有大量嘅作業喺排隊。

分享個段子,因為工作時間任務太多資源唔夠,我們鼓勵錯峰訓練,也就係鼓勵大家把訓練任務放到晚上下班後,所以唔少博士晚上下班前,唔係退出ModelArts平台,而係喺ModelArts上啟動自己嘅模型訓練任務錯峰計算,咁樣喺第二天白天高峰前能看到AI訓練嘅結果。

基於Atlas 900嘅華為雲EI集群服務,係當前全球最快嘅AI訓練集群,代表la當今全球嘅算力巔峰。

胡總上午剛發布,我們這裏進一步闡述。EI集群服務由數千顆昇騰910 AI處理器構成, 通過華為集合通信庫同資源調度係統,及超高速嘅訓練數據緩存,充分釋放昇騰910嘅強大性能。其總算力達到256P~1024P FLOPS @FP16,相當於50萬台PC嘅計算能力。

  • 華為雲EI集群,隻需59.8秒即完成典型網絡ResNet-50嘅訓練,比第2名快15%.本次測試華為基於“ResNet-50”同“ ImageNet-1k數據集”,數據集包含128萬張圖片,top1精度為75.9%
  • 相比傳統購買硬件設施嘅方式,華為雲EI集群服務可按需使用、即時開通。
  • 加速科學研究同商業創新:提供更快嘅圖像、語音等AI模型訓練,讓人類更高效地探索宇宙奧秘、預測天氣、勘探石油,加速自動駕駛嘅商用進程。

EI集群嘅背後,係華為雲工程師們從底層硬件到軟件構架全棧優化:

  • 梯度同步同反向計算並行,訓練效率更高
  • 數千顆AI處理器-TOR交換-SPINE交換,全互聯無阻塞高速網絡
  • 計算、存儲,網絡高效協同

跨越裂穀嘅要素三:持續進化嘅AI服務

傳統嘅IT基於明確嘅需求同規則,確定性強,開發同生產係可以分開。而目前嘅AI,特別係深度學習係基於統計計算,基於有限數據集開發嘅模型,並唔一定能喺運行時滿足所有環境變化。為此構建把生產運行同開發訓練閉環嘅喺線係統就十分關鍵。有la咁樣一個係統,通過數據閉環下嘅喺線學習能力就能讓模型,持續適應環境嘅變化,持續優化,成為真正可以進化嘅AI。

ModelArts通過AI持續迭代框架,提供端邊協同能力,加速企業AI化進程;喺自動數據增強上,如訓練一個OCR單據模型,隻需要少量幾張圖片使用自動數據擴充到上千張,實現同樣精度,節省人力80%以上;同樣通過模型自優化嘅框架,使用多元搜索能力,比專家嘅模型還提升la8個百分點,同比業界自動調優最好水平(91%)也提升la6個點;喺自動駕駛領域通過喺線嘅閉環能力,可以實現模型每天更新(原來每周更新一次)。

我們喺本次全聯接大會第三天,麵向開發者,會全新發布ModelArts2.0新特性,請大家關注。

跨越裂穀嘅要素四:組織同人才嘅適配

我們認為,AI要改變世界,首先要改變人嘅認知。AI嘅智慧來源於人類智慧數字化,要遵重以人為本嘅初心。

對於AI開發者,我們通過貼近行業、易於使用嘅開發平台,降低AI同行業嘅結合門檻。

華為雲提供laModelArts一站式開發平台,來管理AI應用開發,幫助用戶快速創建同部署模型,管理全周期AI工作流。

而對於有行業經驗嘅專家,通過AI+專家協同,我們喺AI落地嘅過程中通過決策規則嘅透明,讓AI嘅更好嘅輔助專家決策,從而更容易被接受。

而從企業組織同流程改變開始,唔能用傳統IT嘅模式來使用AI,AI需要相適配嘅人才,組織,流程來充分發揮效力。

我們把商業AI成功嘅4個要素,打造成la麵向行業嘅智能解決方案,尤其係針對工業製造,來解決行業AI嘅應用落地,跨越AI嘅商用裂穀。

我們正式向業界發布 —— 華為雲工業智能體

華為雲工業智能體係華為雲麵向工業嘅智能解決方案,係工業智能化升級嘅新引擎!

按工業生產嘅運營策略,將雲邊端嘅技術整合,通過人工智能嘅智能認知引擎智能預測引擎決策優化引擎對數據同信息進行智能分析處理,驅動物理世界嘅生產製造更加智能。AI可以喺工業領域得到好好嘅運用離唔開各行各業嘅合作夥伴, 華為雲,希望聯合越來越多嘅合作夥伴、通過工業智能體加速行業AI項目落地,讓業務願景成為現實

1)我們同中國石油合作,使用智能體嘅智能認知引擎來輔助識別油氣層,油氣層識別時間下降70%

2) 同三聯虹普合作,使用智能體嘅智能預測引擎,喺生產過程種動態匹配客戶需求,讓客戶需求匹配率提升la28.5%!

3)我們同鑫磊集團合作,使用智能體嘅智能優化引擎,將AI能力引入配煤環節同焦炭生產質量預測,真正讓AI成為幫助配煤師傅嘅利器,準確率超過95%,實現每百萬噸焦炭節省成本超過1000萬人民幣以上。

華為雲工業智能體喺能源、礦業、焦化、電力、水泥、化纖等多個工業行業都能落地,真正將AI引入行業,加速工業智能化升級!

更多精彩內容,關注鈦媒體微信號(ID:taimeiti),或者下載鈦媒體App

search更多:手機數碼電腦
at手機數碼電腦相關網站

發表於 分類 科技