【AI技术生态论】UCloud 王达侃：软硬件和算法一体的产品才是趋势所在！
受访者 | 王达侃 优刻得实验室副总监
出品 | ****（ID:****news）
「AI技术生态论」是****发起的“百万人学AI”倡议下的重要组成部分，与AIProCon万人开发者大会、Top30 AI技术生态行业案例征集和评选、开发者与AI大调查、AI大师课一起，打造一个覆盖百万开发者的AI生态联盟。2020年，「AI技术生态论」栏目将对1000+AI生态大咖进行系列访谈，勾勒出AI生态最具影响力人物图谱和AI产业全景图！
本文为 「AI 技术生态论」系列访谈第三十八期。
时至今日，云服务的发展已逾10年，作为其中的首批玩家，云服务商UCloud也已经在该市场沉浮多年，成为了其中的佼佼者。
随着深度学习技术的成熟，AI人工智能正在逐步从尖端技术变得更加普及，如何推动AI技术产品与多行业快速融合，满足不同应用场景需求，实现“智能+”已经成为了业界关注的重点，也是UCloud在AI研发、生态构建方面的探索方向，还在2019年入选《中国最具商业价值AI企业百强》。依托自身强大的GPU算力优势，UCloud推出了UAI-Service、UAI-Train、AI Lab等多项AI平台类产品，并不断探寻“AI+”的更多可能。
那么面对一些行业内的痛点和技术难题，UCloud会选择如何应对和规划？对此，本期「AI技术生态论」栏目专访了优刻得实验室副总监王达侃，来一探台前幕后的究竟。
项目背景
****： 请首先介绍一下您的个人经历、成长路线以及擅长的技术领域等个人信息。
王达侃： 我本科是上交ACM班，差不多2008年的时候在微软亚洲研究院机器学习组实习开始接触AI，后到了斯坦福大学读了计算机专业AI方向的硕士。毕业在硅谷的twitter, linkedin做机器学习相关的研发。2018年回国帮助wework在中国建立一个research & applied science部门。最近加入ucloud负责AI方面的研发。
****： 可以介绍一下这项技术背后的研发团队吗？
王达侃： 我们最近结合疫情在做一个智能防疫一体机的项目。其集人脸验证，测温，消毒功能于一身，主要工作是我们将之前团队在人脸算法上积累的能力， 端上部署模型的能力，以及AIoT涉及到的端上开发以及硬件选型的一些能力组合起来， 为这次疫情量身打造了这么一款产品。研发团队由IoT（物联网）团队跟AI团队。其中IoT负责硬件的选型与部署，比如测温头、消毒喷雾等。AI团队负责将之前积累的人脸检测与识别算法能力在新场景下做一些定制化与调优，然后部署到端上。
技术成果和技术生态现状
****： 目前这款智能防疫一体机的项目成果有哪些？
王达侃： 硬件方面：一台集测温，身份验证，消毒功能的自研智能平板以及与平板联动的自动消毒机柜；软件／算法方面： 一个经过精确标定，可以在高低温环境下能够正常稳定工作的测温算法。在团队之前积累的人脸算法基础上为疫情专门定制调优的一个能部署在端上并实时响应的人脸验证算法。一个可供中小企业管理操作硬件的平台。
****： 其具体实现细节是怎样的？
王达侃： 我们把智能平板、测温头、消毒机柜连接起来，通过云端服务进行统一管理。在云上训练我们的人脸验证算法，最后通过模型转换工具转成适合在端上部署的算法，在端上运行，实现平板，测温头，消毒机柜的联动。具体到硬件方面的话我们是把市面上的摄像头、测温头、平板做了一个非常详细的比较，在各种可能情况下进行了测试，最后定了各个部件的型号。
- 人脸验证方面我们是基于过去团队在人脸识别算法上的积累，根据这次抗击疫情的场景做了一定改造，用了分布式训练使得模型训练周期更短，针对抗疫场景进行定制性的优化，提升到对不同光照、口罩、戴眼镜场景下的容错性。
- 算法部署上我们也是沿用了过去端上部署算法积累的能力，将云端服务器上的算法转换成一个可在端上部署的版本。期间要注意同时保证运行速度跟精度。我们也重写了一些模型转换工具不支持的网络层使得其可以在端上能够成功部署。
- 测温上面我们会模拟出不同的环境温度，采集传感器数据来最后确定温度拟合所需要的参数。
****： 能分享下这个项目的优势吗？
王达侃：
- 成本低： 如上所述，我们每一个硬件的部件都是经过反复测试跟比较选定的，在保证我们性能要求的情况下做到成本最低。
- 人脸验证算法与测温算法的准确度高：人脸验证算法我们是基于过去团队的积累，并为这次的疫情场景定制的。对各种不同场景容错性高。测温算法我们会尽快多模拟各种环境温度，使得拟合算法尽可能准确。
- 算法能够在端上做到快速响应：我们根据模型转换工具的特性改写了原先模型中某些网络层的结构，使其能够适配端上的部署并加速。
- 可规模化部署：这个主要是靠我们自己开发的端设备管理平台。我们开发了一套能够自动监控所有端上设备，负责消息上报跟下方，模型自动部署的平台。
产业和落地现状
****：落地是重中之重，该项目在落地时最大的困难是什么？如何克服这些障碍？
王达侃：
- 人脸验证算法在不同场景下的适应性：通过提高算法的泛化性来解决；
- 测温本身受环境影响较大：通过算法智能校正；
- 端上算力不足影响算法速度：通过设计更有效的模型以及优化端上的模型运行效率；
- 一个大规模管理设备的平台：通过设计可扩展性高的系统解决；
- 硬件选型与规模化生产：通过反复的实验比对以及建立合理的生产流程。
****：这项技术所涉及的产业链条和产业现状如何？您认为还有哪些机会待发掘？
王达侃：
- 硬件：之后iot相关的硬件会越来越多出现在产品中；
- 软件：之后越来越多的软件服务会上云，并同时支持公有云与私有云的部署；
- 算法：之后越来越多的算法会往端上走，跟iot的硬件紧紧绑在一起。
未来规划
王达侃： 之后软件/硬件/算法一体的产品会是趋势，而关于这款智能防疫一体机项目的开源生态建设也在计划中。