在7月27日的 “2021国际AIoT生态发展大会”上,百度杰出架构师、飞桨企业版总架构师马如悦分享了百度飞桨在边缘AI服务领域中的宝贵经验。
真正的AIoT应用,要切合实际需求和场景
从互联网到物联网,再到未来万物感知的智联网,“应用场景”一直是开启亿级市场的财富密码。不接地气的应用项目,即使创新技术再高大上,也无法真正解决用户的实际问题,自然很快被淘汰;实际应用价值高、技术含量高、实施可行性强、市场前景好的应用项目,必然是产业里的“香饽饽”。
据马如悦观察,物联网产业链呈现多层次,有的做物联网芯片、有的做物联网平台,还有做物联网的核心技术、场景。不过,当下物联网的发展更需要聚焦实际场景。
马如悦以其团队主导的三个案例为例:第一个案例是团队内部有一个每日健身数据的应用,员工可以将每天的运动数据分享出来、相互打气,达到高效健身的效果;第二个案例是每天午餐的时候,为了避免餐厅里人员拥挤,团队内部开发了一个自动检测人流量的摄像头,员工可以根据实时数据去选择人流量少的餐厅就餐;第三个案例是智能会议室,将定时检测会议室的实际使用情况,对已完成预约但无故缺席的员工进行惩罚。
“上述三个案例的技术难度并不大,但都能实实在在地解决实际问题,我们便认为这是成功的AIoT应用。”马如悦形象生动地讲述道。
那么如何挖掘一个接地气的“AIoT应用场景”?马如悦认为,要从失败当中吸取教训、在成功当中吸取经验,不能一味地做大做全,为了物联而物联。
飞桨企业版EasyDL与边缘AI服务解决方案
当然,AIoT要切合实际需求、实际场景来开发应用,这是第一步;接下来,该应用场景能否实现落地、广泛推广,其关键是如何用好数据。
马如悦说道:“人工智能是物联网的核心技术,具有对数据实时收集、快速分析、精准预测的强大能力。因此,百度AI在AIoT时代的施展空间逐渐扩大。”
公开资料显示,飞桨(PaddlePaddle)是中国首个自主研发、功能完备、开源开放的产业级深度学习平台。它以百度多年的深度学习技术研究和业务应用为基础,集深度学习核心训练和推理框架、基础模型库、端到端开发套件、丰富的工具组件于一体。
“我们发现,当下AIoT应用开发呈现两个需求,一是AI模型的定制化,二是AI模型的边缘部署。对此,飞桨推出‘EasyDL’,可提供端到端的模型构建和部署的解决方案,包括‘数据管理→模型构建→模型部署与应用’三大块工作。”马如悦称。
“同时,飞桨推出了一站式边缘AI服务解决方案,其核心功能有4个:网络的硬件适配与加速、模型转换、模型优化、模型压缩。”马如悦介绍道。
(1)网络的硬件适配与加速
(2)模型转换
(3)模型优化
(4)模型压缩
此外,飞桨还重视软硬一体与开源,推出了EdgeBoard计算盒和EdgeBoard计算卡。
针对上述产品,马如悦通过两个客户案例来说明其实际应用价值。第一个案例是:攀枝花学院一对一帮扶四川甘孜藏族自治区乡城县,基于援藏干部提出的藏区农牧民虫草搜寻的切实困难,利用百度EasyDL训练冬虫夏草识别模型,并将训练好的模型部署为设备端SDK,集成在手机中离线识别,方便牧民在无网络的野外环境进行虫草搜寻。
第二个案例是:广州长川使用百度EasyDL定制开发了一个公车车辆、塔吊识别模型, 搭载EdgeBoard以软硬一体方案部署在输电线路沿线,通过拍照图片实现对输电线路沿线是否有工程施工、塔吊靠近线路等外部安全隐患。
“所以就目前的经验来看,AIoT往往需要从实际业务出发,围绕模型开发到硬件部署做端到端的系统集成,借助成熟的工具平台往往能获得更快的落地效果。”马如悦最后总结道。
相关文章