作者|小葳

导读：

框架开源背后，旷视将更加注重咨询+技术/产品+运维的重运营模式，这也是toB行业的经典打法。

2019年2月，旷视科技将品牌升级为“Megvii旷视”，向外界宣告旷视不只是人脸识别。

一年后，2020年3月25日，旷视将内部使用多年的深度学习框架天元（MegEngine）开源，并开放新一代AI生产力平台Brain++，从“AI新基建”的角度加速AI产业落地。

天元，开源的AI基础设施

天元是一套训练推理一体化、动静态合一的工业级深度学习框架，能够帮助开发者高效的完成深度学习算法的设计、训练、部署，有效提升AI研发工作效率。其具有训练推理一体化、动态图静态图合一、兼容并包、灵活高效等特性。

天元早在2014年就诞生，2015年开始被旷视全员使用。开源之前，天元已被旷视1400多名研发人员在30余种计算平台、上百种产品上应用。据介绍，旷视所有的算法都是基于天元训练与推理而来。

按照旷视的路线图，2020年3月，天元的Alpha 版本已经在 GitHub 和 OpenI 平台中开源，此次开源代码行数达35万。2020年6月将发布Beta版本，2020年9月将发布正式版本。

“代码自己用和拿出来与人分享，会有巨大差距。”旷视联合创始人&CTO唐文斌表示，在向 Beta 版本和正式版本演进期间，旷视希望更多优秀的开发者一起贡献 code，并提出建议。

唐文斌认为，只有芯片平台和生产力平台才可以称为AI 的基础设施。而深度学习框架天元正是旷视AI生产力平台Brain++的核心之一。基于旷视在计算机视觉领域的积累，天元中集成了很多为计算机视觉优化的设计。

不过，深度学习开源框架领域已经处在寡头竞争时代。特别是谷歌的TensorFlow与Facebook的PyTorch，是最主流、生态最成熟的两大框架，已经备受业界推崇。2016年，百度开源深度学习平台PaddlePaddle，并在国内市场挤进前三。根据IDC发布的2019年下半年《深度学习框架和平台市场份额》报告，在中国深度学习平台市场，谷歌、Facebook、百度三家已占据近80%的市场份额。

Brain++的商业化策略，提升关键的4%

在2019世界人工智能大会上，李开复曾表示，AI在传统行业的渗透率只有4%。

AI产业落地的痛点很多，场景碎片化、应用成本高、从实验室到应用场景效果差距大等等。这被旷视云服务业务资深副总裁赵立威概括为“场景过小而技术升级投入过大”。旷视此次开源天元与开放Brain++，也是为AI产业落地铺路。天元工业级深度学习框架的定位，也是瞄准产业AI。

旷视科技目前的主营业务分为个人物联网、城市物联网和供应链物联网三大板块。

根据旷视2019年上半年营收数据，个人物联网主要指智能手机人脸识别和通过算法提升画质的手机影像数字化解决方案，目前旷视已积累小米OV等大客户，这部分占总体营收比重为21.8%；城市物联网以公共场景安防为主，营收占比为73.2%，毛利率却是三大板块中最低的；供应链物联网指助力企业数字化升级工厂、仓库及零售店，提高供应链效率，营收占比为5%。

如何在安防领域之外，扩大新的行业应用空间是旷视一直努力的方向。以安防项目为例，集成商们往往拿着传统安防厂商的硬件摄像头、AI公司的算法、ICT厂商的服务器，找第三方公司做软件交付。在这样的“组装”模式下，企业无法形成数据闭环，技术的利润空间也被挤压。

Brain++定位为“新一代AI生产力平台”，算法部分的天元框架是免费的，开源的，数据部分的数据管理平台MegData和算力部分的深度学习云计算平台MegCompute，旷视则采取与生态伙伴开放合作的模式。

在今天旷视展示的Brain++的商业化策略中，旷视将自己定位为AI生产全流程服务提供方，提供咨询服务、数据生产、模型优化以及建设运维。

这预示着，旷视将更加注重咨询+技术/产品+运维的重运营模式，这也是toB行业的经典打法。这种模式，既是AI公司从纯技术、纯算法提供商的角色，向外延伸的一种突围，也是技术公司对AI产业落地的一种探索。

目前，旷视Brain++的这种打法已在制造、通信等传统行业落地。制造业大厂施耐德想通过AI提升配电产品质量检测效率，但传统的机器视觉方式存在精度差、模型升级困难、研发部署周期长等痛点。旷视依靠数据增广技术扩充合成训练数据，帮助施耐德电气实现智能化监控产品质量，同时降低数据生产成本。

框架开源只是第一步，开源生态的建立也绝非一朝一夕。天元能否在深度学习框架市场赢得一席之地，我们拭目以待。