目前，旷视全员使用Brain++来训练、部署算法，无需依赖第三方开发的深度学习框架。依托Brain++，旷视斩获22项全球AI竞赛冠军。在行业落地方面，旷视已实现对个人物联网、城市物联网、供应链物联网三大场景的赋能。
 

图片来自“特定授权”
 

10月20日，第六届世界互联网大会在中国乌镇拉开序幕。旷视自主研发的人工智能算法平台Brain++荣获“世界互联网领先科技成果”。旷视联合创始人兼CTO唐文斌出席大会并介绍了Brain++。

人工智能算法从研发到部署是一套庞大的系统工程，目前业界普遍把深度学习框架作为算法开发工具，但是学习和使用成本高，难以规模化。究其原因，在于只有深度学习框架是不够的，需要拉通从数据到算力再到框架的端到端解决方案，人工智能时代亟需一个满足产业需求的操作系统。

旷视联合创始人兼CTO唐文斌介绍旷视人工智能算平台Brain++
 

唐文斌表示，“为了解决这个问题， 2014年我们开始研发Brain++，它是一套端到端的AI算法平台，目标是让研发人员获得从数据到算法产业化的一揽子技术能力，不用重复造轮子也可以推进AI快速落地。我们的Brain++还引入了AutoML技术，可以让算法来训练算法，让AI来创造AI。”

目前，旷视全员使用Brain++来训练、部署算法，无需依赖第三方开发的深度学习框架。依托Brain++，旷视斩获22项全球AI竞赛冠军。在行业落地方面，旷视已实现对个人物联网、城市物联网、供应链物联网三大场景的赋能。
2019年8月，科技部宣布依托旷视建设“图像感知国家新一代人工智能开放创新平台”。未来，旷视Brain++将通过开源，推动建立完善的AI产业生态，为打造自主可控的人工智能操作系统奠定坚实的基础。

关于旷视自研人工智能算法平台Brain++ 

Brain++是由旷视自主研发的端到端人工智能算法平台，具备大规模算法研发能力。

其核心的深度学习框架具备独特的训练和推理一体化技术架构，同时集成了行业领先的自动机器学习（AutoML）技术，可实现算法训练和模型部署的高效流程化，和深度神经网络模型设计自动化，在减少人员参与而不牺牲训练质量的条件下，大幅提高算法生产效率。

人工智能算法从研发到部署是一套庞大的系统工程，目前业界普遍把深度学习框架作为算法开发工具，但是学习和使用成本高，难以规模化。究其原因，在于只有深度学习框架是不够的，需要拉通从数据到算力再到框架的端到端解决方案，人工智能时代亟需一个满足产业需求的操作系统。

面临自身发展和产业现状，旷视希望用端到端的人工智能算法平台打造人工智能产业的生态底座，让开发者和企业获得从数据到算法产业化的一揽子技术能力，从而推进技术快速落地。目前，旷视依靠全员使用的Brain++训练、部署算法，而无需依赖第三方开发的深度学习框架。未来，旷视Brain++有望能为更多创新创业公司赋能，为中国AI技术发展带来强有力的推动。

针对框架、算力和数据三个核心要素，旷视Brain++在总体架构上分为三部分，包括深度学习框架MegEngine、深度学习云计算平台MegCompute、以及数据管理平台MegData。具体来讲，旷视的Brain++具备以下独特优势：
‧ 针对视觉任务定制化优化。Brain++针对视觉任务做出了定制化的优化，使处理图像与影像更高效。经过优化的Brain++特别适合大量图像及视频训练及完成复杂的视觉任务，如图像分类、物体检测、物体场景分割、影像分析等。

‧ 配备AutoML技术。Brain++将深度神经网络设计、参数调整及设备适配等过程自动化，可显著降低人力成本并大幅提高开发效率，帮助AI企业构建出一条不断自我改进、不断变得更加高效的半自动的算法研发产线。

‧ 强大的多任务及多用户调度能力。Brain++可智能地调度平台硬件基础设施的计算能力，可以支持数百名研究人员同时在数万个GPU芯片上执行从数百到数千个训练任务，从而显著提高算法训练效率。

依托Brain++大规模分布式训练能力，以及业界领先的分布式计算技术训练超大规模深度学习模型，旷视累计斩获22项全球AI竞赛冠军，并开发出大量部署于云端、移动端、边缘端全计算平台的先进深度神经网络，为个人物联网、城市物联网、供应链物联网三大垂直场景赋能提供强有力的支撑。

旷视Brain++架构图

旷视Brain++时间轴

来源 | 亿欧网