機場安檢、考勤迎賓、以圖搜圖、電瓶車檢測、明廚亮竈、零件計數、商品識別……這些“五花八門”的AI算法，伴隨着數字化轉型走進各行業，AI技術也走進了人們日常的生活。在AIoT萬億級碎片化的海量場景中，“真work的算法”是否能走進千行百業，能否解決算法生產及落地應用的難題，讓人工智能技術發揮“真work”的作用，是AI公司這幾年面臨的第一挑戰。
11月10日，曠視舉行了算法量產溝通會，曠視研究院算法量產負責人周而進在會上介紹了曠視在優質算法生產過程中的洞察、經驗及實踐，爲 AIoT 時代算法落地提供了新思路。在溝通會現場，曠視還重點展示了在非物質文化遺產“建盞”溯源領域的新成果。曠視參與研發的建盞溯源平臺，通過圖像檢測和識別等AI技術，對建盞進行採集、登記、追溯、鑑定，並建立建盞權威數據庫，有效保護建盞行業從業者和消費者的權益，實現了一盞一圖、一盞一碼、圖碼結合，讓每個盞有跡可循，達到去僞存真、傳承有序的效果。
除建盞溯源外，曠視希望通過AI算法生產的標準化以及AI生產力平臺的構建，大幅降低算法生產的成本和門檻，讓更多人可以參與進來，促進算法在更多行業的落地，加速AI與實體經濟的深度融合。“AIoT已經成爲一個大共識、大賽道、大市場，整個產業將迎來發展的黃金十年”，印奇在2022年4月的合作伙伴大會上強調，“AI的技術與IoT設備的結合將會是科技創新領域未來10年最大的機遇。”
目前，AIoT市場算法供給、落地過程中，面臨5大挑戰：行業數據匱乏、算法通用性低、IoT設備繁雜、Software2.0的挑戰以及算法供給質量參差不齊。面對AIoT 市場算法供給的多重挑戰，曠視基於10餘年的算法研發積累及深入多個行業的項目實踐經驗，提出了“標準硬件+海量算法”的新型思維模式。通過標準智能硬件+海量算法的模式，無疑爲匹配AIoT碎片化場景需求提供了新的解法。經過多年的探索和實踐，曠視將此模式稱爲“算法定義硬件”，即通過海量算法+通用型/標準化的智能硬件，去滿足AIoT領域海量的碎片化場景需求。用戶無需理解不同硬件產品的性能及使用場景，也不用做複雜的前期準備和項目規劃，通過算法去定義硬件功能，讓同樣的硬件可以滿足不同的場景和需求。
爲實現“硬件標準化”和“算法充分供給”，全面激發AIoT產業生態創新，曠視不斷推動AI核心技術能力的突破；通過自研AI生產力平臺Brain++和提高算法量產能力，降低算法生產和部署成本，加速實現算法生產的標準化和規模化，促進AIoT創新生態的發展。
曠視認爲，類似於IT時代的“軟件定義硬件”，“算法定義硬件”將是AIoT時代的核心理念。算法直面解決海量應用場景問題，我們要讓算法滲透到AIoT產業鏈的各個環節，成爲關鍵的生產要素。從應用場景和算法出發，實現算法和硬件的聯合設計。硬件是算法的載體，算法能靈活地部署，才能滿足AIoT市場碎片化場景對於智能的迫切需求。