深度学习要想从高校研究走向工业界，需要一整套探索构建算法架构、实现模型计算的工具和平台，就像谷歌的TensorFlow，或者是PyTorch架构一样。
与使用上述开源架构的公司不同，国内人工智能公司旷视科技（下称“旷视”）走的是一条自主研发的道路。其主打深度算法Brain++学习框架，被业界认为是全球为数不多拥有自主研发的深度学习框架。
10月21日，旷视自主研发的人工智能算法平台Brain++，在乌镇世界互联网大会上荣获“世界互联网领先科技成果”。
世界互联网领先科技成果发布活动会现场
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，需要打通从数据到算力再到框架的端到端解决方案。换句话说，人工智能时代亟需一个满足产业需求的操作系统。
“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。” 旷视联合创始人兼CTO唐文斌在当天的大会上表示。
旷视联合创始人兼CTO唐文斌介绍旷视人工智能算平台Brain++
具体来说，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。
旷视Brain++架构图
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。
其中，针对视觉任务定制化优化。Brain++做出了定制化的优化，可以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。
另外值得一提的是，Brain++引入的AutoML技术。它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。
据旷视介绍，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。
2011年成立的旷视科技，由3位毕业于清华大学姚班的学生联手创立，依靠以人脸识别为核心的技术和商业布局，最早以“Face++”的名字为外界熟知。今年8月26日，旷视科技向港交所提交的招股书，计划在香港上市将采用同股不同权的架构。
