入職后不久，我們團隊就接到一個巨大的挑戰。 手機拍照的競爭力一直是手機產品線關注的重點。 由於手機上的光源器件很小，但是又需要它達到單反相機的效果，所以我們部門一直在努力研究如何用演算法來彌補光學的不足，實現手機拍照超越單反拍照的效果。
2019年，M手機決定要上線我們部門的一個重要的拍照演算法，但是當時M手機的拍照演算法包含了一個很大的AI模型，雖然拍照效果很好，但功耗、出圖速度一直不能達到產品交付標準，這嚴重影響了整個產品的交付進度。羅V保8 保羅V8副作用 美國保羅v8官網 保羅V8 ptt 美國保羅生物科技 保羅V8效果
當時我的導師，也是部門最頂級的專家提出讓我們AutoML團隊來解決這個難題，通過AutoML技術在保證拍照出圖效果的前提下，把演演算法簡化下來，滿足產品功耗、速度等指標的要求。 這是一個看似不可能完成的任務！ 關於功耗速度問題，之前已有好多演算法專家努力了很久，都沒有完全解決，我們可以嗎？ 還有AutoML這個技術雖然在學術界很火，但是還從來沒有在業界大規模商用過，我們可以嗎？ 我們團隊剛組建，大家都是新兵蛋子沒經驗，我們可以嗎？ 但是俗話說，箭在弦上，不得不發。 在這麼關鍵的時刻，這麼重要的專案，部門能果斷讓我們上，是給我們機會，我們不能辜負信任，必須頂住壓力迎難而上。
也許只有真正向下紮到根，這顆種子才能經受住風雨洗禮，破土而出。 這個任務是一個針對圖像的圖元進行處理的任務，對演算法的精度要求非常高，與我們之前所做的圖像分類、識別等任務完全不同。 當時不僅學術界沒有任何公開的將AutoML應用在圖元級任務上的研究，更不用說是直接商用AutoML的樣例了。 我們當時是跨過了學術研究，將基礎研究和商用落地同時進行，通過商用實戰使用AutoML這個最新技術，可以說是在一邊打仗一邊造武器。
作為AutoML研究組的leader，我必須帶領好大家完成這個挑戰目標。 首先，我自己必須堅定必勝的信心。 我大體判斷，現在情形下，我們面臨的硬體上的約束是非常苛刻的，在這種條件下，短時間內，人其實是很難做出判斷和突破的。 但是用自動化演算法，即使是用最傻的方式把它"暴力"搜索一遍，機器也有一定概率可以發現比人工設計更好的方案。 另一方面，此時正是「天時地利人和」，「天時」是因為雖然AutoML是一個很新的熱門技術，但部門對這個技術高度重視，投入了大量資源;前期我們也和兄弟部門——媒體工程技術實驗室的同事們驗證了方向的可行性，為後續的研究打好了基礎;"地利"是指在過去的一年，我在華為實習期間已經積累了一定的AutoML演算法研究，並構建了基礎計算平臺雛形， 這顆「種子」正待春暖花開時破土而出。 "人和"就是我們團隊的小夥伴雖然都很年輕，但是都非常努力，而且專業能力也很強、很團結。 通過以上種種，我非常有信心能幹成這件事！ 所以此時不上，更待何時？ 事實上，後來經過將近一個月的實踐，我們就從一些數值指標中看到了實實在在的成果和進步，大家的信心也越來越強了。 這是一個循序漸進、良性循環的過程。
通過兩個月的拼搏，我們的攻關取得了顯著成效，一個近乎不可能的目標竟然這麼快就實現了！ 這個挑戰，是我們團隊接到的第一個攻關專案，我忘不了那段攻關的日子，大夥每天晚上都集中在一起復盤反思，雖然困難重重，但大家不停地在互相打氣，相信一定能成，最終它也就真的成了！ 2019年到2021年，我們的拍照演算法在M、P系列多款手機中不斷取得突破，可以說我們的AutoML這套系統或者說演算法都發揮了不可替代的作用。
我們團隊也真正做到了在業界第一次將AutoML大規模商用，把這個技術應用到數千萬台華為手機上，極大地提升了用戶體驗。
▲團隊攻關成功後舉杯相慶
我相信社會在發展，人類在進步，技術的極限也可以不斷被突破。 AutoML的研究和應用任重道遠，我和團隊的小夥伴們也在不斷接受新的挑戰。 很快我們又接到了新的攻關任務——將視頻攝影演算法的複雜度降低100倍，讓Demo的視頻效果能真正在手機上即時地跑出來。
如果說之前M系列手機的問題是一個「看似不可能」完成的任務，那麼將Video做100倍的簡化，簡直就是"完全不可能"實現的挑戰！ 我接到這個任務的第一個反應就是：這實在是太難了，領導只會下任務，不考慮實際情況嘛。 100倍，這不可能！ 業界學術界一般的壓縮加速類演算法只能做到2-3倍。 如今既沒有理論基礎的保證，也沒有前人探索的積累，我們只能自己摸著石頭過河！
雖然當前看不到完成這個挑戰的可能，可是如果我們真的實現了這個提升目標，就可以讓用戶體驗到更驚豔的視頻效果，我們的產品能更上一層樓。 團隊成員這時也是士氣高漲，一鼓作氣簽下了軍令狀，堅定地表明瞭我們的決心！ 小夥伴們果斷開干！ 我們整個團隊擰成一股繩，暫緩了其他探索性研究，都撲在了這個攻關任務上，但是進行了一段時間后，我們也依然沒看到一點起色。
"我們放棄吧，實在做不動了！" 有的小夥伴已經有點灰心了。 有小夥伴建議，先停一停，空出三個月時間，大家從理論、基礎研究、演算法上再好好想一想新的思路，也許過了一段時間，我們能打開一些新的視角。 當陷入困境一時找不到方向時，曲線救國也未必不是一個好的選擇。
三個月後，當小夥伴們帶著自己新的idea、demo回來，再次碰撞時，果然有了新的視角和突破。 很快，我們構建了一整套全新的AutoML pipeline（pipeline：流水線），從數據生成開始到模型設計、訓練調參、壓縮量化，整個流程都由AutoML來驅動，端到端的每一模組都進行了優化，終於得到了極致性能和效果的模型。 通過這一整套技術的處理，自動化設計出的模型比之前人設計的基礎模型小了100倍，但仍能達到不錯的成像效果！ 這個技術已經部分地應用在了最新的手機里，並且會全量落到未來的終端旗艦產品中。
目前AutoML技術已成為部門的核心公共能力，也支援了視頻、ARVR、河圖等眾多媒體的關鍵業務。 同時我們也注重AutoML演算法和框架在公司內部開源，目前已經與 Cloud-EI 等部門合作共建，形成了公有雲服務AutoSearch，説明公司多個營業單位的演算法工程師提升演算法效力。 現在AutoSearch已經成為雲上的第三大常用AI引擎，占雲上總訓練任務的10%以上。
特別值得一提的是，前兩年，我們即使在業務非常繁忙的時候，仍然保持對動態網路和新運算子的基礎研究工作，這些研究成果部分發表后，也得到了學術界的認可。 在基礎研究探索和解決實際問題工程實戰這兩個看似間隔很大的方向上，我們做到了"反復橫跳"，這是我們實現能work的Research的必經之路。 我不希望我們的探索和創新束之高閣，我希望親手將研究落地到產品中，真正給人類帶來價值。保羅V8真假 保羅V8是什麼 保羅V8成分 保羅V8心得 保羅V8評價 保羅V8用法
在大自然殘酷的優勝劣汰的生存法則下，要讓一顆種子長成參天大樹，生生不息繁衍成一片森林，必將還要經受住更猛烈的暴風雨洗禮。 實現AutoML的初步商用落地，這隻是我們終極目標中的一個階段性目標，未來十年，隨著技術的反覆運算成熟，算力的進一步增長，我們希望AutoML能真正實現自動化，解放生產力，更長遠來看，我們希望AutoML能夠真正脫離專家干預，超越人類設計。 這就是我想要做的能work的research！
文章定位：
