专访小米AIoT高管：通过AI提升国内制造业整体水平(3)

叶航军：最大的挑战也是人才，如果媒体朋友们关注到我们MIDC上的演讲，我也大概分享了一下小米发展的历程，比较里程碑的一年就是2016年，第一次把人工智能升级为公司的战略，也是第一次成为了独立的团队，之前也有工程师在做AI算法，但是分落在不同的业务团队里面，2016年第一次升级为公司的战略，也有了独立的部门。小米进入AI战场不算特别早，那个时候决定进到公司有比较激进的计划，希望能够很快有产品出来，其实对团队的要求是非常高的，当时最大的挑战就是人才。

解决方案有几个，一个就是从内部转了一些有经验的管理者和专家，其实我和王刚博士都是那时候转岗过来的，之前我是云技术的负责人，王刚博士是数据平台的负责人，我是2012年加入小米的，王刚博士是2013年加入的，我们刚开始来的时候都不是AI方向的，我们是2016年转到这个方向的。

我们转的原因是因为我们之前有这个背景，我在清华读博士是计算机视觉背景，王刚博士是在香港科大做机器学习的背景，本身我们是有这个专业背景的，正好公司有这个需求，招聘也来不及了，就先转吧，然后我们俩当时就从别的部门直接转到AI这个方向了。这是应急的办法，然后又加紧招聘，王斌博士是2018年加入的，他作为招聘的一个代表，本来是行业专家，2018年加入了小米。另外一个渠道就是自主培养，我们会招很多应届生去培养，基本是这三个方式解决这个问题。

MiNLP和其他开源NLP的差异性

王斌：开源的NLP工具蛮多的，我们大致上能看到的开源工具分两类，一个是学术界开源，一个是工业界开源。学术界开源对学术的研究帮助很大，它里面会做得相对模型非常多，非常复杂，然后有它的一些优势，我们在之前也学习了不少。另外是工业界开源，刚才提到了百度还有一些公司也开源了他们的工具，为什么？大概是根据他们的特点。比如跟学术界相比，我们是工业级的代码，经过了一两年，我们上线时间也很长，到现在开源是因为我们经历了很多考验，最后才把这个好的版本拿出来，所以我们是一个经过工业界上线考验的一个代码的版本，所以这是一个工业界开源很好的一个办法，并不是纯学术的。特别是对一些公司来说，我相信拿过去之后可以直接上线学术，这是它和学术界版本的不同。

和工业界相比有很多特点，我们设计这个系统的时候也参考了别人的一些工作，然后我们针对具体的一些东西提出自己的特点。这里面其实蛮多，包括支持的系统也不一样，比如百度开源，它可能支持某一类底层的系统，这个可能是有区别的。另外，比如说我们支持了多种标准的分布式系统，另外我们支持非常灵活的干预，因为大家知道，通用的分支系统在线上很容易出现不太好的结果，因为通用的东西很难代表线上各种复杂的情况，所以我们这里面开源过程中也考虑了随时进行干预的一种机制。这种干预机制其实是在一开始设计的时候就会去考虑的，如果说只是一个模型放出来，其实第三方在使用的时候是没办法进行干预。所以我们放出了一个可以随时干预的版本，用户可以很灵活的把自己的一些东西放上去，然后能够在很短的时间内获得一个更符合线上需求的版本。

除了这个之外，可能还有其他一些特点，我们会在说明书当中讲出这些特点，这样的话其实也是给用户一个不同的选择。当然在内部评测的时候，我们的效果也是非常不错的，我相信开源之后更多用户根据他自己的情况肯定多了一种选择。

（编辑：ASP站长网）