10月20日，以“智能互联开放合作——携手共建网络空间命运共同体”为主题的第六届世界互联网大会开幕。大会发布了聚焦人工智能、5G、云计算等各大技术门类的15项世界互联网领先科技成果。旷视自主研发的人工智能算法平台Brain++入选，旷视联合创始人兼CTO唐文斌出席大会对Brain++进行介绍，并首次曝光了自研深度学习框架MegEngine的技术细节。

　　图：旷视唐文斌介绍Brain++，揭秘深度学习框架MegEngine技术细节

　　Brain++是旷视自主研发的端到端人工智能算法平台，其作为统一的底层架构，为算法训练及模型改进过程提供重要支持，为旷视的研发人员提供了一站式全流程的AI工程解决方案。在总体架构上，旷视Brain++分为深度学习框架MegEngine、深度学习云计算平台MegCompute、以及数据管理平台MegData，分别针对框架、算力和数据三个核心要素。其中，最为核心、最引人瞩目、开发时间最长的深度学习框架MegEngine也在本次互联网大会首次解开了神秘的面纱，大量具有借鉴意义的技术细节浮出水面。

　　图：旷视Brain++架构：深度学习框架MegEngine是核心要素之一

　　深度学习框架作为底层技术的支持，能够让人工智能领域优秀的思路、创意得以实现，但目前开源框架并不能完全满足企业发展的需求。对此，旷视就自研了深度学习框架MegEngine作为Brain++的核心组件，在整体架构上包括计算引擎、运行时管理、编译和优化以及编程和表示四个层面，主要用于旷视内部进行计算机视觉领域的算法开发工作。相比于开源的大部分深度学习框架，旷视深度学习框架MegEngine具有运算速度快、内存占用少、易用性好、支持多种硬件平台和异构计算、训练部署一体化的优势。
　　值得一提的是，与当前开源的主流深度学习框架TensorFlow、PyTorch对比，旷视深度学习框架MegEngine也毫不逊色。在主流的计算机视觉模型（Resnet50和ShuffleNetV1）方面，旷视深度学习框架MegEngine在单机相对训练速度上可以和主流框架媲美甚至更胜一筹。
　　旷视深度学习框架MegEngine还使用了分布式计算中的数据并行和模型并行方式，极大地提升了大规模图像数据进行处理和模型训练效率。人工智能的发展和应用过程中有大量的密集型数据和矩阵运算，因此做到数据并行成为深度学习框架的必要能力之一。同时，旷视深度学习框架MegEngine提供了原语级别的支持，方便用户进行模型并行设置和执行。最终，模型并行可以和数据并行模式混合使用。有了深度学习框架天生对分布式计算的支持，旷视深度学习框架MegEngine在训练和推理效率上达到了很高的水平。
　　此外，深度学习框架MegEngine还配备了旷视自研最新、行业领先的AutoML技术，推动深度学习由手工时代迈向自动化时代，能够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。
　　在深度学习框架MegEngine的支持下，旷视Brain++能够构建一条不断自我改进、不断更加自动化的算法生产线，以更少的人力和更短的时间开发出各种新算法，针对不同垂直领域的碎片化需求定制丰富且不断增长的算法组合，实现唐文斌所说的“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”的目标。
　　目前，旷视以Brain++作为基础设施，开发了可部署于云端、移动端及边缘端全计算平台的先进深度神经网络，推出了全栈式的人工智能解决方案并成功落地个人物联网、城市物联网、供应链物联网。正如本次大会“智能互联开放合作”的主题，在未来，旷视将通过开源推动AI产业生态的建设与完善，并以技术助力各行各业的转型升级，推动社会的发展与变革。