随着终端设备的硬件算力不断增强以及人工智能浪潮的研究深入，端侧智能应用愈加成为一个炙手可热的领域。基于 AI 能力的加持，业界确实诞生了一些爆款应用，但整个行业还没有形成一个结构化的方法论，如何将 AI 能力和自己的业务紧密结合，驱动业务创新与发展成了人工智能“落地为王”阶段一个最重要的话题。

本次分享将会为大家介绍阿里巴巴是如何利用端智能在 AR 导购、搜索推荐、用户增长等领域驱动业务规模化增长。同时，也会带来关于端智能在行业中下一步发展的思考，带领大家更好的实践端侧智能，给大家在自身业务中落地端智能带来一些参考与帮助。

演讲提纲：

1. 端侧 AI 简单介绍和业界动态

2. 淘系端侧 AI 发展历程介绍

• 技术建设
• 部分业务效果展示

3. 端侧 AI 应用典型困惑

• 端侧 AI 必要的技术基础设施是什么？是不是就是推理引擎？
• 除了常见的特效领域外，端侧 AI 还能应用在什么场景？
• 不同技术角色如何参与到端侧 AI 中，参与的门槛是什么？ 

4. 端 AI 研发范式，面向人人可实践的端侧 AI 框架

• 端侧 AI 研发范式组成介绍：工作台 + 运行时 + 端智能平台
• 算法工程视角下的端 AI 研发范式及意义
• 业务开发视角下的端 AI 研发范式及价值

5. 端 AI 研发范式在端智能业务创新实践上的经验分享

• 案例介绍
• 经验总结

6. 端侧 AI 的未来演进规划

• 未来技术演进方向
• Q & A

随着近年各类应用 AI 能力的玩法特效在短视频中的兴起，例如变年龄、漫画风格和 AR 效果等，如何打造一个高效的 AI SDK 成为重点问题。这样的 SDK 应该具有对不同机器学习模型的通用性强、端上运行效率高、算法接入成本小和可配置度高等特点。

针对以上问题，以及为了满足快手魔法表情和其他端上 AI 任务的快速发展的需求，我们开发了 YKit SDK，目前支持多达 60 多种底层 AI 能力，同时还在接入新能力。YKit 向下无缝衔接自研的 YCNN 推理引擎，向上方便地对接快手各 App 业务方和其他中台 SDK。为了优化在不同机型上的性能，搭建了自定义模型适配和服务端模型分级下发，以及不同的插帧策略。为了统一算法的接入，定义了 CPU 推理到 GPU 后处理渲染的模版化链路。

目前可以支持每月若干新玩法的快速开发、复用和上线，在各档机型达到流畅拍摄效果，创造用户喜欢的爆款特效，例如童话魔法、时光机、人像手绘等。其中，2020 年 11 月上线的 GAN 类玩法童话魔法，达到了数百万作品量和数十亿播放量。 

本演讲将从整体到细节，深入讲解快手 YKit AI SDK 从开发到落地的思路、遇到的问题以及原创的解决方法，希望能给业界同行在相关的开发上带来性能优化、落地流程、玩法应用等方面的借鉴和启发，促进大家在这个话题领域的讨论交流，推动深度学习在视频图像类应用上的整体发展。

演讲提纲:

1. 背景

2. 效果展示

3. YKit SDK 框架

• 接口统一化，易于各上游业务对接以及算法变动后向兼容
• 底层流程化，统一的 YCNN 推理引擎底层及 GPU 后处理渲染链路
• 功能插件化，新算法可快速开发接入，编译时独立可控

4. 性能优化和工具链配套

• 模型分机型配置和下发，适配各模型性能
• 支持多平台加速的图形图像库
• 算法和模型自动化测试

5. 未来展望

6. Q&A 

你将获得:

• 了解快手 YKit AI SDK从开发到落地的思路、遇到的问题以及原创的解决方法
• 了解快手在 YKit AI SDK 性能优化、落地流程、玩法应用等方面的思路 
• 了解庞大用户量及复杂机型组成带来的挑战和实际工程经验
• 了解对几十种 AI 能力的通用、高效的支持手段