讓 AI 的能力下沉到更多移動終端上，才能完全打開智能的想象力。前不久，金山 WPS 與 Google 合作，以 TensorFlow 架構(gòu)為辦公工具賦予了 AI 算力和功能。

借助 TensorFlow 和 TensorFlow Lite 在框架層的算法優(yōu)化能力，移動版 WPS 有多個業(yè)務場景開始使用 AI 算法，來進行圖片的處理和轉(zhuǎn)換：

物體邊緣檢測。金山 WPS 設計的 CNN 文檔檢測網(wǎng)絡，可以讓安卓版用戶快速檢測結(jié)果，自動判斷邊緣并調(diào)整濾鏡；

自動識別圖片類型。金山 WPS 利用 TensorFlow Lite 實現(xiàn)了能夠自動識別圖片類型的 OCR 模型，提供對應的濾鏡和 OCR 輸出格式；

掃描件 OCR。采用 TensorFlow 部署模型，可以對文檔實現(xiàn)旋轉(zhuǎn)矯正、文本行檢測等操作，節(jié)省大量文檔編輯時間；

自然場景 OCR。利用 TensorFlow Lite 將自然場景 OCR 運行在手機上，使它能在短時間內(nèi)從復雜場景中準確定位文字并獲得理想的識別結(jié)果；

圖片轉(zhuǎn)文檔的布局分析。金山 WPS 結(jié)合 TensorFlow 與 scikit-learn 框架一起進行圖文布局分析算法，大幅度降低了算法的研發(fā)成本。

金山 WPS 還對多種機器學習算法進行了加工整合，從不同層次優(yōu)化和改進了文檔轉(zhuǎn)圖片、內(nèi)容檢測等功能，解決了圖片轉(zhuǎn)文檔 “亂碼” 這一歷史難題。

金山與 TensorFlow 的協(xié)同工作，已經(jīng)帶來一些在移動端辦公領域的直觀效果：

高功耗、高能耗的實時 AI 處理在移動端成為可能；

閱讀體驗升級，辦公 AI 功能解鎖，辦公效率進一步提升；

WPS 正在打開端側(cè)部署 AI 的可能性。

從云到移動：金山 WPS 借助 TensorFlow Lite 實現(xiàn)的驚險一躍

從云端算法到移動端開發(fā)的實操階段，移動芯片端側(cè)運算支撐力不足、云計算數(shù)據(jù)傳輸延遲，使得拍照識別這樣的實時運算，用戶體驗極差。但通過結(jié)合 TensorFlow Lite，金山 WPS 訓練移動端模型快速地推進了開發(fā)者的 AI 研發(fā)進程。

TensorFlow Lite 在移動端具有以下明顯優(yōu)勢：

足夠小：訓練的 AI 模型可以很容易被壓縮和傳輸?shù)绞謾C端，對用戶的手機內(nèi)存十分友好；

圖像學習框架的輕量神經(jīng)網(wǎng)絡

手機機型兼容性好，對安卓天然親近：在數(shù)十臺機型上的穩(wěn)定性測試都表現(xiàn)很好；

高效的 “投影” 模型

移動端的適應性強：TensorFlow Lite 與 TensorFlow 的過渡平滑，不會增加大量的兼容成本；

TensorFlow Lite 的架構(gòu)設計

TensorFlow 社區(qū)資源豐富，具體的業(yè)務場景很容易找到相關參照系，并學習案例的集成方式。

那么，移動端友好的 TensorFlow Lite 又是如何被金山 WPS 部署到手機端的呢？

以文檔邊緣檢測為例：

首先，利用 tf.keras 可以很快完成深度網(wǎng)絡的構(gòu)建。在拍照掃描算法中，開發(fā)者設計了一個 5M 左右的 CNN 文檔檢測網(wǎng)絡；

其次，將 tf.keras.Model 提供的 fit_generator 與 tf.data 靈活結(jié)合，對訓練數(shù)據(jù)進行預處理，根據(jù)業(yè)務場景對訓練數(shù)據(jù)進行分組定義，然后構(gòu)造適合的代價函數(shù)。以此優(yōu)化訓練性能，不斷地迭代優(yōu)化算法效果；

最后，把業(yè)務算法集成到 WPS，在多臺旗艦機上進行穩(wěn)定測試。針對一些難點問題進行分析迭代，直至穩(wěn)定上線。

至此，移動 AI 的開發(fā)者完成了從云端到移動端的驚險一躍。

從個案到公式：移動端 AI 開發(fā)的通識問題與解決之道

TensorFlow 在金山 WPS 辦公軟件上的落地，給移動端辦公帶來了奇妙的變化，也找到了移動端 AI 開發(fā)的通識問題與解決之道。

AI 落地的成本問題。解決之道：TensorFlow 能夠解決技術或算法實現(xiàn)商業(yè)化時如何低成本地解鎖需求的問題，而金山 WPS 能為技術解決方案提供足夠大的商業(yè)落地空間；

端側(cè) AI 的技術沉淀問題。解決之道：合作之后，金山仍在攻克很多難題，除了 TensorFlow Lite，金山 WPS 研發(fā)團隊還掌握了幾款移動推理框架及一些小規(guī)模網(wǎng)絡設計的技巧；Google 也在發(fā)力，比如即將推出 TensorFlow 2.0，TensorFlow Lite 將支持更豐富的模型運算方式。

此外，TensorFlow 與金山 WPS 合作的最大意義是讓我們看到：超強算力的 AI 硬件 + 移動端友好的深度學習框架 + 清晰廣泛的業(yè)務場景，才是幫助更多開發(fā)者打開想象的前提。

金山 WPS 在移動辦公上的努力實現(xiàn)，使得移動 AI 開發(fā)這件事，在蔥蘢的生態(tài)下前所未有地真實起來。