近年来，随着移动端设备软硬件能力的进步，移动端的算力有了很大提升，同时面向移动端的机器学习框架和模型轻量化技术越来越成熟，端上的 AI 能力逐渐进入大众视野，端智能在电商领域也开始逐步走向规模化应用。通过持续探索，京东零售技数中心团队创新突破了端侧高性能推理引擎、端侧模型分发、异构环境及复杂任务兼容等技术卡点，完成了多个业务应用和落地，并获得信通院边缘计算产业全景图行业认证。目前，京东众多业务已集成至端智能 SDK，流量分发、图像识别等算法场景运行情况良好，日推理计算量已经达数亿次，为用户带来了更好的购物体验。
1、什么是端智能
目前，大多数的模型服务主要基于云服务端进行计算。模型的训练和推理都在云端，使用时移动端用户通过向云服务器发送请求，包含用户的原始数据。云服务器在接收到请求后，进行数据预处理和推理计算等操作，并将结果返回给移动端用户。云服务器承担了几乎所有的计算负载，而移动端仅作为用户交互的界面。所以云端智能面临着一些瓶颈，包括高延迟、高成本，以及隐私安全风险。
为了打破云端智能的瓶颈，端智能应运而生。端智能技术是将模型推理计算过程迁移至移动端，供移动端直接调用。使用时用户在端上触发推理计算，将原始数据给到模型进行特征加工和推理计算，最后将结果返回给用户。相比云端智能，端智能有三大优势：
实时性高：端上实时响应用户请求，为用户提供实时 AI 反馈，提升用户体验；
隐私合规性强：端上数据端上消费，无需上传云端，隐私合规性强；
具备离线服务能力：推理服务无需请求云端，在无网或者弱网环境下也可以使用；
2、问题与挑战
受限于移动端设备的性能和多样性，在移动端设备上部署端智能并非易事，在端智能开发过程中，遇到了各种挑战，这些挑战会一直伴随着端智能开发过程，需要一直去优化解决，才能将端智能的体验做到极致。
计算性能
由于使用移动设备的计算资源有限，要兼顾用户体验与计算效率的平衡，需要针对移动端设备 的 CPU/GPU 使用率、内存使用率、耗电量、数据获取、任务调度等影响推理耗时的问题进行持续优化。
灵活性
业务算法模型确定后，其输入输出就得遵循固定的格式。不同端智能应用场景需要的模型和特征数据处理格式存在着较大的差异，如果想调整就需要改客户端逻辑，功能验证和迭代效率受到极大的限制。如何在不发版的情况下解决不同业务场景需求，也是需要优先解决的问题。
稳定性
端智能需要在客户端进行数据的收集、存储、处理，推理任务的管理与调度，推理引擎和操作系统的兼容等处理，这些环节均可能引起 APP 的崩溃。作为一家客户为先的公司，因为端智能的不稳定性导致影响用户体验，这是不被允许的，如何在复杂的端上环境做到零崩溃是非常大的挑战。
安全性
端上存在大量的数据，端智能的数据处理逻辑和推理逻辑都是在端上进行，防止数据泄露、数据篡改、保证数据的隐私合规是非常重要的。
3、京东端智能系统架构
京东零售端智能系统整体系统架构设计如下：
京东端智能系统架构遵循通用性和可规模化应用的设计原则，主要为云-边-端三层，分别对应着算法模型的生产、部署和执行三个环节。
云对应的是由京东零售-技术研发与数据中心研发的九数算法中台，负责模型训练、模型编译、模型调试。端智能模型生产和训练在云端进行，在九数算法中台训练好模型后，需要对模型进行裁剪和压缩，实现模型的轻量化，再对轻量化的模型进行编译转换，以生成在端上可执行的模型文件。
边对应的是由京东零售-技术研发与数据中心研发的端智能平台，负责模型的管理和模型部署分发。端智能管理平台提供了业务接入、模型管理、配置管理、模型部署、模型分发等一系列的框架能力。端智能平台模型支持 A/B Test，以验证算法策略的效果；同时支持分级部署，针对不同机型部署不同的算法模型。
端对应端智能 SDK，负责端上用户行为感知、数据加工，以及推理任务的调度和计算。端智能 SDK 包含数据管道和基础容器两部分，数据管道负责端上用户行为感知、数据加工、数据存储和数据上报，为端智能推理提供原始数据和特征数据，基础容器为端智能算法模型提供了端上的运行环境，支持不同推理任务并行处理，让端上推理计算高效地运转起来。
4、主要工作
4.1 超实时端数据流处理
数据存储
端上的数据存储高性能移动端数据库，支持数据加密，支持并发数据读写，满足端上数据的安全要求和高频数据读写。
端上数据的存储和获取作为推理计算的前置环节，如果耗时偏高必然会增加整个端智能推理的耗时。为了最大提升数据库的性能，前置了数据库路由，根据数据类型，需要加密的数据会存储到加密数据库，不需要加密的数据会存储到非加密数据库，数据库设计上采用单库单表的设计模型，可以减少单个数据库文件的大小，降低文件锁的竞争概率，提高并发性能。同时引入了数据库的自管理机制，长时间不被使用的旧数据会被删除，降低数据库存储量，提升数据库的读写性能。
数据处理
端上用户的原始行为通常不能直接作为模型输入进行计算，京东搭建了一套数据流框架，用来进行模型特征生产和特征计算。端侧模型用到的数据源大致可分为 3 类：云端下发、端侧批量存储数据、端侧实时行为感知。云端下发是通过请求后端服务获取到的，通常会在云端处理好，APP 内无需额外的处理，可以直接使用。端侧批量存储数据指对不会实时发生变化的数据进行定期存储更新，端侧实时行为感知指用户在使用 APP 过程中的实时行为，经过加工处理后再进入模型计算。
端侧批量存储数据采用非实时批量处理模式，使用数据库 SQL 能力进行粗粒度加工，也可以在 Python 脚本中执行个性化处理逻辑。端侧实时行为感知采用实时计算的模式，实时对用户行为进行过滤、规则匹配、关联聚合等操作，生产为模型输入需要的特征数据。生产好的特征会再进一步经过特征计算，包括离散特征编码、连续特征归一化等操作，计算好的特征即可输入模型进行推理计算。
4.2 高效端事件触发和调度
基础容器为端智能提供轻量化、高性能的执行环境，同时支持模型频繁的实验和部署，支持端智能在不同设备上高效运行。当算法模型下发到移动端设备后，触发推理计算有两种方式：API 触发和事件触发。
API 触发： 算法工程师通过调用端智能提供的推理触发 API 进行触发，调用方式如代码示例如下。API 使用 Router 协议，使用时传入 systemCode 和 businessCode 业务标识，支持自定义输入数据，在回调方法中获取推理计算结果。
JDRouter.to("JDEdgeAI", "infer").putString("systemCode", "xxx").putString("businessCode", "xxx").extraObject("extData",HashMap).callBackListener(new CallBackWithReturnListener() {@Overridepublic void onComplete(Object value) {android.util.Log.d(TAG, "onCompleteWithValue " + value.toString());}
事件触发： 算法工程师可以在算法模型资源包中配置需要触发推理计算的埋点事件 ID，当基础容器监测到有对应的埋点事件时，则会触发推理计算执行。基础容器中的功能均已任务化，事件触发的方式不仅可以触发模型推理，也可以触发特征数据计算、模型预加载等操作。触发配置如下所示，taskName 是任务类型，events 是任务触发的事件。
触发器每触发一次即创建一个任务，基础容器内部的任务调度模块会对任务进行统一的编排与处理。一次推理过程会产生多个任务，每个任务都包含唯一 ID、前置依赖、任务优先级、后置依赖等属性。
为了高效执行任务，降低推理计算耗时，京东采用多任务队列，按任务优先级并行执行的策略。基础容器内部预置了三个任务队列，分别核心任务队列、常规任务队列、低优任务队列，按照任务类型分别放入对应的任务队列中，每个任务队列都有自己的执行线程，执行线程会轮询执行任务队列中的任务，直到产生推理计算结果，本次推理任务链路结束。
为了使任务调度执行频率更高，执行速度更快，京东支持了多种能力：
高并发： 支持多任务并发、多线程调度的任务管理模式；
优先调度： 支持设置任务优先级，保证高优任务优先执行；
熔断保护： 对于连续 N 次运行失败或者崩溃，会暂时阻止其运行；
防卡死： 推理链路某环节超时，会立即停止当前任务。
基础容器为每一个任务提供独立的运行环境，并通过对外提供 API 来进行模型推理等。基础容器还对推理流程和任务链路进行了高度的抽象，最大程度上的满足了不同算法场景的使用需求。
4.3 高兼容性 PythonVM 端计算容器
为了在端侧 APP 满足算法模型快速迭代的需求，同时降低算法工程师参与 APP 移动端开发的门槛，我们上线了 Python VM 的计算容器。Python VM 容器提供了一定的动态执行的能力，在不依赖 APP 发版的情况下，可以随时更新由 Python 编写的 AI 算法服务逻辑，调整业务策略，优化业务效果。
选用 Python 语言主要考量其与 AI 技术栈的契合，Python 是算法工程师最熟悉和熟练使用的语言。算法工程师在训练好模型以后，将整个模型服务逻辑通过 Python 脚本部署在 APP 中，无需使用 JAVA、Object-C 等 APP 开发语言，显著提升算法开发效率。此外，Python VM 与原生 APP 开发环境解耦的方式，使得我们可以在安卓、iOS 双端使用同一套方案，无需分别兼容和适配。将 Python VM 集成至 APP 中，我们针对性地解决了以下 3 个问题：
包体积缩减：只保留了 Python 核心执行器功能，非核心的三方库也做了裁剪，编译功能前置至云端完成，移动端直接执行字节码；
字节码加密：对动态下发的字节码采用自定义加密，防止下发过程中被篡改，保障安全；
线程级并行：移除 GIL 锁的限制，在 APP 单进程环境内，使用多个线程并行执行多个任务。
4.4 高性能端推理引擎
AI 模型对计算和存储资源都有较高的要求，因此，高性能推理引擎是 AI 模型能在手机侧运行的核心要素。端侧推理引擎的架构与云侧推理框架整体类似，包括计算图、算子的抽象等。但由于移动端资源受限，一方面对引擎包体积有一定约束，端侧推理引擎的算子种类需要尽量收敛，实现原子算子，通过原子算子组合出高阶功能算子。另一方面，移动端设备硬件差异性较大，CPU、GPU、NPU 都包含多种型号，推理引擎需要兼容各类设备。在这些通用能力之外，为了保障复杂模型性能，我们重点优化了以下 2 个维度：
算子内核：针对热点算子及部分算子的低精度实现，定向分析性能瓶颈，利用向量化指令优化内核实现，提升算子性能。
多硬件混合调度：将模型计算图拆分为多个子图，不同子图可拆分至 CPU、GPU、NPU 多种硬件分别执行，建模寻优最佳拆图方案，充分挖掘利用所有硬件的算力；
此外，为了支持原生 APP 之外的场景，例如 H5 页面、小程序等场景，我们还拓展了 JavaScript 版本的推理引擎。JavaScript 引擎提供与原生 APP 一致的计算接口，在 JS 环境中自闭环使用，是一套更为轻量和灵活的解决方案。
5、业务实践
端智能技术目前已经在京东流量分发、图像识别等多种算法业务场景落地。
流量分发：通过用户实时浏览行为，理解用户意图，增强实时商品分发效果，提升用户购物体验。
图像识别：端上实时识别用户拍摄图片的合规性，降低算法计算延时，提升实时识别效果。
由于数据与模型的计算均发生在端上，不依赖网络，没有网络延迟。因此端智能相比云端智能的耗时有显著的降低，推理效率有数十倍的提升。通过实践发现对于实时性要求高，计算相对简单的场景适合端上执行。
6、总结与展望
端智能建设过程围绕计算性能、灵活性、稳定性、安全性展开，动态预加载、任务调度、高性能数据存取提升了推理链路性能，模型动态下发、策略配置、数据动态处理为端智能业务开发带来充足的灵活性，异常监控、控制开关、兼容处理保证了端智能在线上运行的稳定性，加密传输，隐私合规为端智能提供了安全性保障。目前，京东众多业务已集成至端智能 SDK，流量分发、图像识别等算法场景运行情况良好，日推理计算量已经达数亿次，为用户带来了更好的购物体验。
端智能的出现，弥补了云端智能在网络延时、数据丰富、隐私安全、算力成本方面的不足，但是端智能与云智能本身就不是割裂的技术体系，而是相辅相成的，未来端上模型可以作为云端模型的子模型进行前置推理，端上运行小模型，云端运行大模型，更好地提升推理效果和速度。
端智能未来的建设方向：
平台能力建设： 随着算法场景复杂性的增加，开发效率将受到影响。端智能团队将通过平台能力建设，提供开发、调试工具，提升算法工程师的模型开发、上线效率。
多端场景覆盖： 京东中存在大量的 H5、小程序等场景，端智能后续将在多端进行落地，算法能力将覆盖移动端全场景。
算法场景扩展： 端智能团队致力于在端上覆盖流量分发、CV、NLP 等多算法场景，将更多云端算法模型迁移至移动端前置计算。
中国开发者画像洞察研究报告 2024
分析开发者的行为模式、工作价值、职业发展等内容，帮助整个行业生态更深入地理解开发者，为他们提供更精准...
评论