Iris Technology 測試 webAI：五分之一資料訓視覺模型，筆記本就能跑

想給自己的產品加個視覺識別功能，但既請不起年薪百萬的演算法工程師，也租不起昂貴的 GPU 叢集？這幾乎是絕大多數軟體團隊過去幾年碰到的死衚衕。

在隱形研發三年後，Iris Technology 在 1 月第一週推出了無程式碼 AI 平臺 webAI 的限量測試版。它的目標很直白：用極少的資料和算力，把計算機視覺模型的開發門檻徹底打下來。

擺脫大數據迷信，五分之一資料就能跑

Iris Technology 聯合執行長 James Meeks 算了一筆賬：全球頂尖的 AI 專家只有大約 30 萬人，但軟體開發者有足足 5500 萬人。把希望寄託在少數專家身上，成本高昂且效率極低。

更尷尬的是，傳統 AI 實驗大概只有 13% 能真正落地部署，而計算機視覺模型的落地率也僅在 10% 左右。大部分專案在資料清洗和算力採購上燒了數十萬美元，最後卻只能停留在實驗室。

webAI 試圖打破這個死迴圈。官方表示，相比當時計算機視覺領域頂尖的目標檢測模型 YOLOv7，webAI 訓練模型只需要五分之一的資料量，訓練時間也縮短到三分之一。

另一位聯合執行長 David Stout 直言，市面上的平臺大多預設大數據是解決所有問題的答案，但 webAI 選擇拋棄這種假設。平臺允許免費訓練和快速迭代，開發者不需要反覆重構整個底層架構。

能跑在普通筆記本上的邊緣端架構

除了降低資料門檻，webAI 在工程部署上也走了一條輕量化路線。

平臺訓練出的模型不需要依賴雲端昂貴的大規模算力叢集，可以直接執行在絕大多數普通消費級筆記型電腦上。這不僅省下了伺服器賬單，也大幅降低了網路延遲。

此外，它具備感測器無關的特性，無論接什麼規格的攝像頭或計算裝置都能直接跑。平臺還同時提供了無程式碼和全程式碼兩種模式，既讓業務人員能快速拉取原型，也讓有經驗的工程師能保留深度定製的控制權。

在資料安全方面，webAI 採用區塊鏈方式進行交付，使用者可以在自己的本地環境中構建模型。Iris Technology 明確表示，所有訓練資料和核心智慧財產權完全屬於客戶自己，平臺方不會沾手。

為什麼重要

我們認為，webAI 抓住了企業落地 AI 時最真實的兩個痛點：請不起專家，以及買不起算力。

對中小型團隊和獨立開發者來說，這意味著他們第一次有機會繞過高昂的雲端賬單，用手頭幾十張、上百張照片在本地電腦上搓出一個能用的視覺模型。零成本起步驗證商業想法，不用一上來就揹負沉重的授權費用。

對整個行業而言，這種低資料需求和邊緣端優先的打法，正在挑戰過去大廠推崇的大算力堆疊路線。當視覺模型可以直接塞進普通硬體並在本地處理時，安防監控、智慧零售和小型工業質檢等邊緣場景的部署成本將被成倍壓縮。

不過，這套方案也留下了不少問號。輕量化和低資料量往往意味著在極端複雜場景下的泛化能力可能打折扣。另外，用區塊鏈來保障本地交付和 IP 歸屬，聽起來很穩妥，但在實際企業 IT 架構中到底會不會增加額外的運維複雜度，還需要等更多公開測試資料來驗證。