案例介紹

客戶簡介及應(yīng)用背景

金山辦公是一家辦公軟件和服務(wù)提供商，主要從事 WPS Office 辦公軟件產(chǎn)品及服務(wù)的設(shè)計研發(fā)及銷售推?。產(chǎn)品包括 WPS Office 辦公軟件、???檔等協(xié)同辦公產(chǎn)品、圖像文檔識別與理解業(yè)務(wù)，可在 Windows、Linux、macOS、Android、iOS 、Harmony 等眾多主流操作平臺上應(yīng)?，于全球也有越來越多的用戶樂享金山辦公提供的產(chǎn)品和服務(wù)。

在辦公場景中，文檔類型圖像被廣泛使用，比如證件、發(fā)票、合同、保險單、掃描書籍、拍攝的表格等，這類圖像包含了大量的純文本信息，還包含有表格、圖片、印章、手寫、公式等復(fù)雜的版面布局和結(jié)構(gòu)信息。早前這些信息均采用人工來處理，需要耗費大量人力，很大程度上阻礙了企業(yè)的辦公效率 。其圖像文檔識別與內(nèi)容理解業(yè)務(wù)就是為了解決此類用戶痛點。

自 2017 年以來的不斷耕耘，金山辦公在圖像文檔識別與理解領(lǐng)域已達(dá)到了國內(nèi)領(lǐng)先水平。其主要使用了 CV（Computer Vision）與 VIE（Visual Information Extraction 視覺信息抽取） 等相關(guān)深度學(xué)習(xí)技術(shù)，例如通過 CV 技術(shù)識別發(fā)票和 PDF 大綱并獲取其中的數(shù)據(jù)關(guān)系，其日請求次數(shù)已達(dá)上億次。

客戶挑戰(zhàn)

圖像識別與理解是一個很復(fù)雜的過程，一個任務(wù)的 pipeline 用到的深度學(xué)習(xí)模型多達(dá) 20+ 個，且日請求量級較大（上億級別）需要大量的計算資源。當(dāng)業(yè)務(wù)落地時，團(tuán)隊主要面臨以下兩個挑戰(zhàn)：

1、任務(wù)的絕對耗時不能過長。

2、成本問題。

應(yīng)用方案

為了解決上訴的兩個挑戰(zhàn)，金山辦公采用了 NVIDIA T4 Tensor Core GPU 進(jìn)行推理、NVIDIA TensorRT 8.2.4 進(jìn)行模型加速、NVIDIA Triton 推理服務(wù)器 22.04 在 K8S 上進(jìn)行模型部署與編排。

長鏈路（多達(dá) 20+ 個模型的 pipeline）意味著長耗時，若基于 CPU 推理的話，pipeline 耗時會長達(dá) 15 秒左右，通過 GPU 推理和 TensorRT 加速，成功將耗時降低到了 2.4 秒左右。

模型部署的時候，常見的做法是推理與業(yè)務(wù)代碼（前后處理）放在一個進(jìn)程空間里，每個模型需要在每個進(jìn)程中加載一次，由于顯存的限制，很多時候難以得到較高的單卡 GPU 使用率。就算采用了進(jìn)程池的方式提高了單卡的 GPU 利用率，也會因 CPU 的限制，出現(xiàn)機器整體的 GPU 利用率不高。而在引入了 Triton 推理服務(wù)器進(jìn)行推理部署后，將推理與業(yè)務(wù)代碼解耦，初步實現(xiàn)將 GPU 資源池化調(diào)度。最終在同等業(yè)務(wù)規(guī)模情況下，部署成本節(jié)省了 23%。

模型耗時

表1 模型耗時

模型吞吐量對比圖

WPS 生成式 AI 的最新進(jìn)展

WPS AI 緊跟業(yè)界潮流，再發(fā)布新 AI 能力，覆蓋文字、表格、PPT、PDF 四大辦公組件。這部分 AI 新能力集中在閱讀理解、問答、人機交互等方面。在 PPT 中，WPS AI 現(xiàn)已支持輸入主題，一鍵生成 PPT 演示文稿，并會根據(jù)用戶要求進(jìn)行細(xì)化調(diào)節(jié)，如更改主題風(fēng)格、單頁美化、更改字體、更改配色、生成演講稿等等。

在 PDF 中，WPS 則展示了閱讀分析和理解能力。WPS AI 能夠閱讀包括論文、合同、課件等文檔，用戶以問答方式則可以獲得關(guān)鍵信息。并且，問答助手也會提供文檔溯源功能，確保用戶能夠得知信息來源。

用戶能夠通過手機等移動設(shè)備拍攝相關(guān)文檔，而后 WPS 給出相關(guān)翻譯、概括、分析等功能。

圖 1. WPS-AI 隨手拍與文檔問答

圖 2. WPS-AI 大綱生成

圖 3. WPS-AI PPT 美化

圖 4. WPS-AI PPT 生成

使用效果及影響

金山辦公圖像文檔識別與理解業(yè)務(wù)，通過采用 NVIDIA T4 Tensor Core GPU 及 TensorRT加速，相比于 CPU 其 pipleline 耗時共下降 84%；而采用 NVIDIA Triton 推理服務(wù)器部署，其部署成本節(jié)省了 23% 。

金山辦公 CV 團(tuán)隊總監(jiān)熊龍飛表示：”我們有多個業(yè)務(wù)后邊的 AI 服務(wù)已經(jīng)通過采用該方案提高了速度和資源利用率，不僅給用戶端帶去了更高的速度響應(yīng)，提高了用戶體驗，也為公司節(jié)約了大量的服務(wù)端 GPU 資源，收獲了更高的效益。我們在文檔識別與理解領(lǐng)域的應(yīng)用案例也可以啟發(fā)到 OCR 和版式識別領(lǐng)域的其他公司和學(xué)者，相信隨著更多客戶通過采用 TensorRT 加速會給行業(yè)帶來很大的收益。”

*本文中圖片均來源于金山辦公，如果您有任何疑問或需要使用本文中的圖片，請聯(lián)系金山辦公。