如果說2018年是AI企業(yè)的融資年的話，2019年對AI企業(yè)來說就是“AI賦能智慧”的落地之年。2018年的寒冬不僅僅是對AI企業(yè)而言，各行各業(yè)都感同身受，房地產(chǎn)尤為明顯，企業(yè)名稱連“房地產(chǎn)”三個字都去掉了，紛紛改名“發(fā)展”，就是一個兆頭。

　　寒冬之后，緊縮的就是投資，資本家也沒有多少錢了。2019年如果AI企業(yè)不能再依靠講故事、比賽拿No 1、做演講拿融資的話，如何實現(xiàn)大規(guī)模擴展、招人、再發(fā)展？企業(yè)存在的意義必須有收入、有利潤，那么2019年必須用Case來說話，用中文說就是業(yè)務(wù)必須落地，今天AI智道 就是要和大家談這個話題。

　　AI賦能智慧落地有幾大場景：

　　?金融：幾家獨角獸企業(yè)都取得不錯的成績。

　　?醫(yī)療：AI落地的重要場景。

　　?自動駕駛：預(yù)計大規(guī)模落地還需要1-2年的時間。

　　?機器人：類似于自動駕駛，尚需假以時日。

　　?教育：音頻和文字識別暫時是主要場景，視頻技術(shù)剛剛啟動。

　　?消費：主要是2C的市場，手機端應(yīng)用是大熱門。

　　?大安防市場：AI視覺企業(yè)必爭之地。

　　作為大安防市場的自媒體，紐豪斯并不像和大家過多的探討其它幾個場景，主要是想和大家聊聊大安防市場。

　　AI賦能安防場景分析

　　車牌識別：爛大街的應(yīng)用，是AI賦能大安防發(fā)展最成熟的市場，廣泛應(yīng)用于卡口、電子警察以及停車場出入口管理，是傳統(tǒng)安防企業(yè)的海大天（HDT，海康、大華、天地偉業(yè)）、以薩等企業(yè)的天下，AI新貴幾無可能2019在這個市場上分得大蛋糕。

　　車輛大數(shù)據(jù)：如果是基于卡口、電子警察的車輛大數(shù)據(jù)，自然是沒有AI企業(yè)的份，主要還是HDT、以薩的市場，以及眾多的大安防SI（佳都科技、東方網(wǎng)力、海信網(wǎng)絡(luò)、高新興、易華錄）的市場。如果將車輛大數(shù)據(jù)引入更大的“城市交通大腦”，情況完全不一樣，BAT、高德、滴滴均有布局并在2018年取得了不錯的戰(zhàn)國，尤其是阿里巴巴獨落10個城市級大腦工程。四大AI獨角獸（SKYY，商湯、曠視、依圖、云從）如果能夠積極布局，相信還有很多機會，畢竟大腦級工程的起步尚未超過2年。

　　人臉識別：同樣是爛大街的場景。凡號稱安防AI的幾乎沒有那家沒有人臉識別產(chǎn)品或系統(tǒng)的，據(jù)報道瑞為公司在嵌入式門禁人臉識別市場份額很高（有待進(jìn)一步考證），但要說基于全國身份證系統(tǒng)的人臉大庫做Face ID，算法上優(yōu)秀的當(dāng)算SKYY、云天勵飛、?？?，以廣東飛識、Huawei VPaaS為例，采用的是多算法融合系統(tǒng)，同時可以支持以上算法。人臉識別在2018年飽受非議，主要涉及隱私、GDPR《通用數(shù)據(jù)保護(hù)條例》，甚至是微軟公司也發(fā)布了《使用人臉識別技術(shù)應(yīng)遵循六大原則：公平性、透明性、問責(zé)制度、非歧視性、知情同意、合法監(jiān)視》，尤其是在少數(shù)族群識別上識別率差強人意，雖然中國算法公司在這方面做的更好（比如說華云智能），但還不至于領(lǐng)先太多。

　　非人臉識別：有兩種情況是AI企業(yè)需要考慮的，不是所有的場景都可以采集人臉信息（主要涉及隱私保護(hù)/種族等原因），其次是攝像機沒有/不支持采集到人臉。就需要大規(guī)模的使用到非人臉識別技術(shù)，主要包括ReID（行人再識別）、骨骼檢測分析、圖像二次識別、特征識別等。

　　2019，大安防市場落地趨勢分析

　　大安防市場紐豪斯曾經(jīng)多次定義，主要包括平安城市、雪亮工程、智感社區(qū)、交通大腦、城市大腦、交通管控、智慧交通、智慧警務(wù)和視頻云工程，對于比較成熟的平安城市、交通管控、智慧交通本文并不會細(xì)致展開。2019年以下幾個趨勢是一定要關(guān)注的：非人臉識別將大行其道、聚焦垂直行業(yè)、聚焦平臺級應(yīng)用、深入了解客戶的需求、大數(shù)據(jù)的開放和整合、兩種模式取其一，說的更準(zhǔn)確一點紐豪斯更關(guān)注公共安全市場（PS，Public Security）。

　　趨勢一、非人臉識別將大行其道

　　雖然說人臉識別技術(shù)已經(jīng)爛大街了，但還是有一類人臉應(yīng)用是值得關(guān)注的，那就是人臉聚類。

　　人臉聚類

　　人臉聚類將是城市級的PS應(yīng)用，是一定要關(guān)注的，從公開報道來看，商湯和依圖已經(jīng)在積極布局。

　　A.商湯人臉聚類

　　根據(jù)商湯科技公眾號報道，香港中文大學(xué)-商湯科技聯(lián)合實驗室（MMLab）提出一種有監(jiān)督的Metric用于人臉聚類，來部分解決無標(biāo)注數(shù)據(jù)內(nèi)部結(jié)構(gòu)復(fù)雜、依賴特定Metric、缺乏Outlier控制，以及時間復(fù)雜度等問題。目前在人臉的公開數(shù)據(jù)集標(biāo)到了百萬級別，人臉識別百萬里挑一的正確率達(dá)到99.9％（MegaFace Benchmark）之后，發(fā)現(xiàn)再也標(biāo)不動了。標(biāo)注員能標(biāo)出來的數(shù)據(jù)永遠(yuǎn)是簡單樣本，而人臉識別模型是個“深淵”，當(dāng)你凝視“深淵”的時候，“深淵”并不想看到你。

　　深度學(xué)習(xí)時代的人臉聚類，一般采用卷積神經(jīng)網(wǎng)絡(luò)（CNN）中提取出來的特征。人臉識別的CNN通常把人臉圖片映射（Embedding）到一個高維的向量，然后使用一個線性分類器，加Softmax激活函數(shù)和交叉熵?fù)p失（Cross Entropy Loss）來訓(xùn)練。

　　紫色的向量即為人臉特征（圖片來自商湯公眾號）

　　這種方式?jīng)Q定了這些經(jīng)過映射（Embedding）后的人臉在特征空間里分布在不同的錐形（Cone）中（下左圖），因而可以使用余弦相似度（Cosine Similarity）來度量相似度。或者如果對人臉特征做二范數(shù)（L2）歸一化，那么人臉特征則會分布在一個球面上（下右圖），這樣可以使用L2距離來度量。

　　圖示為2維，實際在高維空間（圖片來自商湯公眾號）

　　有了特征和度量標(biāo)準(zhǔn)之后就是如何選擇一個聚類算法了?，F(xiàn)成的聚類算法包括K-Means、Spectral、DBSCAN、 Hierarchical Agglomerative Clustering (HAC)、Rank Order等以及它們的變種。利用這些方法聚類之后將每一類中的樣本分配相同的標(biāo)簽，不同的類分配不同的標(biāo)簽，就可以用來充當(dāng)訓(xùn)練集了。

　　使用20萬張圖提取特征之后來測試一下這些聚類算法，K-Means花了10分鐘，HAC花了5.7小時，DBSCAN花了6.9小時, Spectral花了12小時。若使用60萬張圖片提取的特征來做聚類，K-Means超內(nèi)存了，HAC花了61小時，DBSCAN花了80小時，Spectral跑到天荒地老之后也甩了一句超內(nèi)存。當(dāng)圖片數(shù)量增加到140萬的時候，幾乎所有的聚類算法都掛了。

　　K-Means, Spectral, HAC等傳統(tǒng)聚類方法的問題依然存在各種各樣的問題：聚類算法具有較高的時間復(fù)雜度、通常認(rèn)為數(shù)據(jù)分布服從某些簡單的假設(shè)、通常使用某種特定的Metric、缺乏較好的離群值（Outliers）控制機制。商湯提出了一種有監(jiān)督的Metric用于人臉聚類，來部分解決無標(biāo)注數(shù)據(jù)內(nèi)部結(jié)構(gòu)復(fù)雜、依賴特定Metric、缺乏Outlier控制的問題，順便還解決了一下時間復(fù)雜度的問題（CDP做到了線性復(fù)雜度），當(dāng)然性能也提升了一大截。

　　CDP本質(zhì)是學(xué)習(xí)一個Metric，也就是對樣本對（Pairs）進(jìn)行判斷。如下圖，CDP首先使用多個人臉識別模型構(gòu)建成一個委員會（Committee）， Committee中每個成員對基礎(chǔ)模型中相連的Pairs提供包括關(guān)系（是否是Neighbor）、相似度、局部結(jié)構(gòu)等信息，然后使用一個多層感知機（MLP）來整合這些信息并作出預(yù)測（即這個Pair是否是同一個人）。

　　圖片來自商湯公眾號

　　這個過程可以類比成一個投票的過程，Committee負(fù)責(zé)考察一個候選人（Pair）的各方面信息，將信息匯總給MLP進(jìn)行決定。最后將所有的Positive Pairs組成一個新的Graph稱為Consensus-driven Graph。在此Graph上使用簡單的連通域搜索并動態(tài)剪枝即可快速得到聚類。由于MLP需要使用一部分有標(biāo)簽的數(shù)據(jù)來訓(xùn)練得到，所以CDP是一種基于有監(jiān)督的Metric的聚類方法。

　　在復(fù)雜度上，CDP由于只需要探索局部結(jié)構(gòu)，因此除了KNN搜索之外，聚類部分的復(fù)雜度是接近線性的。在20萬數(shù)據(jù)上，不計入KNN搜索（依賴別的庫）的時間的話，CDP單模型的耗時是7.7秒，多模型的耗時是100秒。在140萬數(shù)據(jù)上，CDP單模型的耗時是48秒，多模型的耗時是585秒。試驗結(jié)果上看時間復(fù)雜度甚至低于線性（小于7倍）。

　　商湯在實驗中使用CDP聚類后的數(shù)據(jù)加入人臉識別模型的訓(xùn)練之后，可以讓模型達(dá)到接近全監(jiān)督（使用Ground Truth標(biāo)簽）的結(jié)果。如下圖所示：

　　圖片來自商湯公眾號

　　在兩個測試集（Benchmark）上，隨著數(shù)據(jù)的增多，用CDP聚類結(jié)果訓(xùn)練的人臉模型性能的增長接近全監(jiān)督模型（所有數(shù)據(jù)都使用Groundtruth標(biāo)注）。有趣的是在IJB-A上商湯的結(jié)果超過了全監(jiān)督模型，原因可能是訓(xùn)練集的Ground Truth標(biāo)簽會有一些噪聲（Noise），例如誤標(biāo)注，導(dǎo)致全監(jiān)督模型在IJB-A的某些測試樣例上表現(xiàn)不佳。

　　聚類后的部分結(jié)果如下圖所示：

　　每一組代表聚完類后屬于同一類（圖片來自商湯公眾號）

　　CDP屬于一種自下而上（Bottomup）的方法，因此只能感知局部的數(shù)據(jù)結(jié)構(gòu)。然而感知全局的數(shù)據(jù)結(jié)構(gòu)對于聚類更為重要，為此，我們最近提出了一種自上而下（Top Down）的有監(jiān)督聚類方法，能自動學(xué)習(xí)根據(jù)數(shù)據(jù)的結(jié)構(gòu)進(jìn)行聚類，更加充分地解決上述傳統(tǒng)聚類的問題。聊得再多就涉及商業(yè)機密了，有興趣請關(guān)注他們的公眾號。

　　B.依圖人臉聚類

　　依圖認(rèn)為AI有個創(chuàng)新曲線，從2015年的10萬人人臉認(rèn)證到16年的1000萬人臉大庫識別，2017年發(fā)展到20億人臉大庫的識別，這是一個質(zhì)的飛躍，預(yù)期未來能夠?qū)崿F(xiàn)千億人臉大庫的識別，這是一個美好的未來。那么再如此之多的人臉庫中找到同一個人，都繞不過人臉聚類這個功能。

　　依圖把人臉識別分為3個時代：

　　?1.0監(jiān)控時代：弱智能

　　?2.0識別智能時代：攝像機具有超越人臉的識別能力，代表技術(shù)包括靜態(tài)比對、動態(tài)布控，代表應(yīng)用包括陳年舊案破獲、逃犯抓捕等

　　?3.0數(shù)據(jù)智能時代：通過分析人在物理世界的活動規(guī)律從而識別精度進(jìn)一步提高、智能化的發(fā)現(xiàn)異常情況；其次就是實現(xiàn)市（?。┘壢讼窬垲?，以依圖目前的技術(shù)水平，可以實現(xiàn)1萬路、1億人/天、1年數(shù)據(jù)、1秒返回，并形成三大基礎(chǔ)技戰(zhàn)法及各種專用技戰(zhàn)法，除了人臉之外還能夠?qū)崿F(xiàn)多維數(shù)據(jù)碰撞。

　　依圖的觀點“數(shù)據(jù)智能”已經(jīng)得到業(yè)界的主流認(rèn)可，無疑“數(shù)據(jù)”是人工智能的三要素之一（另外兩個是算法和算力）。PS領(lǐng)域極致的算法能力和大數(shù)據(jù)分析能力是依圖的兩大當(dāng)家法寶。盡管如此，依圖公司依然可以克服目前監(jiān)控中廣泛存在的陰影、模糊、遮擋、低像素、墨鏡等多種情況，通過歸檔技術(shù)，實現(xiàn)高難度照片聚類。

　　紐豪斯了解到依圖的人臉聚類已經(jīng)在湖南某時落地案例，該項目擁有3000路攝像機、數(shù)據(jù)保存100天、常口庫+抓拍聚類檔案總數(shù)800+萬人、抓拍國人數(shù)量2000+萬張，助力刑事案件破獲占比約35%。

　　考慮到人臉識別的爭議性，在計算機視覺領(lǐng)域紐豪斯更加關(guān)注非人臉識別，典型應(yīng)用包括：圖像二次識別、ReID和骨骼檢測系統(tǒng)，雖然也有很多其它類型的應(yīng)用，但最有希望在2019年實現(xiàn)落地的應(yīng)該集中在這三個方面。

　　圖像二次識別

　　AI對人類最大的價值來自于兩個方面：減少人工節(jié)約人力和降低成本。如果AI擁有比“人”更加強大的能力，效果更高的話，相信會得到快速的普及。以典型違章數(shù)據(jù)處理為例，目前的交通違章均需要通過人工進(jìn)行二次識別，如果能夠采用AI技術(shù)進(jìn)行二次識別，事先將模糊、非違章的照片去除，就可以大大降低人力水平，同樣如果把這些技術(shù)也用于行人闖紅燈警示，而可以大大減少交通事故的發(fā)生。

　　ReID行人再識別

　　之前的公眾號文章我們曾經(jīng)探討過ReID，后續(xù)還會有一篇專題文章來進(jìn)一步探討。ReID是近2年得到迅速發(fā)展的非人臉識別技術(shù)，華云智能、云從科技和千視通都取得了技術(shù)上的突破，并能夠?qū)崿F(xiàn)商用。對與ReID而言最實用的當(dāng)屬以圖搜圖功能了，有望在2019年得到較大規(guī)模的落地。

　　ReID（Person Re-identification），也稱為行人重識別、行人再識別、跨鏡追蹤，是利用計算機視覺技術(shù)判斷圖像或者視頻序列中是否存在特定行人的技術(shù)，廣泛被認(rèn)為是一個圖像檢索的子問題，目前主要應(yīng)用于安防領(lǐng)域，未來與人臉識別相結(jié)合能夠應(yīng)用于更多更豐富的場景。

　　ReID的優(yōu)勢在于實時分析，對攝像機沒有太高的技術(shù)要求，我們可以假定一個場景，春運過程中當(dāng)一位媽媽攜帶一名子女在購買車票的過程中發(fā)生小孩走失的情形，警察在接到媽媽的報警后，通過給媽媽拍照采集人臉，通過同行人找到小孩的人臉照片，再通過小孩的照片用ReID技術(shù)進(jìn)行跨鏡追蹤，就可能找到小朋友的軌跡，這具有極大的實用價值，避免報案人口頭描述不清、無法準(zhǔn)確掌握小孩外貌/衣服特征的情況下，尤為管用。

　　骨骼檢測系統(tǒng)

　　骨骼檢測技術(shù)和ReID技術(shù)有異曲同工之妙，差異在骨骼檢測僅檢測“骨骼”和衣服的顏色不相關(guān)，就可以大大減少顏色特征帶來的誤報，通過身高、步態(tài)、姿勢來判斷一個人來實現(xiàn)分析，從目前的技術(shù)發(fā)展來看，已經(jīng)具備在2019年實現(xiàn)小范圍落地的可能性。

　　人體骨骼關(guān)鍵點對于描述人體姿態(tài)，預(yù)測人體行為至關(guān)重要。因此人體骨骼關(guān)鍵點檢測是諸多計算機視覺任務(wù)的基礎(chǔ)，例如動作分類，異常行為檢測，以及自動駕駛等等。近年來，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，人體骨骼關(guān)鍵點檢測效果不斷提升，已經(jīng)開始廣泛應(yīng)用于計算機視覺的相關(guān)領(lǐng)域。

　　趨勢二、聚焦垂直行業(yè)

　　主流企業(yè)采用矩陣式管理已經(jīng)非常常見，尤其是在AI圈，既要布局全國市場，設(shè)立分公司、辦事處，也要布局垂直市場。紐豪斯曾經(jīng)在公眾號（AI智道）發(fā)布《城市級大安防項目市場分析報告》，典型的垂直市場包括公共安全（PS，Public Security）和交通（涵蓋交通管控和智慧交通），這里不在贅述，對于AI企業(yè)落地大安防市場而言，這兩大市場是必爭之地。

　　趨勢三、聚焦平臺級應(yīng)用

　　紐豪斯多次和讀者探討城市級大安防應(yīng)用，這是典型的2G市場，而2C和2B的市場相對分散而不成熟。對于SI而言，只有擁有平臺級應(yīng)用（殺手锏）才能立于不敗之地，對于AI企業(yè)而言，如果不能擁有自己的大安防平臺很難和大型SI擁有討價還價的能力。尤其是漫天蓋地的新聞?wù)f，某某城市又建設(shè)了一個大腦、一個平臺的時候，發(fā)現(xiàn)市場機會又被友商撬走了，心里確實很著急。

　　那么城市級大安防市場的平臺應(yīng)用有哪些？

　　?平安城市：聯(lián)網(wǎng)平臺、運維平臺、一機一檔

　　?雪亮工程：除了平安城市的平臺，再增加一個網(wǎng)格化平臺（一標(biāo)三實）

　　?智感社區(qū)：居民信息登記系統(tǒng)、社區(qū)綜合信息查詢系統(tǒng)、社區(qū)警務(wù)管理服務(wù)系統(tǒng)、社區(qū)警務(wù)管理服務(wù)APP、社區(qū)綜治平臺、警務(wù)平臺、一標(biāo)三實平臺等，目前BATH、東方網(wǎng)力、佳都科技、科達(dá)、商湯、曠視、力維等企業(yè)均有積極布局

　　?交通大腦：城市交通大腦平臺，主流廠商包括阿里巴巴、高德、滴滴、方緯科技等

　　?城市大腦：城市大腦平臺，影響力最大的廠商當(dāng)屬阿里巴巴，大約有10個城市的落地

　　?視頻云：AI賦能安防最高級的應(yīng)用當(dāng)屬視頻大數(shù)據(jù)和視頻云建設(shè)，只有足夠多的數(shù)據(jù)才能夠產(chǎn)生更多的應(yīng)用和技戰(zhàn)法，未來的視頻監(jiān)控當(dāng)屬于市級甚至是省級的視頻云平臺，在2018年已經(jīng)有較多的落地案例，相信在2019年會出現(xiàn)更多的視頻云和大數(shù)據(jù)平臺

　　?智慧警務(wù)：涉及的平臺最多，也最復(fù)雜，各警種都涉及多種平臺，典型應(yīng)用包括治安、管控、指揮、偵查、監(jiān)管等

　　應(yīng)用參考：阿里城市大腦3.0

　　來自雷鋒網(wǎng)的報道，城市大腦是技術(shù)進(jìn)步的產(chǎn)物，也是城市發(fā)展的產(chǎn)物。綜合來說，云數(shù)物智技術(shù)積累、國家政策支持、本地政府配合、后期龐大城市訂單等等因素，促成了天時地利人和的形成。AI、IoT、云計算、數(shù)據(jù)挖掘、知識管理、深度學(xué)習(xí)等技術(shù)迅速進(jìn)入爬坡期，互聯(lián)網(wǎng)科技公司、運營商、硬件廠商參與城市建設(shè)有了便捷的通道，但由于智慧城市是一個跨系統(tǒng)交互的大系統(tǒng)，是“系統(tǒng)的系統(tǒng)”，不是硬件的堆疊與軟件的重復(fù)建設(shè)，而是需要有一個中樞神經(jīng)式的城市指揮系統(tǒng)，這個系統(tǒng)必須具備全面、實時、全量的決策能力——這成為“ET城市大腦”誕生的基礎(chǔ)。

　　2016年10月，云棲大會城市大腦首次亮相，由王堅發(fā)布；

　　2017年4月，城市大腦落地蘇州；2017年8月，城市大腦落地澳門；

　　2017年10月，杭州城市大腦1.0正式發(fā)布；

　　2017年11月，城市大腦入選新一代人工智能開放創(chuàng)新平臺；

　　2018年10月，杭州城市大腦2.0正式發(fā)布；

　　2018年12月29日，杭州城市大腦綜合版發(fā)布，將進(jìn)入3.0時代。

　　雷鋒網(wǎng)注意到，城市大腦1.0版本到2.0版本用了整整一年，而2.0版本到3.0版本只花了不到3個月的時間。2013年，閔萬里加入阿里任職阿里云機器智能首席科學(xué)家，先后打造了ET城市大腦 、ET工業(yè)大腦、ET農(nóng)業(yè)大腦等。加入阿里之前，閔萬里在Google和IBM工作過，而IBM還是智慧地球的倡導(dǎo)者。

　　雷鋒網(wǎng)注意到，阿里城市大腦團(tuán)隊的重點在公共安全、城市管理、交通治理3大領(lǐng)域。在2018年10月，該團(tuán)隊還在社招一些在自然語言處理（NLP）、知識圖譜、機器學(xué)習(xí)、深度學(xué)習(xí)、大規(guī)模分布式機器學(xué)習(xí)領(lǐng)域有3-5年研發(fā)經(jīng)驗的人才。隨著2018年11月阿里云事業(yè)群升級為阿里云智能事業(yè)群?？茖W(xué)家出身的閔萬里在阿里云內(nèi)部繼續(xù)承擔(dān)著打通各個行業(yè)大腦數(shù)據(jù)的使命，用數(shù)據(jù)智能推動城市大腦的商用。

　　此外，在阿里達(dá)摩院，北京大學(xué)應(yīng)用數(shù)學(xué)博士，IEEE Fellow華先勝領(lǐng)導(dǎo)城市大腦實驗室，主抓城市大腦在視覺方面的技術(shù)研究。華先勝的職位是阿里巴巴副總裁、達(dá)摩院城市大腦實驗室負(fù)責(zé)人。在城市大腦項目上，閔萬里和華先勝的團(tuán)隊緊密合作。

　　阿里云想的很明白，做好行業(yè)大腦必須把握好3個能力：AI能力、云計算大數(shù)據(jù)能力、垂直行業(yè)整合能力。在城市大腦背后的技術(shù)架構(gòu)上，分布著4大平臺，涉及與城市交通、醫(yī)療、城管、環(huán)境、旅游、城規(guī)、平安、民生八大領(lǐng)域有關(guān)的計算能力、數(shù)據(jù)算法、管理模型等。在城市大腦視覺AI的項目組成上（這部分由華先勝團(tuán)隊主導(dǎo)），目前分為天曜、天鷹、天機、天擎四個部分。前三部分比較偏應(yīng)用，最后一部分是平臺。

　　在杭州，杭州城市大腦塑造了經(jīng)典的案例。作為長江三角洲城市群中心城市之一的杭州，曾經(jīng)上下班高峰期堵車非常嚴(yán)重，而目前，受益于“城市大腦”，杭州交通效率不斷提高。依據(jù)公開的城市季度報告，在全國最擁堵城市排行榜上，杭州從2016年的第5名下降到今年第二季度的第57名。2018年9月，杭州云棲大會上，浙江省公安廳副廳長金志在現(xiàn)場宣布：杭州市“城市數(shù)據(jù)大腦”交通V2.0正式發(fā)布。金志表示，杭州城市大腦2.0將覆蓋主城區(qū)、余杭區(qū)、蕭山區(qū)共420平方公里，一年擴大28倍。接管1300個路口信號燈、接入4500路視頻，通過7大生命體征全面感知城市交通，并通過移動終端直接指揮杭州200余名交警。

　　截止到今天，阿里城市大腦已成為全球最大規(guī)模的人工智能公共系統(tǒng)之一，已覆蓋交通、安防、醫(yī)療、旅游、市政建設(shè)、城市規(guī)劃、工業(yè)、環(huán)境、政務(wù)民生等領(lǐng)域，為阿里也為產(chǎn)業(yè)界帶來了巨大的經(jīng)濟(jì)效益。這些場景中，交通、城市治理、政務(wù)民生是最具吸引力的場景。

　　阿里想緊緊抓住的是智慧城市領(lǐng)域的第一波創(chuàng)業(yè)者和研究者，而這種想法在其他廠商中間似乎不多見。雷鋒網(wǎng)注意到京東智能城市研究院的成立，引入在計算機、AI、自動化、仿真技術(shù)、城鄉(xiāng)規(guī)劃、視覺感知等方面的6位中國工程院院士，其城市計算平臺也在逐漸匯聚產(chǎn)業(yè)鏈上下游的垂直企業(yè)。同時，阿里云緊密與專業(yè)廠商進(jìn)行積極合作，對外宣布的包括浙大中控、銀江科技、浙江大華、圖盟科技等公司，以期望能夠?qū)⑵渥钚录夹g(shù)注入到傳統(tǒng)廠商的方案當(dāng)中。

　　趨勢四、了解客戶的需求才能夠有效落地

　　只有最切近用戶需求的應(yīng)用才能夠更有效的落地，任何不落地的AI技術(shù)和產(chǎn)品都是沒有辦法產(chǎn)生利潤的。2019年是70周年大慶之年，而2020年正是十三五的收官之年也是十四五的規(guī)劃之年，也許十四五的規(guī)劃在2019年就要開始了，對趨勢的準(zhǔn)確判斷將決定未來7年AI企業(yè)的命運，所謂運籌帷幄之中,決勝千里之外。

　　最近參加的論壇、演講、聚會、年會很多，也多了一些和用戶面對面的交流機會。以公共安全市場為例，傳統(tǒng)的視頻監(jiān)控系統(tǒng)解決了人盯人的問題，減少了現(xiàn)場的巡邏人員，解放了一部分警力。之后視頻監(jiān)控系統(tǒng)越來越智能，逐漸可以解答“車去了哪里了？”“你是誰？”諸如此類的問題，最早提出來智能應(yīng)用的起始年應(yīng)在2013年，大規(guī)模進(jìn)入試用的年份當(dāng)從2016年開始算起。

　　雖然人工智能技術(shù)、人臉識別技術(shù)最近顯得火熱，但實際上很早已經(jīng)得到廣泛應(yīng)用，卡口和電子警察是最早實現(xiàn)智能應(yīng)用的，第一個解決的就是車牌抓拍（典型的人工智能）。2011年之后各省市區(qū)逐漸建立了人臉靜態(tài)大庫，開啟了人臉識別的算法應(yīng)用，逐漸試水動態(tài)人臉識別算法，不過這個時候四大人臉獨角獸企業(yè)SKYY還沒有誕生或者剛剛起步，一些人臉識別的先驅(qū)企業(yè)推動了AI技術(shù)的應(yīng)用，不過比較令人失望的是大部分這些企業(yè)并沒有在AI熱浪中崛起，前期的巨額投資在現(xiàn)在看來肯定是要打折扣了。

　　新的AI企業(yè)崛起之后，更多的告訴用戶的是實驗室的數(shù)據(jù)、識別率，或者是世界大賽又拿了幾個世界第一，過度的宣傳或者鼓吹，造成用戶期望值的巨大落差，為什么我找了四家、五家世界第一的AI公司還是不能解決我的問題？這是一個誤區(qū)，企業(yè)說的很好做的很差，2019年建議企業(yè)還是務(wù)實比較好，盡可能做出來的效果就像說出來的效果那般。其次數(shù)據(jù)安全、網(wǎng)絡(luò)安全也很重要，這個需要進(jìn)一步的探索和解決，需要重視，尤其是當(dāng)視頻專網(wǎng)延伸到社區(qū)之后，更加需要重視這個問題。

　　應(yīng)該怎么做？用戶有幾個建議。

　　首先就是平臺異構(gòu)?，F(xiàn)在的企業(yè)，老死不相往來，排他性很強，總想獨霸一個市場。其次就是產(chǎn)品軟硬件一體化，把軟件固化在硬件中，列硬件參數(shù)控標(biāo)，這樣導(dǎo)致用戶的機會成本很高，及時第二家公司免費提供產(chǎn)品和服務(wù)，客戶依然要付出巨大的代價。尤其是大型項目的預(yù)算、決算流程涉及多個部門，這些因素都要考慮，即使是最終用戶也需要被監(jiān)督、被審核。最好的方法就是實現(xiàn)平臺異構(gòu)、互相兼容，多算法融合，共榮共生。

　　其次就是深挖行業(yè)深度應(yīng)用。目前大多數(shù)的應(yīng)用都屬于比較淺層次的、容易被滿足的需求。因地域性、環(huán)境、文化多從因素造成客戶的需求千差萬別，及時同一個廠家通過定制開發(fā)也會形成多個軟件版本，最終就出現(xiàn)了難共享、難擴容、難兼容的問題，即使采用了共同的國標(biāo)進(jìn)行系統(tǒng)設(shè)計，但最終的互聯(lián)互通只有親身經(jīng)理才能夠感同身受?；诖撕芏嗫蛻籼岢隽艘曨l云的解決方案，要求引入競爭機制，所有的廠商不管是硬件、算法、算力、數(shù)據(jù)都放在云端，每家都分配一定的比例，按照共同的標(biāo)準(zhǔn)建視頻云，由最終使用者決定用哪家的服務(wù)。以算法為例，引入競爭機制，如果平臺同時支持SKYY（商曠依云）、HDT（海大天）、云天勵飛的算法，每種算法都給推薦結(jié)果（TOP 3），由用戶決定采用哪種算法，久而久之，競爭機制出現(xiàn)，優(yōu)勝劣汰，也有助于算法廠商提高自己的算法水平，這實際上也是一個平臺異構(gòu)的問題，也是深挖客戶需要的一個應(yīng)用場景。

　　數(shù)據(jù)共享和開放是趨勢。做過公共安全市場的讀者都知道，現(xiàn)實情況是AI領(lǐng)域應(yīng)用存在著多個專網(wǎng)（比如視頻專網(wǎng)、政務(wù)網(wǎng)）和公網(wǎng)（比如互聯(lián)網(wǎng)），每個網(wǎng)中的數(shù)據(jù)都不同，網(wǎng)和網(wǎng)之間可能是隔離的、有邊界的，故而需要將硬件、軟件、數(shù)據(jù)實現(xiàn)三解耦，把原先錯綜復(fù)雜的數(shù)據(jù)進(jìn)行剝離、梳理清楚，之后再推進(jìn)數(shù)據(jù)共享，不管現(xiàn)狀如何，相信2-3年內(nèi)這種共享的障礙必將逐漸消除，對企業(yè)而言必須實現(xiàn)規(guī)劃好一旦數(shù)據(jù)打通后的系統(tǒng)架構(gòu)問題。

　　通過云化解決區(qū)域發(fā)展不均衡的問題。地域經(jīng)濟(jì)發(fā)展不均衡是普遍存在的，即使是在廣東省這樣經(jīng)濟(jì)發(fā)達(dá)省份，也存在粵東西北發(fā)展比較落后的情況。按照經(jīng)驗，城市級安防項目的建設(shè)通常由所在的地市區(qū)縣財政承擔(dān)，那么如果統(tǒng)一規(guī)劃，勢必會有部分區(qū)域因為資金問題沒法建設(shè)最新的AI系統(tǒng)或引入最新的AI技術(shù)，那么云化就是一種比較好的解決方案。通過建立數(shù)據(jù)服務(wù)器集群、GPU群，多個縣、市、區(qū)可以供用一個視頻云，按需申請、按需使用，如果全省、全市一片云的話，就可以由上級部門統(tǒng)一建設(shè)。順便補充說明的是市縣的財政決定視頻系統(tǒng)建設(shè)的規(guī)模，尤其是AI的投入，畢竟屬地責(zé)任在財政。目前來看廣州市、深圳市、杭州市、上海市都走在視頻云建設(shè)的前列。

　　用戶需求逐漸轉(zhuǎn)向精細(xì)化管控。比如發(fā)生群體性事件，有關(guān)部門希望能夠通過AI技術(shù)來識別到底是誰在表達(dá)訴求？是不是本地人？如果不是，背后是誰？第一時間要掌握，也可以同樣適用于醫(yī)鬧。另一類的精細(xì)化管控需求包括特定外籍人員精細(xì)化管控，我們都知道人臉識別技術(shù)在對有色人種識別的時候有著比較低的識別率，到底如何解決？造成了落地困難的問題。其它的精細(xì)化管控包括城市到底需要安裝多少只AI攝像機？如何布點更有效？安裝高度如何？財政支撐的上限在哪里？投資的盡頭在哪里？這些都需要精細(xì)化考量。

　　人防、物防、技防，那個更合適?以發(fā)達(dá)城市平安建設(shè)為例，每路攝像機平均投資7-8萬元，多采用5-6年BT模式建設(shè)，算下來1.2+萬元/年/路，1000元/月/路，那么請一個安保人員一個月按5000元工資計算，那個更劃算？按照最新的AI投資測算，僅考慮算法每路視頻監(jiān)控的投資大約在1萬元，如果建設(shè)3萬路視頻監(jiān)控AI部分就要投資3億，如果同時考慮算法+服務(wù)器+后臺應(yīng)用，則投資成本可能高度3+萬元/路，這還是在新增深度應(yīng)用不足的情況下，如果引入更多的AI應(yīng)用，也許需要更多的錢。

　　好消息是2019年是PS行業(yè)信息化建設(shè)的關(guān)建年，AI企業(yè)還有很大的機會。2019年是視頻云大規(guī)模建設(shè)的一年，2018年之前已大量建設(shè)了基礎(chǔ)設(shè)施，之后就要充分挖掘視頻系統(tǒng)的潛力。

　　那么針對用戶的需求，推進(jìn)AI安防工程化落地有什么更好的解決方法嗎。合理的控制成本、確保交付的質(zhì)量、全面整合數(shù)據(jù)、精細(xì)化的深挖客戶的需求。多了解需求的場景，比如重點關(guān)注的晝伏夜出、同行人、特定區(qū)域/時間的計算等。構(gòu)建高效的計算框架，提供系統(tǒng)的識別率，了解當(dāng)前客戶的現(xiàn)狀解決系統(tǒng)的落地，否則都是空話。

　　趨勢五、大數(shù)據(jù)的開放和整合

　　在AI賦能安防的大背景下，主要應(yīng)用在計算機視覺，那么毫不夸張的講，未來的格局得攝像機者得天下、得攝像機的得數(shù)據(jù)，這是對AI而言。我們都知道公共安全領(lǐng)域的有四偵：圖、刑、技、網(wǎng)，四偵合一一直是努力的方向，并向合成作戰(zhàn)方向邁進(jìn)。制約數(shù)據(jù)共享和開放的因素一直都存在，故而警務(wù)大腦的商機若隱若現(xiàn)，但機會只留給準(zhǔn)別好的人。最早看到商機的當(dāng)屬Huawei安平BG，他們的戰(zhàn)略就是“長期戰(zhàn)略投入，做深做透PS行業(yè)”。

　　城市級的視頻大數(shù)據(jù)一旦被充分挖掘，再整合多個維度的開放數(shù)據(jù)，其潛力和前景都是值得提前布局的。

　　趨勢六、兩種模式取其一

　　在AI企業(yè)如何落地這個問題上，有兩個模式可以參考。

　　A模式：系統(tǒng)做大了就得做總包，做中標(biāo)人，這是阿里模式。以城市大腦為例，在2018年多采用單一來源方式招標(biāo)，系統(tǒng)技術(shù)實在是太新了、太復(fù)雜了，很難找到第二家供應(yīng)商。

　　H模式：自己供設(shè)備、軟件和系統(tǒng)，讓生態(tài)鏈企業(yè)去做，這是Huawei模式。這個前提是企業(yè)的產(chǎn)品要足夠好，可以被集成，也將是未來競爭最激烈的、多方博弈的市場。

　　還有第三種模式嗎？A+H模式，我們期待這樣的企業(yè)出現(xiàn)，在傳統(tǒng)安防市場上曾經(jīng)出現(xiàn)過像Tyco、Siemens、Honeywell、JCI這樣的企業(yè)，確實走的A+H模式，但貌似在中國都不太成功。

　　2019，未來市場預(yù)判

　　2019其實就是為2020年做準(zhǔn)備的。未來市場會出現(xiàn)各種的變局，這篇文章里我們僅探討幾個。

　　數(shù)字視網(wǎng)膜

　　中國工程院院士、中國計算機學(xué)會理事長高文早在2018年（或者更早）就提出了數(shù)字視網(wǎng)膜的概念，紐豪斯在雷鋒網(wǎng)舉辦的首屆中國人工智能安防峰會上聆聽了高文院士的演講，其后在多個場所多次聽到數(shù)字視網(wǎng)膜，其獨特的觀點和技術(shù)領(lǐng)先性值得深思和參考，而且數(shù)字視網(wǎng)膜和鵬程實驗室、深圳龍崗智能視聽研究院也有關(guān)聯(lián)，這也是紐豪斯感興趣的。

　　根據(jù)雷鋒網(wǎng)的整理報告，數(shù)字視網(wǎng)膜分為傳統(tǒng)的高效視頻編碼和實時特征提取兩部分。高院士認(rèn)為現(xiàn)在的視頻監(jiān)控系統(tǒng)，從一開始就面臨數(shù)據(jù)量太大、存儲量太大，查找數(shù)據(jù)不易等一系列挑戰(zhàn)，這些挑戰(zhàn)可以歸納成三個問題：難存儲、難檢索、難識別。這種新型的數(shù)字視網(wǎng)膜可以被稱為慧眼，這種慧眼不僅能看，還能夠感知。如果整個社會均由這種慧眼構(gòu)造成，那系統(tǒng)會非常強大，智慧城市和公安公共視頻的處理也會變得更加得心應(yīng)手。

　　實際上承載數(shù)字視網(wǎng)膜的攝像頭能做兩件事：做好編碼，為后面的識別提取出需要的信息。如果把識別算法直接放在攝像機里，會存在問題。攝像機做的事應(yīng)該是提取特征，把后面可能用到的模式識別的特征提取出來。當(dāng)然，也不能用一個攝像機把人臉和汽車等所使用的具體系統(tǒng)的私用特征全部提取和傳輸，因為這些特征加在一起可能比原來的一個碼流還大，相當(dāng)于傳兩個碼流。

　　如何解決這個問題？用數(shù)字視網(wǎng)膜。實際上人的眼睛原理和數(shù)字視網(wǎng)膜很相似，我們看東西時傳給大腦的信息，實際上并不是具體地實打?qū)嵉奈矬w影像，而是視網(wǎng)膜給后腦傳輸了生物特征，在后腦完成。

　　數(shù)字視網(wǎng)膜與人的眼睛既具有影像重構(gòu)（精細(xì)編碼視覺內(nèi)容），又具備特征提?。嫦蜃R別理解）的功能。原則上這一部分把高效、監(jiān)控視頻編碼（視頻特征的緊湊表達(dá)），把這些特征集合起來變成緊湊地給它表達(dá)出來就叫做“緊湊表達(dá)”。它用了原來同一個碼流解決了兩件事，但前提是視頻編碼略微會有點損失，但它對識別結(jié)果的提升比不用這種方式要高很多倍。

　　數(shù)字視網(wǎng)膜包含了四項核心技術(shù)：

　　?基于背景模型的場景視頻編碼

　　?視頻同步描述整個表達(dá)的記錄

　　?在保證性能的時候，用同一個碼流把視頻和特征原有編碼都傳出去

　　?云端的檢索，對視頻進(jìn)行更加合理的描述，以便用于搜索

　　數(shù)字視網(wǎng)膜的創(chuàng)新之處就是在傳統(tǒng)的視頻傳輸信號之上疊加了特征編碼信號，不管企業(yè)是否接受，這都是未來不可逆的發(fā)展趨勢，數(shù)字視網(wǎng)膜的落地需要標(biāo)準(zhǔn)化，而標(biāo)準(zhǔn)化和兩個機構(gòu)有關(guān)：鵬程實驗室、深圳龍崗智能視聽研究院。

　　2017年12月22日，廣東省正式啟動建設(shè)首批4家廣東省實驗室，深圳網(wǎng)絡(luò)空間科學(xué)與技術(shù)廣東省實驗室就是其中之一。2018年1月19日，深圳市舉辦了實驗室籌備工作會議，召集國內(nèi)相關(guān)領(lǐng)域的權(quán)威專家院士開始籌建實驗室。3月31日，實驗室啟動大會在深圳市召開，中國工程院院士高文被聘為實驗室主任，鵬城實驗室正式對外公開亮相。實驗室整體規(guī)劃土地使用面積134萬平方米（即2000畝），建筑面積150萬平方米，一期建設(shè)用地規(guī)劃在南山區(qū)石壁龍片區(qū)。建設(shè)期間，實驗室啟動過渡場地位于大沙河創(chuàng)新走廊的核心發(fā)展片區(qū)——留仙洞戰(zhàn)略性新興產(chǎn)業(yè)基地萬科云城一期8棟，建筑面積5.3萬平方米。

　　紐豪斯通過官網(wǎng)了解到，鵬城實驗室以哈爾濱工業(yè)大學(xué)（深圳）為合作單位，協(xié)同北京大學(xué)深圳研究生院、清華大學(xué)深圳研究生院、南方科技大學(xué)、香港中文大學(xué)（深圳）、深圳大學(xué)、中國科學(xué)院深圳先進(jìn)技術(shù)研究院、華為、中興、騰訊、中國電子、國家超級計算深圳中心深圳云計算中心、中國航天、中國移動、中國電信、中國聯(lián)通等十余家高校、科研院所、企業(yè)等優(yōu)勢單位共建。目前設(shè)有網(wǎng)絡(luò)通信、先進(jìn)計算和網(wǎng)絡(luò)安全三個研究方向，分別由中國工程院劉韻潔院士、高文院士、方濱興院士任方向責(zé)任院士。

　　高文院士擔(dān)任主任，那就很有可能催成數(shù)字視網(wǎng)膜在鵬程實驗室的落地。根據(jù)最新消息2019 年 1 月 23 日下午，鵬城實驗室人工智能國際研發(fā)中心揭牌儀式在深圳市福田區(qū)深港協(xié)同創(chuàng)新中心舉行。作為鵬城實驗室參與全球人工智能研發(fā)的橋頭堡，首批3個高水平國際化項目已全面入駐。項目分別涉及智慧金融理論研究（沈向洋負(fù)責(zé)）、智慧金融應(yīng)用研究（楊強負(fù)責(zé)）以及自主健康研究（Ramesh Jain負(fù)責(zé)）。

　　在鵬程實驗室成立之前的2017年7月26日，深圳市龍崗區(qū)政府與北京大學(xué)數(shù)字視頻編解碼技術(shù)國家工程實驗室、中關(guān)村視聽產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟，在深圳市舉行深圳龍崗智能視聽研究院簽約暨揭牌儀式。北京大學(xué)數(shù)字視頻編解碼技術(shù)國家工程實驗室和中關(guān)村視聽產(chǎn)業(yè)技術(shù)創(chuàng)新聯(lián)盟由高文院士牽頭組建，是自主創(chuàng)新的AVS標(biāo)準(zhǔn)的核心推動力量，也是新一代人工智能規(guī)劃的積極參與者之一。而這個試聽實驗室也和高文院士有關(guān)。

　　兩大機構(gòu)的聯(lián)系人是李革博士，國家特聘專家，北京大學(xué)數(shù)字視頻編碼技術(shù)國家工程實驗室深圳分室負(fù)責(zé)人、鵬城實驗室人工智能研究中心主任。美國奧本大學(xué)電子工程博士學(xué)位、美國加州大學(xué)戴維斯分校電子工程博士后。相信在李博士的聯(lián)系下，數(shù)字視網(wǎng)膜的標(biāo)準(zhǔn)有可能在兩大機構(gòu)的助推下實現(xiàn)落地。另據(jù)悉深圳龍崗智能視聽研究院投資設(shè)立深圳龍崗智能視聽技術(shù)有限公司，副院長是安欣賞，領(lǐng)英資料顯示安畢業(yè)于大連理工大學(xué)，畢業(yè)后加入華為公司，服務(wù)超過16年。

　　多維數(shù)據(jù)融合

　　數(shù)字視網(wǎng)膜解決了視頻流的傳輸和特征結(jié)構(gòu)化問題，獲取了如此之多的結(jié)構(gòu)化視頻數(shù)據(jù)之后，就需要將視頻數(shù)據(jù)和其它數(shù)據(jù)進(jìn)行碰撞，也就是多維數(shù)據(jù)融合。

　　以人臉識別為例，如果攝像機采集到了一個人臉，但是系統(tǒng)是無法告知“他是誰？”，這需要一個龐大的基礎(chǔ)人臉庫（比如身份證大庫）進(jìn)行1:N的比對，這個人臉庫就屬于多維數(shù)據(jù)融合的典型應(yīng)用。又好比說，系統(tǒng)采集到一個手機的MAC地址需要和一張人臉進(jìn)行匹配，也是一種數(shù)據(jù)的融合。又好比將一條門禁刷卡記錄和人臉照片結(jié)合起來。

　　現(xiàn)實的情況將會更為復(fù)雜，城市治理的核心就是人的動態(tài)，捕捉人動態(tài)最好的方法就是利用遍布城市的攝像機。那么未來如何打破壁壘，將攝像機采集的數(shù)據(jù)和其它多維數(shù)據(jù)進(jìn)行碰撞、融合，就很有必要成立一個大數(shù)據(jù)協(xié)調(diào)機構(gòu)來完成，也可能需要一網(wǎng)多域的管理方式進(jìn)行管理。

　　其它落地因素

　　影響2019年AI項目落地的因素很多，還有幾個因素是需要考慮的。

　　?根據(jù)主流觀點，攝像機視頻前端預(yù)計1-2年（2019-20）內(nèi)不會大規(guī)模增長，這是財政負(fù)擔(dān)越來越重，好鋼用在刀刃上，但AI攝像機在整個攝像機中的占比將會有較大幅度的提升

　　?大規(guī)模的建設(shè)需要等待視頻監(jiān)控十四五規(guī)劃，相信2021-25期間肯定會有大規(guī)模突破

　　?廣大的鄉(xiāng)村和鄉(xiāng)鎮(zhèn)，偷雞摸狗的依然存在，隨著城市化進(jìn)程的推進(jìn)，鄉(xiāng)村的空心化、老齡化日趨嚴(yán)重，人防越來越難了，而利用AI技術(shù)提高鄉(xiāng)村和鄉(xiāng)鎮(zhèn)的安全性已經(jīng)迫在眉睫

　　?盡管財政負(fù)擔(dān)很重，2019年AI依然會保持大規(guī)模投入

　　?市場整合力度會越來越強，互聯(lián)網(wǎng)+停車場、互聯(lián)網(wǎng)+門禁、智慧社區(qū)的標(biāo)準(zhǔn)都在推進(jìn)制定中

　　以上并不全是紐豪斯的觀點，部分觀點也是來自于第三方的溝通。

　　2019，AI企業(yè)一定不會一家獨大、獨占區(qū)域市場，一切才剛剛開始。