前言：不同于技術(shù)的單點突破，人工智能作為一項賦能型技術(shù)，技術(shù)本身的演化是一方面，但落到實際行業(yè)領(lǐng)域中，仍然需要綜合考慮場景的適用性、應(yīng)用成本以及技術(shù)的泛化能力等問題。面對豐富且零碎的行業(yè)場景，如何推進AI的賦能作用，這是一個關(guān)鍵問題。本次我們有幸邀請到?？低暩呒壐笨偛谩⒀芯吭涸洪L浦世亮先生參與到a&s系列訪談中，訪談內(nèi)容涵蓋了浦院長對AI落地應(yīng)用的現(xiàn)狀、遭遇的瓶頸問題、AI賦能方式以及未來的趨勢預(yù)判等全方位的觀點分享。

　　Q：a&s總經(jīng)理、總編輯 關(guān)玉娟

　　A：?？低暩呒壐笨偛?、研究院院長浦世亮

　　Q：您如何看待近年來人工智能在安防領(lǐng)域的落地應(yīng)用現(xiàn)狀？

　　A：這一輪人工智能熱潮發(fā)展至今已有四五年的時間，對于安防產(chǎn)業(yè)而言，人工智能并不是新鮮的技術(shù)訴求，因為在很久以前行業(yè)就被這樣的需求所驅(qū)動，視頻監(jiān)控從“看得清”到“看得懂”，需求一直存在，因為這是用技防去替代人防的一個核心能力。但很久以來產(chǎn)業(yè)仍處于一種技術(shù)與用戶需求或方案需求之間存在巨大鴻溝的狀態(tài)。

　　在深度學(xué)習(xí)出現(xiàn)之前，人工智能在安防領(lǐng)域的應(yīng)用十分受限，沒有辦法大規(guī)模推廣，基本只有車牌識別的應(yīng)用相對成熟，因為它的應(yīng)用場景相對規(guī)范。人臉識別雖然應(yīng)用需求廣泛，但由于場景的復(fù)雜性，極大地限制了人臉識別的大規(guī)模普及應(yīng)用。

　　然而這一輪人工智能技術(shù)的發(fā)展，使得現(xiàn)有的人工智能尤其在計算機視覺領(lǐng)域的性能實現(xiàn)了極大的突破，所以我們現(xiàn)在會更泛化的去看待安防領(lǐng)域的人工智能。它并不僅僅局限在安全管理上，視頻監(jiān)控其實更多是一種視覺傳感器的角色，有了AI加持之后，它可以提取更豐富的數(shù)據(jù)信息，把物理世界進行數(shù)字化轉(zhuǎn)化，然后為包括安防和更多其他實體經(jīng)濟的行業(yè)領(lǐng)域賦能。

　　Q：當(dāng)前階段，人工智能的實際效能和用戶真實需求之間大概契合到了什么程度？

　　A： 當(dāng)下人工智能雖然泛化能力提升了很多，但仍然處于有監(jiān)督學(xué)習(xí)的階段，自主學(xué)習(xí)技術(shù)還不成熟，致使現(xiàn)階段的人工智能更多只適用于受任務(wù)限制和場景約束的場景。

　　以智慧城市這個大的應(yīng)用領(lǐng)域為例，智慧城市中所有的問題無法用一套統(tǒng)一的算法去解決，而是要輔以具體任務(wù)和場景進行約束，比如具體的交通違法處理、智慧停車等場景，在詳細地了解了場景的實用需求之后，通過充分的數(shù)據(jù)采集、樣本訓(xùn)練，針對場景開發(fā)的AI算法才能實現(xiàn)更好的效能和作用。

　　現(xiàn)階段，人工智能主流的應(yīng)用方式是基于監(jiān)督學(xué)習(xí)，用海量數(shù)據(jù)驅(qū)動算法。半監(jiān)督學(xué)習(xí)或自主學(xué)習(xí)是學(xué)術(shù)界的研究熱點，但在行業(yè)領(lǐng)域，目前仍是弱人工智能的應(yīng)用。

　　Q：弱人工智能這幾年提升比較明顯的技術(shù)點以及應(yīng)用最為成熟的細分場景主要有哪些？

　　A：人工智能已成熟落地應(yīng)用的行業(yè)領(lǐng)域其實非常多，比如智慧社區(qū)，僅就小區(qū)物業(yè)而言，人工智能便可應(yīng)用于社區(qū)安全管理、消防管理、人員/車輛管理、高空拋物、垃圾清運等系列環(huán)節(jié)的管理；在商超零售領(lǐng)域，基于AI技術(shù)的商品防損、貨架盤點、智能零售貨柜等細分需求也多達幾十種。另外在金融、教育、司法、醫(yī)療等眾多行業(yè)領(lǐng)域，AI的應(yīng)用需求相當(dāng)廣泛，且以碎片化的形式存在。

　　“場景”和“碎片化”是人工智能產(chǎn)業(yè)應(yīng)用中的兩大關(guān)鍵詞，不論是“AI+行業(yè)”還是“行業(yè)+AI”，它背后其實體現(xiàn)的是兩種技術(shù)思路和商業(yè)思路，前者是利用AI去顛覆行業(yè)，后者則是通過AI來為行業(yè)賦能。由于AI應(yīng)用場景相當(dāng)碎片化，其中需要大量的行業(yè)應(yīng)用知識和領(lǐng)域知識，所以真正能夠發(fā)展得比較好的應(yīng)該是“行業(yè)+AI”，即把AI作為一種工具去賦能這個行業(yè)的用戶，然后基于用戶所掌握的行業(yè)應(yīng)用知識，來完成技術(shù)的效能轉(zhuǎn)化。

　　2017年，國務(wù)院在最新一代人工智能發(fā)展規(guī)劃中稱，到2030年中國人工智能產(chǎn)業(yè)競爭力將達到國際領(lǐng)先水平，人工智能核心產(chǎn)業(yè)規(guī)模超過1萬億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過10萬億元。這個數(shù)字看起來非常遙遠，但真正進入到行業(yè)中去了解，10萬億產(chǎn)業(yè)規(guī)模其實未來可期。

　　這也引出了?？低晫τ谌斯ぶ悄軜I(yè)務(wù)的未來戰(zhàn)略，面對如此豐富和零碎的行業(yè)場景，相比于用項目式的方式一個個去幫用戶解決問題，平臺式的賦能方式更能夠促進萬眾創(chuàng)新和群智的涌現(xiàn)。怎樣才能使數(shù)量眾多的傳統(tǒng)產(chǎn)業(yè)用戶受益于人工智能技術(shù)的發(fā)展?我們將算法、產(chǎn)品、云服務(wù)等提煉成一套通用、靈活又方便調(diào)用的體系來完成對人工智能的集成，通過這種方式將技術(shù)分享出去，讓“天下沒有難做的AI”。AI開放平臺為用戶提供了人工智能技術(shù)平臺和應(yīng)用工具，基于平臺的能力，用戶可以自己操作、便捷快速的滿足AI應(yīng)用需求。

　　Q：人工智能落地應(yīng)用面臨的主要瓶頸問題有哪些？

　　A：當(dāng)下AI開放平臺品類繁多，并不是說隨便給用戶一套平臺工具，用戶就可以上手用，其中仍存在著一些瓶頸：

　　第一是數(shù)據(jù)瓶頸。人工智能由海量的數(shù)據(jù)來進行驅(qū)動，首先要保證數(shù)據(jù)的體量規(guī)模，其次數(shù)據(jù)要是被人為標(biāo)定監(jiān)督過的。作為平臺提供商，首要任務(wù)是幫助用戶突破數(shù)據(jù)瓶頸。

　　第二是算法瓶頸。當(dāng)前階段的AI算法人才資源仍比較稀缺，用人成本高昂。但人工智能技術(shù)研發(fā)，算法人才是關(guān)鍵，算法團隊的組建是必不可少且需要長期高成本投入的環(huán)節(jié)，對于大量傳統(tǒng)企業(yè)而言，這也是一個極大的考驗。

　　第三是計算資源和訓(xùn)練資源。人工智能算法訓(xùn)練必須基于相關(guān)的并行訓(xùn)練系統(tǒng)，通過海量數(shù)據(jù)的導(dǎo)入進行算法訓(xùn)練，期間還需要做各種調(diào)試，這對并行訓(xùn)練系統(tǒng)的性能水平有很高的要求，這種計算資源和訓(xùn)練資源也是一個顯著的瓶頸。

　　第四是產(chǎn)品端的瓶頸。現(xiàn)在大量的人工智能系統(tǒng)應(yīng)用主推的是云端方案，并不是因為云端方案應(yīng)用效能最好或是成本最低，而是因為云端方案對于硬件產(chǎn)品的要求相對最低，因為大量的用戶（集成商）甚至AI初創(chuàng)企業(yè)，并不具備硬件產(chǎn)品資源，在沒有更多方案可供選擇的時候，云端方案或許并非最優(yōu)解但是是時下的選擇。

　　最后是系統(tǒng)，要有完整的人工智能解決方案，系統(tǒng)集成與應(yīng)用開發(fā)資源投入是很大的，這也是一個瓶頸。

　　只有突破了這五大瓶頸，我們才能真正的落實AI在實體行業(yè)中的賦能作用，而這也是?？低暃Q定構(gòu)建AI開放平臺的主要目的。

　　Q：?？低旳I開放平臺如何實現(xiàn)這五大瓶頸的突破？

　　A：首先是數(shù)據(jù)瓶頸的突破。在學(xué)術(shù)界，ImageNet數(shù)據(jù)集的推出對于人工智能的學(xué)術(shù)研究具有強大的推動力，但在工業(yè)界和實體行業(yè)，還沒有出現(xiàn)適用的數(shù)據(jù)集來助推行業(yè)人工智能的發(fā)展。至此，我們希望能夠做實體行業(yè)的領(lǐng)域模型?？梢灶A(yù)想，未來物理世界所感知到的信息都可以用各種領(lǐng)域模型去描述，當(dāng)然，這種領(lǐng)域模型和最終的應(yīng)用場景之間還是會有一點差距，但我們有一種技術(shù)叫遷移學(xué)習(xí)。在相關(guān)領(lǐng)域模型基礎(chǔ)之上，系統(tǒng)神經(jīng)網(wǎng)絡(luò)已經(jīng)對某類場景有較強的感知能力，通過少量的用戶自我數(shù)據(jù)，再通過遷移學(xué)習(xí)方法便可以在這個模型上很好地進行算法訓(xùn)練。

　　通過系列測試實驗，在很多領(lǐng)域上我們已有的領(lǐng)域模型基本可達80%甚至更高的檢測精度，用戶只需要提供少量的場景數(shù)據(jù)，精度可提升到95%以上，對于用戶而言，這是一個0到1的突破。這是?？低旳I開放平臺解決數(shù)據(jù)問題的第一點。

　　第二點，我們用了大量諸如圖像三維建模這一類虛擬現(xiàn)實技術(shù)構(gòu)建了一個虛擬數(shù)據(jù)生產(chǎn)引擎，主要是幫助那些數(shù)據(jù)量少、數(shù)據(jù)獲取難的行業(yè)解決數(shù)據(jù)樣本采集難的問題。比如商超零售領(lǐng)域貨架補貨環(huán)節(jié)，傳統(tǒng)的做法是上新貨后人工從各個角度、各種擺放位置拍攝做數(shù)據(jù)采集，但這個工作量很大，每上一次新貨或換一個位置，用戶需要重復(fù)操作很久。但通過虛擬數(shù)據(jù)生產(chǎn)引擎系統(tǒng)，用戶只需拍少量幾張圖片上傳，系統(tǒng)便可自動生成各種角度、各種大小、各種擺放位置的貨品圖片，這種方式可以進一步的幫助用戶突破數(shù)據(jù)瓶頸。

　　其次是在算法層面的突破。以前人工智能算法訓(xùn)練首先要設(shè)計神經(jīng)網(wǎng)絡(luò)模型框架，然后人工調(diào)參，但現(xiàn)在我們可以通過機器自動完成建模，在這個過程中，通過龐大的計算力完成各種模型結(jié)構(gòu)的自動調(diào)整、測試和訓(xùn)練，這正是當(dāng)下學(xué)術(shù)界熱門的網(wǎng)絡(luò)架構(gòu)自動搜索技術(shù)方向。?？翟谶@方面投入了重大資源，相關(guān)技術(shù)能力已經(jīng)上線到我們的AI開放平臺，這項能力的推出，將極大地簡化算法訓(xùn)練、算法生成的技術(shù)門檻。

　　與此同時，?？颠€推出了一種自動編譯工具，可以幫助用戶在平臺上進行很好的算法優(yōu)化。邊緣智能的當(dāng)下，由于受功耗和成本的限制，很多邊緣類產(chǎn)品往往只能在一些計算資源和內(nèi)存資源比較受控的計算平臺上運行，如何在這些平臺上做算法優(yōu)化是一項強大的考驗。通過自動編譯工具可以把各種優(yōu)化方法做成軟件工具，讓用戶隨取隨用，無需再另外投入資源去做工具開發(fā)。

　　第三在計算資源方面，我們已經(jīng)在螢石云上開放了海康內(nèi)部的并行訓(xùn)練系統(tǒng)，可以讓用戶共享我們的計算資源，基于高性能并行訓(xùn)練系統(tǒng)，更好的輔助算法訓(xùn)練。

　　最后在產(chǎn)品層面，?？甸_放了整個前后端的基礎(chǔ)產(chǎn)品，包括操作系統(tǒng)，可以幫助沒有產(chǎn)品資源的用戶乃至AI創(chuàng)業(yè)公司能夠基于?？档囊幌盗杏布a(chǎn)品去實現(xiàn)他們自己的算法，自建自己的智能產(chǎn)品。

　　通過上述這一系列從數(shù)據(jù)、算法、計算資源到硬件產(chǎn)品瓶頸的突破和能力的開放，?？低曄Ｍ梢哉嬲龓椭鷮嶓w行業(yè)的合作伙伴貫徹AI能力的落地應(yīng)用。

　　Q：從用戶角度而言，用戶該如何共享?？礎(chǔ)I開放平臺的這一系列能力？

　　A：舉個最直接的例子：比如一家連鎖商店的老板需要通過AI技術(shù)檢測商鋪門口是否堆有垃圾，但商戶本身沒有任何技術(shù)能力。這種情況下，只需要商戶注冊成為?？礎(chǔ)I開放平臺的合作伙伴，在線上傳幾十張自己拍攝的店門口的垃圾圖片，并通過平臺上的標(biāo)定工具標(biāo)定垃圾信息，同時選定攝像機，將標(biāo)定后的垃圾數(shù)據(jù)進行算法訓(xùn)練后關(guān)聯(lián)到選定攝像機，商戶即可自行給普通的攝像機DIY出可實現(xiàn)垃圾堆疊檢測的AI能力，整個過程只需20分鐘左右。

　　我們的意愿，一是讓任何沒有算法基礎(chǔ)但有行業(yè)經(jīng)驗的用戶能夠DIY出端到端的AI系統(tǒng)解決方案的能力，二是讓有算法能力但沒有硬件產(chǎn)品的AI創(chuàng)業(yè)者能夠基于海康的軟硬件實現(xiàn)他們自己算法能力的輸出。

　　人工智能產(chǎn)業(yè)擁有如此龐大的經(jīng)濟體量和市場潛力，一定會有越來越多的企業(yè)和人才加入到這個產(chǎn)業(yè)當(dāng)中，我們希望能夠通過我們的開放平臺，為更多有不同需求的企業(yè)、團隊及個人解決AI落地的困境。

　　自2017年開始上線，目前?？礎(chǔ)I開放平臺已經(jīng)面向環(huán)保、餐飲、制藥、物流、零售等全行業(yè)開放，積累了豐富的實用案例。

　　Q：平臺開放一年多來，您的感受和總結(jié)是什么？

　　A:我們認為這是AI賦能實體行業(yè)的一條非常正確的道路。當(dāng)然這個過程中也經(jīng)歷過曲折，包括前期需要花時間對用戶及市場進行教育，讓社會和行業(yè)對于AI有更為客觀理性的了解。同時，在沒有先例可以借鑒的行業(yè)市場，一門心思扎進來探索這條路是否正確，這也是一個忐忑的過程，好在我們已經(jīng)摸清楚了方向，并且堅信這是一條非常正確的路。

　　在面向全行業(yè)推出AI開放平臺的過程中，通過各類合作伙伴的不斷加入及反饋，帶來各類數(shù)據(jù)的接入、標(biāo)注，算法及需求也在持續(xù)豐富，整個開放平臺的AI算法、編譯工具、神經(jīng)網(wǎng)絡(luò)模型，軟硬件產(chǎn)品等也都在不斷演進升級，在開放平臺這個龐大的載體之上，供需雙方之間可以構(gòu)成一個互為驅(qū)動力的良性循環(huán)。

　　Q：?？礎(chǔ)I開放平臺可為用戶提供數(shù)據(jù)、算法、訓(xùn)練資源及產(chǎn)品等一系列服務(wù)，這其中的商業(yè)模式如何設(shè)計，用戶需要為哪些服務(wù)付費？

　　A：實際上我們沒有過多就模式而模式。AI開放平臺的宗旨，就是能幫助用戶落地AI能力，解決實際問題。把用戶服務(wù)好了，平臺自然能夠?qū)崿F(xiàn)商業(yè)價值。

　　目前平臺的SDK都是免費的，用戶只需要在AI開放平臺上注冊成為?？低暤暮献骰锇榫涂梢韵硎苊赓MSDK支持。另外，我們已經(jīng)開放了并行訓(xùn)練系統(tǒng)給到合作伙伴，因此，用戶也可以免費調(diào)用我們開放平臺的訓(xùn)練資源。

　　我們正在思考更多樣的合作形態(tài)，比如輔助合作伙伴共建某些行業(yè)領(lǐng)域的算法模型產(chǎn)品、建立算法商店等等，這些我們也正在嘗試中。通過我們的努力，用戶獲得的收益會更大。

　　目前涉及到付費的服務(wù)，主要針對那些需要調(diào)用我們的云平臺做一定規(guī)?；虮容^高頻數(shù)據(jù)分析的用戶，因為這個過程有大量計算資源和能耗的成本，還有就是如果要把算法部署到我們的邊緣硬件產(chǎn)品，產(chǎn)品是需要收費的。

　　Q：要真正展開應(yīng)用，數(shù)據(jù)融合必不可少，推進物信融合在當(dāng)前階段是否仍存在難點？

　　A：物聯(lián)網(wǎng)和信息網(wǎng)，這兩張網(wǎng)之間確實仍然存在信息孤島的問題，與此同時，信息維度和數(shù)據(jù)維度都還不夠，導(dǎo)致相關(guān)應(yīng)用無法很好的展開。我們也看到了這個問題，所以希望通過AI Cloud物信融合數(shù)據(jù)架構(gòu)能夠很好地促進物信兩網(wǎng)之間的數(shù)據(jù)融合。

　　AI Cloud架構(gòu)中設(shè)有數(shù)據(jù)資源池和計算資源池。數(shù)據(jù)資源池主要起到數(shù)據(jù)治理和數(shù)據(jù)匯聚的作用，可以將物聯(lián)網(wǎng)和信息網(wǎng)的數(shù)據(jù)放到資源池進行治理和匯聚。

　　物聯(lián)網(wǎng)本身是非結(jié)構(gòu)化的信息，未經(jīng)處理很難和信息網(wǎng)上結(jié)構(gòu)化的信息進行融合，所以首先需要通過人工智能技術(shù)對物聯(lián)網(wǎng)中視頻信息進行結(jié)構(gòu)化處理，結(jié)構(gòu)化后的物聯(lián)網(wǎng)數(shù)據(jù)再和信息網(wǎng)數(shù)據(jù)進行融合，便可以碰撞出非常多的應(yīng)用。

　　比如交通行業(yè)，傳統(tǒng)模式中的交通管理很多是基于浮動車和地感線圈檢測來實現(xiàn)，但這種數(shù)據(jù)采集方式由于頻率關(guān)系可能并沒有十分精準(zhǔn)，如果利用路面廣泛覆蓋的攝像頭進行車輛動線數(shù)據(jù)的采集，基于攝像頭7*24小時且覆蓋面廣的特性，則能夠極大的完善數(shù)據(jù)的豐富性。如果再基于這些豐富的視頻數(shù)據(jù)和雷達、微波等信息進行融合，便可以實現(xiàn)在各種天氣、光照條件下對于路面過車情況的精準(zhǔn)判斷，更好地輔助交通管理。

　　Q：這一套下來，可以看出海康已經(jīng)能夠解決AI落地應(yīng)用的很多重要瓶頸問題，接下來，你們的重點研究方向會是什么？

　　A：首先第一點，公司當(dāng)下及未來依舊會深耕人工智能核心技術(shù)。人工智能還有很多需要解決的問題，比如如何加強人工智能的自主學(xué)習(xí)能力，讓AI從感知智能上升到認知智能？或者是如何在攝像機上去做更多維度的感知信息的融合，將視頻“視覺”能力進一步優(yōu)化等，這些都是我們在人工智能領(lǐng)域?qū)^續(xù)研究的方向。

　　另外，從視頻感知，到智能物聯(lián)，再到物信融合，當(dāng)下的?？低曇呀?jīng)從安防公司變成視覺公司繼而成長為一家大數(shù)據(jù)公司，在整個數(shù)據(jù)服務(wù)里面，如何基于多維度的信息去構(gòu)建數(shù)據(jù)認知的能力，讓系統(tǒng)能夠?qū)崿F(xiàn)自我決策和判斷，這個過程中，無論是技術(shù)研發(fā)還是業(yè)務(wù)探索都任重道遠。

　　未來，我們將主要專注于在這兩方面持續(xù)發(fā)力。

　　Q：從您的經(jīng)驗來看，您如何預(yù)估未來幾年人工智能技術(shù)和應(yīng)用的發(fā)展態(tài)勢？

　　A：基于人工智能場景化和碎片化的特點，它的發(fā)展將會是一個滲透的過程，發(fā)展速度會很快，但可能會相對線性一點，不過隨著AI開放平臺價值的涌現(xiàn)，人工智能的線性發(fā)展，將呈現(xiàn)更多維度的發(fā)展方向，預(yù)計未來3-5年，人工智能技術(shù)的普及和落地應(yīng)用的成熟度都將升級到一個全新的階段。

　　Q：籍由這次訪談，您最想傳達出什么樣的訊息？

　　A：任何技術(shù)的發(fā)展都會帶來生產(chǎn)力的提升，而最終能否讓每個人受益并不是取決于技術(shù)本身，而是取決于技術(shù)共享的方式。

　　從我的角度來說，AI的確是未來一個巨大的技術(shù)應(yīng)用趨勢，將會對我們的產(chǎn)業(yè)和經(jīng)濟帶來巨大的推動力。如果希望技術(shù)能夠更快的發(fā)展，讓更多的人和產(chǎn)業(yè)從中受益，那么它一定是一個可以開放共享、生態(tài)共建的模式。?？低曊脫碛羞@樣能力開放的資源和基礎(chǔ)，同時，我們也非常愿意去開放共享我們的能力，也希望聯(lián)合產(chǎn)業(yè)生態(tài)一起去共同推進人工智能賦能百業(yè)的價值實現(xiàn)。

　　編后語：

　　過去幾年時間里，人工智能在行業(yè)領(lǐng)域的落地應(yīng)用進展并沒有想象中的順利，用戶苦于技術(shù)無法更好的契合實際應(yīng)用需求，投入產(chǎn)出不成正比，而廠商則困擾于場景的過于碎片化，導(dǎo)致AI泛化能力不夠。究其原因，一是人工智能依舊弱人工智能的技術(shù)階段，二是由于所有的人工智能應(yīng)用還是場景化、碎片化的應(yīng)用，無法形成合力。

　　對于相當(dāng)冗長的人工智能產(chǎn)業(yè)鏈而言，算法、產(chǎn)品、算力、數(shù)據(jù)、行業(yè)經(jīng)驗等資源大都掌握在不同企業(yè)手中，而要促進產(chǎn)業(yè)的共同發(fā)展，開放的心態(tài)和開放的AI能力平臺已然成為必須。進入到物聯(lián)網(wǎng)時代，只有利用智能產(chǎn)業(yè)鏈的多方鏈條，相互協(xié)同，共同助推人工智能在實體行業(yè)領(lǐng)域的發(fā)展及應(yīng)用，才能真正讓人工智能技術(shù)像電力技術(shù)和信息技術(shù)一樣，無處不在，賦能全行業(yè)。