图片 12

如何突破AI在实际应用中的瓶颈问题,算力企业针对AI

图片 1

人工智能无疑是当代最具划时代意义的技术引擎之一,从概念泛起-算法涌现-算力升级再到嵌入到诸多垂直行业的实际应用场景形成场景解决方案,这几年来,各行各业对于人工智能的下沉落地都在积极推进。

图片 2

这几年来,随着人工智能在行业领域应用的逐步深化,越来越多产业巨头开始陆续推出AI开放平台,一方面拟希望通过平台开放的各项能力为用户带来算法、算力、数据等方面的资源助力,另一方面,通过AI开放平台可以携手合作伙伴共建产业生态链,一起加速推进AI在行业领域的落地应用。

人工智能作为一项高技术门槛的赋能技术,在过去几年的落地应用过程当中,一直都有用户反馈“应用成本高”的问题。这个应用成本不光包括升级到AI系统的硬件成本支出上,也反映在用户想要引入一套AI系统需要投入的安装部署、人力(根据业务做二次开发)、培训(对员工进行新系统的使用规范相关培训)等相关成本支出上。因此,面对用户对于降低AI应用成本的主流诉求,很多提供AI产品和技术服务的企业也都在致力于推进AI的普惠化以及降低AI技术的应用门槛。

不同于技术的单点突破,人工智能作为一项赋能型技术,技术本身的演化是一方面,但落到实际行业领域中,仍然需要综合考虑场景的适用性、应用成本以及技术的泛化能力等问题。面对丰富且零碎的行业场景,如何推进AI的赋能作用,这是一个关键问题。

场景落地和性价比是AI普惠应用的关键

图片 3

本次我们有幸邀请到海康威视高级副总裁、研究院院长浦世亮先生参与到as系列访谈中,访谈内容涵盖了浦院长对AI落地应用的现状、遭遇的瓶颈问题、AI赋能方式以及未来的趋势预判等全方位的观点分享。

随着各大AI开放平台的陆续推出,业内有这样一种观点认为AI开放平台将加速推进AI普惠时代的来临,但其实就现阶段而言,距离AI普惠时代时间尚早,因为应用场景还没有普遍化。

我们知道,AI的落地需要具备数据、算法、算力、产品和系统等几大条件。首先是数据,发展智能技术需要海量的训练数据;二是算法,要有较强的AI算法设计能力;三是计算能力,AI算法的训练和部署都需要庞大算力的支撑;再就是产品,人工智能的能力需要硬件产品承载;最后是系统,要有完整的人工智能解决方案。

Q:as总经理、总编辑 关玉娟

要实现AI普惠应用,取决于AI应用场景落地和AI使用的性价比这两大要素,而应用场景落地的关键在于人工智能是否能够提升该场景的生产效率、降低成本,这也决定了AI能否成为该场景下的刚需。AI使用的性价比则同时关乎AI产品或系统的性能及价格成本。刚需决定了AI发展的基础,而AI使用的性价比则推动着AI的蓬勃发展。

这些条件对于大部分传统企业而言,仍然具有一定门槛。也正是在这样的市场背景之下,从2017年开始,业内包括百度、京东、腾讯、科大讯飞等科技大佬均陆续推出了自有的AI开放平台,对外开放面向不同行业用户的基础AI能力,如语音技术、图像技术、文字识别、人脸识别、自然语音处理等。当然,每一家平台的产品和业务模式都有自身的特点。

A:海康威视高级副总裁、研究院院长浦世亮

算力厂商AI开放平台的侧重点

AI开放平台 打造AI应用资源库

Q:您如何看待近年来人工智能在安防领域的落地应用现状?

众所周知,人工智能发展的核心三要素为算法、算力和数据,其中AI算力领域正呈现出这三大方面的趋势:一是应用端对算力的性能要求越来越高;二是对算力的性价比越来越关注,对于用户而言,他们的主要诉求在于便宜好用;三是市场对于专用芯片的需求量在显著增加,相比于通用型的AI芯片,针对不同应用场景开发的专用芯片可以更好的支持深度学习算法运算,细分市场的专用芯片已成为趋势。

图片 4

A:这一轮人工智能热潮发展至今已有四五年的时间,对于安防产业而言,人工智能并不是新鲜的技术诉求,因为在很久以前行业就被这样的需求所驱动,视频监控从“看得清”到“看得懂”,需求一直存在,因为这是用技防去替代人防的一个核心能力。但很久以来产业仍处于一种技术与用户需求或方案需求之间存在巨大鸿沟的状态。

在这样的趋势背景之下,从算力厂商的角度而言,构建AI开放平台同样是希望通过开放平台给更多的应用领域带来AI赋能的能力,同时在这个过程中推动AI芯片的发展和销售。当然,算力厂商所构建的AI开放平台更多的是为用户提供算力方面的支持,针对各个行业提供算力、算法、训练等服务,具体包括AI算力云、算法超市、开放训练平台等。

百度大脑AI开放平台

在深度学习出现之前,人工智能在安防领域的应用十分受限,没有办法大规模推广,基本只有车牌识别的应用相对成熟,因为它的应用场景相对规范。人脸识别虽然应用需求广泛,但由于场景的复杂性,极大地限制了人脸识别的大规模普及应用。

其中AI算力云给算法厂家提供强大且“便宜”的AI算力(包括推理和训练);算法超市可以给应用厂家提供各种类型和各个行业更有针对性的AI算法及其开放API,满足不同行业用户在算法方面的针对性应用需求;开放训练平台则是当行业应用厂家提供超过40张已标注的符合要求的图片,可以针对该行业训练出有针对性的算法给行业应用厂家,特别是细分行业更加实用。

图片 5

然而这一轮人工智能技术的发展,使得现有的人工智能尤其在计算机视觉领域的性能实现了极大的突破,所以我们现在会更泛化的去看待安防领域的人工智能。它并不仅仅局限在安全管理上,视频监控其实更多是一种视觉传感器的角色,有了AI加持之后,它可以提取更丰富的数据信息,把物理世界进行数字化转化,然后为包括安防和更多其他实体经济的行业领域赋能。

随着人工智能在产业应用的逐渐成熟,以及用户端对于AI应用诉求的日趋明确,未来我们针对AI开放平台将持续致力于解决用户端所关注的AI应用门槛以及算力性价比等问题:

科大讯飞AI开放平台

Q:当前阶段,人工智能的实际效能和用户真实需求之间大概契合到了什么程度?

1)
算力。通过不断提升AI芯片的算力,让算力的性价比进一步提升,加速推进AI普惠时代的来临;

图片 6

A:
当下人工智能虽然泛化能力提升了很多,但仍然处于有监督学习的阶段,自主学习技术还不成熟,致使现阶段的人工智能更多只适用于受任务限制和场景约束的场景。

2)
算法超市。算法超市的构架,算法的优化是一个持续性的工作,让客户选择适合的算法,是算法发展的必然。

京东AI开放平台

以智慧城市这个大的应用领域为例,智慧城市中所有的问题无法用一套统一的算法去解决,而是要辅以具体任务和场景进行约束,比如具体的交通违法处理、智慧停车等场景,在详细地了解了场景的实用需求之后,通过充分的数据采集、样本训练,针对场景开发的AI算法才能实现更好的效能和作用。

3)
训练。训练有三个方面,一个方面是让算法厂家训练的成本更低,一个方面是让应用厂家用一定量的标注图片获得更优的算法,第三个方面是如何获取更多的可供训练的数据。

图片 7

现阶段,人工智能主流的应用方式是基于监督学习,用海量数据驱动算法。半监督学习或自主学习是学术界的研究热点,但在行业领域,目前仍是弱人工智能的应用。

通过这些长远规划,持续强化AI开放平台能够给用户及行业领域带来的赋能效应。

腾讯优图AI开放平台

Q:弱人工智能这几年提升比较明显的技术点以及应用最为成熟的细分场景主要有哪些?

购买服务成AI开放平台趋势性商业模式

图片 8

A:人工智能已成熟落地应用的行业领域其实非常多,比如智慧社区,仅就小区物业而言,人工智能便可应用于社区安全管理、消防管理、人员/车辆管理、高空抛物、垃圾清运等系列环节的管理;在商超零售领域,基于AI技术的商品防损、货架盘点、智能零售货柜等细分需求也多达几十种。另外在金融、教育、司法、医疗等众多行业领域,AI的应用需求相当广泛,且以碎片化的形式存在。

AI开放平台作为人工智能产业的“资源池”,“赋能”是它的主旋律,而如何让用户更方便快捷的获取平台开放的能力,这关乎每个开放平台所设计的商业模式。以比特大陆的AI开放创新平台为例,主要采取比特大陆建设,客户购买服务的模式,当然客户如果希望选择自建平台厂商也能够给与相关支持,在商业模式层面可以灵活多变。

网易AI平台

“场景”和“碎片化”是人工智能产业应用中的两大关键词,不论是“AI+行业”还是“行业+AI”,它背后其实体现的是两种技术思路和商业思路,前者是利用AI去颠覆行业,后者则是通过AI来为行业赋能。由于AI应用场景相当碎片化,其中需要大量的行业应用知识和领域知识,所以真正能够发展得比较好的应该是“行业+AI”,即把AI作为一种工具去赋能这个行业的用户,然后基于用户所掌握的行业应用知识,来完成技术的效能转化。

与此同时,用户从购买产品转向购买服务的趋势已经越来越明显,尤其是政府类客户。对于大部分用户而言,他们更希望享受服务,而不是一定要去掌握AI技术和产品能力,就像消费者只要享受猪肉的美味就好,不需要为了品尝美味而去花费大量的精力和成本去养一头猪。并且对于大量行业用户而言,要让他们自己去研发AI相关的能力,这其实很难做到,而这也正是AI企业的机会点,通过将多年来在AI领域的积累变成各种资源和能力放在AI开放平台上然后赋能给广大用户。

图片 9

2017年,国务院在最新一代人工智能发展规划中称,到2030年中国人工智能产业竞争力将达到国际领先水平,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。这个数字看起来非常遥远,但真正进入到行业中去了解,10万亿产业规模其实未来可期。

在基于AI开放平台对各个行业进行赋能的过程中,像比特大陆会寻找大量的合作伙伴,包括算法厂商、应用方案商等,逐渐建立起“AI+”产业生态圈,大家一起探讨如何将AI技术能力贯穿到实际的应用场景当中,实现AI在行业领域的真正落地应用。当这种模式越来越成熟之后,基于经验积累,届时,大到城市大脑这类城市级项目,小到一个轻量场景下的人脸识别应用,这些AI应用方案都可以更为快速的进行“复制”。

旷视 Face++人工智能开放平台

这也引出了海康威视对于人工智能业务的未来战略,面对如此丰富和零碎的行业场景,相比于用项目式的方式一个个去帮用户解决问题,平台式的赋能方式更能够促进万众创新和群智的涌现。怎样才能使数量众多的传统产业用户受益于人工智能技术的发展?我们将算法、产品、云服务等提炼成一套通用、灵活又方便调用的体系来完成对人工智能的集成,通过这种方式将技术分享出去,让“天下没有难做的AI”。AI开放平台为用户提供了人工智能技术平台和应用工具,基于平台的能力,用户可以自己操作、便捷快速的满足AI应用需求。

开放平台或将迎来入口之争

目前几大头部科技企业推出的AI开放平台当中,基础AI能力都包含文字识别、图像识别、人脸识别、语音识别等技术模块。百度大脑、京东AI开放平台、科大讯飞这几大平台推出的AI产品服务相对更全面丰富。腾讯优图平台更强调基于AI的硬件产品和解决方案,旷视作为一家从人脸识别算法起家的算法公司,目前开放的AI技术能力仍然是围绕着人脸识别展开,逐渐拓展到人体识别、手势识别、人像处理等方面。

Q:人工智能落地应用面临的主要瓶颈问题有哪些?

纵观现阶段头部企业相继推出的AI开放平台,无论是BATJ这几大互联网科技巨头还是AI企业抑或是行业解决方案厂家,大家对于AI开放平台的产品、服务以及商业模式规划,包括接口搭设、资源匹配、赋能玩法已有趋同之势,如何在同质化竞争中彰显自家AI开放平台的独特优势,是企业需要认真思考的问题。

几大AI开放平台都开放了API、SDK接口,可方便开发者或者用户用最简单的方式即可接入或调用相关AI技术能力。对一些开发者和B端企业用户而言,开放平台更像是一个AI商城,提供算法、产品、数据、解决方案甚至是商业项目等多元化的资源,也让用户获取这些AI产品和服务变得更为简单和方便。

A:当下AI开放平台品类繁多,并不是说随便给用户一套平台工具,用户就可以上手用,其中仍存在着一些瓶颈:

相比于大多数AI开放平台主要提供AI算法方面的资源,算力企业所搭建的AI开放平台本身便具有更高的独特性,并且所输出的能力和服务更为聚焦。并且很大程度上,能够和算法开放平台形成互补协作,更有利于AI产业生态圈的构建。

AI开放平台开启技术付费模式

第一是数据瓶颈。人工智能由海量的数据来进行驱动,首先要保证数据的体量规模,其次数据要是被人为标定监督过的。作为平台提供商,首要任务是帮助用户突破数据瓶颈。

而随着越来越多头部企业陆续推出自有的AI开放平台,各家都希望在AI的未来发展中占据主导地位,可以预测,不久的将来,
AI开放平台必然会形成入口竞争,聚集更多的合作伙伴,形成产业生态联盟合力,同时不断优化自家开放平台的赋能能力以增强用户粘性,这些都是增加AI开放平台入口竞争力的砝码。

对于用户颇为关注的价格问题,从部分公开了计费模式的平台来看,常见的计费模式主要有按量计费、包时计费等。顾名思义,按量计费主要是根据API调用即时扣费,用户使用多少,支付多少。以业内某人脸算法厂商的人脸产品为例,不同人脸技术的API调用计费如下,统计调用次数收费。

第二是算法瓶颈。当前阶段的AI算法人才资源仍比较稀缺,用人成本高昂。但人工智能技术研发,算法人才是关键,算法团队的组建是必不可少且需要长期高成本投入的环节,对于大量传统企业而言,这也是一个极大的考验。

最后建议业界有志于构建自家AI开放平台的厂家,且抱有开放心态的厂家,能够互相携手一起形成产业联盟,促进行业标准的统一,共同推进人工智能技术的快速落地以及AI普惠时代的来临。

图片 10

第三是计算资源和训练资源。人工智能算法训练必须基于相关的并行训练系统,通过海量数据的导入进行算法训练,期间还需要做各种调试,这对并行训练系统的性能水平有很高的要求,这种计算资源和训练资源也是一个显著的瓶颈。

包时计费模式则是按月或按天购买指定API组的QPS配额,用户在付费时段内可以无

量调用。一般平台为了吸引企业级用户,会免费赠送2-10QPS不等,QPS可按月或按天灵活购买扩充。以人脸识别产品为例,现阶段
,不同平台的QPS包时计费也有很大的差异,从30元/天/QPS到100元/天/QPS
的价格不等。

第四是产品端的瓶颈。现在大量的人工智能系统应用主推的是云端方案,并不是因为云端方案应用效能最好或是成本最低,而是因为云端方案对于硬件产品的要求相对最低,因为大量的用户甚至AI初创企业,并不具备硬件产品资源,在没有更多方案可供选择的时候,云端方案或许并非最优解但是是时下的选择。

注:QPS(query per
second)指每秒向服务发送的请求数量峰值,相当于每个API接口每秒可以允许请求的并发上限
量。

最后是系统,要有完整的人工智能解决方案,系统集成与应用开发资源投入是很大的,这也是一个瓶颈。

图片 11

只有突破了这五大瓶颈,我们才能真正的落实AI在实体行业中的赋能作用,而这也是海康威视决定构建AI开放平台的主要目的。

A公司人脸识别API包时计费(人脸识别基础在线服务包括人脸检测/属性识别、人脸对比、人脸搜索、人脸库管理、在线活体检测)

Q:海康威视AI开放平台如何实现这五大瓶颈的突破?

B公司人脸识别API包时计费

A:首先是数据瓶颈的突破。在学术界,ImageNet数据集的推出对于人工智能的学术研究具有强大的推动力,但在工业界和实体行业,还没有出现适用的数据集来助推行业人工智能的发展。至此,我们希望能够做实体行业的领域模型。可以预想,未来物理世界所感知到的信息都可以用各种领域模型去描述,当然,这种领域模型和最终的应用场景之间还是会有一点差距,但我们有一种技术叫迁移学习。在相关领域模型基础之上,系统神经网络已经对某类场景有较强的感知能力,通过少量的用户自我数据,再通过迁移学习方法便可以在这个模型上很好地进行算法训练。

还有一种计费模式是授权计费,主要针对人脸识别离线SDK产品,根据设备授权数量收取费用。不同的平台收费制度不一样,以百度大脑AI开放平台为例,其人脸离线SDK采用累计阶梯计费,随着购买数量的增加,授权单价将会降低。

通过系列测试实验,在很多领域上我们已有的领域模型基本可达80%甚至更高的检测精度,用户只需要提供少量的场景数据,精度可提升到95%以上,对于用户而言,这是一个0到1的突破。这是海康威视AI开放平台解决数据问题的第一点。

图片 12

第二点,我们用了大量诸如图像三维建模这一类虚拟现实技术构建了一个虚拟数据生产引擎,主要是帮助那些数据量少、数据获取难的行业解决数据样本采集难的问题。比如商超零售领域货架补货环节,传统的做法是上新货后人工从各个角度、各种摆放位置拍摄做数据采集,但这个工作量很大,每上一次新货或换一个位置,用户需要重复操作很久。但通过虚拟数据生产引擎系统,用户只需拍少量几张图片上传,系统便可自动生成各种角度、各种大小、各种摆放位置的货品图片,这种方式可以进一步的帮助用户突破数据瓶颈。

AI基础技术能力或将迎来 “免费”

其次是在算法层面的突破。以前人工智能算法训练首先要设计神经网络模型框架,然后人工调参,但现在我们可以通过机器自动完成建模,在这个过程中,通过庞大的计算力完成各种模型结构的自动调整、测试和训练,这正是当下学术界热门的网络架构自动搜索技术方向。海康在这方面投入了重大资源,相关技术能力已经上线到我们的AI开放平台,这项能力的推出,将极大地简化算法训练、算法生成的技术门槛。

这里有必要提一下百度大脑AI开放平台,在目前国内几大AI开放平台当中,百度大脑可以说是目前开放的AI技术能力最为丰富,且在AI产品、解决方案、合作伙伴等方面覆盖最为完善的能力平台。据悉,截止目前为止,百度大脑已开放近150余项AI产品服务。从2017年开始到现在,百度AI开放平台一边在逐渐丰富平台的对外开放的技术能力,一边也在通过“改革”的形式降低用户在AI产品上的应用成本,最直接的体现在收费模式上。

与此同时,海康还推出了一种自动编译工具,可以帮助用户在平台上进行很好的算法优化。边缘智能的当下,由于受功耗和成本的限制,很多边缘类产品往往只能在一些计算资源和内存资源比较受控的计算平台上运行,如何在这些平台上做算法优化是一项强大的考验。通过自动编译工具可以把各种优化方法做成软件工具,让用户随取随用,无需再另外投入资源去做工具开发。

早在2017年末,当时正值国内人工智能概念泛起,第一波AI独角兽企业崛起,人脸识别算法企业风头正盛,AI相关产品和技术服务定价相对较高。而也就在那个时候,百度大胆的宣布其人脸识别接口(、人脸检测、人脸对比、人脸搜索),语音全系列接口“超低价”政策。

第三在计算资源方面,我们已经在萤石云上开放了海康内部的并行训练系统,可以让用户共享我们的计算资源,基于高性能并行训练系统,更好的辅助算法训练。

百度人脸识别接口完全抛弃传统的调用量计费模式,改为QPS包月收费模式,并向开发者与认证企业,每个接口每天分别赠送2QPS和5QPS的免费配置量,超过才会进入包月收费模式,这对于人脸应用并发量不高的中小企业而言,相当于永久免费。如果企业使用量超限,百度方面还承诺将提供低于行业目录价的收费,以及稳定、安全、高效的企业级服务保障。

最后在产品层面,海康开放了整个前后端的基础产品,包括操作系统,可以帮助没有产品资源的用户乃至AI创业公司能够基于海康的一系列硬件产品去实现他们自己的算法,自建自己的智能产品。

到2018年百度AI开发者大会上,百度再度公布其平台上的语义技术全线永久免费的消息。至此,百度已经免费开放从感知到认知的最常用AI技术,为开发者与合作伙伴提供多项免费AI能力支持。

通过上述这一系列从数据、算法、计算资源到硬件产品瓶颈的突破和能力的开放,海康威视希望可以真正帮助实体行业的合作伙伴贯彻AI能力的落地应用。

对于这样的“免费”政策,百度的解释是,百度旨在打造最开放、最平等、最贴心的AI技术生态,也希望免费的AI技术和能力可以更好地帮助开发者、创业者、企业成功。百度大脑把平台和AI能力开放出来,希望帮助大家快速地实现各自领域的业务解决方案,创造全新商业模式,带来更多机遇。

Q:从用户角度而言,用户该如何共享海康AI开放平台的这一系列能力?

开放技术能力之后,用“资源”再生“资源”

A:举个最直接的例子:比如一家连锁商店的老板需要通过AI技术检测商铺门口是否堆有垃圾,但商户本身没有任何技术能力。这种情况下,只需要商户注册成为海康AI开放平台的合作伙伴,在线上传几十张自己拍摄的店门口的垃圾图片,并通过平台上的标定工具标定垃圾信息,同时选定摄像机,将标定后的垃圾数据进行算法训练后关联到选定摄像机,商户即可自行给普通的摄像机DIY出可实现垃圾堆叠检测的AI能力,整个过程只需20分钟左右。

“开放技术、赋能百业、构建AI生态”,这样的理念同样体现在其他的AI开放平台,既是AI企业商业化的必然发展路径,也是产业趋势的大方向。

我们的意愿,一是让任何没有算法基础但有行业经验的用户能够DIY出端到端的AI系统解决方案的能力,二是让有算法能力但没有硬件产品的AI创业者能够基于海康的软硬件实现他们自己算法能力的输出。

曾有业内人士表示,人工智能技术公司,都要经历商业化过程,并且路径也大同小异。从理论概念,到实验室算法,然后产生软件SDK,再到单一功能的产品,最后形成整套解决方案,搭建端到端的平台。

人工智能产业拥有如此庞大的经济体量和市场潜力,一定会有越来越多的企业和人才加入到这个产业当中,我们希望能够通过我们的开放平台,为更多有不同需求的企业、团队及个人解决AI落地的困境。

这是AI技术下沉的路径,而另一方面,对于一些拥有技术、渠道、市场、资金的大厂而言,他们对于AI开放平台有更多的投入和规划,技术能力、硬件产品、解决方案只是其AI开放平台的一个部分,而对于平台上逐渐累积的技术资源、客户资源、品牌资源,这些又将成为各平台构建其AI生态的“利器”。

自2017年开始上线,目前海康AI开放平台已经面向环保、餐饮、制药、物流、零售等全行业开放,积累了丰富的实用案例。

从百度大脑、京东AI开放平台不难看出,大厂在构建AI
生态方面都开启了AI加速器、AI市场项目。

Q:平台开放一年多来,您的感受和总结是什么?

百度AI加速器是从AI类创业项目或希望借助AI有所突破的创业项目中,甄选出在场景、数据、市场、技术等方向有优势的优质创业企业,给予在AI技术资源、AI技术/产品/企业管理课程、上下游产业资源、优先投资等方面的资源支持,助力不同领域的创企获得其需要的AI技术并给予资源对接,同时技术也将在真实场景应用不断打磨迭代,从而反哺AI应用。

A:我们认为这是AI赋能实体行业的一条非常正确的道路。当然这个过程中也经历过曲折,包括前期需要花时间对用户及市场进行教育,让社会和行业对于AI有更为客观理性的了解。同时,在没有先例可以借鉴的行业市场,一门心思扎进来探索这条路是否正确,这也是一个忐忑的过程,好在我们已经摸清楚了方向,并且坚信这是一条非常正确的路。

京东AI加速器每期在全球范围内遴选15~20家在各AI细分领域有顶尖技术沉淀、深刻商业理解的早期创业公司,在四个月的加速过程中,通过对接京东技术、业务和资本资源,实现对创业公司的技术完善、业务落地以及营收增长。

在面向全行业推出AI开放平台的过程中,通过各类合作伙伴的不断加入及反馈,带来各类数据的接入、标注,算法及需求也在持续丰富,整个开放平台的AI算法、编译工具、神经网络模型,软硬件产品等也都在不断演进升级,在开放平台这个庞大的载体之上,供需双方之间可以构成一个互为驱动力的良性循环。

AI加速器对于AI创企具有很大的吸引力,对于平台本身来说也能提前甄选到优质项目并加以扶持,除了丰富平台企业数量获得生态优势,更重要的是这种“一手扶持”下获取的合作伙伴很容易成为平台的核心,带来更为紧密的生态效应,于双方而言,可谓“双赢”。

Q:海康AI开放平台可为用户提供数据、算法、训练资源及产品等一系列服务,这其中的商业模式如何设计,用户需要为哪些服务付费?

除了AI
加速器计划外,还有对于AI市场的布局,相当于构建了一个AI相关供需对接平台,在平台上提供软件服务、硬件产品、数据服务等资源的公开展示和线上交易。对于一些开发者和AI创企而言,即便是一个“冷门”的AI技术产品,比如“酒标识别””词法分析“这一类,也能通过市场的公开展示找到有意向的买家。反之亦然,一些小众领域的用户,可以通过”提交需求“在平台上寻觅适用的产品。通过平台的对接,无疑很大程度上提高了供需方的对接效率。

A:实际上我们没有过多就模式而模式。AI开放平台的宗旨,就是能帮助用户落地AI能力,解决实际问题。把用户服务好了,平台自然能够实现商业价值。

人工智能作为一种通用的赋能技术,并不专属于某一行业领域,AI技术下沉的路径正如此前互联网技术一样,由点到面再到全面融合到各行各业,助力全产业的革新升级。未来,AI技术的壁垒作用将随着市场的逐渐成熟而不断弱化,在当下技术红利阶段,从大厂到中小初企业,大家都在尽快实现技术变现。不过技术、产品的同质化仍将到来,而提前筹备生态建设,通过资源聚合来巩固平台的影响力,占领市场先机才更有机会在未来的市场中享有话语权。

目前平台的SDK都是免费的,用户只需要在AI开放平台上注册成为海康威视的合作伙伴就可以享受免费SDK支持。另外,我们已经开放了并行训练系统给到合作伙伴,因此,用户也可以免费调用我们开放平台的训练资源。

我们正在思考更多样的合作形态,比如辅助合作伙伴共建某些行业领域的算法模型产品、建立算法商店等等,这些我们也正在尝试中。通过我们的努力,用户获得的收益会更大。

目前涉及到付费的服务,主要针对那些需要调用我们的云平台做一定规模或比较高频数据分析的用户,因为这个过程有大量计算资源和能耗的成本,还有就是如果要把算法部署到我们的边缘硬件产品,产品是需要收费的。

Q:要真正展开应用,数据融合必不可少,推进物信融合在当前阶段是否仍存在难点?

A:物联网和信息网,这两张网之间确实仍然存在信息孤岛的问题,与此同时,信息维度和数据维度都还不够,导致相关应用无法很好的展开。我们也看到了这个问题,所以希望通过AI
Cloud物信融合数据架构能够很好地促进物信两网之间的数据融合。

AI
Cloud架构中设有数据资源池和计算资源池。数据资源池主要起到数据治理和数据汇聚的作用,可以将物联网和信息网的数据放到资源池进行治理和汇聚。

物联网本身是非结构化的信息,未经处理很难和信息网上结构化的信息进行融合,所以首先需要通过人工智能技术对物联网中视频信息进行结构化处理,结构化后的物联网数据再和信息网数据进行融合,便可以碰撞出非常多的应用。

比如交通行业,传统模式中的交通管理很多是基于浮动车和地感线圈检测来实现,但这种数据采集方式由于频率关系可能并没有十分精准,如果利用路面广泛覆盖的摄像头进行车辆动线数据的采集,基于摄像头7*24小时且覆盖面广的特性,则能够极大的完善数据的丰富性。如果再基于这些丰富的视频数据和雷达、微波等信息进行融合,便可以实现在各种天气、光照条件下对于路面过车情况的精准判断,更好地辅助交通管理。

Q:这一套下来,可以看出海康已经能够解决AI落地应用的很多重要瓶颈问题,接下来,你们的重点研究方向会是什么?

A:首先第一点,公司当下及未来依旧会深耕人工智能核心技术。人工智能还有很多需要解决的问题,比如如何加强人工智能的自主学习能力,让AI从感知智能上升到认知智能?或者是如何在摄像机上去做更多维度的感知信息的融合,将视频“视觉”能力进一步优化等,这些都是我们在人工智能领域将会继续研究的方向。

另外,从视频感知,到智能物联,再到物信融合,当下的海康威视已经从安防公司变成视觉公司继而成长为一家大数据公司,在整个数据服务里面,如何基于多维度的信息去构建数据认知的能力,让系统能够实现自我决策和判断,这个过程中,无论是技术研发还是业务探索都任重道远。

未来,我们将主要专注于在这两方面持续发力。

Q:从您的经验来看,您如何预估未来几年人工智能技术和应用的发展态势?

A:基于人工智能场景化和碎片化的特点,它的发展将会是一个渗透的过程,发展速度会很快,但可能会相对线性一点,不过随着AI开放平台价值的涌现,人工智能的线性发展,将呈现更多维度的发展方向,预计未来3-5年,人工智能技术的普及和落地应用的成熟度都将升级到一个全新的阶段。

Q:籍由这次访谈,您最想传达出什么样的讯息?

A:任何技术的发展都会带来生产力的提升,而最终能否让每个人受益并不是取决于技术本身,而是取决于技术共享的方式。

从我的角度来说,AI的确是未来一个巨大的技术应用趋势,将会对我们的产业和经济带来巨大的推动力。如果希望技术能够更快的发展,让更多的人和产业从中受益,那么它一定是一个可以开放共享、生态共建的模式。海康威视正好拥有这样能力开放的资源和基础,同时,我们也非常愿意去开放共享我们的能力,也希望联合产业生态一起去共同推进人工智能赋能百业的价值实现。

编后语:

过去几年时间里,人工智能在行业领域的落地应用进展并没有想象中的顺利,用户苦于技术无法更好的契合实际应用需求,投入产出不成正比,而厂商则困扰于场景的过于碎片化,导致AI泛化能力不够。究其原因,一是人工智能依旧弱人工智能的技术阶段,二是由于所有的人工智能应用还是场景化、碎片化的应用,无法形成合力。

对于相当冗长的人工智能产业链而言,算法、产品、算力、数据、行业经验等资源大都掌握在不同企业手中,而要促进产业的共同发展,开放的心态和开放的AI能力平台已然成为必须。进入到物联网时代,只有利用智能产业链的多方链条,相互协同,共同助推人工智能在实体行业领域的发展及应用,才能真正让人工智能技术像电力技术和信息技术一样,无处不在,赋能全行业。

发表评论

电子邮件地址不会被公开。 必填项已用*标注

标签:

相关文章

网站地图xml地图