人工智能企業(yè)的落地策略

2018年12月4日，第五屆中國IoT大會在深圳成功舉辦，會議同期的人工智能論壇上，來自太古計算機、嘉楠科技、宇泛智能、云天勵飛和清華大學的領導專家，分別從不同視角對人工智能存在的技術挑戰(zhàn)和如何進行應用落地進行了深入的探討。

陳偉：智能AI行為分析帶來的機遇

圖|太古計算機總經理陳偉

在此次論壇上，太古計算機總經理陳偉介紹到，行為監(jiān)控是一款能識別到人的異常動作行為后預警的智能監(jiān)控，比如：當場景下有人打架，傳統(tǒng)監(jiān)控下如果保安發(fā)現(xiàn)了有人打架才知道有人在打架，而行為監(jiān)控則能自己檢測出來打架動作并預警給值班人員。

什么是預警？就是把系統(tǒng)檢測到的正在打架的視頻畫面彈屏顯示在大屏幕上，還能標記正在打架的人。如果監(jiān)控室沒人值班，它還能將信息發(fā)送到手機APP上。另外AI智能行為監(jiān)控，還可以同時監(jiān)控幾百人，對于監(jiān)控人員和管理者來說，既省時省力又高效。

陳偉說，“傳統(tǒng)的監(jiān)控系統(tǒng)，如果沒有監(jiān)控中心專人值班，基本上等于擺設，只能起到一定的威懾作用和事后視頻取證的作用。而如果有專人值班的情況，往往又是項目比較大，監(jiān)控畫面比較多，必須設專門的監(jiān)控中心，那么，值班人員面對幾十上百個甚至幾百個監(jiān)控畫面，他們也想看完所有的監(jiān)控畫面，但是有心無力，根本不可能關注到所有畫面，等于還是起不到值班的作用。

在AI智能行為監(jiān)控系統(tǒng)的核心設備中，主要只有三種：前端行為采集攝像機，機房錄像存儲NVR，機房行為預警服務器。而傳統(tǒng)的綜合平臺、上墻高清解碼器、流媒體服務器、網絡鍵盤等類似這類的控制設備，在AI智能行為監(jiān)控系統(tǒng)架構中是完全可以不用的，系統(tǒng)的自動檢測和自動彈屏預警，完全替代了人眼查看和人工調度。”可見AI智能行為監(jiān)控的必要性。

在談到AI智能行為監(jiān)控系統(tǒng)的應用場所時，陳偉介紹說，“其主要功能是增加了對視頻中的人的動作的識別，達到了提前預警的目的。它可以廣泛應用與社會治安、小區(qū)、工廠、酒店、學校、醫(yī)院、養(yǎng)老機構、公園、廣場、旅游區(qū)、監(jiān)獄、客運公交、地鐵、機場、海關、施工工地等領域。

但是，由于每套AI智能行為監(jiān)控系統(tǒng)，都需要一臺服務器，相對來說，小型店鋪、家庭等監(jiān)控點數(shù)量較少的場所，成本會提高，這類小型項目慎用?！?/p>

黃銳：買得到的物聯(lián)網AI芯片

圖|嘉楠科技AI首席技術專家黃銳

在發(fā)表主題演講的時候嘉楠科技AI首席技術專家黃銳表示，嵌入式AI開發(fā)難度與準入門檻高，開發(fā)難度大。而傳統(tǒng)AI解決方案成本高，功耗不占優(yōu)勢。嵌入式AI市場面臨全新的挑戰(zhàn)與機遇。

在談到目前市場有什么痛點或挑戰(zhàn)時，黃銳主要講到四點，一是準入門檻高，傳統(tǒng)人工智能解決方案成本高，開發(fā)難度大，小廠商準入門檻高，市場上現(xiàn)有芯片昂貴；二是系統(tǒng)龐大復雜，傳統(tǒng)人工智能系統(tǒng)龐大、功耗高、電路復雜，難以應用到IoT市場；三是資料與信息封閉，各家的AI芯片資料封閉，普通開發(fā)者難以獲取信息，難以參與開發(fā)，對開源社區(qū)不友好；四是芯片買不到，“PPT芯片”過多，很多芯片只能看到宣傳資料，但是卻沒有渠道采購。

在此次論壇上，黃銳還重推了一款AI芯片解決方案-勘智K210，勘智K210是一顆面向邊緣計算的SoC勘物探智，具有機器視覺與機器聽覺的雙重能力。黃銳介紹說，“讓物聯(lián)網外設能看懂這個世界，并且傾聽我們的聲音是勘智團隊的目標。當機器視覺與機器聽覺成功整合到一般的電器設備上后，將會賦予電器更高級的交互能力并提升交互體驗。這是神經網絡硬件落地的一種最快方式，賦予物聯(lián)網節(jié)點邊緣智能。”

K210具有幾大功能，一是K210具備對全卷積神經網絡的處理能力，可勝任60fps的多目標檢測任務，包括并不限于檢測圖像中的人臉。二是K210可以識別目標的特征，從而對目標進行區(qū)分，例如人臉身份識別。三是K210支持麥克風陣列處理加速，可以確定聲音來源方向。例如聲學相機。四是K210支持3D空間中的聲場成像，類似于聲音雷達，可以將K210聽到的聲場情況顯示在屏幕上。五是K210支持特定人與非特定人的離線語音識別，無需聯(lián)網。

另外在主題演講的時候，黃銳還介紹到了開發(fā)板和應用案例，如60幀每秒-實時同時跟蹤多張人臉，人臉關鍵點檢測等等。

蘇亮亮：人臉識別產品落地路徑

圖|宇泛智能COO蘇亮亮

在此次論壇上，宇泛智能COO蘇亮亮介紹到，宇泛智能（Uni-Ubi）成立于2014年3月，是一家集算法、智能硬件、PAAS平臺、大數(shù)據(jù)平臺于一體的物聯(lián)網智能視覺解決方案供應商，可提供完整的AIOT平臺以及垂直應用。

據(jù)蘇亮亮介紹，宇泛智能從2015年3月起，基于深度學習的人臉識別技術開始在世界嶄露頭角，后續(xù)推出Uface??品牌，在泛安防領域已廣泛應用。宇泛智能主做兩大業(yè)務，一是Uface人臉識別相關的技術、產品、方案，二是Hunter視頻結構化相關的技術、產品、方案。

蘇亮亮認為，現(xiàn)階段，優(yōu)秀產品對硬件、算法、應用的強依賴，在硬件上，宇泛智能具有產品迭代領先優(yōu)勢，成本優(yōu)勢、靈活優(yōu)勢、深入服務定制的優(yōu)勢；在算法上，宇泛智能具有特定場景特定算法，特定優(yōu)化，比如工地和學校算法模型不同，大庫需要本地與云端結合比對；在應用上，工程方面的優(yōu)化，持續(xù)打磨，豐富的功能和接口。

最后，蘇亮亮還介紹了宇泛智能新一代開放平臺，包括開放硬件、開放算法、EtherSDK（SDK集成度高，諸多工程方面優(yōu)化）、AIOT（包含設備管理平臺和算法服務）、輕量級解決方案（包含人員管理、權限管理，本地和云端比對自由切換）。

劉子威：人工智能技術在美容領域的實踐

圖|和而泰智能數(shù)據(jù)與人工智能實驗室總監(jiān)劉子威

在會議上，和而泰智能數(shù)據(jù)與人工智能實驗室總監(jiān)劉子威首先談到的是，國內美容市場的情況，他說，目前國內美業(yè)市場規(guī)模已超一萬億，實體門店已超二百萬，中國女性月均美容消費能力為100-500元，男性對美容行業(yè)關注度也日益增長，男女性對美容行業(yè)關注度的人群比例為1:8。

美業(yè)大致可分為四類，包括美發(fā)、美容美體、美甲美睫、醫(yī)療美容，據(jù)劉子威介紹，“四美”市場規(guī)模預計為1.12萬億元，較去年整體年增速15%，而這部分還沒包括屬于制造業(yè)的化妝品護膚品的銷售。

劉子威認為，過去，美業(yè)提供的服務屬于典型的“非標”，難以規(guī)?；?，從業(yè)人員普遍的文化水平較低，專業(yè)能力不高；未來，在“消費升級”和“產業(yè)升級”的雙重驅動下，產業(yè)格局正在發(fā)生巨大的變化。

針對上述問題，和而泰從智慧門店切入，推出輕量級AI拍照測膚方案和基于知識圖譜的護膚推薦方案。劉子威介紹到，AI拍照測膚、AR彩妝已經在美容院、化妝品門店得到應用，并且他們正在嘗試將AI拍照測膚方案，用在百果園門店。

關于知識圖譜的護膚推薦方案，劉子威認為需要以用戶為中心，根據(jù)場景將多領域知識共通。包括護膚知識圖譜、美妝知識圖譜、飲食知識圖譜、睡眠知識圖譜。此外，還可基于美容知識圖譜及對話技術，構建護膚問答機器人，用戶可以通過APP提問，從而獲得美容護膚方案。

王軍：AI城市大腦城市發(fā)展芯動力

圖|云天勵飛首席方案總監(jiān)王軍

在此次論壇上，云天勵飛首席方案總監(jiān)王軍重點介紹了“深目”，這是一套全球最大的動態(tài)人像識別系統(tǒng)，并例舉了三大成功案例，一是“深目”在嫌疑人搜索和身份落地中起了關鍵作用，為案件偵破贏得了寶貴時間；

二是天圖案-AI黑科技一網打盡自行車盜竊，全案共打掉團伙13個，抓獲犯罪嫌疑人318名，全區(qū)此類警情同比下降32.55%；三是行人闖紅燈抓拍取證系統(tǒng)，深圳交警2017年4月上線首套云天“深目”行人闖紅燈取證系統(tǒng)以來，有效規(guī)范了行人出行習慣，減少了交通事故的發(fā)生。

王軍告訴大家，云天勵飛通過“五位一體”模式做AI，包括自研視覺芯片、人像大數(shù)據(jù)、精準算法、實戰(zhàn)應用、專業(yè)服務體系。王軍認為，做AI需要從實戰(zhàn)中來，到實戰(zhàn)中去，以系統(tǒng)了解行業(yè)需求，以芯片解決場景痛點，以服務賦能全行業(yè)。

如何構建以人為本的AI城市大腦，從應用層面來講，王軍介紹了云天勵飛的三大應用場景，AI+新警務、AI+新治理、AI+新零售。

AI+新警務：構建城市安全盾牌

AI+新治理：打造2公里智慧生活圈

AI+新零售：從萬貨商店到每個人的商店

王軍表示，未來，AI將在賦能百業(yè)，實現(xiàn)物理世界的信息結構化。

鄧志東：計算機視覺和深度學習現(xiàn)狀和未來

圖|清華大學教授鄧志東

在此次人工智能論壇上，清華大學教授鄧志東主要分享了兩部分內容，一是深度學習賦能的計算機視覺；二是探索具有認知理解能力的人工智能視覺。所有分享內容重點經鄧教授總結如下：

無論是單目/雙目/紅外攝像機，還是激光雷達/毫米波雷達成像，感知問題大多可歸結為場景或目標的計算機視覺問題；

在大數(shù)據(jù)和超強計算能力的支撐下，基于深度學習的計算機視覺更加接近于人的視覺感知能力；

開放環(huán)境下不存在完備大數(shù)據(jù)，但須盡可能多地運用標簽大數(shù)據(jù)，并且還要考慮到數(shù)據(jù)與性能的長尾效應，因此產業(yè)應用中亟需發(fā)展基于小樣本的深度學習視覺方法；

須突破多模態(tài)視覺融合技術，進一步增強視覺感知的用戶體驗；

大數(shù)據(jù)人工智能視覺尚缺乏認知理解能力，已成為目前人工智能前沿探索中面臨的一個重大技術挑戰(zhàn)；

結合具有自主學習能力的概率圖模型或知識圖譜，發(fā)展具有認知理解能力的計算機視覺技術，可望成為人工智能技術與產業(yè)的核心賦能力量；

輕量化、低功耗、低成本人工智能必將成為發(fā)展智能物聯(lián)網的基礎。

更多相關報道，請持續(xù)關注電子發(fā)燒友網站（elecfans.com）和官網微信公眾號電子發(fā)燒友觀察（ID：elecfanscom)，感謝支持！