10月27日，由雷鋒網(wǎng)& AI掘金志主辦的「全球AI芯片·城市智能峰會(huì)」，在深圳大中華喜來登酒店盛大召開。

延續(xù)雷鋒網(wǎng)大會(huì)一貫的高水準(zhǔn)、高人氣，「全球AI芯片·城市智能峰會(huì)」以“城市視覺計(jì)算再進(jìn)化”為主題，全面聚焦城市視覺與城市算力領(lǐng)域，是業(yè)內(nèi)首個(gè)圍繞“算法+算力”展開的大型智能城市論壇。

峰會(huì)邀請(qǐng)到了業(yè)內(nèi)極具代表性的14位業(yè)內(nèi)知名專家，世界頂尖人工智能科學(xué)家、芯片創(chuàng)業(yè)大牛、產(chǎn)業(yè)巨頭首席技術(shù)高管、明星投資人齊聚，為行業(yè)資深從業(yè)者們分享前瞻的技術(shù)研究與商業(yè)模式方法論。

此次大會(huì)上，佳都科技智慧城市業(yè)務(wù)群副總裁張進(jìn)飛發(fā)表了《數(shù)據(jù)智能 孿生城市-基于數(shù)字孿生提升城市治理能力建設(shè)》的主題演講。

張進(jìn)飛在演講中表示，我國(guó)的城鎮(zhèn)化發(fā)展特別快，但是這種快速也給城市帶來了諸多問題。二元社會(huì)變成了三元社會(huì)——市民、農(nóng)民、 移民(流動(dòng)人口)，城市人口管理成為難題。此外，交通事故、公共安全等城市病對(duì)城市發(fā)展提出新的挑戰(zhàn)。

因此，張進(jìn)飛分享了佳都科技“數(shù)字孿生”的理念：更高效的對(duì)現(xiàn)實(shí)世界進(jìn)行全息的刻畫、深刻的洞察、智慧的賦能。“基于對(duì)業(yè)務(wù)場(chǎng)景的全息感知、對(duì)動(dòng)態(tài)事件實(shí)施動(dòng)態(tài)的監(jiān)控，在此基礎(chǔ)上，對(duì)業(yè)務(wù)進(jìn)行實(shí)時(shí)的判斷，利用歷史數(shù)據(jù)做精準(zhǔn)的預(yù)測(cè)。我認(rèn)為，隨著技術(shù)的發(fā)展，AI芯片不斷成熟、算力不斷提升，這件事情是可以做到的。”

在這個(gè)理念下，佳都科技將其應(yīng)用到了城市交通領(lǐng)域。通過打通底層數(shù)據(jù)，形成統(tǒng)一數(shù)據(jù)資源池，對(duì)底層數(shù)據(jù)深度融合、挖掘，實(shí)現(xiàn)各個(gè)業(yè)務(wù)系統(tǒng)數(shù)據(jù)互通、業(yè)務(wù)聯(lián)動(dòng)，有效支撐新一代智能交通體系。

張進(jìn)飛表示，未來在佳都的視頻大數(shù)據(jù)平臺(tái)之上，會(huì)開放AI中臺(tái)能力、模型構(gòu)建能力，并且會(huì)構(gòu)建通用場(chǎng)景下的治安應(yīng)用、行政應(yīng)用、指揮應(yīng)用。

同時(shí)他也補(bǔ)充說，整個(gè)平臺(tái)不單單是做一個(gè)基本的運(yùn)維，更重要的是給大家開放一個(gè)數(shù)據(jù)平臺(tái)?！拔覀?cè)敢飧魑蛔鲇布膹S商、算法廠商、行業(yè)專家合作，我們提供中臺(tái)，你們提供更創(chuàng)新的應(yīng)用，一起打造一個(gè)智慧城市的生態(tài)鏈?！?/p>

以下是張進(jìn)飛的大會(huì)現(xiàn)場(chǎng)演講內(nèi)容，雷鋒網(wǎng)做了不改變?cè)獾恼砑熬庉嫞?/strong>

張進(jìn)飛：最近幾年由于AI技術(shù)的發(fā)展，給智慧城市的建設(shè)、公安、大安全行業(yè)帶來了非常大的變化，所以我今天講的主題是《基于數(shù)字孿生提升城市安全治理能力》，通過數(shù)字孿生相關(guān)的技術(shù)應(yīng)用，使得公共安全領(lǐng)域從比較簡(jiǎn)單的應(yīng)用到復(fù)雜的數(shù)據(jù)驅(qū)動(dòng)型的創(chuàng)新。

首先講一下為什么我們會(huì)思考這么一個(gè)重要的問題，進(jìn)行提前的布局。

實(shí)際上我們也看到，我們國(guó)家城市化發(fā)展非?？?，2017年我們的城市化率已經(jīng)到了56%，這一點(diǎn)我感受很深，前幾天我回到了老家的小縣城，連我們那里比較偏僻的小農(nóng)村的農(nóng)民，稍微手里有點(diǎn)錢都去縣里買了房，大家都趕這個(gè)潮流，想做個(gè)城里人，這也是城市化的表現(xiàn)，大家慢慢的開始往相對(duì)發(fā)達(dá)的地區(qū)集聚。

而對(duì)我們做公共安全行業(yè)的人來講，城鎮(zhèn)化帶來的問題是比較多的。首先是流動(dòng)人口越來越多，第二是由于經(jīng)濟(jì)的發(fā)展，我們?cè)诔鞘兄g的流動(dòng)也會(huì)變得非常頻繁，而從公共安全的角度來講，管理難度就很大。大家知道常住人口因?yàn)橐恢弊≡谶@個(gè)地方，各種信息很好掌握。但是對(duì)流動(dòng)人口來講，我們需要及時(shí)掌握他的信息，他來這里干什么、跟誰來的、怎么來的，跟誰見過面，我們要掌握很多規(guī)律，判斷是不是我們需要重點(diǎn)防控的對(duì)象。

就以深圳為例，大部分都是外來人口，深圳的車輛現(xiàn)在已經(jīng)限外，隨著車價(jià)越來越低，再加上我們的經(jīng)濟(jì)水平越來越高，有些家庭可能有兩三輛車，導(dǎo)致城市交通的發(fā)展跟不上車輛增長(zhǎng)的速度，這也給城市交通安全帶來很大的問題?；谶@些我們碰到的城市病，佳都科技已經(jīng)在公共安全和城市交通領(lǐng)域耕耘了十幾年。

結(jié)合大家說到的AI芯片在城市智能相關(guān)的應(yīng)用，我們也在思考在大數(shù)據(jù)時(shí)代做業(yè)務(wù)創(chuàng)新時(shí)，如何更方便地應(yīng)用相關(guān)的人工智能技術(shù)，跟前端海量的設(shè)備交互。

所以我們也探討了三種可能性：

第一是隨著5G的推動(dòng)，隨著物聯(lián)網(wǎng)技術(shù)的不斷成熟，我們?cè)诓杉@方面的瓶頸基本上解決了，而且5G解決了中間傳輸?shù)膯栴}，物聯(lián)網(wǎng)解決了前端泛在感知的問題。

第二是AI芯片加上中間的各種GPU處理器，解決了數(shù)據(jù)認(rèn)知的瓶頸。

第三是后端的傳輸?shù)哪芰?，使得我們可以做城市?jí)的模型，基于這幾點(diǎn)，我們認(rèn)為數(shù)字孿生城市不是難題。

因此我們也提出了我們對(duì)數(shù)字孿生城市的理念：第一是基于業(yè)務(wù)場(chǎng)景的全息感知，第二是對(duì)動(dòng)態(tài)事件實(shí)施動(dòng)態(tài)的監(jiān)控，然后基于業(yè)務(wù)再做實(shí)時(shí)的診斷，基于歷史數(shù)據(jù)做精準(zhǔn)的預(yù)測(cè)。這是我們美好的愿景，我認(rèn)為隨著技術(shù)的發(fā)展，隨著AI芯片不斷成熟、算力不斷提升，這是可以達(dá)到的。

數(shù)字孿生的佳都思考，首先我們希望通過某種方式，使傳統(tǒng)的視頻監(jiān)控、物聯(lián)感知對(duì)一個(gè)城市進(jìn)行刻畫，第二是解決數(shù)據(jù)洞察的問題，在刻畫完之后能對(duì)里面關(guān)注的對(duì)象和對(duì)象的變化進(jìn)行深刻的洞察，再對(duì)我們的數(shù)據(jù)做更精準(zhǔn)的賦能。

我們也希望我們的平臺(tái)不僅僅簡(jiǎn)單是一個(gè)看的或者是監(jiān)控的平臺(tái)，我們更多希望這個(gè)平臺(tái)為政府部門、為用戶提供能力。比如說我們看右邊這張圖，它是個(gè)三維仿真的園區(qū)，它所有的實(shí)體是帶有屬性的，比如說我們的樓房，我們樓上住了哪些人，這些人是什么職業(yè)、什么年齡等信息，我們是可以標(biāo)上去的，可以跟其他的信息關(guān)聯(lián)起來。

當(dāng)然還有它周邊的交通狀況、它周邊出沒的人，包括我們的環(huán)境（氣候、壓力、PM2.5等等），我們都可以想盡辦法把它通過某種方式做可視化的展現(xiàn)，做全息刻畫。再基于我們從治安、消防、交通、環(huán)保等等角度的業(yè)務(wù)訴求，進(jìn)行業(yè)務(wù)的洞察。最后我們希望我們的數(shù)據(jù)接入平臺(tái)是能夠?yàn)楦鱾€(gè)廠家開放的，各種物聯(lián)網(wǎng)的前端是可以接入的。

剛才我們講了很多邊緣計(jì)算之類的東西，我們先解決接入層面的問題。

第二塊是在數(shù)據(jù)處理和業(yè)務(wù)模型構(gòu)建方面，我們有數(shù)據(jù)中臺(tái)和業(yè)務(wù)中臺(tái)來解決業(yè)務(wù)層面問題。

最后是在上層應(yīng)用開發(fā)方面，我們也能提供一系列相關(guān)的通用的模塊，來支持應(yīng)用層。而在AI中臺(tái)這個(gè)地方，我們會(huì)跟很多的業(yè)內(nèi)廠家（曠視、云從、商湯）合作，解決AI層面的賦能。

具體來講怎么解決第一層的問題：全息的刻畫。

我們現(xiàn)在提供三方面的能力，第一是空間數(shù)據(jù)快速建模，我們提供整套的解決方案，幫助客戶提供建模的服務(wù)。第二是通過無人機(jī)等大范圍攝影建模，第三是建筑物精細(xì)化建模，可以精細(xì)到這棟樓的每個(gè)房間。這樣我們首先有一個(gè)最基本的城市仿真的基本模型，我能做一棟樓，就能做一個(gè)園區(qū)，我能做一個(gè)園區(qū)，把路網(wǎng)加上，就可以做一個(gè)城市，這是第一層，解決一個(gè)場(chǎng)景構(gòu)建的問題。

在GIS、BIM模型的基礎(chǔ)上，我們會(huì)把真實(shí)的視頻和三維仿真模型結(jié)合在一起。未來你再看視頻監(jiān)控的時(shí)候，不再是一個(gè)九宮格，它是一個(gè)完整的大畫面，可以拖拽、可以平移，可以把實(shí)體的場(chǎng)景和三維模型結(jié)合起來，物理環(huán)境通過數(shù)字化變成孿生的城市。這是第二塊，要解決視頻場(chǎng)景和地圖場(chǎng)景的無縫融合。

第三塊，我們把城市里關(guān)鍵的部件，比如說房屋、道路設(shè)施、下水井蓋、路燈等等，我們所關(guān)注的城市部件，可以進(jìn)行數(shù)字化，做到我們的模型里面，這樣我們可以關(guān)注每一棟樓里面的人，這個(gè)道路上的人流、車流，這里有多少是常住人口，多少是外來人口，多少是一個(gè)月出現(xiàn)2次的，多少是一個(gè)月偶爾來的，我們會(huì)對(duì)它進(jìn)行更深入的分析。

我們希望通過各種各樣的物聯(lián)接入手段，把更多的資源通過可視化的手段展現(xiàn)在一個(gè)統(tǒng)一的界面上。未來我們會(huì)提供很多可交互的終端，使得我們真正實(shí)現(xiàn)基于數(shù)字孿生城市對(duì)我們的物理城市進(jìn)行相關(guān)的交互式控制的場(chǎng)景。比較時(shí)髦的詞叫“智能空間”或者是“智慧空間”，就是我們通過一個(gè)數(shù)字孿生的城市去操控一個(gè)物理的城市。

我們可以想象一下，以后做傳統(tǒng)的視頻監(jiān)控、傳統(tǒng)的門禁、進(jìn)出口控制的時(shí)候，可能就在一個(gè)AI和虛擬現(xiàn)實(shí)場(chǎng)景里面，按一下開關(guān)，就可以開門了?？匆曨l也是一樣，我想看到哪里，就把地圖拖到哪里，不用再去點(diǎn)哪個(gè)攝像頭，因?yàn)楫?dāng)你的攝像頭有幾百上千萬個(gè)的時(shí)候，你是記不住每個(gè)攝像頭在哪里的。

另外，我們把孿生城市的底座建起來之后，如何對(duì)信息進(jìn)行更深刻的細(xì)化和洞察，對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的分析。

做這一塊事情的策略是什么呢？首先我們會(huì)構(gòu)建我們的AI中臺(tái)。中臺(tái)這個(gè)概念在2019年非?；?，我們?cè)谇懊鏄?gòu)建底層技術(shù)的時(shí)候，會(huì)有佳都自己的三維地圖引擎，來解決各種資源、各種要素的疊加。

其次，在剛才那個(gè)基礎(chǔ)層面，我們又搭建了一個(gè)中臺(tái)，即數(shù)據(jù)中臺(tái)，解決多元異構(gòu)數(shù)據(jù)資源的接入，包括關(guān)系數(shù)據(jù)接入、互聯(lián)網(wǎng)數(shù)據(jù)接入，在這一塊我們要解決的第一個(gè)問題是AI中臺(tái)，因?yàn)閯偛胖v到那么多廠家在做的算法、芯片都不一樣，技術(shù)不斷地發(fā)展，摩爾定律都不行了，也有各種各樣的算法，今天用這個(gè)算法，明天要換一個(gè)算法怎么辦？我們需要構(gòu)建一個(gè)中臺(tái)，解決不同算法之間的銜接問題，這里面包括了各種常見的人臉抓拍、車輛識(shí)別等問題。

另外我們需要做業(yè)務(wù)的中臺(tái)，需要對(duì)模型進(jìn)行構(gòu)建。左邊這個(gè)圖是我們的城市大腦的其中一塊應(yīng)用，我們會(huì)對(duì)這個(gè)城市里面的每個(gè)交通路口進(jìn)行數(shù)字化，對(duì)它的路口承載能力、路口的交通流量等等進(jìn)行模型構(gòu)建，來構(gòu)建一個(gè)可計(jì)算的路網(wǎng)。

大家可以想象一下，可能80%以上的人每天上下班的路線基本上是固定的，出來的時(shí)間、回來的時(shí)間也差不多。如果我對(duì)這些個(gè)體，能夠關(guān)注他每天大概幾點(diǎn)出門，大概幾點(diǎn)會(huì)到哪個(gè)路口，我可以對(duì)這個(gè)個(gè)體進(jìn)行交通的優(yōu)化，到這個(gè)路口有多少輛車輛準(zhǔn)備左轉(zhuǎn)，有多少車輛要直行，不是像以前一樣靠視頻監(jiān)控看它的排隊(duì)長(zhǎng)度、靠雷達(dá)判斷擁擠程度，我們可以通過各種物聯(lián)網(wǎng)數(shù)據(jù)采集做研判，分析某個(gè)時(shí)間段有多少車路過這個(gè)路口，我們會(huì)做到基于個(gè)體的出行的優(yōu)化，這是我們?cè)诮煌ù竽X里面做的工作。

右邊這個(gè)截圖和視頻，是我們基于社會(huì)治安做的。在社會(huì)治安這個(gè)領(lǐng)域，我們的治安場(chǎng)景是在發(fā)生變化的，以前我們的治安警察無外乎就是上門掃樓，看看最近我們轄區(qū)有哪些外來人口，現(xiàn)在通過各種各樣的人證核驗(yàn)、人臉抓拍，包括手機(jī)、wifi等各種方式，可以很容易地采集到來到我轄區(qū)的是什么人，但是這個(gè)人來了干什么，我們需要基于他在網(wǎng)絡(luò)上的行為、在網(wǎng)吧上網(wǎng)的行為、在實(shí)體店刷卡消費(fèi)的行為、視頻抓拍的行為等方面，通過我們的模型刻畫這個(gè)人的行為。我們搭建了業(yè)務(wù)模型等構(gòu)建平臺(tái)，來適配不同的業(yè)務(wù)場(chǎng)景。

前面的AI中臺(tái)解決了算法不足的問題，解決了效率問題，后面等業(yè)務(wù)中臺(tái)解決了不同業(yè)務(wù)場(chǎng)景下的業(yè)務(wù)邏輯可構(gòu)建、可擴(kuò)展問題。

剛才講的業(yè)務(wù)中臺(tái)是從邏輯角度來講的，從業(yè)務(wù)應(yīng)用來講，左邊這個(gè)是我們?cè)谥伟部诘膽?yīng)用，大家看到是對(duì)夜間卡口車輛的抓拍，剛才科達(dá)講了超微光，我們希望超微光能為卡口抓拍提供更多的線索，對(duì)車輛里面的駕駛員和副駕駛進(jìn)行抓拍識(shí)別。

未來在我們的視頻大數(shù)據(jù)平臺(tái)之上，我們會(huì)開放AI中臺(tái)能力、模型構(gòu)建能力，并且會(huì)構(gòu)建通用場(chǎng)景下的治安應(yīng)用、行政應(yīng)用、指揮應(yīng)用。右邊這個(gè)是指揮場(chǎng)景的應(yīng)用，我們會(huì)面向各級(jí)公安部門的指揮中心，構(gòu)建一個(gè)全場(chǎng)景基于重點(diǎn)管控場(chǎng)所的所有關(guān)注的人、物、事、組織，包括人流、車流、人證信息，還包括他所關(guān)注的重點(diǎn)管控對(duì)象、重點(diǎn)管控場(chǎng)所、重點(diǎn)管控群體，來提供基本的應(yīng)用。

當(dāng)然，我們整個(gè)平臺(tái)不單單是做一個(gè)基本的運(yùn)維，更重要的是給大家開放一個(gè)數(shù)據(jù)平臺(tái)，我們?cè)敢飧魑蛔鲇布膹S商合作，你們提供更豐富的物聯(lián)采集設(shè)備，接入到我們的平臺(tái)上來，以豐富我們的未來孿生城市。我們也愿意跟算法廠家結(jié)合，提供你們最好的算法，來解決我們對(duì)物理世界的認(rèn)知。

同時(shí)我們提供一個(gè)業(yè)務(wù)平臺(tái)，我們希望在座的各種各樣的行業(yè)專家，不管是公安專家還是其他的專家，能跟我們對(duì)接，把你們的經(jīng)驗(yàn)轉(zhuǎn)化為我們的模型，來分享給更多的其他的用戶，把你的經(jīng)驗(yàn)傳承下去。最后一塊的賦能在上層，因?yàn)槲覀兊钠脚_(tái)也提供二次開發(fā)API的接口，也是希望有更多的應(yīng)用開發(fā)商的合作伙伴能跟我們一起打造一個(gè)生態(tài)鏈，我們可以提供各種中臺(tái)，你們提供更創(chuàng)新的應(yīng)用。

剛才我們主要講AI，接下來講一下在智慧交通領(lǐng)域。我們有一個(gè)解決方案叫城市交通大腦，它的理念就是通過泛在的感知，通過對(duì)數(shù)據(jù)的認(rèn)知，再基于我們剛才講的AI和可計(jì)算能力的基礎(chǔ)上，提供個(gè)性化的服務(wù)。

傳統(tǒng)的交通管理，如果看到這個(gè)路段很堵，明年在這里擴(kuò)建，或者做一個(gè)交通疏導(dǎo)。我們反過來思考另外一個(gè)問題，這個(gè)圖可以看到我們有兩個(gè)模型，第一個(gè)是基于身份檢測(cè)的交通系統(tǒng)模型，這里面包括兩個(gè)部分，第一是交通設(shè)施或者是車輛，第二是我們的出行個(gè)人，如果你是本人駕駛的話，你的出行的規(guī)律、時(shí)間長(zhǎng)短是可以掌握的，如果你是單位的運(yùn)輸車，你的規(guī)律也是可以掌握的。再加上我們對(duì)交通設(shè)施的管控，可以基于交通身份檢測(cè)的模型，我們可以做到對(duì)交通個(gè)性化的服務(wù)。

這個(gè)圖上可以看到對(duì)每個(gè)車道的承載力、通行能力，我們會(huì)做實(shí)時(shí)的檢測(cè)，基于業(yè)務(wù)模型，可以定義從一個(gè)點(diǎn)到下一個(gè)點(diǎn)之間的綠波帶，對(duì)于某些車隊(duì)可以做特殊的改造和交通優(yōu)化。隨著技術(shù)的發(fā)展，我相信我們完全可以做到預(yù)測(cè)從現(xiàn)在這個(gè)點(diǎn)到下一個(gè)點(diǎn)大概要多長(zhǎng)時(shí)間，大概會(huì)過幾個(gè)紅綠燈，大概要等多長(zhǎng)時(shí)間。

說到這一點(diǎn)大家會(huì)覺得百度地圖、高德地圖都有這種功能，實(shí)際上他們是靠群體停留的時(shí)間平均算出來這個(gè)路段大概要花多長(zhǎng)時(shí)間，我們的算法和他們是不太一樣的，我們更多的是依靠道路的通行能力，以及我們交通設(shè)施采集到的交通流量，來做個(gè)性化的指引。

基于歷史的大數(shù)據(jù)的基礎(chǔ)上，我們可以做很多的預(yù)測(cè)，尤其是在公共安全領(lǐng)域，我們會(huì)做外來人口的流動(dòng)情況、重點(diǎn)管控人員的停留情況、出沒時(shí)段進(jìn)行分析，我們也會(huì)對(duì)小區(qū)的人流，暫住人口、常住人口、探親人口等做一些監(jiān)控，包括獨(dú)居老人的出行有沒有問題，我們會(huì)做多維度的預(yù)測(cè)、分析、研判，為我們的人口管理提供相應(yīng)的輔助。右邊這一塊我們看到的是基于場(chǎng)所的管控。

這個(gè)是青島奧帆中心，在海軍節(jié)的時(shí)候，我們做的一個(gè)基于奧帆中心的全場(chǎng)景的數(shù)字孿生案例，對(duì)重點(diǎn)設(shè)施、?；贰⒁兹家妆锲?、重點(diǎn)人員、安保力量的宏觀和微觀的管控，而且可以從三維的立體安防到很細(xì)節(jié)的具體的設(shè)施的狀況、具體出沒的人車等等實(shí)行管控。

下面這個(gè)是一些重點(diǎn)場(chǎng)所的管控，比如說迎春花市、重點(diǎn)建筑物、公園等，對(duì)重點(diǎn)場(chǎng)所的安保做的一些管控。

這個(gè)是我們?cè)谝粋€(gè)重點(diǎn)區(qū)域的管控，對(duì)流動(dòng)人口比較多的城中村的管控，在這種地方一般治安狀況是比較差的，我們需要知道每一棟樓、每個(gè)房間里住的外來人口是誰，包括他每天的出行規(guī)律，他跟誰在一起，我們對(duì)可能的販毒情況、造假制假、賣淫嫖娼、偷盜情況做相應(yīng)的研判和分析。

這是我們對(duì)廣州塔和機(jī)場(chǎng)的監(jiān)控模型。

最后一塊是我們?cè)趥鹘y(tǒng)安防和公安領(lǐng)域以外做的一個(gè)東西，就是在應(yīng)急方面的應(yīng)用。

國(guó)家成立了應(yīng)急管理部，我們也在做全省的?；繁O(jiān)控的應(yīng)用?；谖覀儎偛胖v的技術(shù)，可以做到對(duì)整個(gè)園區(qū)里面的車輛、設(shè)施，包括設(shè)施里面的危化品的狀態(tài)（溫度、壓力等等）數(shù)據(jù)進(jìn)行采集，然后結(jié)合我們的應(yīng)急預(yù)案做應(yīng)急演練，我們也可以做真正發(fā)生問題情況下的應(yīng)急調(diào)度，這是基于我們的數(shù)字孿生城市相關(guān)的核心技術(shù)基礎(chǔ)之上，我們可以做到以前沒有做到的一些創(chuàng)新應(yīng)用，也更加精細(xì)化地提升我們對(duì)整個(gè)城市的治理能力，這也是我今天演講的主題，希望通過數(shù)據(jù)智能來推動(dòng)整個(gè)城市的孿生城市。

關(guān)于全球AI芯片·城市智能峰會(huì)

「全球AI芯片·城市智能峰會(huì)」是雷鋒網(wǎng) & AI掘金志安防團(tuán)隊(duì)繼「中國(guó)人工智能安防峰會(huì)」、「CCF-GAIR視覺智能論壇」后，全力打造的又一大品牌活動(dòng)。

在上述三大論壇中，組委會(huì)先后邀請(qǐng)到了高文、Demetri Terzopoulos、權(quán)龍、華先勝、賈佳亞、孫劍、顏水成、田奇、程浩、張鵬國(guó)、浦世亮、殷俊、余虎、李子青、申省梅、王曉剛、楊帆、陳寧、溫浩、陳瑞軍、張永謙、肖洪波、胡大鵬等在產(chǎn)學(xué)兩界享有盛譽(yù)的權(quán)威專家。

論壇內(nèi)容圍繞「攝像機(jī)」這一介質(zhì)入口展開，覆蓋AI安防產(chǎn)品、圖像與視覺智能算法、視頻芯片&服務(wù)器、投融資、商業(yè)模式等多個(gè)維度的主題，旨在打造業(yè)內(nèi)最完整的智能城市論壇體系。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。