2020年9月5日，由雷鋒網(wǎng)& AI掘金志主辦的「第三屆中國人工智能安防峰會」在杭州正式召開。

本屆峰會以「洗牌結(jié)束，格局重構(gòu)」為主題，會上代表未來新十年的15家企業(yè)，為現(xiàn)場1000余位聽眾和線上幾十萬觀眾，分享迎接安防新十年的經(jīng)營理念與技術應用方法論。

峰會之上，大華股份先進技術研究院院長殷俊帶來了題為「AI 行業(yè)應用，產(chǎn)業(yè)升級」的精彩演講。

殷俊認為，AI經(jīng)歷了理論研究的1.0、智能落地的2.0，目前處于行業(yè)智能的3.0階段。

• AI 1.0時期是“兩耳不聞窗外事，一心只讀圣賢書”，計算力不夠，數(shù)據(jù)有限，算法不成熟；

• 2.0階段是“紙上得來終覺淺，絕知此事要躬行”，算法、算力有了突破，成熟的算法尋找落地場景；

• 3.0階段是“忽如一夜春風來，千樹萬樹梨花開”，行業(yè)最需要的不僅是一套算法、一套系統(tǒng)，而是企業(yè)解決客戶痛點和需求的能力。

在行業(yè)智能背景下，人工智能需要具備的基礎能力包括：一是AI技術泛化、快速遷移新應用的能力；二是應用牽引，快速適配新需求的能力。

殷俊認為在3.0階段是應用主導個性化和AI解決方案的敏捷交付。

在這個過程中，首先要構(gòu)建人工智能解決方案的端到端體系化能力，大華已經(jīng)在四個方向做了重點布局：系統(tǒng)架構(gòu)、數(shù)據(jù)智能、智能工程化、智能技術。

除了構(gòu)建以上核心能力，大華還開放全棧能力，賦能行業(yè)生態(tài)，并在實戰(zhàn)中持續(xù)積累人工智能核心技術，針對全場景理解、小規(guī)模數(shù)據(jù)、泛化能力、多任務學習和AutoML的人工智能五大技術挑戰(zhàn)，開展實踐探索，并已取得出色的實戰(zhàn)應用成果。

最后，殷俊強調(diào)，AI目前還是依賴人工為主，大華希望未來在行業(yè)共同努力下，能夠真正轉(zhuǎn)向AI的自我智能，推動行業(yè)智慧化落地。

大華股份先進技術研究院院長 殷俊

以下是殷俊現(xiàn)場演講全文，雷鋒網(wǎng)作了不改變原意的整理與編輯：

殷俊：大家好！感謝雷鋒網(wǎng)的邀請，在座的有很多都是老朋友了，非常開心每年都能夠和大家聚一次。

過去三年時間，我們一直在討論人工智能到底是什么？

如今，AI已經(jīng)可以賦能各行各業(yè)，包括在很多碎片化場景中，也可以看到AI的身影了。今天我想跟大家分享的話題是：“AI行業(yè)應用，產(chǎn)業(yè)升級”。

過去兩年，數(shù)字經(jīng)濟這個詞特別火熱，安防也被稱之為數(shù)字安防，數(shù)字安防實際上經(jīng)歷了很多次的更新與迭代。

從最早的數(shù)字化、網(wǎng)絡化到今天的智慧化，AI的到來使得智慧化轉(zhuǎn)型成為可能，在踐行的過程中，我們首先需要思考：AI如何才能實現(xiàn)商業(yè)化，畢竟技術不可能一直投入，得不到產(chǎn)出。

2018年，在雷鋒網(wǎng)組織的第一屆人工智能安防峰會上，我們探討了AI如何去推動行業(yè)變革。

2019年，在雷鋒網(wǎng)組織的第二屆人工智能安防峰會上，我們談到了如何去提升場景化的應用體驗。

今年，我們將談談AI如何真正持續(xù)落地，產(chǎn)生商業(yè)價值，以實現(xiàn)智慧化轉(zhuǎn)型。

首先我們認為，AI已從1.0階段發(fā)展到了今天的3.0階段。

什么叫AI 1.0階段？這個階段大家都在研究各式各樣的算法，我們可以形象地稱之為“閉門思過”。

為什么會這樣？因為那時候計算力不夠、信任度不夠、算法不成熟，數(shù)據(jù)也很稀缺，所以也可以總結(jié)為：兩耳不聞窗外事，一心只讀圣賢書。

AI 2.0階段，算力得到了一定的突破，算法也可以階段性落地，譬如之前的車牌、人臉等識別，可以用AI進行部分功能替代，這個階段我們總結(jié)為：紙上得來終覺淺，絕知此事要躬行。

今天到了AI 3.0階段，我們要談的不是做出一套非常厲害的算法、也不是做出一套非常厲害的系統(tǒng)，而是需要弄清楚客戶究竟需要什么功能？而我們能夠提供什么樣的能力？

這個時候就會發(fā)現(xiàn)，真正的3.0階段可以稱之為：忽如一夜春風來，千樹萬樹梨花開，也就是真正到了萬紫千紅綻放所有的行業(yè)生態(tài)的階段。

面對這個階段，大量行業(yè)應用驅(qū)動人工智能需求的快速加載，為匹配智慧化的服務要求，兩大能力最為關鍵。

第一，AI技術要能夠泛化。不同行業(yè)會有很大的差異，但基礎的AI能力能夠快速遷移到新應用，比如大華以前做車牌識別做交通管控的應用，在民生服務領域，大華將這個技術快速遷移，應用到智慧停車場及綠色停車位等領域。

第二，面向一個新型、突發(fā)性的應用需求，能夠有快速適配的能力。正是因為具備這樣的能力，在今年疫情之初，大華在短短的7天時間實現(xiàn)研發(fā)并量產(chǎn)超高精度的測溫系統(tǒng)。

基去這個兩個點，以人工智能為工具，可以為包括政府端、企業(yè)端、To C端提供各類各樣的智慧化服務。

另外，AI 3.0階段還應該是應用主導個性化AI解決方案的敏捷交付。

在這個過程中大華認為，首先要構(gòu)建人工智能解決方案端到端的體系化能力，重點構(gòu)建系統(tǒng)架構(gòu)、數(shù)據(jù)智能、智能工程化、智能技術四大基礎能力，保證我們做實智慧化的應用服務。

同時，不僅僅要聚焦人工智能本身，更重要的是通過物聯(lián)網(wǎng)與人工智能的融合，積極、高效響應各行業(yè)的應用需求。

幸運的是，身處AI 3.0階段，大華已經(jīng)鍛造了三種能力：

第一，我們有一套完整的技術體系架構(gòu)，基于豐富的硬件與軟件資源，大華已實現(xiàn)了以業(yè)務導向的快速定制體系，解決了AI加載、算力與資源調(diào)配、安全等實際問題，從而保證技術快速落地，實現(xiàn)高質(zhì)量、高可靠性、彈性的穩(wěn)定交付。

第二，我們有一套完整的數(shù)據(jù)智能閉環(huán)，在數(shù)據(jù)智能上，除了解決智能化本身的問題，還需要建立數(shù)據(jù)從“數(shù)據(jù)獲取、數(shù)據(jù)治理、數(shù)據(jù)管理到數(shù)據(jù)分析”的完整的數(shù)據(jù)鏈路閉環(huán)。大華利用長期積累的大量行業(yè)經(jīng)驗、實踐經(jīng)驗、數(shù)據(jù)經(jīng)驗，建立了一整套從感知到智能到數(shù)據(jù)環(huán)境的數(shù)據(jù)智能的閉環(huán)。

第三，我們有一套完整的工程體系，大華已建立面向人工智能快速部署的完整工程體系，加快從技術到產(chǎn)品到商業(yè)落地的轉(zhuǎn)化效率。此外，在整體系統(tǒng)運行上，大華在端、邊、云的數(shù)據(jù)統(tǒng)一、系統(tǒng)調(diào)度和數(shù)據(jù)鏈路做了大量的工作，實現(xiàn)真正的端、邊、云數(shù)據(jù)協(xié)同，從而保證系統(tǒng)最優(yōu)地運行效率和用戶體驗。

基于剛才所提的架構(gòu)體系，我舉一個例子。

比如我們基于自身的感知能力做生態(tài)環(huán)保，可以真正面向客戶的作業(yè)管控需求，形成一個完整閉環(huán)；同時我們還會根據(jù)業(yè)務的不同實現(xiàn)快速加載，完成服務端可彈性的兼容，如標尺、污染物、水表、卡尺等方面的應用，以及未來在生態(tài)環(huán)保方面其他更多的業(yè)務應用需求，都可基于我們彈性的技術架構(gòu)做到快速擴充。同時在中間能力方面，包括基礎設施、IoT物聯(lián)網(wǎng)等能力也可以無限拓展。

回到數(shù)據(jù)智能，我們認為在整個數(shù)據(jù)世界里面其實什么都沒有，唯一有的要素就是數(shù)據(jù)。

對于數(shù)據(jù)來說，從采集到應用，其實整個過程非常辛苦。通過人工智能等手段去做感知數(shù)據(jù)的真正結(jié)構(gòu)化，這是一個層層遞增的緯度問題?；诖耍ツ臧膊陂g，大華提出了通過AIoT構(gòu)建我們的四維數(shù)字世界，來構(gòu)建智慧孿生的過程。

在這個構(gòu)建過程中，我們認為人工智能不是一個點狀的問題，而是一個產(chǎn)業(yè)鏈的問題。

人工智能的應用不會是單一算法問題，而是以全鏈路的數(shù)據(jù)為基礎，強調(diào)的是通過數(shù)據(jù)智能與人機協(xié)同，用貼合業(yè)務的人工智能解決方案滿足智慧化的需求，這對在線系統(tǒng)的全網(wǎng)設備與計算能力管控與調(diào)度，人工智能的加載，多維度感知技術等提出了更高的要求。

所以大華在構(gòu)建人工智能體系的過程中，考慮到了包括算力的構(gòu)建、核心算法的構(gòu)建、面向各個行業(yè)應用的構(gòu)建，以及我們?nèi)绾稳ジ采w各個產(chǎn)品類型的邏輯。

當然，只是解決了數(shù)據(jù)智能化還不夠，還需要對數(shù)據(jù)進行挖掘、整合、分析。

所以我們構(gòu)建了一條完整的數(shù)據(jù)鏈路，從數(shù)據(jù)管理、數(shù)據(jù)治理、數(shù)據(jù)知識加上人的經(jīng)驗，來實現(xiàn)數(shù)據(jù)智能的閉環(huán)。

我們認為，此前的數(shù)據(jù)智能更多的還是基礎智能加上人工經(jīng)驗輔助，還不能達到自我智能。

未來，從經(jīng)驗式的數(shù)據(jù)智能，到自我決策的邏輯，需要通過大量的數(shù)據(jù)經(jīng)驗、人為經(jīng)驗，包括行業(yè)經(jīng)驗，來滿足我們在數(shù)據(jù)智能這方面能力的提升。

另外一塊是工程化邏輯，就是如何能夠快速產(chǎn)生人工智能能力。

我們在構(gòu)建這方面能力的時候，主要考慮到了兩個點：第一把整個平臺做好，這樣才能做到從數(shù)據(jù)到算法快速的生成。

第二需要滿足現(xiàn)場快速定制化的要求，包括數(shù)據(jù)隱私、數(shù)據(jù)安全性問題。

基于此，我們構(gòu)建了一大一小兩大數(shù)據(jù)訓練平臺，包括大華巨靈人工智能開發(fā)平臺、大華巨靈人工智能開發(fā)工作站，以實現(xiàn)我們的AI快速標準化和定制化的過程。

同時，我們也發(fā)現(xiàn)，近幾年中國出現(xiàn)了很多芯片公司，我們會面臨更多芯片的選型問題?；诖耍覀円矘?gòu)建了一套完整的供應鏈體系，來實現(xiàn)面向所有芯片的快速部署，加快我們從技術到產(chǎn)品，到商業(yè)落地的轉(zhuǎn)化效率。

另一方面，在整個系統(tǒng)中，我們還要完善端側(cè)、邊側(cè)、云側(cè)大小系統(tǒng)融合過程中數(shù)據(jù)連通、數(shù)據(jù)融合、數(shù)據(jù)一致性的問題，來優(yōu)化全網(wǎng)資源配置、算力統(tǒng)一調(diào)配，保證數(shù)據(jù)一致性。

除此之外，我們還要和合作伙伴們?nèi)プ龌ヂ?lián)互通。

從云端到智能應用，從算法倉庫到硬件產(chǎn)品，我們在每一層都會提供開放能力，我們希望和所有合作伙伴一起開放共贏。

當然，AI雖然現(xiàn)在可以做到部分商業(yè)化落地，但未來還有很大的提升空間。

我們認為人工智能未來在五大方面可能會有比較大的提升，包括全場景理解、小規(guī)模數(shù)據(jù)、算法的泛化能力、多任務學習以及AutoML過程。

先來談談全場景理解。以前的交通路口AI應用，其實只能叫做半人工智能，因為很多規(guī)則需要提前部署，我們會劃出很多規(guī)則線，告訴相機哪個是斑馬線、哪個是紅綠燈、哪個是道路線，這個工程量其實很大。

后面我們把交通要素全部標識出來，做成了一個全域智能模型，也就是說不用再人工配置了。

對于產(chǎn)品解決方案來說，這是一個非常好的提升方向。我們認為，未來的AI發(fā)展趨勢，在于對全環(huán)境的感知，讓它能夠自適應理解全場景，而不用人為地告知目標對象屬性。

小數(shù)據(jù)這個問題，剛才楊教授也講到了，未來不會有大量的數(shù)據(jù)給到你，需要你通過數(shù)據(jù)生成和遷移學習快速實現(xiàn)新功能開發(fā)。

其實通過小量數(shù)據(jù)樣本，也可以得到一個比較好的數(shù)據(jù)模型，我們會做一些訓練模型，希望通過這些嘗試，幫助人們快速降低算法成本。

第三塊叫做泛化能力，視頻應用環(huán)境各式各樣，有白天、晚上、下雨、曝光，不同環(huán)境下的成像都不太相同。

這時候通過我們的系統(tǒng)能力去提升算法的魯棒性，來減少對場景的依賴至關重要。我們認為實戰(zhàn)是檢驗算法性能的唯一標準，而不是實驗室指標高一個點、低一個點。

再來，我們還要解決多任務問題。為了實現(xiàn)一個場景應用，現(xiàn)在一套算法做下來，可能有十幾二十個模型。未來，我們希望利用多任務學習技術，提升計算資源利用率，在有限計算資源的條件下，實現(xiàn)多算法融合，讓算法訓練更簡單。

最后一點，這也是我們的一個夢想，我們希望通過AI的設計語言，來實現(xiàn)編譯部署和編譯環(huán)境。大華內(nèi)部有一套DAIL的編譯器和語言，雖然大部分的內(nèi)容還是開源或者引入。但未來我們也希望能夠開發(fā)出一套國產(chǎn)化的EDA工具，來簡化整個行業(yè)智能算法的開發(fā)和部署過程。

今天講到了很多內(nèi)容，總結(jié)一下，主要有三個點：

1、AI會長期處于第三階段；

2、應用會主導AI個性化發(fā)展；

3、AI目前還是依賴人工為主，未來會真正轉(zhuǎn)向自我智能，實現(xiàn)人工智能的快速落地與技術普惠。

最后，感謝雷鋒網(wǎng)給我這次分享的機會，謝謝大家。

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