7月12日-7月14日，2019第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學(xué)會（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國內(nèi)人工智能和機器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級交流博覽盛會，旨在打造國內(nèi)人工智能領(lǐng)域極具實力的跨界交流合作平臺。

7月14日下午，在「智慧城市·視覺智能」專場上，云從聯(lián)合創(chuàng)始人溫浩帶來了題為《泛在智能城市下的人機協(xié)同平臺》的主題分享。

溫浩提出，在AI大規(guī)模落地過程中，一定要構(gòu)建感知、認知、決策的智能經(jīng)濟的AI閉環(huán)，創(chuàng)業(yè)公司也必須在感知、認知、決策環(huán)節(jié)均有涉及。

而場景上，可分為邊緣場景和云端場景，但邊緣場景和云端要根據(jù)場景進行智能的分配。

邊緣端和終端承載需要本地實時響應(yīng)的推理任務(wù)，并獨立完成數(shù)據(jù)收集、環(huán)境感知、人機交互以及部分決策控制。

邊緣端如自動駕駛場景中，斷網(wǎng)下進行獨立的本地處理；智能安防中，要對超大數(shù)據(jù)量本地處理；移動互聯(lián)網(wǎng)場景，要保證低功耗和數(shù)據(jù)安全；智能家居和智能制造場景，要求異構(gòu)和實時響應(yīng)。

云端則負責(zé)承載智能數(shù)據(jù)分析、模型訓(xùn)練和部分對傳輸帶寬要求不高的推理任務(wù)。

溫浩認為，目前AI還并不成熟，很多產(chǎn)業(yè)中的需求也很多樣，AI企業(yè)發(fā)展到后期，一定要聚焦、一定要做重、一定要控制好成本、一定要深入行業(yè)。如果還靠著不斷招人、發(fā)論文，也許估值會越來越高，但后期也一定會跌得越慘。

目前行業(yè)有個通?。簩τ趯W(xué)術(shù)的看重好像勝于一切。

如果AI公司能夠靠著科學(xué)家團隊走出來，當(dāng)年微軟亞研基本覆蓋了中國AI圈的大半壁江山，后面的結(jié)果大家也看到了；再比如Google X部門 ,全球技術(shù)大牛云集，后面的產(chǎn)品做得好嗎？銷售了幾臺？

通過微軟亞研和GoogleX的例子可以表明：技術(shù)不是一切，通過大批學(xué)術(shù)人才去落地產(chǎn)品根本行不通，技術(shù)好不代表產(chǎn)品好，但產(chǎn)品好一定要求技術(shù)好。

在今天這一節(jié)點上，包括云從在內(nèi)，或許并不應(yīng)該太過關(guān)心技術(shù)的領(lǐng)先性，也非利用技術(shù)賺取多大的利潤，而是在業(yè)務(wù)線和技術(shù)體系無限擴大、無限縱深時，如何管理好N個愈加獨立的行業(yè)事業(yè)部和數(shù)千人團隊，是我們需要過的第一道難關(guān)。

在這一塊，云從會學(xué)習(xí)華為，去打造一個IPD（Integrated Product Development）管理系統(tǒng) ,華為當(dāng)年也花了20億元從IBM引進了一套類似系統(tǒng)。

引入IPD體系被認為是成就華為最重要的變革，它集中了若干工具、流程與方法，其核心思想包括：研發(fā)是一種投資行為、基于需求進行研發(fā)、跨部門協(xié)同、結(jié)構(gòu)化流程等等。

它能夠?qū)κ袌鲅杆俜磻?yīng)，縮短開發(fā)周期，減少報廢項目，減少開發(fā)成本，提高產(chǎn)品的穩(wěn)定性、可生產(chǎn)性、可維護性。

就像車企造車，每年十幾款新車型，不可能做到每一款新車的每一個部件都單獨研發(fā)，所以需要一個平臺，去模塊化組裝。如此，有利于用最低的成本、用快的速度交接出質(zhì)量最好的產(chǎn)品。

管理也可以成為產(chǎn)品，要幫助部門工作流程化，不斷可以迭代改進，要不得的是沒有總結(jié)，沒有升華，總是在重新開始，最終整個部門都困在原地。

與此同時，還應(yīng)該實現(xiàn)“人機協(xié)同”。

人機協(xié)同有幾個階段，第一是要做人機交互，首先讓機器知道你是誰，這也就是為什么要先做人臉識別的原因。

第二步做人機融合，如銀行的產(chǎn)品經(jīng)理，只能設(shè)計十幾種產(chǎn)品，但基于大數(shù)據(jù)和AI，他可以針對每個小微企業(yè)設(shè)計成百上千種AI的金融產(chǎn)品。    

然后是人機共創(chuàng)，未來就可以創(chuàng)造一些新的場景、新的業(yè)務(wù)，新的服務(wù)、新的流程。如零售門店可以進行二次陳列，和精準引流，這就是人機共創(chuàng)。

以下是云從聯(lián)合創(chuàng)始人溫浩大會現(xiàn)場全部演講內(nèi)容，雷鋒網(wǎng)作了不改變原意的整理及編輯：

今天看到這么多參與大會的同學(xué)、觀眾們，大家的熱情讓我挺驚訝的，這個大會辦得很好，邀請了很多平時都難以見到的大咖。

前面幾位大咖都是講學(xué)術(shù)內(nèi)容，我今天從產(chǎn)業(yè)視角跟大家分享一下云從在人工智能產(chǎn)業(yè)落地方面的心得，希望能給大家?guī)硪恍┧伎肌?/p>

首先解釋一下人工智能，其實中國的先賢們在這方面已經(jīng)有過很多思考、總結(jié)了，2000多年前荀子已經(jīng)提出來“智能”這個概念。

他說“知之在人者謂之知”，這句話的意思是說我們能夠感受事物、認識事物的能力叫做知覺；“知有所合謂之智”，如果和客觀規(guī)律符合，能夠推而廣之，把事物認知清楚，這就是智的概念。

還有一個是“能之在人者謂之能”，人生來都有很多本能，我們都知道天冷了要加衣服，渴了要喝水，“能有所合者謂之能”，如果這個能力能夠高效地形成一個方法，這時候就是一個穩(wěn)定的能力，這就是處理事物的能力，可以推而廣之，讓所有人都能學(xué)習(xí)。

所以，我們既要認識事物，也要處理事物，這是人的智能的概念。

那么，我們該如何讓人工智能落地呢？

從傳統(tǒng)經(jīng)濟到數(shù)字經(jīng)濟再到互聯(lián)網(wǎng)+，我們有了電商、娛樂、游戲、虛擬貨幣，20年時間里，數(shù)字經(jīng)濟為我們的生活帶來了非常大的改變。

人們現(xiàn)在叫車方便了、網(wǎng)上購物方便了，很多信息都可以實時、便利獲得，但是做到這里夠不夠？明顯是不夠的。

這么多數(shù)據(jù)匯集在一起，我們需要做更加智能的東西。譬如，叫車方便，但車還需要人開，所以要做自動駕駛，所以今天，我們提出了智能+經(jīng)濟。

智能+經(jīng)濟通過什么來改變呢？

處理事物之前首先需要認識事物，我們的人臉、人體、語音、文字，都是可以通過感知去收集的，將這些信息提取之后，可以借助語言理解去知曉其中內(nèi)涵。

之后，知識圖譜可以將這些知識歸納起來，通過機器學(xué)習(xí)把模型訓(xùn)練出來，從而做到認知。當(dāng)然，這個認知過程可以是線下的，也可以是線上的，只要有規(guī)模數(shù)據(jù)就可以運行。

最后，系統(tǒng)需要做決策，也就是說不僅要認識事物，還要處理事物。處理事物就要把相關(guān)信息反饋回去，比如說給商家，以提升促銷；給銀行，以降低風(fēng)險；給汽車導(dǎo)航，以把人安全、快捷地送到目的地。

以上這些步驟的組合便是AI落地的閉環(huán)。所以說，AI創(chuàng)業(yè)公司，如果要想真正落地，感知、認知、決策三個階段都要涉及，否則場景價值很小。

現(xiàn)在我們都在講云、邊、端，其實它就是整個智慧城市的基本架構(gòu)。

每個城市都會有一個城市大腦，它在云端，會將數(shù)據(jù)融合、集中處理，然后進行算法訓(xùn)練；端上就會有各種各樣的智能設(shè)備做萬物感知、萬物計算。

隨著5G時代的到來、IoT的成熟，得益于算力的可動態(tài)分配，云邊端的協(xié)同是可以期待的。

目前云從在很多場景里面都會做基于類似智能的服務(wù)。

在金融領(lǐng)域，我們提供VIP的識別、刷臉支付、刷臉取款、刷臉購物，這些智能服務(wù)目前都可以在銀行里體驗到。

再來就是銀行里面對機房或者是ATM機的管控、運維，這些屬于認知層面、決策層面的。

在機場，所有的安檢通道都可以進行人臉比對，當(dāng)用戶進入候機樓之后，系統(tǒng)可以把相關(guān)人的登機口信息推送到他的手機上。

在學(xué)校或者是開放場景中，利用行人的軌跡分析、行人的識別技術(shù)，可以實現(xiàn)實時、在線追蹤。

在開放道路上，可以實現(xiàn)車牌、車型、車標、顏色的區(qū)分，可以為公安民警精準地追蹤到每一輛車的軌跡。

在自然場景下的OCR，可以對包括零售店廣告、文字進行識別；除了室內(nèi)，還可以做室外比較密集的場景識別、人體追蹤等等。

在零售店，我們還做了一些基于AR的體驗，比如說基于二維視頻的3D人體建模，我們做到了200幀每秒，40多毫米的誤差，達到世界第一，利用這個技術(shù)可以做虛擬試衣。

另外，還有智慧能源行業(yè)的安全管理，比如說安全帽、工作服、防火等等方面的管理。

除此之外，還包括人員的精細管理、場站周界入侵、車輛監(jiān)控、異響檢測、設(shè)備狀態(tài)檢測等等，這些都是智慧城市里各行各業(yè)都可以用得上的視覺認知和決策場景。

找到了這些場景之后，我們需要做些什么呢？

首先需要將計算做分配，每個場景里的計算要求是不一樣的，比如說在自動駕駛場景下，需要斷網(wǎng)下獨立本地處理；比如說智能安防場景下，需要超大數(shù)據(jù)量本地處理；而在移動互聯(lián)網(wǎng)方面，實時性要高、功耗要低。

所以，面對不對的場景，需要不同的算法、不同的芯片，也就是說：芯片與算法的結(jié)合肯定是未來的一個大趨勢。

比如說AI安防市場，最早的攝像機只是做一些ISP、圖像處理；后面升級為網(wǎng)絡(luò)攝像機，做一些網(wǎng)絡(luò)編解碼、數(shù)字傳輸；今天的AI安防攝像頭，需要做本地結(jié)構(gòu)化，由于它一天會產(chǎn)生20GB的數(shù)據(jù)，這對于帶寬和存儲都是很大挑戰(zhàn)，也就是說必須要做結(jié)構(gòu)化提取。

上圖是我們的一個800萬像素的全功能AI相機，它可以做到同時檢測200個以上人臉，最大支持30萬人臉庫。

現(xiàn)在來說，其實AI發(fā)展還不是太成熟，很多產(chǎn)業(yè)的需求是非常多樣的，這時候該怎么辦呢？

在未來的30年內(nèi)，云從認為技術(shù)趨勢應(yīng)該是人機協(xié)同。

人有人的優(yōu)勢，人有創(chuàng)造力、有抽象力，我們可以從書本上學(xué)習(xí)知識、推而廣之；而機器的計算力、大數(shù)據(jù)分析能力明顯高于人類。

人機協(xié)同發(fā)展可以分為幾個階段，第一個是要做人機交互，首先要讓機器知道你是誰，這也是為什么我們要先做人臉識別的原因。

除了它有比較成熟的算法，更關(guān)鍵的是它有一個視覺入口?；ヂ?lián)網(wǎng)世界，每個產(chǎn)業(yè)都需要找到正確的入口，APP是一個入口，手機也是一個入口，而視覺技術(shù)就是AI的入口，它可以知道你是誰，后面才可以做一系列交互動作。

第二步需要做人機融合，我們現(xiàn)在有很多事情可以讓機器和人一起去做，比如說銀行的產(chǎn)品經(jīng)理，他可以根據(jù)他的經(jīng)驗、能力，設(shè)計一個產(chǎn)品的風(fēng)控，但他最多只能設(shè)計十幾種產(chǎn)品；基于AI，可以針對每個小微企業(yè)設(shè)計成百上千種AI金融產(chǎn)品，這就是人機融合。

如此，便可以做得更高效、更精準、更有價值，這是在未來10年中，大家可以看到的應(yīng)用，目前很多工作都可以與機器協(xié)同完成。

再來就是人機共創(chuàng)，AI落地之后，未來我們可以創(chuàng)造一些新的場景、新的業(yè)務(wù)、新的服務(wù)、新的流程，這叫人機共創(chuàng)。

那么，做到這三步是不是就夠了呢？還需要做到“三化”：行業(yè)化、場景化、個性化。

行業(yè)化方面我們剛才舉了很多例子，每個行業(yè)的需求都是不一樣的，人臉識別在金融和安防里面的應(yīng)用是完全不一樣的。安防要求的是開放場景、快速搜索；金融要求的是百萬分之一甚至千萬分之一的誤識率及及活體檢測。

第二是要場景化，每個場景都要有具體的解決方案；第三是個性化，這是大數(shù)據(jù)時代最大的利處，每個人都可以得到精準的服務(wù)。

接下來談多模態(tài)應(yīng)用，我們做人機交互，為什么要提多模態(tài)？

舉個例子，現(xiàn)在大熱的新零售，以后肯定是個技術(shù)落地趨勢。（雖然現(xiàn)在做稍微早了一些，目前的技術(shù)貨損率比雇一個店員更高，還不如不做。）

但就技術(shù)層面來看，AI未來可以做些什么？

其實新零售可以分為人、貨、場三個方面，貨有一套供應(yīng)鏈，場就是現(xiàn)在的電商一直在做的事，比如說把信息流提到線上去它會更高效，但線下做也有它的好處，可以在真實場景中體驗產(chǎn)品。

還有就是資金，在線上更便捷，但是在線下更安全、可靠；還有一個就是延時，線上是有延時的，線下是沒有的。

所以，我們認為AI應(yīng)該圍繞人去建設(shè)的，我們有很多與人相關(guān)的技術(shù)，可以將流量變成轉(zhuǎn)化率，然后變成客單價，再來提高復(fù)購率。

在人的方面，我們可以做很多事情，比如做前端感應(yīng)、廣告推薦，它會根據(jù)用戶的年齡、屬性、會員，分析你可能愛好的東西，或者你上次買過什么東西，之后把信息推薦出來，后臺會做一個數(shù)據(jù)建模。

再比如做游戲引流，可以在用戶玩游戲的過程中，送打折劵的形式去采集數(shù)據(jù)，之后做產(chǎn)品推薦。

后臺用戶的特征建模，可以從5個維度，幾十個特征去分析，我們通過雙塔稀疏神經(jīng)網(wǎng)絡(luò)做深度學(xué)習(xí)，從200個廣告里面提取用戶感興趣的100個廣告，這100個廣告在線下就可以完成，等用戶到店后就可以推送10個精準廣告。

回到店里的時候，當(dāng)用戶從進店那一刻開始，系統(tǒng)就開始關(guān)注你：是不是熟客、是不是VIP、是男是女，把這些信息都推送過去，廣告推薦就通過神經(jīng)網(wǎng)絡(luò)做這樣一些推薦，如果此前有購物信息就會更加精準。

傳統(tǒng)的線上電商，都有一套跟蹤模型，從用戶瀏覽、點擊、放到購物籃，最后生成訂單、支付，它是有一套轉(zhuǎn)化模型的，叫漏斗模型；而線下是沒有的，線下都是靠經(jīng)營主自己的腦袋，靠自己的經(jīng)驗去決定的，而這種方式的效率是非常不高的。

剛才我講的銀行融合是一個人機共創(chuàng)的例子，現(xiàn)在還可以做二次陳列。

我們可以通過一些購物小票去做一些引流動作：通過對購物小票的分析去重新擺設(shè)商品，計算出單坪空間的更多價值。

現(xiàn)在AI主流的玩法不外于B端或者C端，這些都不重要，重要的是云和端的產(chǎn)品和服務(wù)如何更好結(jié)合在一起，最終達到人機協(xié)同。

所以，云從現(xiàn)在全力打造一個人機協(xié)同平臺，面向包括金融、安防、零售、電力等各個行業(yè)。目前已經(jīng)有400多家銀行、70%的樞紐機場、一萬多路公安視頻都與云從有深度合作。

今天我的分享就到這里，謝謝大家。雷鋒網(wǎng)

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。