0
以薩副總裁姚巍
有人說，戰(zhàn)術問題不是問題，錯了也無關痛癢，但戰(zhàn)略錯了，則極可能一去不復回——于個人、于公司如是，于國家更如是。
就AI安防賽道，以薩與其他玩家的戰(zhàn)略打法總是有些異同。
當大多數(shù)公司聚焦“人臉”，發(fā)力安防時，以薩的技術主體圍繞“車”而展開；當對手們在“人臉”賽道刀劍相爭后、你乏我疲時，以薩的航道又從“車”轉向做“多維數(shù)據(jù)融合分析”。
“所謂多維數(shù)據(jù)融合分析，就是打通各類公安與社會前端采集的結構化和非結構化、動態(tài)和靜態(tài)的多維度數(shù)據(jù)，將一些數(shù)據(jù)片段串成一條線去融合分析，從“物理結合”走向“化學融合”。
至于具體數(shù)據(jù)，它絕不僅僅存在于人臉識別、車輛識別、生物識別、物體識別等AI常規(guī)認知領域，還有基于公安業(yè)務管理數(shù)據(jù)的頂層AI應用，一個廣泛的無人區(qū)?！?/p>
以薩副總裁姚巍向雷鋒網(wǎng)解釋說，“我們以前、現(xiàn)在及未來要做的事情很簡單，就是要為這個社會上的每一個人、每一輛車建立一個‘檔案’， 然后通過AI等技術更好、更快、更全面地識別他們、分析他們?！?/p>
成立于2015年的以薩是一家以視頻人工智能為核心的多維數(shù)據(jù)融合分析解決方案提供商。
目前，以薩的融合產(chǎn)品和解決方案已服務覆蓋包括公安部、北京、廣東、山東、四川、江蘇、安徽、福建等20多個省部級公安機關、900多個縣市區(qū)，并拓展服務于社會管理、智能交通、服務民生等領域。
為什么要做多維數(shù)據(jù)融合分析系統(tǒng)？這是雷鋒網(wǎng)拋出的第一個問題。
“基于單一數(shù)據(jù)的分析已經(jīng)難以支撐公安現(xiàn)實所需，未來AI安防賽道的比拼，一定是多維數(shù)據(jù)綜合能力的較量。”姚巍答道。
近些年，得益于“天網(wǎng)工程”、“雪亮工程” 等項目的落地，中國安防市場具有了其他國家和地區(qū)無法比擬的高度動態(tài)性和豐富性。
而AI的出現(xiàn)，也的確也讓這個稍顯古老、閉塞的行業(yè)革新了生產(chǎn)、作業(yè)模式，讓中國成為了世界上最為安全的國家之一。
同時，在警方實戰(zhàn)、破案率得以提升的背景下，犯罪嫌疑人的對抗手段也得以“升級”。他們在犯罪過程中反偵查意識逐漸提高，犯罪的隱蔽性越來越強，作案手法也在不斷升級。
也就是說，往常公安部門常規(guī)的破案手段有時會遇到阻礙，破案難度和工作量劇增。
巧婦難為無米之炊，業(yè)務能力再強大的民警在這些零碎的信息面前也無能無力，即便通過常規(guī)視頻偵查發(fā)現(xiàn)了目標，有時候也無法落實嫌疑人的身份。
“這是眼下所有警方都會遇到的一個難題?！?/p>
姚巍談到，單一維度的數(shù)據(jù)分析難以落地人員身份，單一維度的偵查和管控手段容易被犯罪嫌疑人規(guī)避，功能單一的系統(tǒng)盲點多，刻畫目標不夠全面，難以進行深度研判和軌跡追蹤。
“多維數(shù)據(jù)融合分析系統(tǒng)可以很好地解決上述問題。”
他解釋，當數(shù)據(jù)量越來越大，數(shù)據(jù)層次越來越豐富，數(shù)據(jù)的融合應用也將產(chǎn)生更高的應用價值。
多維數(shù)據(jù)的出發(fā)點就是打破各環(huán)節(jié)之間的數(shù)據(jù)壁壘，讓數(shù)據(jù)進行深度融合，挖掘數(shù)據(jù)背后的價值信息。
比如，某個街道發(fā)生了一起刑事案件，通常的解決方法是調(diào)取人臉或者車牌，如果所有探頭都未能拍到高清線索，很多時候就會阻礙民警破案進展。
通過多維數(shù)據(jù)研判，就可以在視頻數(shù)據(jù)的基礎上擴充數(shù)據(jù)維度，從而進一步提升識別效果，并在數(shù)量級上降低錯誤率。
他介紹，多維目標的智能關聯(lián)要打破過去僅僅“電磁—卡口”兩維并軌分析的局限，建立視頻、卡口、人臉、人像、電磁等等多元數(shù)據(jù)互相碰撞模型。
以“人”的掌控為終極目標，根據(jù)屬性關系、時空關系、語義關系、特征關系、行為關系、社會關系、身份關系、通聯(lián)關系，進行多維度數(shù)據(jù)的底層深度關聯(lián)分析。
通過對每個目標建立獨特的全維度“信息DNA”，可以實現(xiàn)全維度數(shù)據(jù)的“核聚變”效能。
后期，將視頻、卡口、人臉、人像、電磁等多前端采集信息一張圖刻畫，跨數(shù)據(jù)源多種功能深度應用，實現(xiàn)以前人工無法串并分析，只有經(jīng)過大數(shù)據(jù)分析庫庫碰撞才能實現(xiàn)的全息研判，實現(xiàn)對異類低密度高價值信息的有效利用度。
以以薩視頻AI多維數(shù)據(jù)融合分析平臺為例，其打破了多警種資源、跨平臺業(yè)務、非標系統(tǒng)等的數(shù)據(jù)壁壘問題，全面打通了人、車、物多維數(shù)據(jù)的自動關聯(lián)和分析。
同時，它利用AI+大數(shù)據(jù)技術，對多維數(shù)據(jù)進行自動關聯(lián)匹配，在技術層深化了人工智能應用，實現(xiàn)了視頻監(jiān)控、卡口數(shù)據(jù)和人員數(shù)據(jù)的復合應用，有效提高了在案件研判及事前布控預警中的實戰(zhàn)支撐效能，從而解決單一警種的業(yè)務難題。
目前該系統(tǒng)可滿足場景化條件下千億巨量級數(shù)據(jù)的實時計算、存儲、智能的研判分析實戰(zhàn)升級需求。
姚巍強調(diào)，在應用層建設上，必須以實戰(zhàn)需求為導向，實現(xiàn)精準預警、精準打擊、精準防范、精準管理應用。
“實戰(zhàn)能力是檢驗一家AI企業(yè)業(yè)務優(yōu)劣的最佳標準。做AI安防，不是一句簡單的口號，需要身體力行地去實戰(zhàn)落地，去產(chǎn)生價值?！?/p>
“實戰(zhàn)”、“價值”，這四個字是姚巍對于AI落地安防的理解，也是他常常掛在嘴邊的箴言。
AI安防市場看起來很熱，要做好其實并不容易。比如在產(chǎn)品落地階段，技術提供商需要接觸各種前端廠商、集成商，然后根據(jù)用戶的實際需求進行調(diào)試、落地。用戶的實際需求都不盡相同，也就是說每個項目都有可能做多次定制化，這對企業(yè)的技術能力、產(chǎn)品能力、服務能力都是重大考驗。
姚巍說，技術從實驗室走向工程環(huán)境，最難的便是實戰(zhàn)落地。
以薩實現(xiàn)的融合，并不是簡單的多個產(chǎn)品界面組合，而是從規(guī)模化應用的角度，建立人—車—物多維應用模型，將過去零散的信息片段串成一條線去融合分析。由傳統(tǒng)合署辦公的“物理”合成作戰(zhàn)，升級為技術手段融合的“系統(tǒng)”合成作戰(zhàn)，形成新的精準防控思路，提高預警預測能力、精確打擊能力和動態(tài)管理能力。
在此基礎上，多維數(shù)據(jù)融合應用的紅利也能更好服務于智慧城市，在綜合治理、政務決策、生產(chǎn)安全、環(huán)境整治、安全防控、民生服務等多個領域拓展。
除了談及以薩自身，姚巍還向雷鋒網(wǎng)分享了他對于AI安防行業(yè)發(fā)展的一些看法。
在他看來，眼下的AI安防產(chǎn)業(yè)已經(jīng)到了細分市場階段。
安防市場發(fā)展前期（小眾市場），AI的突然出現(xiàn)會讓傳統(tǒng)耕耘者措手不及，競爭的加劇也會讓很多差異化明顯的產(chǎn)品加速襲來。
在這個過程中，打了勝仗的，大多是善于發(fā)現(xiàn)用戶痛點，并能做好準備迎接挑戰(zhàn)與需求的企業(yè)。
到了市場發(fā)展中期，也就是細分市場階段，市場需求會因為技術、產(chǎn)品的進一步成熟而變得多樣化。不同于小眾市場的是，這是在大規(guī)模市場基礎上的多樣化。
在這個過程中，用戶開始慢慢分化，對于技術都有自己的理解、偏好及需求。而此時勝出的選手，會是懂得如何深耕細分市場、不再盲目追求趨同“爆款”的企業(yè)。
再往后，也就到了復合市場階段，AI安防需求會高度碎片化。彼時勝出的企業(yè)，往往是能夠提供復合型場景化解決方案的企業(yè)。
姚巍分析說，現(xiàn)在的AI安防市場剛剛到了第二個時期，需求常常以指數(shù)級速度涌現(xiàn)，這個過程會吸引大量投資，產(chǎn)生一些泡沫，這些都是對于市場需求的正常反應。
在這個階段，不同類型的企業(yè)在不同層面競爭，商業(yè)場景將變得更加復雜。
而這，也正是為什么以薩起初成立便選擇從“車輛識別”賽道攻入，之后發(fā)展壯大再做多維數(shù)據(jù)分析深耕細分市場，為后期做更大、更深布局埋好伏筆（平臺型）。
同時，他也強調(diào)，戰(zhàn)略打法只是企業(yè)宏觀層面的作戰(zhàn)方針，會讓公司的所有同仁勁往一處使，力往一塊集。從微觀層面來說，還是需要每個人一步一步夯實基礎，包括技術、產(chǎn)品及服務。
“我們現(xiàn)在要做的，便是一步一個腳印地，把“實戰(zhàn)”“價值”這四個字變成現(xiàn)實和信仰?！?/p>
另外，采訪最后，他也寄語同仁，在CV賽道的AI企業(yè)，需要時刻保持對產(chǎn)品市場成長階段的觀察及判斷，未雨綢繆、從容布局，為下一階段的猛烈競爭而上下求索。雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
