资讯 智慧安防
此为临时链接,仅用于文章预览,将在时失效

从国企平台到 AI 公司这 4 年,旷视高级副总裁陈雪松眼里的 AI 安防之变

作者:余快
2021/03/16 17:42

 从国企平台到 AI 公司这 4 年,旷视高级副总裁陈雪松眼里的 AI 安防之变

旷视高级副总裁、城市业务事业部总经理 陈雪松

雷锋网AI掘金志曾与旷视高级副总裁、城市业务事业部总经理陈雪松有过一次谈话, 彼时他刚退身国企单位,加入AI公司旷视。

他曾谈到,AI在安防行业的这把火,火得燎原,且不易灭。

几年过后,当AI掘金志再次与其交谈时,AI安防已经在时间车轮中飞快地运转许久。

那么,在这位传统安防与AI的双重浸润下的安防老兵看来,四年里,AI这把火,在安防行业燎了哪些原?

AI 安防的“果实”

四年前,陈雪松曾说:

“我在安防行业工作了17年,切身感受到人工智能对作业模式、作业流程、作业效率的改变。虽然AI在安防中的落地过程中屡屡遇到阻碍,但不得不说,这一次,它对传统安防地改变是彻头彻尾的。”

四年后,陈雪松对“彻头彻尾”进行了更详细的解释:

规模效应和业务逻辑。

这几年,AI应用规模出现指数级上升。

2017年,“百路适用和建设”是主体。

陈雪松回忆,当时部里的一个文件,要求各地建设摄像头,试点试用AI,第二年发文要求保底建设100路。

2018年,千路建设已初现规模,不少区县级城市建设起千路级规模。

2019年,万路建设成为主要城市的常态,万路的汇聚和计算成为中大型城市标配。

规模的梯度递增意味着什么?

百路规模时,AI安防只能处理大家所熟知的人脸,节点处于出入口,后台显示的是离散的点上数据。

千路规模时,在城市的主干道或关键节点和环节上覆盖,形成圈层概念。

万路规模时,形成整个社会面的活动态势,各行业的边际效应开始显现。

以交通为例,百路时,后台只能呈现简单的点路信息,只能反映实时的车流量和车辆运营状态,连所谓的非机动车、机动车混行和车辆违规停放等应用都难以实现。

而达到十万亿信息规模时,后台能够掌握海量信息的权威视角。

陈雪松笑称,这就是“管中窥豹”和“看图知晓天下”的区别。

而行业需求和行业积累是规模效应的内因。

安防的智能化途径有二,前端的智能摄像头和后端的智能化平台。

其中不可避免面临的一个关键环节是,解析到底在哪里发生?

陈雪松指出,一个城市至少有几十万摄像头,以视频为核心的网络架构实际是在边缘汇聚,到中心节点时,是点播和浏览模式,它并没有真正实现全链路的拉通,如此一来,链路带宽对AI企业来说,将是天价成本。

而因用户的智能化诉求,驱动着AI从端和中心计算的改造向边缘侧计算发展。

在边缘侧部署计算节点过程中,实际上进行了网络改造和网络升级。

边缘计算与网络改造工程量并不小,从用户建设的成本看,一个完整的工程建设中,网络改造成本可能远高于智能化成本。

所以边缘计算、端计算和中心计算三者结合,规模效益才得以显现。这从而也驱动了整个行业的标准化。

同时,平安城市、雪亮工程等政策更是功不可没,让十几年的安防产业逐渐积累起一个个万路级城市。

陈雪松预测,目前一二线城市的智能前端覆盖率已达到一定规模,未来更多是纵深发展,在行业上往下深化沉淀,区域上往区县级城市发展。

在业务逻辑上,传统安防的管理逻辑以人防为主,技防为辅。

无论是社会安保,还是园区安防管理,亦或重大活动,人的发现、决策和管理是核心体系。

“这几年的一个重大变化,以人群和人防为主体变成了人防与技防结合。”

“人防和技防”在目前概念横飞的市场早已不是新鲜词,却是这位在安防行业摸爬滚打20年老兵的切实感受。

“目前在安防的执行层面,机器还不能完全代替人,但是发现层面的业务逻辑基本上被技防替代,这是最大的根本性的变化。”

陈雪松提到,疫情防控上,目前依然有大量人在一线巡防和驻点,但他们更多是临时的应急响应和处置力量,以加强现场执法和治安管理的影响力。而要形成社会面的常态化布控,需要依靠AI等技术。

在社会治理层面,如今的AI安防基本以后台分析为主,后台数据驱动前端的执行。

公安领域,在执行处置环节,AI主要基于后台的视频大数据和人像大数据,以及人的行为模式轨迹大数据等帮助执法人员进行分析与决策,从而更精准、更有效的处理业务。

算法精度高峰的山脚

“AI安防正呈现边界溢出效应。”

人脸不再只是唯一核心,以AI视觉为核心,辅以大数据,AI在社会面的综合管理和城市的管理领域逐步拓展。

一来,AI的附加值极高,能够从本质上推动,甚至拉动一些传统产业的变革;二来,从投资利用层面,解析视频成本固定,公共性设施领域,为不同行业赋能时,效益增倍。

同时,市场对AI的理解和尝试变得更加清晰和聚焦。

从企业运营上看,不管是AI公司还是传统公司,都逐渐聚焦到真正的可持续发展战略和经营的质量上,AI企业也少了份噱头与泡沫,多了份沉稳与扎实。

“是否可用,是否好用,最终关注的还是用户的价值体现,这一点大家更加务实。”

从用户层面看,认知价值的边界更加清晰,效能的呈现,将成为更主流的发展趋势,客户关心的不是技术,而是技术带来的价值。

与此同时,算法精度已经从单一维度向横纵两个维度快速发展。

“对我们来说,在算法精度的追求上,不管你哪次爬到峰顶的时候,你都会发现你还在珠穆朗玛峰脚下。”

陈雪松强调,最初简单的1:1、1:N的人脸识别精度已达到一定高度,随着前端智能化规模化发展,人体、人和车、人和人、人和环境、车辆本身、各种行为的识别催生了多维算法的应用。

乱搭乱建乱放,占道经营,井盖位移,老人跌倒,整个社会治理层面需求全面爆发,这些,是基于海量摄像头,而非所谓的卡口摄像头。随着AI规模化应用,一个城市每一天新增的视图数据可多达十几亿。

在这个维度,要求多个算法精度同步提升,这对算法多维度的高精度要求极高。旷视在聚类一条以人、车为核心的数据时,也挑战了之前从未有过的精度要求。

“以前即使是上亿的识别,也只是单一人像维度的检索和验证,现在做聚类,是包含人像、人体、车辆等多维数据的碰撞,量级高达几百亿,不仅归档率、分类度要求很高,而且都是基于自然摄像头产生的(数据质量也参差不齐)。”陈雪松补充:

“这个维度的计算和以前单一点状计算完全不是一个维度,目前真正达到可用程度的技术提供商,中国不超过2.5家。”

这也是AI行业的下一个珠穆朗玛峰。

2017年,陈雪松曾担忧于行业发展的三大阻碍:前端智能化不理想,各部门之间数据难打通和业务流程难改变。

在他看来,这些问题已经得到极大地改善。

2020年,相关部门下发文件对前端智能化覆盖率提出了更高要求。这将通过端设备、边缘计算和中心计算三者的智能化共同实现。陈雪松认为,目前还在建设阶段,但从万路规模看,发展非常快速。

“如果单从信息化角度来说,它难以本质性的改变数据打通问题,而这恰恰是AI的价值所在。”

陈雪松感慨,从前的智慧城市建设,最难的一件事情就是数据孤岛。公安、城管、交通,不同的系统不能共享资源,不能交付和访问,形成了资源孤岛和信息孤岛。

而如今,各部门所掌握的传统大数据只占数据总量的5%,95%则是等待AI挖掘的视频数据。

基于AI产生的海量数据,价值足够大,也促使各系统将自身的结构化数据与与视频数据碰撞,产生数据关联,以及更高维的数据价值。

“你有了一个黑洞,能够吸引其他星球向你靠拢,”他强调,“这比单纯的行政命令促进数据融合效果更快。”

行政体制的推进也在促使资源逐步实现共享。目前在北京、上海等地的政府均在推动社会资源和解析资源的汇聚,并为各行业提供应用。

“这是下一步的发展方向和模式,同时也是投资效益比最大、最能充分发挥前端感知能力和后端计算的创新价值的关键。”

越来越多的视频大数据被指挥体系和执行体系关注,甚至由指挥决策体系牵头进行视频大数据应用建设,流程改造逐步得到推动和完善。

陈雪松表示,其中也有不少困难,建设以信息化部门为核心,应用部门的参与度和业务能力提升任重道远。

当AI作为基础效能工具,整合进流程里,被常态化部署时,即是AI成为生产力时,意味着流程改造基本完成,但这是一个逐步深化的过程。

目前,AI已经将110电话接警、网络接警、微信接警等能力整合进流程中,成为制度化的、被认可的体系。

低头努力,发力狂奔

陈雪松认为,AI公司本质是基于行业进行变革。AI公司在算法能力之外,必须要提供行业能力,而这个行业能力是现有业态的补充和提升,是做增量后拉动更多合作伙伴分润的问题。

“AI行业赋能安防时,并非是将原来的业务再重做一遍,而是基于AI,赋能、补充原有流程,做增量。”

他举例,城管领域传统通常是人巡模式,随着数字城管向智慧城管的转型,我们也助力很多城管客户将视频分析模式补充进来,并进一步将自动发现和处理流程整合到处置流程中。

他还提到,AI公司之前,视频领域本质上只有视频建设,AI之后,边缘计算、中心计算、视频大数据等等应用,在既有技术上进行深化和提升,同时也拉动了前端能力建设。

当前公安体系里的分层解耦,本质上是去适应和解决过多的碎片化带来的问题,这也是未来大规模建设的趋势。

陈雪松总结,在一些垂直新的领域里,AI公司都在努力向业务上做一些延伸去探索闭环价值。他认为随着市场教育逐渐成熟,用户的关注、需求一定远超目前实际能提供的。

“在这个基础上,AI公司还需要低头努力,在垂直赛道上发力狂奔。”雷锋网雷锋网雷锋网(公众号:雷锋网)

文章点评
相关文章