侵權投訴
訂閱
糾錯
加入自媒體

解密“安防+AI”生態中的那些痛點

經過20多年的本土化發展,安防經歷了模擬、數字、網絡、高清4個時代,目前已經進入到“安防+AI”智能化階段。就在傳統安防企業砥礪前行之時,廣闊的AI安防藍海市場吸引了眾多AI公司紛紛參與圍獵,就連BAT、華為等巨頭也參與其中。

5月27日,智能交通知名集成商千方科技宣布獲得阿里巴巴近36億元參股,一時竟引得行業紛紛競猜阿里巴巴的安防布局意圖。其實在此之前,阿里巴巴就已經推出了布局智慧城市頂層應用的“城市大腦”,這是一套基于大數據應用的城市級管理平臺,也是阿里布局安防的標志。

以阿里之能,仍需投資一家擁有安防生態的集成商,至少說明阿里此前的安防布局進展并不順利,需要擴充資源來協助其AI技術在安防領域縱橫捭闔。

那么,安防究竟一個什么樣的行業?其AI生態都存在哪些痛點,竟然在眾多知名AI企業圍剿下仍需合縱連橫?

解密“安防+AI”生態中的那些痛點

四重生態,AI各有布局

我們看安防+AI,通常為算法+芯片、設備制造+解決方案、行業應用三級生態。

最上層為基礎算法和芯片,以宇視科技為代表的安防企業都開發有各自的AI算法;商湯、曠視、依圖、云從4大AI獨角獸更是聞名全球,可以說在算法端,中國企業、中國的安防公司都走在了世界前列。而芯片端,主流產品有GPU、ASIC、FPGA三大類型產品,相較國際芯片巨頭,中國已能滿足自給自足需求。

中游則是各種軟硬件產品和解決方案。宇視科技高級人工智能專家黃攀告訴OFweek安防網:這是安防生態中,宇視科技等一眾安防企業的強項,可以提供從端計算——邊緣計算——云計算的三個覆蓋大安防各細分行業的所有產品和解決方案,其中就包括了AI、存儲、大數據等基礎應用。

下游為政府、教育、醫療、零售等各個行業場景應用,涉及的產業鏈和企業類型較多,除了深耕安防的設備商外,還包括運營服務商、系統集成商、軟件定制服務商等安防生態企業;宇視黃攀指出,安防+AI的產品落地中,最終面對用戶的部分恰是產品變現的“最后一公里”。

除了上面三部分生態,安防+AI還需要最底層的核心架構,也是最易為大家所忽視的部分。目前主流的AI底層架構有Caffe(卷積神經網絡框架)、TensorFlow(第二代人工智能學習系統)等,且掌握在谷歌、Facebook等國際巨頭手里,本土企業中,僅有百度、阿里巴巴、商湯、曠視等少數AI玩家在構建自己的深度學習架構。

2大因素制約早期AI爆發

人工智能之于安防,一直存在;只是人臉識別技術起來后,才廣被大眾所熟知。其實,安防領域是人工智能技術應用最早、類型最全的一個行業,涵蓋車輛、行人、人臉、行為、動作、步態、物品、事件等的識別與應用,不過早期安防智能較集中于智能交通領域,對車輛的車牌識別、車輛品牌、顏色等車輛屬性涉及較多,近幾年才慢慢擴展到人體、人臉、動作、事件等各種智能方案。宇視黃攀認為,這是歷史發展規律使然,主要有受兩方面因素制約。

解密“安防+AI”生態中的那些痛點

先從算法維度分析,安防業經歷了從模擬——數字——高清——智能的轉變。早期安防首先需要解決的是圖像清晰化的命題,編解碼算法和圖像處理算法是業內廠商最優先發展的算法;隨著智能交通的興起,對車輛屬性的識別成為主流應用,傳統模式識別+淺層機器學習逐步在安防領域成為主流。隨著2012年AlexNet的驚艷表現,深度學習算法得到爆發性發展,安防智能真正進入到“深度”智能階段,并最先在人臉識別領域得到大規模應用。

再從硬件維度分析,早期沒有專門針對人工智能的算法芯片——算力,當行業進入到深度學習算法階段后,專注于游戲業務的英偉達發現GPU在分布式計算、大規模集群運算中有著非常大的優勢,由此找到了新的業務落腳點,并發力推出針對人工智能深度學習的多個產品線專用處理芯片,如工業級的Tesla系列、消費級的GTX系列等。

隨著算力的大幅提升,原先需要幾個月才能完成的深度訓練迭代,在分布式GPU集群的加持下,只需要幾個小時便可完成。

1  2  3  4  下一頁>  
內容導航
聲明: 本網站所刊載信息,不代表OFweek觀點。刊用本站稿件,務經書面授權。未經授權禁止轉載、摘編、復制、翻譯及建立鏡像,違者將依法追究法律責任。

發表評論

0條評論,0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁,請輸入驗證碼繼續

暫無評論

暫無評論

文章糾錯
x
*文字標題:
*糾錯內容:
聯系郵箱:
*驗 證 碼:

粵公網安備 44030502002758號

pc28am参考结果