侵权投诉
订阅
纠错
加入自媒体

解密“安防+AI”生态中的那些痛点

经过20多年的本土化发展,安防经历了模拟、数字、网络、高清4个时代,目前已经进入到“安防+AI”智能化阶段。就在传统安防企业砥砺前行之时,广阔的AI安防蓝海市场吸引了众多AI公司纷纷参与围猎,就连BAT、华为等巨头也参与其中。

5月27日,智能交通知名集成商千方科技宣布获得阿里巴巴近36亿元参股,一时竟引得行业纷纷竞猜阿里巴巴的安防布局意图。其实在此之前,阿里巴巴就已经推出了布局智慧城市顶层应用的“城市大脑”,这是一套基于大数据应用的城市级管理平台,也是阿里布局安防的标志。

以阿里之能,仍需投资一家拥有安防生态的集成商,至少说明阿里此前的安防布局进展并不顺利,需要扩充资源来协助其AI技术在安防领域纵横捭阖。

那么,安防究竟一个什么样的行业?其AI生态都存在哪些痛点,竟然在众多知名AI企业围剿下仍需合纵连横?

解密“安防+AI”生态中的那些痛点

四重生态,AI各有布局

我们看安防+AI,通常为算法+芯片、设备制造+解决方案、行业应用三级生态。

最上层为基础算法和芯片,以宇视科技为代表的安防企业都开发有各自的AI算法;商汤、旷视、依图、云从4大AI独角兽更是闻名全球,可以说在算法端,中国企业、中国的安防公司都走在了世界前列。而芯片端,主流产品有GPU、ASIC、FPGA三大类型产品,相较国际芯片巨头,中国已能满足自给自足需求。

中游则是各种软硬件产品和解决方案。宇视科技高级人工智能专家黄攀告诉OFweek安防网:这是安防生态中,宇视科技等一众安防企业的强项,可以提供从端计算——边缘计算——云计算的三个覆盖大安防各细分行业的所有产品和解决方案,其中就包括了AI、存储、大数据等基础应用。

下游为政府、教育、医疗、零售等各个行业场景应用,涉及的产业链和企业类型较多,除了深耕安防的设备商外,还包括运营服务商、系统集成商、软件定制服务商等安防生态企业;宇视黄攀指出,安防+AI的产品落地中,最终面对用户的部分恰是产品变现的“最后一公里”。

除了上面三部分生态,安防+AI还需要最底层的核心架构,也是最易为大家所忽视的部分。目前主流的AI底层架构有Caffe(卷积神经网络框架)、TensorFlow(第二代人工智能学习系统)等,且掌握在谷歌、Facebook等国际巨头手里,本土企业中,仅有百度、阿里巴巴、商汤、旷视等少数AI玩家在构建自己的深度学习架构。

2大因素制约早期AI爆发

人工智能之于安防,一直存在;只是人脸识别技术起来后,才广被大众所熟知。其实,安防领域是人工智能技术应用最早、类型最全的一个行业,涵盖车辆、行人、人脸、行为、动作、步态、物品、事件等的识别与应用,不过早期安防智能较集中于智能交通领域,对车辆的车牌识别、车辆品牌、颜色等车辆属性涉及较多,近几年才慢慢扩展到人体、人脸、动作、事件等各种智能方案。宇视黄攀认为,这是历史发展规律使然,主要有受两方面因素制约。

解密“安防+AI”生态中的那些痛点

先从算法维度分析,安防业经历了从模拟——数字——高清——智能的转变。早期安防首先需要解决的是图像清晰化的命题,编解码算法和图像处理算法是业内厂商最优先发展的算法;随着智能交通的兴起,对车辆属性的识别成为主流应用,传统模式识别+浅层机器学习逐步在安防领域成为主流。随着2012年AlexNet的惊艳表现,深度学习算法得到爆发性发展,安防智能真正进入到“深度”智能阶段,并最先在人脸识别领域得到大规模应用。

再从硬件维度分析,早期没有专门针对人工智能的算法芯片——算力,当行业进入到深度学习算法阶段后,专注于游戏业务的英伟达发现GPU在分布式计算、大规模集群运算中有着非常大的优势,由此找到了新的业务落脚点,并发力推出针对人工智能深度学习的多个产品线专用处理芯片,如工业级的Tesla系列、消费级的GTX系列等。

随着算力的大幅提升,原先需要几个月才能完成的深度训练迭代,在分布式GPU集群的加持下,只需要几个小时便可完成。

1  2  3  4  下一页>  
内容导航
声明: 本网站所刊载信息,不代表OFweek观点。刊用本站稿件,务经书面授权。未经授权禁止转载、摘编、复制、翻译及建立镜像,违者将依法追究法律责任。

发表评论

0条评论,0人参与

请输入评论内容...

请输入评论/评论长度6~500个字

您提交的评论过于频繁,请输入验证码继续

暂无评论

暂无评论

文章纠错
x
*文字标题:
*纠错内容:
联系邮箱:
*验 证 码:

粤公网安备 44030502002758号