智慧城市网

　　【安防展览网 视点跟踪】3月4日，中共中央*常务委员会召开会议，提出要发力于科技端的基础设施建设，“新基建”不同于“铁公基”传统思路，其本质是信息数字化的基础设施建设，用于支撑传统产业向网络化、数字化、智能化方向发展。人工智能作为“新基建”七大版块中的重要一项，人工智能基础设施应该建什么、怎样建？作为人工智能先落地的安防行业又将从人工智能新基建中得到哪些发展机遇？
 

　　目前新基建的角度看人工智能主要包含了硬件、AI能力多个层面的支持。其中在硬件层面，AI芯片不仅涉及到边缘加速、云端推理、边缘计算、端侧加速等，还包括相关的传感器，激光雷达、毫米波雷达、监控摄像机和红外芯片等；在通用AI能力中，计算机的视觉能力较为常见，如人脸人形识别检测、检测车牌，在此基础上，还包含软硬件平台的服务，包括物联网云平台、云端数据标注和云端训练平台、边云协同平台等。
 

　　聚焦算力提升
 

　　从中国信息通信研究院王蕴韬在通信世界网发表的文章了解，人工智能基础设施建设一方面是继续夯实通用算力基础。当前算力供给已经无法满足智能化社会构建，根据OpenAI统计，从2012年至2019年，随着深度学习“大深多”模型的演进，模型计算所需计算量已经增长30万倍，无论是计算机视觉还是自然语言处理，由于预训练模型的广泛使用，模型所需算力直接呈现阶跃式发展。据斯坦福《AIINDEX2019》报告，2012年之前，人工智能的计算速度紧追摩尔定律，算力需求每两年翻一番，2012年以后，算力需求的翻番时长则直接缩短为3、4个月、。面对已经每过20年才能翻一番的通用计算供给能力，算力捉襟见肘已经不言而喻。
 

　　另一方面则是全面提升专属计算能力。经过近两年的研究及应用实践沉淀，产业界逐渐发现以机器学习为代表的人工智能计算具有独特性，一是机器学习计算大部分场景仅需要低精度计算即可，经过推测，一般应用场景下8比特即可满足95%以上需求，无需FP32、FP16等高精度计算；二是机器学习只需要高性能运行矩阵乘法、向量计算、卷积核等线性代数计算即可；三是分布式特性，随着模型不断增大，深度学习“大深多”模型已经无法在单片芯片完成计算，多芯片多场景的异构计算需求使得机器学习计算须考虑分布式的计算通信以及计算任务的协同调度，实现密集且高效的数据传输交互。
 

　　满足应用泛化需求
 

　　为了更好满足应用泛化的需求，未来人工智能应用及产业发展将呈现多平台多系统协同态势，以实现更为广泛的赋能。可以看到，当前阶段，人工智能的主要赋能方式还是通过通用平台，以聚合提供人工智能基础技术能力的方式进行赋能，面向端侧的一些成熟应用场景也出现了软硬一体的端侧应用系统，如自动驾驶平台、智慧安防摄像头、基于智能语音语义的智能音箱、终端翻译机等。但是通用平台无法实现广泛赋能，目前市面上的端侧应用也是功能单一且能力固化。
 

　　在通用领域，通用平台将进一步分化为提供人工智能基础能力的基础平台和融合行业基础应用的行业平台两个方向。实际上，现在阿里的城市大脑、腾讯的医疗优图等平台，就已经开始呈现出从基础通用功能平台向行业应用能力平台演进的态势。
 

　　在专用领域，现有的端侧应用无论是功能还是可扩展性上都远远达不到实际的泛化应用需求，因此未来面向泛化应用将呈现专用系统这个形态，专用系统特点是它不仅仅是端侧应用的软硬件固化，而是通用平台、行业平台和端侧应用的协同组合，以软硬一体的方式实现具体应用的功能定制和扩展。
 

　　安防应用模范体现优势
 

　　一直以来，人工智能芯片和框架都属于通用平台和端侧应用范畴，其生态主体是提供人工智能技术的科技企业，而提到专用系统，系统协同将成为主流，融合通用能力、行业能力、业务逻辑的专用系统将由垂直行业来牵头打造，人工智能的生态主体也将逐渐变成人工智能技术的使用者，即各个垂直行业的传统企业。
 

　　在人工智能领域，真正在商业中应用落地的技术主要是深度学习在图像及语音方面的识别分析。由于借助机器视觉及深度学习能够迅速对视频进行结构化处理、对人、车、物进行快速识别比对，这也与安防对智能化的需求不谋而合。
 

　　目前，安防已经进入了AI时代，不但激发潜在的安全需求，促进安防新技术、新产品的开发，实现新的应用模式和市场。同时带来更多企业参与。众多传统安防制造企业，通过借助AI赋能，实现传统安防产业智能化升级外；以拥有优异算法的AI创业企业，持续涌入安防领域，实现安防应用场景的不断落地。并且可以发现人工智能在安防行业已不仅仅存在于计算机视觉领域，ISP、传输、存储、运维等单个环节，越来越多的企业推出集成AI技术的系列化、平台类产品。
 

　　因此在新基建的背景下，人工智能将通过基础设施的完善，持续撬动整个安防行业，继续推进安防为生活、企业生产和社会协作方式带来巨大的变化。