不论是免费Wi-Fi盗取位置信息，还是儿童智能手表成为窃听工具，都在揭露一个事实：

技术的进一步扩张，正在压缩人们的隐私边界。

晚会又举了一个例子：用户只需要浏览网页，技术公司便可抓取MAC地址，然后匹配到手机号，方便营销公司精准营销。

受利益驱动，技术成了灰色产业链的掘金铲，用户所浏览的商品信息、浏览时长、兴趣爱好等非生物特征信息都是该技术的“原料”，成为另一个隐私泄露重灾区。

这实际上是去年「人脸识别」话题的延续，只不过隐私数据从人脸这类生物特征信息，变成了非生物特征信息，但本质上是对技术侵犯隐私的又一次曝光。

长久以来，围绕技术和隐私的讨论不胜枚举，人们对二者何为第一性并未达成共识，但基本上都承认，两者之间并非零和博弈，关键在于如何划分技术、隐私数据和商业行为的「边界」。

失控的数据

2021年的3·15晚会上，央视披露了多家企业非法抓取人脸数据，宝马、科勒卫浴等品牌被点名批评。

半年之后，便利蜂铺设摄像头采集数据事件再将数据隐私推上舆论高地。

两起事件不过是诸多企业收集数据的缩影，而在人们的生产生活中，这样的例子比比皆是：

上下班要刷脸打卡，进入小区要刷脸解锁，商场购物则少不了摄像头的“监控”。

这些只是线下场景收集的数据。在线上，用户的个人资料、兴趣爱好等数据同样会被抓取，用以推荐更为合适的商品、文章、图片、视频等内容。

在由大数据和互联网技术构成的数字化时代，人们已经无法避免被收集个人数据的情况，只不过线下收集的数据以个人生物特征信息（人脸、指纹等）居多，更容易引起人们的关注，而线上收集的个人数据，则尚未引起足够的重视。

但殊途同归，收集数据不是目的，让数据产生价值才是企业的追求。不论线上线下，围绕数据所产生的利益链条，已经深入到诸多企业的血管之中。

在这利益链条中，有的被称之为灰色交易，比如直接倒卖隐私数据，有的却又在法律监管之外，比如收集数据优化推荐算法，通过推送个性化商品和广告来达成交易。

“有效数据越多，价值量越大。”一位数据公司数据中心VP告诉掘金志，现在很多算法都需要大量数据来训练、优化，从而实现更加智能化的推送。

这也是诸多公司冒着风险去收集包括人脸在内的数据的原因：利用数据来调整营销策略，去触及更多有效用户，达成交易、产生收益。

简单举个例子：商户开业初期，数据分析发现女性消费者偏多，那么在随后的供货清单里，其产品也会倾向于女性。

另一个比较有趣的现象是，此前有很多APP，不给个人信息就无法用。

在众多APP的解释中，收取个人信息数据是为了更好地推荐内容，但“不给就无法用”实际上暴露了其真实目的：嘴里都是诚意，实际上干的都是生意。

“一方面，更好地推荐内容利于增强用户黏性；另一方面，APP要通过收集用户数据来构建用户画像，方便与广告主进行协商谈判，来谈合作。”

一名负责广告投放业务的员工表示，在结算方式一样的情况下，合适的投放平台，可以带来三方共赢的局面：

“广告主能降低有效用户的获客成本，APP所有方获得广告投放收益，而用户则得到了更多优质好看的内容。”

但这种“赢”实际建立在用户数据的基础上，换言之，这场数据交易，实则获益者只有两个：广告主获得精准曝光，获客成本进一步降低，并能从其他商品上进行转化；APP方则获得广告收益。至于用户，除了要被贩卖数据之外，还可能通过广告进行商品消费。虽然用户也可能不会花钱买产品，也不会产生任何直接经济损失，但通过其数据交易，其他两方获益，己方也会承担「交易成本」，即便这种成本不可见。

这正如纪录片《监视资本主义:智能陷阱》所言：“如果你没有花钱买产品，那么你就是待价而沽的商品。”

某行业人士告诉掘金志，由于相关方以提供服务为借口采集数据，消费者实际上处于弱势地位，即便消费者具备一定的警惕性和保护意识，在拒绝采集数据就无法享受基本服务的情况下，也不得不捏着鼻子签下这类“不平等条约”。

在这种不对等的关系中，生产者的强势与消费者的弱势，使得数据交易越来越泛滥，加上缺乏有效的监管措施，收集个人隐私数据的行为也愈发猖獗，逐渐走向失控。

膨胀的「信息茧房」

对于许多人而言，生物特征信息比非生物特征信息的隐私保护层级更高。

通常情况下，生物特征信息（人脸、指纹等）与资金账户、社交关系等密切相关，一旦发生泄漏，所产生的风险损失在某种程度上是「可预知」的，损失也是相对「可控」的。

以人脸数据为例，发生数据泄露之后，用户首当其冲可预知到账户安全，然后通过各种手段冻结账户。

而非生物特征信息（兴趣、爱好等）由于风险损失的「不可预估」，普通用户很难有一个直观的认识。

例如，在注册APP时，用户被要求填写基础资料、个人爱好等信息。这个过程中，用户只需要支付时间成本，而不会产生直接利益损失，就能够获得更精准的信息推送服务。

但命运赠送的礼物，早已暗中标好了价格。

这些数据虽然不会直接带来损失，但危害或许更大。在这些数据的加持下，各种推荐算法横空出世，构建了一张张封闭的「信息茧房」，茧房里的用户们，成为一茬茬被收割的对象。

大数据杀熟可以说是比较明显的一类收割方式。

系统通过抓取用户在线时长、消费记录等特征值，将用户按标签分组，然后推送不同的折扣，给新用户优惠，老用户高贵。

人们常说的消费主义也与之相关，许多用户在购物平台上购买商品，系统会根据用户的浏览记录、时长、输入标签、好友等等，推送其可能喜欢的商品，并且一发不可收拾。最后用户可能买了一大堆并不实用的商品。

这两种都比较常见，但商家只是为了赚取更多利润，虽然面黑，却也至少在法律监管之内。

但从另一个角度看，基于数据产生的推荐算法，如果没有得到有效引导，那么将会带来「社会性灾难」。

品牌传播有一种常用技巧，叫培养用户心智。最典型的莫过于“钻石恒久远，一颗永流传”这句广告，把钻石和爱情画上等号，成为结婚不可或缺之物。实际上，钻石本身价值不如黄金，但仍有无数男女为之倾倒。

罗马的建成并非一朝一夕，培养用户心智，也不可能一蹴而就，而是潜移默化、春风化雨。

以最近被讨论得较多的豆瓣为例：

豆瓣曾于2012年上线了“豆瓣猜”功能，根据官方定义，该功能如下：

“你的个人推荐是根据你的收藏和评价自动得出的，每个人的推荐清单都不同。你的收藏和评价越多，豆瓣给你的推荐会越准确和丰富。每天推荐的内容可能会有变化。随着豆瓣的长大，给你推荐的内容也会越来越准。”

毫无疑问，该功能的初心是为了给用户提供更优质内容，包括现在许多短视频APP，在使用推荐算法的时候，直接目的是增强用户黏性，然后通过广告投放变现。

但这类推荐实际上会形成一个「信息茧房」，即用户在某一类别的内容下熏陶太久，很难再接收到其他跨行业的内容，从而造成信息阻塞。在这个「茧房」里面的用户，每天都受到同质化内容的冲击，思维也会受到影响，趋于单一甚至极端。

一份对豆瓣的研究表明，豆瓣由于是小组机制，以组为单位的信息交流较为封闭，受推荐算法影响，组内成员接收到的内容更为单一（精准）。整个小组就是一间房屋，只接受来自推荐算法的投喂，而拒绝跨行业交流，所以不难理解豆瓣出现的一些极端言论。

如果这种推荐算法被用于舆论战，比如在俄乌事件中，Facebook允许用户发表任何关于俄乌领导人的仇恨言论，那么许多人可能都会接收到更多类似言论，从而带来严重的社会问题。

所以，看起来没那么重要的数据，在推荐算法的放大下，影响也会被放大无数倍。即便一开始，推荐算法是出于好意，但若缺少有效监督，最终会酿成恶果。

技术、监管与商业行为

“技术仅是一种手段，它本身并无善恶，一切取决于人从中造出什么，它为什么目的而服务于人，人将置于什么条件下。”

德国存在主义哲学家雅斯贝尔斯如是说。

互联网、大数据、AI等新技术确实带来了生产生活的改变，同时重铸了商业模式，但技术与人之间的关系却产生了「滞后效应」。

所谓滞后效应是指，法律监管、民众意识的觉醒，落后于新技术的演变，这种时间差所导致的认知差异很容易引起争议，而这种争议又因利益主体而有着截然不同的态度。

以人脸识别为例，该技术已经广泛应用到视频监控、消费电子等场景，但不同的采集主体，人们却表达了不同意见。

比如，疫情防控需要采集人脸信息，几乎没有人表示反对，但对于商店收集人脸，却有百般不愿。

“对公权力的信服，使人们相信公权力收集人脸信息是为了大众安全与福祉。”

一位法律行业人士表示，这种信任在商业层面却恰好相反：当人脸识别技术被用于发展商业时，人们对生物特征信息相当敏感，甚至可以说抵触。

因为前者属于利益共享，并且有政府背书，人们相信前者有能力来保护个人数据安全。但后者是纯商业行为，消费者从中无法获得利益，并且存在很大的信任危机。

在这段时间差里，由于缺乏针对性的法律加以监管，隐私、技术、商业、监管四者之间存在一片模糊地带，成为灰色产业链的沃土。

《个人信息保护法》和《数据安全法》的出台，一定程度上规范了行业，但从监管层面来看，隐私与技术、商业行为之间的界限仍然不够明晰。

以生物特征信息为例，哪些信息可以采集、哪些信息不可以采集，什么时候能用，什么时候不能用，尚未有国家层面的正式法律依据做支撑。

举个例子，现在很多技术公司在做「智能商业」，也就是通过采集数据来给商户营销服务。人脸信息在《个人信息保护法》有明确规定，企业私自采集人脸并商用属于违法行为。

技术公司已经可以通过技术手段，比如数据脱敏，来规避掉人脸信息，而采集性别、年龄、穿着、用户行为等其他信息，这部分数据实际上处于上述提及的灰色地带之中。

这些数据能不能采？是一个问题。

另一个问题是，针对线上用户的推荐算法，其采集的数据范围、类型等要不要加以限制？

一位数据公司VP告诉掘金志，现在的大数据实际上处于线上线下融合发展的阶段，任何一端的监管缺失，都会带来很严重的问题。

虽然2022年1月出台了《互联网信息服务算法推荐管理规定》，对推荐算法进行规制，但在数据采集方面仍然缺少约束。

比如，今年315之后，淘宝、抖音、微博等APP上线了算法关闭键，用户可关闭“个性化推荐”，不过实际影响可能有限。

某行业人士表示，关闭“个性化推荐”存在弹性：其一，只是降低了内容的相关度；其二，仍然可以通过别的算法（如近邻算法）来感知消费者的喜好；其三，APP仍然可以采集隐私数据。

当然，这并不意味着该功能无用。在他看来，数据已经成为现代商业不可缺少的一部分，是发展数字经济的基础“资源”，几乎不太可能割裂数据与商业之间的联系。

“如果要划分隐私数据、技术与商业行为之间的边界，需要企业、消费者、监管方、媒体等多方参与。”

而这又将是一场持久的「利益博弈」。雷峰网雷峰网

 近日海康举行了投资者问答。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

Q：当前的经济总体形势比较严峻，政府可以征收和调配的财政力量比之前弱，企业投资的信心似乎不足，服务型的中小企业日子好像更紧。公司怎样看待经济的状态，是否还能维持一个合理的增长？

A：我们首先要说，海康威视今天的业务板块有五个大的部分，包括国内的三个 BG，海外主业，以及 8 个创新业务的大集体。刚才您讲到的国内经济压力我们感受得到，但首先从公司的维度看，海外业务的稳健增长、创新业务的较快增长，这个预期应该是稳定的，所以首先公司的基础增速可以保证。

聚焦到国内经济环境上，我们身在经济体之中，感受得到今天经济的压力，但这些压力和过去 5 年、过去 20 年之中遭遇过的挑战相比也并不很特别。今天影响经济的外部因素比较多，而我们也看到各个层级的主体都有可以调整改善，从而有所施展的空间。

比如在政府维度，中央对地方的转移支付力度增大，专项债等形式的政府性基金提早拨 付，都在尽力维持合理的政府开支力度，而从中长期视角看，政府的深化改革中重要的一点 就是简政放权，推动社会治理的数字化、流程化，而相信我们的智能物联能力将在其中发挥关键作用。

在企业部分，对企业的数字化转型，我们依然坚信这是一个十年维度的大机遇。 同时从营商环境看，无论是对政府推行的减税降费，对中小微企业的租费减免，还是金融市 场的专项融资支持，都在帮助市场主体面对现在的压力可以有条件缓一缓，逐步恢复经营活 力。

这些企业类的客户和我们一样，都是在商业竞争中拼搏的公司，其实无论在什么时代、什么环境中，都一样面临当时的挑战，也同样能找到相应的机遇。我们还是相信中国这个大经济体的调整能力，希望我们自己能努力做到不错的增长。

Q：历史上技术型行业很多都有非线性的增长过程，当它的成本下降到一定阶段，会在需 求端有拐点效应，但是好像在 AI 行业没有呈现出期待中的爆发增长，公司预期业务会迎来爆发的机会吗？

A：我们理解的 AI 技术，是一个通用型的底层技术，它的应用形式跟着场景走，这种技术的增长更像是深水静流，兑现时间长，可以把业务持续做下去。过去几年在公司业务中，AI 技术的渗透还是呈现出了非常快速的增长，现在也看到很多项目里面，我们的客户会提出设备要 100% AI 化。从 AI 技术在产品中的渗透速度来看，已经是高速的增长了。

我们也看到人工智能的把市场的新需求激发出来，比较明显的一点，原来的很多需求是呈点状的，现在人工智能的整个方案中需要人工智能的部分是面状的，而且有很多项目要求整个系统都是具有智能化的能力，这样的趋势是在出现。而公司也是在提供全系统的 AI 能力方面，竞争力最强的玩家之一。

Q：公司的工程化落地能力、行业、区域、销服体系等等资源布局的形式和碎片化市场比较吻合，这些应该是海康企业端数字化转型业务发展很大的优势，公司如何理解自己在 EBG 市场的核心竞争力？

A：近年来我们在技术上构建了一些系统化的能力，我们的 AI 开放平台、统一软件架构， 这都能帮助我们在碎片化场景中快速落地。另一方面，我们对于行业的洞察和理解能力也是 帮助我们能够比较好、比较快发现用户价值需求的。同时还要说我们在资源布局方面，有全国广泛布局的营销服务体系，我们的服务渠道无论对于我们政府信息化、数字化业务落地，还是对于我们 EBG 的业务都有很大帮助。

我们的业务是碎片化，也是场景化的，我们都在围绕着业务的小闭环在提供价值，比如设备资产管理的闭环、比如巡查巡检的闭环，比如教育行业三个课堂的闭环。我们把业务在小闭环里串起来，然后通过业务的闭环和管理的闭环给用户提供价值。这对于从业者来说是一个挑战，需要的是能有深入的理解，也能够具备帮助用户转型的能力。

Q：智能化方案往往是从一个典型场景的标杆客户开始做应用，然后逐步推广给更多类似客户。哪些行业已经形成了一些标准化或者规模化推广的案例？

A：我们在许多行业都有先锋用户，这些用户更愿意尝鲜，我们配合客户的需求来做组织自己的技术，很多解决方案在刚开始做的时候是个性化方案，一段时间之后，会成为我们的标准化产品。

比如远程巡检的方案，巡检最早是给一些连锁行业定制的方案。现在除了连锁行业外，能源的点位巡查，都应用了远程巡检的理念，方案的表现方式会根据不同行业的不同特点，做很多的细化和版本迭代。

第一个产品原型是这样的，通过不断的业务交流，产品也会升级迭代，这个产品可能通用性很强，逐渐变成了一个通用功能；或者是这个产品越来越专业化，逐渐变成了某一个细分领域的专业化方案，这两种变化都有。

例如，我们明眸的产品是疫情期间为人体测温开发的，现在是标准化的产品；我们人证比对产品，也是标准化的产品，这些产品的发展迭代支撑着今天将近 3 万 SKU 的产品体系，软件端、应用端的迭代也是如此，不断从定制场景中来，走向标准应用去。

Q：是未来 5-10 年，公司人效是否会不断地提升？

A：人效是个比较具体的问题，发展展望的是一个宏观、远期的问题，对于人效来说，它更关系到企业内部运营的状态。

一般来说业务状态、业务模式很成熟的企业，人效的水平可能会比较高；或者说我们对外部的渠道辅助以及依赖更多一些的时候，企业的人效会更高一些。像海康当下的状态以及对主营业务的定位，短期来看人效改善有空间，但也没有那么大。

从运营的角度来说，我们还是会努力的，比如让内部部门之间的沟通更高效，研发投入的质量更高，生产制造的自动化水平更高，可能也会促成人效的提升。

这方面我们是一年一年通过点点滴滴来改善的，很难定一个跨越式的大目标，我们会回到点点滴滴的改善工作上来。雷峰网雷峰网雷峰网

此时距离海思被制裁的新闻刚过去一个多月，没有人预料到这意味着“缺芯潮”的开始。

由于海思在制裁禁令之前下足了订单，其尾单足以支撑起相当一段时间的市场需求，加上海思的主要客户，如海大宇等头部企业受的影响并不大，以至于造成一种海思仍能持续供货的假象。

直到2020年8月，在经历新一轮制裁之后，海思连尾单都已消耗殆尽，只能消耗库存来少量供应大客户，而多数中小客户则收到了停止供货的消息。

这时市场才明白缺芯的意义。震惊之余，一场囤积居奇式的哄抢与炒作，在安防圈掀开序幕。

虚假市场

安防缺芯，这一点谁都知道。

但许多人不知道的是，这场缺芯潮，因信息不对称而被刻意「放大」了。

早在缺芯潮刚开始泛滥的时候，掘金志就曾指出这个放大效应：

一家缺货10K找10家问，市场便以为有100K的需求，市场有30K的货，无形之中就多出来70K的缺口 。

当恐慌情绪持续蔓延，市场参与者（尤其是中小厂商）由于无法获取足够的信息，都担心自身成为该事件的受害者，其行为就会变得非常不理性。犹如惊弓之鸟，任何风吹草动都极易引混乱。

以海思中低端价位的芯片为例，从20年8月第一波实质性意义的缺芯危机开始，不到一个月的时间，其Hi3519A、Hi3516D、Hi3516C等先后涨了近4～5倍，其高端芯片Hi3559A更是从500元涨到超3000元。

但平心而论，这种飞涨的情况非常罕见，某芯片企业员工甚至直呼：“钱大都被渠道商赚了。”

在他看来，海思停止供货之后，市场上仍然有芯片可用，一部分是海思的库存，另一部分则来自于其他芯片厂商。即便后者的产品在当时与前者相比存在差距，但在中低端芯片领域，也绝非到了不能用的境地。

“当时最恐慌的是那批没有plan B的中小企业，因为海思之后的货主要供给海大宇等大客户，这些大客户受影响较小，并且也早有准备。另外一些企业，此前就与富瀚微、君正等有合作，芯片供应也不受影响。”

该员工告诉掘金志，第一波缺芯实际上是这些没有B计划企业的「悲剧」，以及掌握市场信息及供应渠道的渠道商的「喜剧」。

一边是被放大的需求，另一边则是被压缩的市场供给，那些没有议价权也没有进货渠道的企业，只能捏着鼻子接受来自市场的一次又一次涨价；渠道商则趁此机会赚得盆满钵满。

实际上，在中低端价位的IPC芯片领域，即便当时海思断供，市场的其他玩家也能撑起局面。

“问题在于海思市占率太高，突然腾出来的市场空白，第二梯队的企业很难短时间内实现承接，因为扩大产能和产品线需要时间。”

然而就在这个空窗期，发生了市场疯抢芯片的「闹剧」，仿佛海思断供之后，安防行业再无“芯”可用。但事实是，富瀚微、北京君正、星宸、晶辰、国科微、瑞芯微、安凯等企业先后调整产品线，代工厂开足马力搞生产，以争夺市场份额。

就在这场「闹剧」如火如荼进行时，疫情在世界范围内的加剧，也将芯片行业逼入寒冬。晶圆短缺引发了全行业的缺芯潮，不论是安防、汽车，还是消费电子，都面临着“一芯难求”的窘境。

晶圆短缺之后，代工厂纷纷上调价格，芯片厂商议价空间很小，因而不得不提高供货价格，进而传导至安防大厂，海大宇等企业的部分产品先后提价。

对于芯片厂商而言，虽然对代工厂没什么议价权，但在与需求方的博弈中，还是能占据一定的优势。同时，大厂往往是订单的可靠保证，在海思受制裁与疫情的双重影响下，安防大厂和芯片厂商之间的关系也更趋于稳定，各大厂几乎都有着「专属供应商」，比如海康与富瀚微。

这种“1+1”甚至“1+N”的组合模式，实际上影响着今后的安防芯片格局。

格局重塑

市场从不缺少参与者， 也不只有海思一个玩家。

如果把现阶段的海思当作是摇摇欲坠的周王室，那么富瀚微、星宸、君正等企业则是势大力广的诸侯国：谁都想取代海思，但谁都不敢说自己是下一个霸主。

然而有一点是可以确定的——在安防芯片领域，海思的昨日荣光基本很难再现。

某安防企业高管王伟告诉掘金志，2019年（包括）以前，海思是绝对的王者，市场格局可以用“一超多元”来形容。受制裁以后，2020年，其市场份额下降至30%左右；21年持续下探，“现在可能已经不足5%。”

该说法并非空穴来风，光大证券的研究显示，2020年IPC芯片领域，虽然海思仍然保持了大约30%的份额，但星宸、富瀚微、北京君正、国科微四家企业合计占据了近60%的市场。

2021年，迫于无人代工的窘境，海思的市场份额进一步下跌，这几乎是板上钉钉的事。

王伟认为，2019年之前，海思凭借着出色的技术和价格，依托产品建立了自己的生态圈，属于独一档的存在，其余几家公司只能望其项背。

制裁发生后，市场先是恐慌了一段时间，接着就是炒作芯片。但对于多数安防厂商来说，他们并不喜欢炒作，这样徒然增加产品成本，产品价格也跟着涨，而客户从来都是用脚投票，炒作芯片最终肥的是那些囤积居奇的代理商、渠道商。

因此，许多安防厂商不得不退而求其次：海思太贵用不上，就用第二梯队作为替代。

这便给了以星宸、富瀚微、北京君正为代表的原「预备队」的转正机会。

星宸的反应很快，在“缺芯潮”大规模来临之前，（2019年10月）便一口气发布了三款中低端价位的IPC芯片（SSC339G、SSC338G、SSC336Q）；北京君正紧随其后，在19年的安博会上发布了现今最卖座的T31系列。这些芯片都直接对标海思Hi3516AV300等产品系列。

21年的业绩涨幅，表明这些预备队已然成功转正：富瀚微净利润预增264.98%- 344.82%，国科微净利润预增252.83% - 323.40%，北京君正净利润预增1003.94%-1244.82% ······

王伟表示，现在的格局基本如下：富瀚微、SigmaStar（星宸科技）、君正等属于第一梯队，市占率大概在60-70%左右，剩下的就是联咏、安凯、国科微、以及一批初创公司。

可以说，海思让出来的IPC市场份额，原来的二线部队已经实现有效承接。

海思不可能重现荣光的另一个原因是，在市场已被有效承接的情况下，海思原有的生态随之告破，即便未来海思可能卷土重来，但要攻破多家企业的护城河，恢复原有地位，也很难实现。这和海思时代，其他企业默默无闻是一个道理。

“国内企业也不希望海思一家独大，而星宸、君正等企业借势发展，也会形成自己的竞争力。”

一名从业者表示，芯片市场有一个很大的特征：产品验证周期长，很难在短时间内切换到另一家供应商，供需双方也需要时间来建立信任桥梁。这也是第一波缺芯潮如此剧烈的原因之一。

“生态原本是海思的优势，但在长期无法供货的情况下，厂商也不得不转向其他芯片企业，如果要再换回来，成本会很高，厂商们也不一定愿意了。”

除了在中低端产品上蚕食海思丢掉的市场外，各大企业也先后进军高端芯片。

富瀚微在21年2月以3.3亿元收购眸芯科技32.43%股权，成为其控股股东，而眸芯科技的主要产品为智能视频监控系统后端设备（DVR、NVR等）主处理器SoC芯片；北京君正也于2020年下半年推出了T40，直接对标海思中高端。一名接近君正的从业人员透露，君正专业后端芯片A1已经发布量产，将于今年上市。

这意味着，海思时代处于弱势地位的芯片企业，如今正一步一步完善产品线，逐渐建立起属于自己的「朋友圈」，形成护城河。

但就目前的情况来看，高端芯片仍然以海思的3559最卖座，前述AI芯片员工表示，“现在一颗3559的价格维持在2000元以上，暂时还没有别的产品能与之竞争”。在他看来，现在国内几家企业大有崛起之势，但任何一家都无法形成海思那样的绝对优势。

王伟也持类似的观点：国内芯片格局已经完全改变，新的格局正在形成，现在靠前的企业，如星宸、富瀚微、君正、国科微等，都不具备统一江湖的实力。

“但未来必然有三家会占据上风，形成三足鼎立的局面。”

脱颖而出

谁会成为下一个海思？

不少人将这个问题理解为，在竞争市场上，目前的这几家企业，谁最可能接海思的棒，开启类似于海思时代的局面。

但实际上，市场并不需要、也无法再造另一个海思，而是一个均衡的、具备充分竞争力的格局。这样不论对安防大厂，还是中小企业，亦或是芯片厂商本身，都有益处。

在王伟看来，目前安防芯片企业有十数家，但只有挤进TOP3，才能在未来市场上拥有话语权。

但要入围TOP3，并不容易，首当其中要判断形势以作部署。

就如同海思抓住了安防数字化、网络化变革机遇，推出了支持H.264的视频编解码芯片Hi3510，成为海康大华的御用芯片；接着又与时俱进推出AI只能芯片，经过十多年的发展，成为安防芯片领域的 No.1。

现在的安防行业正在发生新的变化：

• 大消费类与传统安防界限模糊，并且前者向后者渗透

以前的安防主要面对渠道，需要专业的项目型产品，但现在很多场景，如商超、店铺、小区等，消费类产品已经能够满足需求，并且凭借价格、体积等优势，逐步向传统安防渗透。

• 封闭AI逐渐淡出市场，开放AI成为主流

“AI+安防”产生的化学反应能量巨大，未来的AI一定是开放的，不具备平台开发能力的AI，将被市场逐渐抛弃。

• 产品品类大串联

IPC芯片、AI算法、NVR以及低功耗摄像机之间，将形成整体串联的方案。

这三大变化，意味着芯片企业不单要考虑产品线，还要加大对AI的投入，以市场需求为导向，提供涵盖各品类、低中高端的产品。

王伟认为，安防芯片企业要做大做强，除了有灵敏的市场嗅觉与战略部署之外，芯片本身属于技术+资金密集型产业，不存在投机情况，企业要有长期持续投入人才和资金的定力。

“核心技术要有充分的积累，而这并非一朝一夕就能达到。”

结语

缺芯潮何时能迎来拐点？

带着这个问题，掘金志采访了多位业内人士：

某AI公司芯片研发：疫情、国际局势变化等不确定性因素太多，情况尚不明朗；

某安防厂商市场：缺芯情况已得到缓解，行业“去海思化”明显；

某渠道商业务：前端芯片价格保持两位数增长，后端总体增长，但增幅不大；

某芯片企业管理：从晶圆产能来看，预计在2023年以后。

可以看出，安防缺芯的情况得到一定程度缓解，但仍然会持续到未来几年。

海思之后，市场并未沉寂，而是愈发活跃：国内主流安防芯片企业、AI芯片企业都在加大研发投入，志在成为行业TOP3。

这场拉力赛，必将在AI安防行业留下浓墨重彩的一笔。雷峰网雷峰网

作者 | 余快

编辑 | 张栋

低碳经济的大潮，在世界范围内席卷。

去年，中国立下横跨几十年的"双碳"目标。两会上，碳中和被首次写入政府工作报告，并定为2021年八大工作重点之一。

"双碳"升级为国家战略，"碳中和"元年正式开启，中国各行各业从不同层面探索绿色经济模式。

比如，昨日海康与特斯联宣布双方将联合打造绿色低碳解决方案新范式，在低碳园区、智慧能源、碳中和等领域长期合作，同时关注城市级市场的双碳大脑、能源大脑等关键新兴市场需求，为全社会双碳目标的高质量达成贡献力量。

可以肯定，能源转型、节能减排，将成为未来城市的重要纬度。

而我们今天的主角日本，其智慧城市的发展，走的正是典型的以能源、低碳为驱动的路径。

一、亚洲孤儿

日本地处太平洋西部，是一个四面临海的岛国。

其位于多板块交汇处的火山地震带，境内约200多座火山，火山引起的地震是家常便饭，每年大小地震2000余次，在摇晃的土地上，台风、海啸也频繁光顾。

资源极为匮乏，从粮食到日用品，到各类经济原料，无一不依靠进口。国土狭小、人口众多则让这一矛盾愈发凸显。

一个被火山、地震、海啸、贫穷、饥饿等灾难频繁捶打的岛国，灾难如梦魇，有限的地理空间、匮乏的自然资源和纵深狭小的战略空间，让日本如漂泊在太平洋的亚洲孤儿。

日本人常称自己的国家为“日本丸”，丸即是“船”，日本列岛犹如一艘大船，船上的人是命运共同体，大船随时有倾覆的危险。

生存危机挥之不去，忧患意识与生俱来，是日本民族禀性与文化永远的底色，“活下去”是民族诞生起的信念。

也因此，日本民族养成坚韧不拔的个性和一丝不苟、精益求精的做事态度。实用主义、功利主义逐渐深入日本文化肌理。

自古农业精耕细作，近代更是注重品种改良和技术更新，现代更是追求产品“轻薄短小”、产业“精益求精”。

与此同时衍生的，是外界难以体会的岛国、小国对泱泱大国既忌惮又恐惧的心态。

这种难以根除的恐惧感，与生俱来的脆弱感，让日本民族的世界观，总是带有深重的悲观主义色彩和宿命感。日本政府也最大程度利用了这一国民性。

政府和社会各界不断向民众灌输各类“日本危机”论，如“资源匮乏论”、“列岛沉没论”、“生存危机论”等，以激励国民奋发图强。

“拼命三郎”工作作风风靡日本，二战后的日本很快在废墟上崛起，跻身发达国家之列与之不无关系。

日本的低碳、节能发展，大抵也根植于此。

二、四大公害、石油危机和失去的二十年

日本的低碳之路，也是日本近50年的国家大起大落沉浮录。

在冷战格局、美国扶持下，二战后日本经济迅速发展，10年就恢复到了战前水平。

1956年，日本制定“电力五年计划”，这一时期，电力和石油工业快速发展，石油取代煤炭成为主要能源，十年间石油消耗量增加了三倍，日本迎来战后第一次经济发展高潮，进入神武景气。

1958年起，日本向制造业转向，在汽车、电视及半导体领域发力，强大的工业体系为日本的制造业提供结实的底盘，日本以制造业为出口的经济体系迅速成型，这也是日本经济真正高速发展的开始。

出口贸易如火如荼，大批日本品牌闪耀世界。家电、汽车，到处都是日本制造的身影。仅汽车领域，日本汽车占据美国境内十大畅销品牌中的四个席位。

日本由此进入第二次经济发展高潮期，岩户景气。

20世纪60年代，日本更是通过东京奥运会，加快交通运输体系和基础设施建设，带动房地产市场发展，也再一次拉动了经济，时称奥运景气。

1968年日本完成了对西德的超越，成为世界第二大经济体。在“日本战后经济奇迹”中，跻身世界经济强国。

但奥运会结束后日本经济出现了放缓，高速发展带来的环境问题开始凸显。

崛起的背面是“带血的经济”，以重化工业为主体的产业结构带来了遍布日本的环境灾害。

当时的世界八大公害事件中，日本就占了四个。1950年代后半到1970年代，日本因公害死亡人数只增不减。日本此后花了30年时间治理环境污染。

第二次危机虽迟但到，能源匮乏的达摩克利斯之剑落在日本跟前。

20世纪70年代到80年代，全球经济了两次石油危机。

这让当时90%能源资源近依赖进口的日本遭受重创，同时物价飞涨，抢购盛行，社会一度处于慌乱中。

1973年，由《日本沉没》改编的电影轰动日本，“沉没”的恐惧感极大触动日本人内心深处的焦虑与不安。

几年后，不甘心被日本占据上风，美国开始反击。1985年，美国为了解决巨大的贸易逆差，美国联合德、法、英、日签订了著名的《广场协议》。

这个协议，是日本经济由制造业向投资业转型关键一步，也是日元国际化的里程碑。

广场协议宣布当天，美元就贬值4%，到1988年末，美元对日元贬值达50%。与此同时，日元大幅升值，三年间达到了86.1%。

协议签订5年内，日本经济迎来最辉煌的5年，房价、股价、人均收入都达到巅峰，日元升值后，日本开启买买买模式，经济在1991年迎来巅峰。

这个给日本经济装上加速器的协议，也开启了日本的噩梦。

协议带来日元购买力提升，但出口受限，为提内需、促增长，日本央行降息，大量资金流入股市和房地产，日本股市大幅上涨，房地产市场快速膨胀。

房价疯狂到什么地步？一度可以用东京买下整个美国。

日本也嗅到了这种狂热、畸形的经济发展背后的炸药味儿。

亲手签下《广场协议》的竹下登，彼时已是日本首相。他想在自己任期结束前，给狂热的经济降温，1989年，日本政府开始刹车，出台了经济紧缩政策，这成为戳破日本泡沫的一根针。

1991年，房地产泡沫崩掉中，20年积攒下大量的财富瞬间化为虚有，经济崩溃，日本由此进入「失去的二十年」阶段。

“这个国家什么都有。要什么东西就有什么东西，唯独没有希望。”

村上龙在《希望之国》中这样描述当时的日本。

三、自救：无处不在的低碳底色

日本进入后工业时期，经济长期停滞不前，同时老龄化严重、出生率降低，劳动力短缺、自然灾害频繁、经济发展弊病、环境污染困局、能源资源瓶颈。

诸多大山都压在日本身上。20世纪末尾的10年，日本无疑是难熬的。

国家能源高压线下，挥之不去的能源恐慌中，日本逐渐走上低碳经济转型的自救路径。

3.1 及早确定低碳的国家战略高度、建立低碳法律体系

因先天资源匮乏，日本不得不把“开发新能源”、“提高资源效率”放在国家战略高度。及早确立了低碳经济的主体地位。 

日本低碳经济的萌芽，正是1973年第一次石油危机之后。

“省资源、省能源“的理念在日本升温，1974年的“阳光计划”和4年后的“月光计划”，一个是新能源开发的开源，一个是提高能源利用率的节流。

1979年，日本开始实施《节约能源法》。80年代，日本从生产和消费两大源头控制污染，1989年推出“地球环境技术开发计划”，虽然没有明确提出低碳经济概念，但诸多工作已经开展。

1993年，日本整合此前多项计划，形成“新阳光计划”。1997年，日本签订了《京都协定书》。

日本对此有多重视？第二年就成立了以首相为负责人的减缓全球变暖对策促进中心。

此后近20年，日本在低碳经济上开启了狂奔模式。

2000年，日本提出“循环型社会”构想，开始“三R行动”（Recycle、Reuse、Reduce），即“再回收、再利用、减量化”。

第二年相对应的法律就相继出炉（《绿色购买法》、《建设再生法》、《食品再生法》和《家用电器再生法》）。

据日本经济产业省和环境省数据，《家电再生利用法》推行十五年内，2014年空调、电视机、电冰箱、洗衣机及电脑五大家电的再商品化率已经超过80%。同时，家电再回收利用业成为日本的一个新兴产业，提供了大量就业岗位同时创造了巨大经济价值。

法律框架、公众意识、产业合作、技术在这一时期得到重视并高速发展。3R政策极大提升了日本资源利用效率、减少碳排放、改善环境质量。

这成为日本循环经济模式初体验。

2004年，日本成为亚洲第一个宣布建设低碳社会的国家。此后，低碳经济的步伐明显加快。

期间《新国家能源战略》、《21世纪环境立国战略》、创新能源技术发展路线图接踵而出，覆盖再生能源、电动车、城市自然能源、城市能源消费管理等低碳城市相关产业。

日本也极其注重低碳技术的研究与开发，2008年日本与低碳相关的专利数为4400件，比美国与欧洲都要多。21世纪以来，这个数字依然在激增。

《为实现低碳社会的日本而努力》

2008年，金融危机席卷全球，日本急于摆脱经济低迷困境，寻找新的增长点。

时任日本首相福田康夫发表上述公开讲话，这也是意味着日本全面进入低碳战略时代。

21世纪初，日本政局动荡不安、首相频繁更迭，但历任首相都坚持低碳经济、绿色产业的基本国策。

日本低碳经济的一大特质是拥有完善的法律法规。

日本政府花了近50年时间，围绕容器、家电、建筑、食品、汽车及城市建设等众多领域以及宏观层面颁布了约20部低碳经济法律。

2010年后，日本从城市纬度的相关技术、结构、商业模式等方面的低碳形态探索，开启城市能源攻关副本。

3.2 城市能源攻关

柏之叶

第一个智慧城市柏叶，大到道路建设，小到屋顶，柏叶智慧城市都绿色减排融入方案，涵盖垂直绿化、能源可视系统、太阳光电、环境美化、车辆共享、风光互补路灯、雨水再利用冷却墙等系统，但最受瞩目的，能源系统。

柏叶智慧城市建立了各大能源管理系统，建筑（BEMS）、家庭（HEMS）、区域（AEMS）。

比如家庭能源管理系统（HEMS），一大特色是家庭端的能源可视化，居民可通过各种智能终端，了解各项能源消耗量和二氧化碳排放量，并在线控制，不同家居设备彼此互通，并能实时数据分享。

智慧中心连接了所有的水、电、气能源，城市管理者通过可视化方式，对整个区域的能源情况进行运营、监控和控制。

除了控制高峰期的用电量，还能将太阳能、蓄电池发电等分散电源所产生的电能进行再分配。

比如，CBD地区，工作日办公楼用电需求更高，节假日娱乐设施需求更高，EMS通过评估后输送电力，以此节省高峰时期用电量。

考虑到日本多灾的环境，它还是一套灾情智能能源系统，可再生能源及蓄电池可在紧急灾害发生或停电时，进行能源分配，也是日本首个将分散电源电力进行区域再分配的智能电网。

比如优先保障消防电梯、照明设备、公用区域及地下水泵的用电，同时能连续3天保证平时6成左右的电力供应。

北九州

北九州，是另外一个以能源领域为中心的智能城市。

它有两大突破性举动，一是2012年，在全球首创用电“动态定价”。

具体操作上，是根据前一天用电信息预测第二天的需求。

根据时间段，电价分为5级，5级之间的电价最多可相差十几倍。如此，消费者主动调节用电量，这种用电方主动调整供需平衡的方式，优化能源利用。

这套系统应用后，当地居民在高峰期用电量降低了20%。

二是设置“地区节点站”，按需定制电力计划。

地区节点站的目的，是掌握整个区域的电力供需信息。

供应方根据不同用电方每小时用电需求制定发电计划，结合动态定价系统，用户可合理安排用电时间，比如在夜间电动车充电，白天将太阳能的电卖给供电方。

藤泽市

藤泽市的“Fujisawa SST模式”主要侧重于5个方向的智能生活打造：出行、能源、安全、医疗和社区服务。

能源领域，藤泽市进行能源双向市场化，实行“我创造、我消费”模式，每栋住宅配备的太阳能发电板，可基本满足生活需要。除了自给自足，还能将多余电力卖给电力公司，雨天发电不足时可回购。

当然，能源可视化系统也成为标配，用户可随时查看能源消耗情况。

日本定下了3天灾害紧急救援的时限，藤泽市遵循三天生命线，每家住户家中装有大型蓄电池，灾后可提供3天基本用电。

公寓插座分为绿色和白色，绿色连接生活必须用电开关，灾害发生时蓄电池只向绿色插座的装置供电，减少浪费。

电动车充电桩采用双向充电设计，灾害时可反向为住户供电。

公共空地有集中太阳能发电板，平时电量出售，灾害时免费向居民支援电力。

四、模式创新

这些智能能源城市的建设，均为市场主导机制。

每一个低碳城市，企业是建设主体，政府则充当助推器，多方参与形成合力。

大型牵头企业，但并非牵头企业独立进行，吸收社会各界力量。

如柏叶智慧城市的建设以土地的开发者三井公司为主，但在不同阶段，结合、吸收了集合了25家专业企业参与。

三井不动产擅长城市开发，日立电器擅长节能技术，国际航业擅长精密测量，日建擅长建筑设计，是多行业、多企业力量整合。

市场推动为主，当城市运行到一定程度时，政府的社会服务开始介入。比如柏叶市形成了智慧社区社区的管理模式后，政府会将此模式放大到周边地区。

法律制度、城市设计规划在前，城市设计，政、企、民、学、科多方参与模式，并且，强调人与生态理念优先，而非高科技优先。

城市定位注重民生与基础设施融合，日本是踏踏实实的从基础设施的智能化做起，一点点推动城市设施更新。

最后，日本政府非常重视引导民众树立低碳理念，通过学校教育、大众传媒、智能设施呈现与制度等等全方位的方式对民众进行低碳理念的教育，多年的努力下，低碳理念深入人心。

五、没伞的人才要奔跑

从上世纪70年代的石油危机后，日本在能源政策、战略导向、法律制定、技术研发、产业发展等方面经过了近50年的探索。

先天不足的日本，“精打细算”下将自然资源的利用率最大化，至今能源消费效率提高了40%，其能源利用率和经济效益已达到世界最高水平。

曾经闻名世界的“公害岛国”，成为旅游胜地。

智能电网、混合动力汽车、电动汽车、低耗能机器设备、节能家庭设施等等低碳产品种类不断增加，日本产业结构低碳化程度的提升，同时也增加了产品的国际竞争力。

能源开发、节能减排、智慧防灾，贯穿日本城市建设始终，也一步步促成日本的低碳城市形态。

由此带来了日本经济增长方式转变，从高消耗、高生产、高消费到节能减排为主的低碳经济模式。雷峰网雷峰网雷峰网

作者 | 李溪

编辑｜余快

2月7日，在2022北京冬奥会短道速滑男子1000米决赛中，韩国与匈牙利选手先后被场内摄像头捕捉到犯规动作，最终中国选手任子威、李文龙包揽金银牌。

比赛一结束，全网感谢起了“猎豹”和“飞猫”，这两个高清摄像系统，全程无死角地记录了比赛过程中的全部细节，被网友评为“冬奥场馆内的第二位裁判”。

它们的蹿红，是对公平的渴求，也是对竞技精神的绝对尊重。不过，充当北京冬奥眼睛的，也不仅仅是猎豹和飞猫。

仅转播系统上，就有660+台摄像机。其中包括148台特殊摄像机，13台轨道摄像系统，11台索道摄像系统，10套子弹时间回放系统，33台虚拟现实摄像机，25套ENG摄像机。

这些系统部署在不同比赛场地，比如10套子弹时间回放系统分别位于短道速滑、花样滑冰、冰球、自由式滑雪、滑雪跳台、单板滑雪等10个比赛场地中。

而更多的AI视觉技术隐身其中，它们捕捉赛事的精彩瞬间，维护比赛公平，更帮助人类不断突破自身极限。

• 短道速滑、花样滑冰：“韩见愁”飞猫

首先纠正一下广大网友的小错误。

被网友调侃的“韩见愁”，其实是短道速滑比赛的“飞猫”系统，位于首都体育馆，由40台4K超高清摄影机阵列加上3台8K VR摄像头组成。

速度滑冰是速度的比拼，短道速滑则是战术的较量。

比赛期间的交替滑行、领滑、跟滑、超越，会有身体接触、碰撞、抢占身位、路线封堵，是一项综合战术比较强的运动。偶然因素多，也更刺激。

项目场景不同，摄像机的作用也有差异。猎豹的强项是快速跟踪拍摄，但存在视线盲区，飞猫摄像系统的“40台4K超高清+3台8K VR”摄像机组合，多机位、超高清的摄影机阵列，能做到视角全覆盖，转播画面外，还能辅助判罚。

• 超高防疫规格：亿像素阵列像感器光场相机

奥运场馆防疫的要求极为严格，五棵松体育中心、首都体育馆内，有一款赛事防控的特殊相机，亿像素阵列像感器光场相机担此重任。

对于大场景、多对象的超高清拍摄，与一般需要成百上千个超高清摄像机系统不同，亿像素级阵列像感器光场成像系统几台设备就能搞定。

其设备体积小，也具有最大360°的超宽视角，超高清的视觉成像效果，尤其适合“大视野、多对象、复杂交互”场景。

在冬奥场馆中，它也实现了对赛事区域进行超视距、宽视野的全域无盲区覆盖。

在防疫任务上，这款摄像机有19个摄像头，可以实时记录场馆内的事件和识别及追踪人员，如果人员出现异常，它可以迅速锁定目标，迅速追踪捕捉。

此外，还有以亿像素阵列计算摄像机为基础的防疫管控智能分析平台，对场馆内进行全场景、全过程、全细节记录。

背后的“十亿像素级阵列像感器光场成像系统”，源自清华成像与智能技术实验室，由中国工程院院士、清华大学信息科学技术学院院长戴琼海领衔的多位教授、研究员和学生自主研发。

速度滑冰：猎豹，特种拍摄设备时速90公里

近日大火的“猎豹”，其实在速度滑冰的比赛馆——国家速滑馆“冰丝带”中当差，且仅有一套。

这个跑得比运动员还快的摄像机，由中央广播电视总台针对大型快速直道和弯道运动项目进行跟踪拍摄需求研发，历时5年，学名为“超高速4K轨道摄像机系统”。

它是专门用于冬奥会速度滑冰赛事转播，是电视直播特种设备，而非裁判系统摄像机。

因其超高速度，在部署时需要安装在赛场外侧，且需安装隔离板以确保周围人员安全。出于安全和适配度考虑，短道速滑比赛并未安装“猎豹”系统。

360米长的U型轨道是它的跑道，加上一台陀螺仪轨道车，就能上阵。

速度滑冰比的是绝对速度，速滑运动员平均速度可达15m/s，约为每小时50公里，顶尖运动员，时速可达70公里。

运动员超高时速的比赛，给观众带来的冲击感，也对摄像机的高速运动性能要求极高。

它之所以被命名为“猎豹”，正是因其惊人的速度，运行速度最高达到25m/s，同时加速度能达到3.5m/s，相当于每小时90公里，一举一动均逃不出“猎豹”的眼睛，选手们的微表情都可以清晰捕捉到。

除了实时跟踪运动员位置，还能配合转播需求，实现加速、减速、超越等动作，灵活捕捉比赛画面。

当然，除了猎豹，冬奥会为速度滑冰直播研发了锥桶摄像机，通过更多元视角记录比赛。

• 高山滑雪：智能跟踪拍摄系统，追上时速170公里的选手

高速运动目标跟踪拍摄系统，是登陆冬奥赛场的又一项硬科技。

北京冬奥组委梳理了韩国平昌冬奥会的突出问题，其中就有高山滑雪拍摄的难题。

高山滑雪项目以刺激性和挑战性著称，运动速度快，回转运动多。

滑雪过程中，高山滑雪速降选手滑行速度在每小时110公里至130公里，甚至能达到170公里/小时的速度，要想精彩呈现，设备的识别以及跟踪要以毫秒计算。

此外，运动场地地形复杂、天气环境多变，环境温度通常会达到零下20度以下，拍摄环境恶劣，对人工操作技术要求颇高。

传统人工操作，不仅需要在陡峭的雪道上架设数十台专业摄影平台，滑雪赛道也需要人工拍摄驻守。

在前端采集上，冬奥会采用了“高速运动目标跟踪拍摄系统”，摄像头通过智能控制中台，犹如“鹰眼”，自动对焦，快速锁定高速滑行的运动员，自动实时跟踪拍摄，能在500米距离外，进行时速170公里运动目标跟踪拍摄。

数台摄像机，就能将高山滑雪运动员自山顶高速滑下的全过程尽收“眼底”。

这项技术由北京理工大学开发，这是冬奥场景中首次实现高速运动目标的无人化全局搜索、自动捕捉与智能跟踪拍摄。

• 冰上象棋：“冰壶运动轨迹捕捉”技术

冰壶有“冰上象棋”之称。

这项起源于16世纪的苏格兰的运动，于1998年在第18届冬奥会成为正式冬季奥会比赛项目。

作为一种“策略游戏”，虽然没有激烈的身体对抗，但也是智力、体力的双重较量，兼具技巧与谋略。

冰壶运动轨迹，对运动员至关重要。他们要时刻关注冰壶的位置与速度，据此调整策略。

为了实现比赛场馆真实场景的数字化呈现，此次冬奥会，采用了“冰壶运动轨迹捕捉”技术。

在冰立方场馆内部署多路高清摄像头基础上，结合视觉AI感知、深度学习、三维建模和空间定位等技术，基于超3500个AI模型，让这项技术可以在1000平方米的大空间范围内对初速度约6m/s的冰壶实现检测跟踪和轨迹捕捉。

冰立方场馆内有一个长24米、宽7米，面积达170平方米的大屏。冰壶轨迹，通过实时渲染、虚实同步技术被精准还原，投射到大屏上，比如运动员掷出冰壶的同时，大屏会实时绘出一条曲线。

这个与整个冰场等宽的智慧大屏，可以同时展现4个大本营的实时画面，也能还原运动员捕捉制胜瞬间。

参赛队伍可以判断大本营的冰壶分布情况，了解比赛局势，以及帮助教练员和运动员研究战术、指导训练。而观众，可以借此了解冰壶运动的规律和精髓，欣赏之余关注竞技双方的策略战术，获得更多参与感。

• 高山滑雪、越野滑雪、跳台滑雪：场景三维感知及重建技术

此次冬奥中，研发团队通过“冬季项目场景三维感知及重建技术”，对跳台滑雪、高山滑雪、越野滑雪等项目的三维场景数据，结合运动员实时跟踪数据，还原真实场景。

为什么要进行雪场三维重建？

雪山赛道海拔落差大，气候变化多端，滑雪运动员速度极高。

全面掌握赛道状况、了解运动员运动细节，不仅能减少运动员在非训练时的损，还能纠正训练动作，提高运动员的训练效率，对科学训练至关重要。

想要测量运动员的滑行轨迹、掌握运动细节，就需要构建真实的场景。

在低温、复杂地形条件下，为了真实还原，北理工团队通过无人机载激光雷达扫描系统，基于大量实地数据收集，实现了高精度重建雪场和训练数据的实时传输。

为了在高速运动中精准定位，冬奥会采用了高速高分辨率的相机系统、高帧频发射机，运用北斗定位系统配合固定基站，将定位精度提高到了厘米甚至毫米级别。

雪道的坡度、长度、运动员的速度、加速度、滑行距离、转弯半径等数据都能被迅速计算，并及时呈现，三维感知技术为运动员提供高沉浸感训练环境。

• 自由式滑雪、跳台滑雪：人工智能辅助系统

2月8日，谷爱凌最后一跳以1620的高难度动作完成绝杀，拿下了冬奥会历史上自由式滑雪大跳台的第一枚金牌。

跳台滑雪、自由式滑雪等雪上运动的精髓之一，是运动员精彩流畅的空中动作并成功落地。

除了运动捕捉，精彩更来自背后的人工智能辅助技术。

此外，对关键技术动作完成情况的实时掌握，对裁判打分极为重要。滑行速度、起跳与角度、手臂摆动的角度、自身的状态等，都是影响其成绩的重要因素。

比如越野滑雪用什么姿态最省力；跳台滑雪用哪种姿势起跳最好；高山滑雪运动员通过旗门时雪板和旗门的距离、雪车雪橇进入弯道时的角度、运动员腾空时与地面的相对位置等，以及高山滑雪如何快速绕过旗门。

这些项目对运动员身体控制能力极高，运动员在训练中难以察觉诸如手臂摆动角度、起跳的高度等细微差别，仅仅依靠教练的经验感觉和简单视频分析远远不够。

冬奥为此研发的人工智能辅助系统。在赛道多个关键点部署超高清高速摄像机，对运动员跳角度、速度、姿态控制、距离等的三维动作进行捕捉，再通过智能图像处理技术帮助分析每个技术动作细节，并快速生成数据。雷峰网雷峰网雷峰网

作者 | 安晔

编辑｜余快

2月4日，大年初四，恰逢立春，2022年北京冬奥会开幕式进入最后的倒计时。

2015年7月31日，国际奥委会主席巴赫先生向世界宣布中国获得2022年冬奥会举办权。

与多年前2008年北京奥运会申奥成功一样，整个中国再次沸腾。

截至2021年10月，全国居民参与过冰雪运动的人数为3.46亿人，冰雪运动参与率24.56%，实现了带动三亿人参与冰雪运动的目标，极大加快了冰雪产业的进步。

冰雪运动热下，在新春的喜气中，全球瞩目的北京冬奥如约而至。

从申办到筹办，“科技”成为了北京冬奥会的一大底色，这让拉满北京冬奥会期待值的，不仅是比赛本身，更来自比赛背后的科技力量支撑。

1、智慧场馆，超级大脑

北京冬奥会唯一新建的冰上项目竞赛场馆国家速滑馆（也称为 "冰丝带"），就是绿色、环保、节能、低碳、可持续性的综合体。在这里，它将见证14块金牌诞生。

它拥有世界上最大跨度的正交双向马鞍形索网屋顶、3360块曲面玻璃单元打造高工艺曲面幕墙系统（“冰丝带”名字的由来），还是能直接蒸发制冷的“绿色”冰上运动场馆。

它更是一个拥有超级大脑的智慧场馆。接入了36个系统、近10万点实时数据，整合了速滑馆的视觉系统、听觉系统、嗅觉系统、呼吸系统、循环系统、动力系统、运动系统。

这个数字基座是如何让场馆有感觉，会呼吸，有记忆，会思考？

整个场馆各类传感器，实时捕捉室内外温度、湿度、空气质量、光照度等场馆运行数据。

根据气象参数，进行空气质量控制和光线控制等；通过数据挖掘和分析，给出场馆运行参数。

根据不同比赛场景和需求，自动控制座椅送风系统、制冰温度、场地除湿系统、屋顶电动窗系统、防疫消杀系统等等。

据悉，这颗“超级大脑”还能实现毫秒级管控，5万点数据查询时间为0.82秒。

基于“超级大脑”，场馆可视化运维系统和全域数字孪生系统，让场馆公共安防、设备监控、能源优化、健康环境运行情况直观可见。周边城市信息也被集成显示在大屏中，帮助研判场馆外围交通情况等城市层面运行情况。

2、“冰壶运动轨迹捕捉”技术

冰壶有“冰上象棋”之称。

这项起源于16世纪的苏格兰的运动，于1998年在第18届冬奥会成为正式冬季奥会比赛项目。

作为一种“策略游戏”，虽然没有激烈的身体对抗，但也是智力、体力的双重较量，兼具技巧与谋略。

冰壶运动轨迹，对运动员至关重要。他们要时刻关注冰壶的位置与速度，据此调整策略。

为了实现比赛场馆真实场景的数字化呈现，此次冬奥会，采用了“冰壶运动轨迹捕捉”技术。

在冰立方场馆内部署多路高清摄像头基础上，结合视觉AI感知、深度学习、三维建模和空间定位等技术，基于超3500个AI模型，让这项技术可以在1000平方米的大空间范围内对初速度约6m/s的冰壶实现检测跟踪和轨迹捕捉。

冰立方场馆内有一个长24米、宽7米，面积达170平方米的大屏。冰壶轨迹，通过实时渲染、虚实同步技术被精准还原，投射到大屏上，比如运动员掷出冰壶的同时，大屏会实时绘出一条曲线。

这个与整个冰场等宽的智慧大屏，可以同时展现4个大本营的实时画面，也能还原运动员捕捉制胜瞬间。

参赛队伍可以判断大本营的冰壶分布情况，了解比赛局势，以及帮助教练员和运动员研究战术、指导训练。而观众，可以借此了解冰壶运动的规律和精髓，欣赏之余关注竞技双方的策略战术，获得更多参与感。

3、智能跟踪拍摄系统，追上时速170公里的选手

高速运动目标跟踪拍摄系统，是登陆冬奥赛场的又一项硬科技。

高山滑雪项目以刺激性和挑战性著称，运动速度快，回转运动多。

滑雪过程中，高山滑雪速降选手滑行速度在每小时110公里至130公里，甚至能达到170公里/小时的速度。

此外，运动场地地形复杂、天气环境多变，环境温度通常会达到零下20度以下，拍摄环境恶劣，对人工操作技术要求颇高。

传统人工操作，不仅需要在陡峭的雪道上架设数十台专业摄影平台，滑雪赛道也需要人工拍摄驻守。

在前端采集上，冬奥会采用了“高速运动目标跟踪拍摄系统”，摄像头通过智能控制中台，自动对焦，快速锁定高速运动目标，自动实时跟踪拍摄，能在500米距离外，进行时速170公里运动目标跟踪拍摄。

这项技术由北京理工大学开发，这是冬奥场景中首次实现高速运动目标的无人化全局搜索、自动捕捉与智能跟踪拍摄。

4、“百米级、分钟级”的冬奥气象预测系统

与夏季奥运会不同，冬奥会更加依赖气象，赛场环境更复杂，对精细度要求更高，气候要素预报难度更大。

影响因素多。比如雪上项目，阳光多十分钟，飘来的一朵云，都会让风发生比变化。

特例多。不同比赛项目对风、气温、能见度、雨雪相态等要素的气象条件要求不同。

可能产生的大风、低温、低能见度、降雪等复杂的天气条件，影响赛程安排、比赛成绩甚至比赛安全。

比如比赛的山区地形复杂，环境变化大。不仅“一天变四季”、“十里不同天”，同一时空的不同位置气候也不同，高山滑雪，垂直落差约900米、坡面长度约3000米的赛道，海拔落差每一百米，气象环境就有天壤之别。

充分的气象预报服务必不可少，但纵观历届冬奥会气象服务保障，国际上并没有成熟的、完全适用于北京冬奥会的方案。

中国的高精度天气预报“睿图”模式体系（RMAPS），为冬奥定制研发了“睿图-睿思”、“睿图-大涡”等百米级预报技术。

不同项目和场地对气象条件的关注重点不同，冬奥会气象团队精细到“一场一策”甚至“一项一策”。

在往届冬奥会期间，客观气象预报基本以千米网格为主，时间更新频率是半小时至1小时。而北京冬奥会，空间网格分辨率最高可达67米，时间更新频次最高达到10分钟。

在空间上，每隔100米甚至更短，就有一个预报数据；在时间上，每隔10分钟，就能更新一组预报。

“百米级、分钟级”，是往届冬奥会从未实现过的气象服务目标。

人工智能预报技术也在国际上首次被应用于冬奥会气象服务。

基于人工智能深加工技术的0-10天冬奥关键点位‘定时定点定量’预报，通过对海量的数值天气预报模型预报数据和大量的气象观测数据进行“再解读”，从而实现客观气象预报的“再订正”，提升冬奥气象预报的精准度。

5、各类智能机器人上阵

防疫机器人、引导机器人、递送机器人、物流机器人、炒菜机器人、送餐机器人等各类机器人一一亮相场馆。

防疫监督智能机器人，具备多功能，如测量体温、人脸识别、识别绿码、迎宾接待、讲解介绍、物品速递等。它们还具备自动充电和维护、自动避障功能，可适应大流量人群，适应长时长连续工作。

5G送餐机器人和物流机器人，采用5G室内多功能云端技术，融合3D语义地图，结合激光雷达、超声、摄像头、红外传感器等多模态自主导航及避障的智能行走能力，可以进行自主规划路径、自主避障的智能送餐服务。

翻译机器人，不仅进行各国语言翻译，还能将进行手语、言语翻译，为听障人士与外界交流提供了便利。

消毒机器人，通过头顶上的四向喷头将液化出来的气雾喷洒至空气中，一分钟消毒面积可达36平方米，单台机器人消毒面积最多可覆盖1000平方米以上，续航时间4-5小时。

电力巡检机器狗，还有“不怕撞墙”的无人机，确保赛时电力保障，实现电力巡检无人化。

6、超级现场：三维仿真、VR、自由视角

冬奥场馆除了5G信号全覆盖、8K比赛画面实时传输，还实现了从现场阵列采集、云端三维重建、编码传输到终端解码渲染端到端实时处理。

比如竞赛场地，设置了数十台相机组成的相机阵列，可以进行多方位拍摄，再通过VR技术再现空间，让场外观众可以在家观看比赛。

在终端呈现方面，冬奥场馆配有面向移动终端用户的“超级现场”手机应用服务，通过嵌入多视角、三维声、VR等技术，提供沉浸式观赛体验。

为了更好地呈现冰雪赛事，运动员头戴的360度摄像头，在高速滑行的雪撬上进行拍摄，把拍摄的画面保存下来，观众可以以第一视角体验在雪撬上的高速、刺激和沉浸感。

现场的观众，可以利用“AI+AR”智能室内定位导航系统提供立体实景导航，以最快速度定位到目的地，VR虚拟导览系统，也可以让观众自由观赛视角无死角观赛。

冬奥会场馆还应用了虚拟场馆仿真系统（VSS），通过可视化“数字孪生”模型，对赛事场馆进行了1:1还原，实现三维场景仿真，工作人员可以在线上进行业务领域流线、区域的规划和设计，媒体摄像机位的模拟部署等。

据悉，这是奥运赛历史上首次使用虚拟场馆仿真方式进行运行设计和转播规划的系统平台。

7、视觉仿真系统

虚拟场馆仿真系统其实基于北京8分钟的视觉仿真系统。

在全世界面前，以科技形式呈现中国缤纷多彩的文化，那场惊艳世界的北京8分钟，离不开技术团队的支持。

隐藏在一面面“冰屏”之下的机器人，不仅需要冰屏的运动旋转，更需要与演员、地面投影进行联动表演，需要精准的机器人导航系统，理解复杂的动作。

参演要素多、创意过程复杂、排练关联复杂度高，现场灯光干扰多。

团队采用了激光导航加上惯性导航组合的技术进行精准定位，同时用独立的无线电技术配合精度和准度，

其中用到了两套视觉系统：“OpenGL表演辅助训练系统”和“北京8分钟文艺表演预演系统”，两者分别充当“眼睛”和“指挥棒”。

前者采用了影视虚拟和数字表演与仿真技术，后者则是团队专门研发的广场表演预演系统和训练彩排与数字验证系统。

两套系统可以根据导演的创意方案将文艺表演过程全部仿真，以可视化的界面和图纸、视频等多种形式展现演员的运动轨迹、位置信息、队形变化、运动速度等，帮助导演把控、决策及完善表演方案。

文艺表演预演系统利用定位系统，加入演员真实排练数据，并融入灯光、音乐、道具、视频、场景等，对演出全要素进行同比例建模，从而用可视化的界面将各种方案的真实效果进行逼真的线上“彩排”，帮助导演把控、决策和完善表演方案。雷峰网雷峰网雷峰网

其中，数据对于算法模型的效果至关重要：以深度学习为核心的AI，为了避免发生过拟合或欠拟合的情况，需要使用大量数据来进行模型训练，从而使模型达到更好的拟合优度，这对于解决场景问题无疑大有裨益。

不过，通过大量数据来训练算法，从理论上看无懈可击，但当AI走向落地场景，就不那么容易了。

以数据问题为例：

对于碎片化场景，数据成了老大难。

1、很多场景不具备数据采集的条件，或者说采集数据成本太高；

2、数据是否有效，无效的数据除了百无一用之外，还会形成噪声干扰，处理起来也费时；

3、一些场景数据量不够大，很难做到大样本。

没有足够量的数据，就难以训练出好的算法模型，解决场景问题也就无从谈起。

这实际上是产业数字化转型面临的重大难题之一：以人工智能为核心的数字化转型，在实际场景落地时，由于技术使用的先决条件存在短板，很难释放对产业转型的推力。

"从成本收益上看，在一些场景下，AI形如鸡肋，无法解决实际问题，更无法降本增效。"

中科智云CEO兼首席科学家魏宏峰告诉AI掘金志，数字化转型趋势下，隔行如隔山，整个市场需求都是碎片化的，这对AI而言提出了两大挑战：要么做场景定制化；要么改变现在的算法生产模式。

但这两种方式都逃不开前面提到的数据问题。

对于一些封闭场景，比如园区物流，通过场景定制化方案可以实现全自动化流程，然而这并不适用于碎片化的开放场景；此外，定制化成本过高，单独开发算法则会面对投入产出比严重不匹配的问题。

因而，比较合适的解决方法，是改变现有的算法生产模式。

这也是小样本学习（FSL）和AutoML（自动机器学习）火热的根本原因。

FSL与AutoML

小样本学习属于机器学习下的一个分支，诞生于碎片化场景很难获取足够有效的数据这一背景下，旨在通过较少的数据量或样本，来训练算法模型。

与传统机器学习相比，小样本学习的优势在于，不需要大量数据支撑，但这同样也带来问题：数据量太少导致经验风险最小化不可靠。

所谓经验风险，是指模型关于训练样本集的平均损失。通常情况下，样本容量足够大（传统机器学习），经验风险最小化能保证有很好的学习效果；反之，样本量太小，经验风险最小化学习的效果就难以保证。

举个例子：

假设以小孩子为算法模型，汉字为样本数据，目标任务是认识汉字"我"。当小孩子抄写"我"的次数足够多，那么小孩子的学习效果就更好；反之，如果只抄写了数次，那么小孩子可能认识"我"，也可能不认识，经验风险是不可靠的。（案例并不严谨，仅供参考）

目前行业内已经开始通过数据增强、模型约束空间、搜索算法等方式来解决小样本学习存在的问题。

"如果模型能力足够强，对样本的需求并不一定要非常大。"魏宏峰表示，一个好的模型，可通过小样本学习来形成自我训练，从而提高算法精度与适应性。

而建立好的算法模型，与AutoML（自动机器学习）密切相关。

在传统AI算法开发流程中，从业务和问题定义，到数据采集和标注、存储管理、数据分析和可视化，再到模型结构设计、优化......最后到应用开发，需要经历大概十三个环节，其时间成本、开发成本处于高位。

对于没有算法开发能力，但有算法应用需求的企业而言，这个流程非常"复杂"，且成本较高，难以承受。

因而只专注于算法选取和神经网络架构搜索的传统AutoML是无法满足现实需求的，涵盖算法研发全流程的AutoML应运而生，从特征工程、模型构建、超参选择，优化方法四方面实现自动化，其优势在于：既减少了算法生产成本，又提高效率，并且降低了算法生产门槛。

比如，传统AI算法生产流程中，需要对数据进行人工标注，并且花大量时间处理数据；可以通过自动标注，结合人工复检，来提高数据标注效率。

在业界，已经有许多较为成熟的AutoML平台，国外如FeatureLab（自动进行特征工程）、Google Cloud Vertex AI NAS；国内则有第四范式的AI Prophet AutoML等等。

除此之外，还有一些AI公司，比如中科智云，也在做相应的类似的平台（X-Brain）。

作为一家聚焦安全治理的AI公司，中科智云主要以X-Brain AI主动学习平台，融合小样本学习框架、多源融合感知计算等技术，为行业提供AI 安全治理服务。

"X-Brain 的核心是一套主动学习算法框架，应用自研的主动学习（Active Learning）技术，改变了监督学习的被动接受人工标注样本的模式。"

魏宏峰告诉AI掘金志，该平台可通过AI主动判断样本是否需要算法工程师的参与，通过只让算法工程师参与部分困难样本的确认，形成人在回路（Human-in-the-Loop）模式，主动训练模型，形成模型自动迭代。

前面提到，小样本学习是为了解决碎片化场景无法获取大量数据训练模型的问题，而AutoML是在传统算法模式下，通过主动学习来提高算法生产效率，解放人力成本。

换句话说，小样本学习解决数据难题，AutoML则是提高算法生产效率的新方法，两者互相结合，或能解决小样本学习存在的算法精度问题。

不可能三角？

"小样本是低成本的基础，因为样本量小，训练模型不需要高算力硬件设备。"魏宏峰表示，如何让小样本学习达到商用精度，是一个巨大挑战。

因为，小样本学习存在经验风险最小化不可靠这一问题，也就是学习效果不确定，可通俗理解为算法精度可能高，也可能低。

"在一些场景中，小样本训练出来的精度，在初期很难达到商用水平。但可以通过AutoML来缩短从初期模型到商用这个过程。"

魏宏峰介绍道，X-Brain在采集样本之后，通过特征提取自动标注，并自动训练模型，由具体的业务人员来进行评价，查看是否发生误报，并调整参数。

基于这些调整，该平台的自动训练机制，将已标注完的数据放入重新训练......通过这种循环训练，来提高算法精度。

在这个过程中，样本量小，模型也不大，通过主动训练来提高精度，从而实现低成本使用。

所以，小样本、低成本和高精度之间，并非存在一个"不可能三角"。

仍以之前的小孩子识字为例：小孩子只抄写数次"我"，其结果是可能认识"我"，也可能不认识。如果引入老师进行引导、校正，那么即便抄写次数较少，其认识汉字"我"的可能更大。

这个案例中，老师扮演了业务人员的角色，小孩子就是算法模型。算法（小孩子）在自动学习过程中，需要由业务人员（老师）来调整参数（引导），学习效果也就更好。

其优势在于，给小孩子减负（减少抄写次数）的同时，提高学习效率（算法精度）；从整个学习过程看，老师（业务人员）也无需全程监督，从而减少成本。

这实际上改变了以往的算法生产模式，将算法生产带入"平民化""低成本"时代。

AI与场景融合

AI从上半场进入下半场，实际上是从拼技术到拼场景的转变：AI只有在实际场景中落地才能产生价值。

在产业数字化转型中，各种碎片化场景，对算法的精度要求也比较高。如果按照传统的算法生产模式，成本降不下来，加上中小企业购买力弱，传统企业数字化转型必然难产。

而多样化场景中，也很难以通用算法来"一口多吃"。

"不同的场景需要不同的数据样本，训练出来的模型也不一样，通用算法模型并不适用，精度会大打折扣。"

魏宏峰表示，小样本学习和AutoML从技术上解决算法生产难题，但如何让技术更好地服务于企业，解决实际场景问题，就需要把具体场景痛点拆解之后，融入到整个算法生产过程中，从业务和问题定义开始，到模型调优，最后到算法交付，都要"让懂业务的人参与"。

这主要体现在两个方面：一是让企业在平台上进行实验，也就是业务试错；二是与企业加强交互，让懂业务的人员参与到算法训练中来。

"客户并不追求百分百的精度，能够接受误报，但不能接受试错成本太高，带来总成本上升。"魏宏峰认为，AI下半场由场景驱动，其实也是客户驱动，核心是解决客户（企业）在生产过程中遇到的问题。而AI公司要做好场景，最好的方式是直接与熟悉场景的业务人员交互，而不是AI公司本身去理解行业，否则成本会很高。

对于企业而言，考虑成本收益是其购买技术服务的出发点，成本（包括试错、时间、人力等多个方面）则是第一要素，其次才考虑技术带来的收益问题。

魏宏峰表示，企业购买技术服务之后，只有在降本增效方面取得实际效果，复购率才会提高，AI公司才能形成正向的业务闭环。

"AI只有靠业务，而不是资本推动，才能走出困局，改变行业。"而做好业务的首要前提是：结合场景。

不论是小样本学习还是机器学习，都只是生产算法的"术"，结合场景解决产业数字化转型过程中的痛点，才是AI的"康庄大道"。雷峰网雷峰网

编辑 | 余快

“人们往往低估事物的长期价值而高估短期价值。”

雷·库兹韦尔（Ray Kurzweil）这句话，在AI圈尤为应景。

过去五年，AI在各方簇拥下到达顶峰，被神话的AI因无法兑现过高的期待，泡沫被戳破，祛魅后的AI，走向了“被平庸化”的极端。

AI的时代过去了吗？也许恰恰相反——属于AI的时代现在才真正到来。

疫情反复暂停社会活动，但倒逼实业数字化转型，加速产业智能化突围步伐。

产业数智化，将给中国经济版图进行一次最大限度的CT辐射。

如果说互联网为代表的虚拟经济让我们体会到「在家行万里路」的乐趣，那么以AI赋能产业为代表的实体经济则会让我们品尝到「生活还可以这样过」的质感。

当新经济实体效益逐渐显现，这种感受可能比过去十年互联网带给我们的感受更爽更真实。

上半场，AI企业们秀技术、拼速度，下半场，他们将夯产业，挖深度。  

数字经济，在快马加鞭。

AI 下半场：实用主义至上

回过头看现实生活，如果你发现AI能实现武汉3天内完成900万人的大排查，一小时打10万通电话，一两分钟形成一个问卷时，应该就能察觉到，我们的世界已经不一样了。

当计算机视觉和机器学习的应用进入了千行万业，这个时代的AI也就深深地打上了产业落地的烙印，也释放了实用主义至上的标准。 

产业数字化行至水深处，是“实体经济+AI”的过程，也是数字经济和实体经济深度融合的体现。

从政策中，其实也可以窥探AI与实体产业融合的必然性。

十四五规划，2025年国家没有明确的经济增长指标，只写着“保持在合理区间、各年度视情况提出”。

几天前，数字经济重磅文件发布（《“十四五”数字经济发展规划》），也提纲挈领地点名“数字经济是继农业经济、工业经济之后的主要经济形态”。 

这意味着，中国正在从数量时代迈向质量时代。

而在科技前沿领域攻关中，“新一代人工智能”排在了第一位。

未来5年中国的数字浪潮不会停止，数字技术和实体经济将深度融合，催生出大量的新产业和新模式。

细看旷视入局的城市物联网、供应链物联网和消费物联网三大赛道，不仅市场足够大，皆具规模效应，皆属数字经济重点技术（大数据、物联网、AI）、实体产业（城市、消费、供应链）。

而旷视的“AI+IoT”战略，其本质就是将AI的能力注入到IoT产业空间场景，利用AIoT创造与物理世界孪生的数字空间，以人为核心、通过软硬结合的网络，将产业空间数字化。

这个智能化的过程，首先是面向行业的IoT场景构建数据智能中台，然后在一个新的AIoT架构里，用AI去重新定义关键的应用、边缘设备和终端硬件，并最终促使数据智能中台不断演进成AIoT操作系统。

在AI能力的注入下，传感器、机器人等物联网终端硬件如同拥有“小脑”，能够实现“单体智能”；AIoT操作系统则是在各种物联网硬件和设备完成整合、组网之后，构成“大脑”，实现“群体智能”。

新实体经济的独白

五年前，谈产业数字化或许只是一项「纸上限定」的大方向，五年后，产业数字化不再是口号，而变成了重拳出击。

说是重拳，其实动作更加细致、轻柔，绣花般一针一线的功夫，可少不得。

也因此，短期内你依然看不到它力挽时代的狂澜，改变潮水的方向。 

但当入局者像在螺蛳壳里做道场般吃透产业，通过毫米级的技术精度把落地应用到极致，潮水的方向，也许就在悄然变道。

大处着眼，小处落脚，是旷视的产业数字化路径。

旷视选择了「城市」这个实体经济的最大载体，将城市分为城市大空间、城市微单元、城市生产空间。

细看你会发现，其分别对应公共区域（面）、管道运输（线）、园区和社区（点），错综复杂的区域，构成了“城市”这样一个精密运转的系统。

• 城市大空间

城市大空间，以"公共安全、城市治理和交通管理"为核心，着眼于城市全域治理。

深圳市罗湖区智慧城市建设中心指挥中心

如果你在深圳罗湖，也许能感受到如今城市治理的进步。 

其实罗湖具备所有城市的管理通病：

范围广、难度大，违法违规事件数量大，基层执法依赖人力，治理难以及时处理；城市治理部门间无顶层建设，信息孤岛，资源难释放；管理粗放，模式单一，缺少人性化、精细化，容易形成冲突。

说得不好听，往往使出千斤力，只能拨动四两，难见效果。 

旷视为此专门锻造了城市级AIoT视频分析平台"万象"。

煎饼铺子占道、暴露垃圾、共享单车乱停放......旷视的城市治理，就是为这些“小事”奔走。

万象平台的事件处置流程分四步：发现、分拨、处置、复核。

算法感知是一大亮点。其覆盖了6大类22种城市场景事件，这背后是基于AI生产力平台Brain++和Objects365通用物品检测数据集，将复杂、长尾且碎片化的新需求收归，形成低成本定制算法研发。

系统平台化，打通了“智能识别、智能预警、智能研判、智能转发”的业务闭环，实现平台智能派单，处置结果AI自动核查的自动化闭环。 

执法人员无需到现场发现、核实，减少了时间、人力等成本，并且事件通过短信告知责任方，无需跨部门协作，缩短了处置流程，提高效率。

罗湖区桂园街道办执法大队现场办公

在引入该平台之后，罗湖区城市治理效率提升了5倍，AI自动复核，实现1小时"高效处置事件"。

在这其中，不是城市管理者单方面的爽感，更注重这个城市中最重要的主体——人的舒适感。

当城市主动响应，一定程度的自治，让人力纠纷减少，公共空间体验也更好。

管理者能看懂城市，上街巡查“人海战术”转变为“人机交互”，并探索出了一套"分级治理、片区统筹"的城市治理新模式。

如今，旷视万象已在全国近20个城区落地应用，以人工智能技术为核心，为城市治理的数字化、精细化、智慧化提供更多新的可能性。

• 城市微单元

城市大空间有着落，城市微单元呢？

公共空间之外，无数微场景在爆发。

社区、园区、商业、工地、楼宇、商铺、工厂、景区......

无数散落在全国各地区、各行业的场景需求，像潺潺流水的小溪，正流淌、贯穿出一副山河巨制 

它碎片化、分布零散、单个体量小、项目规模小、营收小，但数量多、范围广，如毛细血管般的市场，规模累积效应大。

旷视微单元拼命点亮的，正是极具代表性的“小”市场、长尾市场的小星辰。

金隅智造工场

从天坛家具厂摇身一变变为智造工场，北京海淀区金隅智造工场就是一个印证。

金隅智造工场的数字化底子薄弱。早期园区物业仅提供水电气、交通、建筑等基础设施建设，信息化、智能化都由入驻企业自行完成，不仅系统信息化水平低，各系统相对独立、封闭，信息资源共享难，园区管理系统能力也仅有安防、消费等。

旷视做的并非只是简单的添砖加瓦。

金隅智造工场智慧园区综合服务平台

首先，旷视给园区安装一个大脑，通过大数据体系，园区能够综合联动、统一运维管理。

其次，园区16大子系统得以对接，能源能耗、综合安防、建筑管理、停车餐饮等多方面，整合数据，统一监测、统一规划。

再者，更多企业员工服务，比如一卡通的人脸身份识别系统，新能源氢能源班车管理，APP滑板车免费骑行，在线订餐、报修等更多服务。

最后，园区还可以实现利用3D可视化技术还原园区内的场景，做到一张大屏统管整个园区。

园区情况全掌控，智能识别提高预警能力，园区一脸通、智能交通调度，能耗数据分析，节能降本。

增效上，AI摄像机实时查看园区的“人员、车辆”，管理效率综合提升40%左右；降本上，在线巡逻、线上工单、保安中控室监测等功能，综合节省人员时间约30%；在园区整合度方面，园区智慧应用提高整合度近95%。

• 城市生产空间

城市生产空间的数字化，旷视选择了智慧物流赛道。

这是一个耗时180个日夜系统论证的成功实践：采用旷视3A智慧物流解决方案的国控广州医药智能物流中心，成为“AI+物流”数字化新样板。 

国药控股广州有限公司物流中心总经理梁颖康口中“国药控股体系里改造规模最大、应用技术最多、便利化最大的方案之一”，难度非常。

基于AI视觉识别 + 智能控制技术的机械臂进行整箱拣选

物流中心每个工作日就有2亿药品销售输出，停工1天将面临巨额经济损失，并严重影响两广地区药品供应。 

要在不停工不重建的情况下改造，时间、空间均有限：

只能利用业务外时间，真正部署、调试的时间很短，设备一上线就要满负荷运行，没有爬坡时间。

空间上，自动化物流中心投产超过12年，仓库能力已经到达天花板。

新增的AI机械臂在医药物流领域此前应用少，基本没有先例可参考。

这么高难度的，旷视硬是给啃下来了。 

走进国控广州的广州物流中心，搬运的主力军，交给自主移动机器人（AMR）、堆垛机和输送线；2000+的SKU，6000箱箱拣量，繁重的拆码垛工作，交给了AI机械臂；AI五面扫描装置，自动扫描识别高速运行中的药品原箱，实现药品流通可追溯。

AMR机器人仓

基于AI的智慧物流操作系统，对AMR机器人、AI机械臂、五面扫描装置、堆垛机、输送线等多种设备统一管理，并打通WCS、WMS、RCS等多层设备控制系统，实现整仓的高效管理。

旷视最终在没耽误一天业务正常运行的情况下，实现了数智化升级改造。

效率、产能上，储存密度提升15%，仓库整体效率提升25%，作业完成时间提前2小时；在无需新增仓库作业面积的情况下，满足未来数年不断增长的业务量。

人工劳动强度上，员工极大解放。无人化作业，让仓库员工不再日均负重3万斤，效率提升106%；日均行走3万步也成为过去，拣选员每天少跑半程马拉松。

更重要的是，在未来五年，这套方案为国控广州节约成本达千万元。

打通产业 AI 的「任督二脉」需要什么？

旷视的答案是：产品有体系、产业有聚焦、长期主义。

产品有体系  

旷视的AIoT产品体系，包括AIoT操作系统、AI重新定义的硬件和AI重新定义的行业应用。

旷视看来，任何数字产业，核心都是先通过大量必要的物联网设备来感知，形成具象的数字孪生城市，从而发现其内在运行规律，进而动态优化调节。

旷视的城市物联网操作系统 City IoT OS ，着眼于城市全局数字化的智慧城市操作系统“昆仑”、关注城市微单元的智慧建筑操作系统“盘古”，通过“城市-建筑”两大载体，形成了“面-点”的对接。智慧物流操作系统“河图”，为供应链物联网而生，在入库、存储、分拣、输送等环节的全流程贯通。

AI重新定义硬件产品体系上，旷视在产品规划和设计过程中，让算法、软件、硬件三大要素最大限度协同，在传感器模组、传感器终端与边缘设备、机器人和自动化装备中尽数体现。

看一眼这云、边、端错落有致的产品，就能发现一路狂奔至今，旷视的AIoT软硬件产品体系家族初成，「最硬AI公司」的气息越来越浓。

产业有聚焦

AI的前半场由技术驱动，后半场则是场景驱动。

不了解业务逻辑，不清楚应用场景，AI的规模化落地，如陆上行舟，与树对谈。

比如识别天气，需要了解不同类别的云，生成原理，演变过程，还需要模拟测试环境和测试集；再比如识别猪，需要了解猪的全生长周期，每个周期具体情况。

这些都需要挽起裤腿，深入产业泥巴地，一个个摸索出规律。

旷视不贪心，弱水三千，只取“城市大空间、微单元空间和生产空间”三瓢饮，稳扎稳打，陪行业从0到1探索，也与行业一起从1走到10。

长期主义

 无论面对如何VUCA的时代，旷视始终坚持长期主义、同客户一起面对时代变革和产业浪潮的挑战，探索“AI+实体产业”数智化升级的实践路径。

IDC预测，2025年，全球约8%的AI相关支出将来自于中国市场，市场规模在全球九个区域中位列第三。

产业数字化的大门已经打开，牌桌上下，新老交替，在浪潮面前，机会均等。

斗兽场中，观众已经就坐，接下来只待勇士登场，而戏，会更好看。雷峰网雷峰网雷峰网

作者丨何思思

编辑丨周蕾

“修路是为了方便车辆行驶，随着车数量的增多，要不断对道路进行升级，以前是水泥的，往后可能是沥青的，”东华智慧城市集团董事长兼CEO郭浩哲用修路的例子诠释了智慧城市的关键点。

“要想富先修路”这句老百姓口口相传的朴素话语，既是对修路致富实践的认可，也是对未来美好生活的向往。从人们生活水平和经济收入来看，显然国家已经打通了脱贫攻坚“最后一公里”。脱贫之后，为了提升人民生活幸福感，国家提出了“智慧城市、数字乡村”的概念。

先修路开始向“修什么样的路”转变。

其实智慧城市的概念是由IBM于2009年提出。相较于欧美国家，我国起步较晚，从2012开始至今已有10年的时间。在这一阶段不乏互联网大厂、科技企业以及初创企业的入局，但从目前智慧城市建设效果来看却鲜有成功案例，究其背后是技术人才的缺失？市场竞争的加剧？还是盛行的企业内卷之风？

带着这些问题，近期雷峰网与东华智慧城市集团董事长兼CEO郭浩哲展开了一场深度对话，试图通过此次对话，找寻问题的答案。

“跟风”智慧城市，这条路不好走

其实科技圈的“跟风”现象一直盛行，在智慧城市概念提出之后，众多互联网企业、运营商企业、科技公司、金融公司参与进来，并成为推动智慧城市建设的主力军。

诸如腾讯发布的“WeCity未来城市”战略，华为云构建的以应用为中心的云原生基础设施；京东云提出的“双网融合”的概念等，形成了百花齐放的局面。

众所周知，我国2014年将智慧城市上升为国家战略，大多数企业都是在2014年后才开始进军智慧城市赛道。但东华软件却先于其他企业嗅到了智慧城市给未来产业发展带来的商机。

东华软件的首发动作是在2012年，整合了集团内部优质资源发起成立智慧城市事业部，2013年成立了东华云，经过一年时间的探索，2014年成立了东华智慧城市集团。

谈及为何选择智慧城市赛道？

郭浩哲表示，其一全球化范围内智慧城市的概念不断被强调，不断被强调的理念可能对未来的产业发展有很大的帮助；其二2013年中国市场没人能讲明白智慧城市到底应该做什么，怎么做并且做的企业少之又少。

“在这个探索过程中，东华软件赋予了我们资质、资金、品牌以及价值观等方面的支持，此外，东华积累了数千家的行业客户，给了我们很多尝试的机会，”郭浩哲补充道。

新事物往往蕴藏着机遇和挑战，而智慧城市带给企业的挑战往往大于机遇。据了解，2014年至2017年间，东华智慧城市集团主要是为城市搭建底层基础设施；2017年之后开始在基础设施之上做各种层面的应用。

而早期东华尝试了在移动互联网生态里构建网站、APP等方式去提升工作效率，改善民生，但当时老百姓的下载率、使用率以及用户体验都非常差。

“直到2017年，互联网龙头开始积极拥抱产业互联网，技术、资金及人才的加码，逐渐加大了深度和广度，这也是推动东华智慧城市集团业务向前发展的一个重要原因”郭浩哲介绍道。

与智慧城市服务商一样，各地智慧城市的实践并非一帆风顺，据郭浩哲介绍，2014年至2017年处于左右博弈期，这三年中国并没有特别好的案例和进展。初期政府最需要解决的是财政预算问题，当时能涵盖的IT采购项目比较少且城市服务体系在软件体系方面投入严重不足，很难带动一些更深层次的效果。

“客户看不到效果就不会投更多钱，不会投更多钱就看不到效果，就形成了一个恶性循环。”

人才不是万能的，但没有人才万万不能

自2014年智慧城市上升为国家战略后，经过7年时间的发展，如今智慧城市建设早已不可同日而语。

众所周知，智慧城市建设需要有成熟完备解决方案，作为极其复杂的城市数字化构建与运行体系，智慧城市包括了智慧交通、智慧物流、智慧安防、智慧园区等大量的子系统，而这些不同系统，不同属性要求一大批高素质、强能力、高层次的人才，即既懂IT又懂OT的复合型人才。

相关行业的专家曾表示，人才缺失的问题是当前智慧城市建设的短板。我们需要大量的复合型人才，他们要既懂大数据人工智能，又懂传统行业，特别是懂交通、能耗、电子政务等行业。

智慧城市作为一个新赛道，也存在招工难的问题，破人才短板已然成了该领域亟需解决的重要问题。

作为东华智慧城市集团的领军人郭浩哲阐述了人才对于新业务开展的重要性。他表示，进军新领域首先是物色人才，没有人才我一辈子都不会去做这件事，只有人才聚集了，我才会不断地投入人力物力财力，让真正人才成功是我做人做事原则。

但东华智慧城市集团的人才招聘并非坦途，据了解，3个人的初创团队到现在的1000多人的人才团队，东华智慧城市用了7年时间。

“人才招聘更注重的是志同道合、共同价值观以及技术能力。遵循“思想者—方案者—落地者”的原则，即招聘一些有悟性的人去传输价值观和理念，然后把们的想法传递给技术专家形成一套可交付的解决方案，”郭浩哲补充道。

同时他坦言，团队的扩容有一定的困难，因为初期需要尝试不同的事情，但不见得获取收益。越往后会越容易，经过不断地尝试和探索后，什么样的战争能胜利，什么样的技术方向要突破，什么样的人最重要，经营逻辑会越来越清晰。

雷峰网注意到，目前以东华智慧城市集团为依托，孵化出了智慧文旅、智慧交通、智慧农业、智慧园区、智慧教育等多个子研究中心。

下一代基础设施的“变”与“不变”

人才有了，技术才能更娴熟。

随着越来越多的企业入局，各家企业的招式五花八门，但万变不离其宗。首先是构建底层基础设施的能力，然后在基础设施成熟的基础之上搭建场景应用。

城市的本质是“通过基础设施和公共服务的聚集供给，在空间、环境、能源等有限资源条件下实现生产效率和市民幸福感提升的繁杂功能网络平台。”在此契机下，现在城市变革亟需解决的问题可以归结为：处理有限的基础设施和服务能力与高速增长的需求之间的矛盾。

以铁路、公路、电网等为标志的基础设施，支撑了以机械化、电气化和自动化为基本特征的历次产业革命和城市革命。那么到了新一轮的智慧城市变革，创新型基础设施将实现城市数字化、网络化和智能化发展。

郭浩哲认为，2017年是智慧城市发展的分水岭。2017年前是第一代基础设施搭建期，2017年后是新一代基础设施的创新期。目前包含数据中心、摄像头等在内的第一代基础设施已经搭建完成。

我们原来所做的基础设施，只能达到智慧化城市基础设施的10%，甚至更少。智慧城市是一个庞大的赛道，包含一二三产业以及多个子赛道。未来所有设备都要向智能化迈进，诸如智能井盖、智能厕所、智能路灯、智能摄像头等，这都需要构建一套更智能的底层基础设施。

“修路的目的是方便车辆的行驶，随着车数量的增多，要不断对道路进行升级，以前是水泥的，往后可能就是沥青的，”郭浩哲引用修路的例子诠释了智慧城市建设过程中基础设施的关键。

如果说智慧城市建设所需是下一代基础设施发展的内因，那么新基建就是其外在推动力。据雷峰网了解，东华智慧城市正在和国家纳米科学中心开展传感器的研究。

郭浩哲谈到，传感器的发展将把下一代基础设施推向一个新阶段，我们做传感器是为了连接更多的场景，比如车路协同的实现就要发挥传感器的关键作用。当然这项研发能力不是每个公司都具备的，但要朝这个方向去布局。

智慧城市“内卷”之路，行不通

人才和技术都完备了，下一个阶段是创造更大的价值。

正如前文所言，目前智慧城市赛道已经有了诸如腾讯、阿里、百度互联网大厂；中国移动、中国电信运营商企业；京东、华为，以及用友、东华等在内的软件企业的入局。

其实对于智慧城市而言，以上这些企业大多是“跨界”而来，目的是寻找新的业务增长点以实现自身的社会价值。也是基于此，大多数人给这些企业的贴上了“竞争”的标签。

但想要城市更加智能往往需要用到非常多的跨领域跨行业技术，这不是一家企业能独立完成，最为直接的表现形式就是合作：互联网大厂和软件厂商的合作，运营商和科技企业的合作等等。

郭浩哲认为，没有竞争也不要竞争，如果所有云厂商都陷入同类竞争，大家都会走得异常艰难，如果技术没有领先就做好服务，如果技术没有领先性，又不愿意做服务，又想炒概念，那就是昙花一现。

而所谓的竞争是分类竞争，诸如交通优势，金融优势，硬件优势等，这样才会呈现矩阵式生态化向前发展的态势。

雷峰网注意到，2018年东华软件就与腾讯签订了战略合作协议并获得了腾讯的投资。谈到合作，郭浩哲表示，方向选择总会有人质疑，但是能做的事情已经做过了，再做下去无非是小市场占有率的问题，仅仅在一个已经饱和的小市场抢占有率，不如换一个维度去做更有价值的事情，这是选择合作的战略关键，当时与腾讯的合作就是我们技术融合市场融合的关键坚持。”

面对市场上优秀的云厂商，为什么选择腾讯？

郭浩哲解释道，我们在判断选择哪个互联网公司时，发现腾讯的产品在服务的连接上最具备核心优势，而当年东华想的就是想把应用场景服务做深，服务做深就需要微信和企业微信这样的科技产品连接器。

同时腾讯作为互联网大厂也需要行业分析能力和落地交付能力，大家组合起来肯定会有化学效果。

据悉，仅2018年东华智慧城市团队就联合腾讯云发布了多款产品，实现了超过50个项目的合作；2020年东华软件与腾讯云等联合中标数十亿项目；2021年腾讯云与东华软件深化战略合作，在数字政府、智慧产业、智慧医疗等领域将持续展开紧密合作。

参与建设智慧城市的企业并非十项全能，而是各有自己所擅长的领域，在这个过程中难免会遇到挫折，但都是在释放自身的核心能力。华为的核心基础设备、京东的电商物流资金流、腾讯的社交连接、平安金融科技服务都是不断延伸核心竞争力的关键优势。

“如何把竞争变成协同这才是一个正向的引导，”郭浩哲补充道。

写在最后

智慧城市已然成为推进城镇化建设、提升城市治理水平、提高公共服务质量、发展数字经济的战略选择。

智慧城市建设正在如火如荼地进行着，但是从目前来看在智慧城市建设进程来看，我国仍处于初级阶段，还有很长的一段路要走。对于需求方要积极拥抱智慧城市，进行智慧实践；对于智慧城市服务商，要根据不同阶段不同城市的建设需要不断更新迭代产品，提高服务能力。

智慧城市建设仍旧任重道远，路虽远行则将至！

A：无动于衷，车会直接撞向前方的人群；

B：拨动方向盘，但车会撞向另一条路上的人。

你该如何抉择？

功利主义者认为，决策应该遵从“为多数人提供最大利益”原则，即牺牲更少的人，拯救更多的人。

这一观点遭到义务论者的反对，后者认为因救人而杀人，本质属于不道德行为，与人内心的道德命令相悖。

这个被称为电车难题的实验，不论如何选择，人都会陷入「道德困境」之中。

假如把人换成AI呢？

在电影《机械公敌》中，主角戴尔·史普纳曾遭遇一次车祸，前来营救的机器人经过计算，选择了生存率更高的男主，而非另一个小女孩Sarah。实际上，史普纳更希望机器人救小女孩。

电影《机械公敌》剧照

这部剧中，AI并未面临「道德困境」，而是根据其计算出的“生存率”进行施救，但恰恰是这冷冰冰的数字，加深了戴尔·史普纳对机器人（AI）的不信任。

这实际上反映出一个问题：当人们期待更高智能水平的AI时，要不要对AI本身进行法律上的规制，或进行道德约束？假设需要，如何进行规制？

更具体一点，在上述的施救过程中，AI能不能担责？法律责任如何界定？等等，该如何回答？

AI的「信任危机」

先来思考一个问题：《机械公敌》中，机器人根据“生存率”救下男主戴尔·史普纳，这个“生存率”是怎么计算的？

这个在剧中看似简单的问题，实际上触摸到了AI的核心难题之一：决策的不可解释性。

性别、年龄、情绪等特征可能是计算生存率的部分数据，但机器人是怎么进行决策的，目前的人工智能系统很难解释。

换句话说，人们知其然而不知其所以然。

以现在非常火热的深度学习为例，其决策场景下的模型可解释性很差，具体表现为：输入特征与输出结果之间存在一个无法观测的“黑箱”空间。

比如，阿尔法狗在与柯洁的对弈中，其每一步都是动态的，谷歌只下达了“赢得比赛”的指令，但阿尔法狗是如何根据柯洁的落子来决定对策从而赢得比赛，人们却无从得知。

这种不可解释性对于非常重要的场景，比如交通、金融、医疗等，是一种巨大的安全隐患。人们无法从人工智能系统决策过程中获取有效信息，进而也无法快速对系统进行优化，避免可能导致的利益损失。

另一个重要的点：机器人在救人过程中是否涉嫌“算法歧视”？也就是人工智能系统的公平性问题。

人工智能算法会受到训练数据的影响，如果训练数据中存在偏见，那么其决策也会形成歧视。

电影里的机器人在面对男女性别差异时，作出的决策有没有偏见，这一点无从得知。但现实生活中，美国芝加哥法院曾采用的犯罪风险评估系统（COMPAS）被证明对黑人存在歧视。

如果一个黑人犯了罪，他被该系统错误地标记为具有高犯罪风险的可能性更大，因此可能会被法官判处更长的刑期。

更为普遍的例子是，人们所熟知的大数据杀熟，实际上是根据用户特征/偏好数据形成的价格歧视。

从经济学角度上讲，价格歧视并非贬义，比如老人小孩乘坐公交车享受比成人更低的价格优惠。

但对于人工智能系统而言，基于数据训练形成的价格歧视，根据用户购买行为、性别等进行分层，从而给新用户以优惠，给老用户「高贵」，这种歧视无法可依，本身影响了「消费者公平」。

除了可解释性、公平性之外，AI的安全性、稳健性等问题也引发人们对AI的信任危机。

安全性表现在AI如何保护数据安全。过去一段时间里，Google、Meta等公司先后被爆出数据泄露问题，引发全球对数据保护的关注，各国也加快了针对隐私、数据保护方面的立法。

稳健性则是指人工智能系统在异常情况下，仍能保持正常运行，而不至于崩溃。例如，现在的智能驾驶都有一套「冗余」方案，目的是防止极端天气、车辆碰撞等场景下，车辆失控的情况。

但目前人工智能系统的稳健性，还有待增强。

基于不可解释性、公平性、安全性、稳定性等问题，AI需要面临的最后一道门槛是：人工智能到底能不能成为责任主体？

也就是说，人工智能因技术缺陷带来的不良后果，谁来背锅？软件开发商还是所有者？

《机械公敌》中，机器人桑尼杀死了自己的“父亲”朗宁博士，真相大白以后主角史普纳警官却没有对桑尼提起诉讼，因为桑尼并非人类，处于人类法律的界限之外。

电影《机械公敌》剧照

上述的问题实际上造成了普通大众对于人工智能的「信任危机」，然而直到现在，尚且没有一部成型的法律来对人工智能进行规制。

不过，从学界、产业界以及政府等多方的实践之中，仍能看到有益的探索。

AI治理需要什么样的「价值观」？

《机械公敌》里对机器人设置了三大法则：

1、机器人不得伤害人类个体，或者目睹人类个体将遭受危险而袖手不管；

2、机器人必须服从人给予它的命令，当该命令与第一定律冲突时例外；

3、机器人在不违反第一、第二定律的情况下要尽可能保护自己的生存。

 这三条法则相互制约，但从规则内容不难看出，「以人为本」是其根本精神。

这种精神从AI诞生元年就已经存在，然而在漫长的AI发展年轮中，技术探索始终占据着主流，对AI的审视与反思，主要是近十年来的结果。

究其原因，是技术从实验室或者小规模应用场景，走向了大规模落地场景；人们对AI的认知也在逐渐深化，从“不可置信”到怀疑，再到建立信任，是一个螺旋式上升的过程。

雷峰网了解到，对于人工智能的规范性研究，主要以2015年为爆发点。

2015年1月，欧盟议会法律事务委员会（JURI）决定成立专门小组，研究机器人和人工智能发展相关的法律问题。同年，联合国教科文组织开启关于机器人伦理方面的研究。

此后的几年时间里，联合国、欧盟、电气和电子工程师协会（IEEE）等国际性组织先后开启关于人工智能伦理方面的研究工作，并且发布了相应的伦理准则。其中，影响较为广泛的是2017年的“阿西洛马人工智能原则”和IEEE倡议的人工智能伦理标准。

我国于2018年1月成立了“人工智能标准化总体组”，并发布《人工智能标准化白皮书2018》，论述了人工智能的安全、伦理、隐私等问题，并设定了相应的伦理要求和共识原则。

可以看出，自2015年以来，不论是国家级别的顶层设计，还是专业组织的呼吁倡议，人工智能的研究主要集中在伦理方面。

但这些伦理准则在实操过程中却面临执行困难问题，其根本原因在于，伦理准则属于“软性约束”，缺少相配套的落地机制，比如法律监管、行业约束等等，容易形成道德漂白（ethics washing）。

因而，在伦理准则的基础上，学术界开始了「可信AI」的讨论与探索。

所谓「可信AI」，根据中国信通院发布的《可信人工智能白皮书》的定义，可以理解为一种方法论，即“从技术和工程实践的角度，落实伦理治理要求。”

国内关于可信AI的讨论最早可追溯至2017年香山科学会议，由何积丰院士提出的“人工智能技术应该具备可信的品质。”并从学术研究角度，将可信AI的研究范围放在安全性、公平性、可解释性、隐私保护等方面。

国际上对于可信AI的研究在近几年也呈爆发趋势，2020年关于可信AI的研究论文比2017年增长近5倍，国际先进人工智能协会（AAAI)连续数年举办了 Explainable AI 研讨会。

学术界的影响也蔓延至政府，后者开始在人工智能伦理准则之上，强调“治理”。

2020年，欧盟发布《人工智能白皮书》，提出人工智能“可信生态系统”，对高风险人工智能系统提出强制性监管要求；同年，美国也发布了《促进政府使用可信人工智能》的行政命令。

我国在可信AI方面，先后发布了《国家新一代人工智能标准体系建设指南》《新一代人工智能伦理规范》等文件。

综合人工智能伦理规范和可信AI相关的学术研究和行政文件，可以总结出，当前的AI治理「价值观」体现在“以人为本，AI向善”，具体则表现为公平（无歧视）、透明（可解释）、无害（不作恶）等等。

而在这种价值观的指引下，作为AI落地的实际推动者，产业界也开始了关于AI治理的探索之路。

AI治理「方法论」

对于治理人工智能发展出现的的各种问题，企业作为直接相关方，起着不可或缺的作用。

一方面，在市场经济大环境下，需求对供给的反向作用非常明显，大众对于人工智能安全隐患的担忧，实际上影响着企业的生存空间。

作为技术/产品供应商，企业倘若不能深刻理解市场需求，只关注技术而忽略市场，必然遭遇获取用户信任的滑铁卢，导致失去市场。

另一方面，企业作为整个经济活动中的一份子，必然要遵循「市场法则」（法律法规），在追求经济效益的同时，强化社会责任（Corporate social responsibility）。

因此，国内外诸多互联网、AI公司先后加入了对AI治理的探索，国外如微软、亚马逊，国内如腾讯、京东、旷视等等。

雷峰网发现，目前多数公司的AI治理主要分三个方面：顶层设计、内部管理、技术攻关。

以人工智能公司旷视为例：

在顶层设计方面，2019年7月，旷视公布了基于企业自身管理标准的《人工智能应用准则》，从正当性、人的监督、技术可靠性和安全性、公平和多样性、问责和及时修正、数据安全与隐私保护六个维度，对人工智能正确有序发展作出明确规范。

与此同时，旷视还参加了多个国家及行业规范标准制定，例如《新一代人工智能治理原则》、《新一代人工智能伦理规范》等，并成为国内率先通过隐私保护国际标准ISO/IEC 27701的人工智能企业。

在内部管理上，旷视主要从企业制度和架构两方面进行管理。

• 架构：2019年8月，作为业内首个成立“人工智能道德委员会”的AI公司，旷视聚焦于研讨、制定公司相关伦理道德治理的规章与管理机制，并对公司业务中涉及到的重大伦理问题进行决议；

  2020年1月，旷视又成立AI治理研究院，旨在联合国内顶尖研究机构，积极探索AI道德伦理与治理工作的落地路径。

•  制度：除了发布《人工智能应用准则》这类纲领性文件，旷视还出台了《数据分类分级管理规范》、《员工信息安全守则》等细则，在内部形成规范化管理。

  与此同时，旷视倡导客户遵循《数据安全声明》、《正确使用人工智能产品倡议书》，形成行业「合力」。

对于技术攻关，旷视目前主要集中在数据安全和隐私保护、算法的安全性、稳健性等问题。

例如，旷视研发的前端图像脱敏方案，是目前业内率先实现在采集端就能完成人脸图像的不可逆脱敏，来加强个人信息保护。

而在AI基础平台研发上，旷视主张通过研发面向数据安全和隐私保护的AI平台，实现从需求提出到交付的全流程一体化数据安全及隐私保护，相关成果将进行试点推广。

值得一提的是，旷视还联合人民智库、中国人工智能产业发展联盟等专业机构、组织，发布“全球十大人工智能治理事件”评选榜单，以议题设置的方式，联动各方对AI治理进行持续关注与深度讨论，通过多元交流，共同推动AI治理走向规范化。

目前，该榜单已持续三届，针对2021年度全球十大人工智能治理事件，来自不同领域的专家表达了类似的观点。

中国信息通信研究院副总工程师、中国人工智能产业发展联盟副秘书长王爱华认为，2021年是全球人工智能治理极具实质性突破的一年，纵观全年的治理事件，全球人工智能治理呈现出“趋实、趋严、趋细”三大特点。

清华大学公共管理学院教授、人工智能国际治理研究院副院长梁正同样表示，人工智能治理已经成为全球共识，且已从理念层面进入到建章立制、落地实施的阶段。

从旷视的人工智能治理探索中不难发现，多数企业采取的是自上而下的方式，即建立规章制度，先保证企业自身的技术、制度合规性，再通过企业实践和行业研讨来共识产业方向。

而在当下的人工智能治理中，自下而上的基于应用主体和用户选择的参与，也成为人工智能治理的一个重要方法。

需要指明的是，当前的AI治理仍然处于探索期，如何引导人工智能进一步规范发展，仍有待市场经济环境下，供给、需求、监管等多方在「磨合」后，达成「共识」。

正如旷视联合创始人兼CEO印奇所言：“AI不仅要在技术创新和应用落地上下功夫，也需在治理上使力气，这离不开所有AI从业者和社会各界的共同努力。”

结语

回到最初的「电车难题」，在这个场景中，人不得不面临道德困境，AI或许能破解这个困局。但随之而来的AI治理相关的难点，又成为AI发展过程中必须要回答的问题。

如今，AI行业在多方的努力下已迈出实质性的一步：在规范中发展，在发展中规范。

在正确「价值观」的引导下，作为改变世界的技术，人工智能也将快速走进日常生活，造福大众。

 近日海康举行了投资者问答。

 以下是调研全文重要内容，雷峰网作了不改变原意的整理与编辑：

Q：现在海康助力企业做数字化转型，帮助企业提效降费，大企业在周期不景气的时候，也会维持升级改造的意愿来增加自身的竞争力。海康做 AI 赋能是否弱化周期，帮助业务更稳定？

A：宏观环境的波动是政府与企业投资的大背景，宏观有压力的时候全社会的投资不会太出挑，但降本增效这一块的投入与周期的关联弱，我们应该还是可以努力保持相对不错的增长。近期看到各级政府也在努力释放积极政策，社会资金流动在边际上变得更通畅，业务端也会逐渐有所反应。

同时业务上的机会点也很多，比如碳中和、碳达峰的政策之下，能源企业对于吨钢吨煤效益都提出了更高的要求，这也迫使企业需要通过数字化手段来加强精细化管理。

同时我们看到制造业的转型升级、机器换人需求在增多，制造业实际上越来越呈现出重资产、重设备运营的模式，在这种背景下，智能物联网的机会是很大的。

另外，在财政支出结构优化的过程中，我们看到一些增强民生福祉的财政支出，比如新建学校、新建医院等等，都是有保障的甚至有比较好的增长。

总之经济的调整与变化时时都在发生，相较于一时半会的业务波动，我们在企业经营的层面更重视自身的能力是否在提升，公司的资源布局是否在正确的方向上。我们要做的终究还是聚焦到我们经营的微观层面，不断完善和提升我们的解决方案，为客户创造更多价值。

所以我们一方面在不确定性的环境之中寻找一些确定性的成长机会，另一方面我们通过发挥自己的优势，在市场中提高市占率，希望力争穿越周期。

Q：未来公司库存水位是进一步提升还是保持目前的状态？

A：公司的库存是在不断的动态消耗和补充的，我们会去看市场当中各种物料的紧缺程度以及我们的供应商的发展变化。因为如果供应商的工艺成熟，供给稳定，我们可以不用把这种物料的库存备的很多。相反的，如果供应商的产品输出不稳定，产能的提升还有空间，这个物料可能就会是我们库存管理的中重点关注的物料，就会尽力备货，保障产品供应。所以我们会根据产品的分类，物料的供给齐套性，以及物料背后供应商的结构等各个维度综合管理公司的库存水位。

在供应紧张的趋势缓解之前，库存肯定是高水位，现在也并没有到供应链全面缓解的阶段，而公司的高库存可以理解为行业内保持优势的基础，要知道并不是所有玩家想要增加库存就可以加得上来。库存水位会不会更高，目前不好回答，我们会不断地动态调整。

Q：股权激励制定了未来几年 15%的营收复合增速的规划，在人员投入方面，未来三年或者说经济下行的周期里面，会做怎么样的调整？总体的人效应该是什么样的一个趋势？

A：人员投入跟每年的年度规划有关系，我们的投入主要分两类，一类是为中长期的投入，一类是为年度业绩做支撑的投入，后一类的投入与实时产出会更紧密一些。我们希望未来有更强的竞争力，投入会一直持续。经历了前几年技术和业务架构的大转型之后，这几年公司的投入会相对平稳。

关于人效方面，因为我们的业务比较碎片化，很多方案的应用都不是面向大品类的业务，都是细分领域的小块业务，作为公司来讲，需要在碎片化市场当中，努力去找到有一定复制性的业务和产品，这是比较考验公司经营能力的。我们得认识到，在这个行业里人效要大幅提升的可能性不太大，但是我们争取努力向上走，不要增人不增效。

这些年以来，公司的业务布局更均衡，资源组织配合的效率得到发挥，公司体现出了一定的规模经济优势。人效继续提升，需要大量的内部运营改善工作，这两年公司非常重视这块。

Q：现在有的公司在一些上游的核心元器件上会考虑自制，有的初创公司也在往这个方向走，请问我们的策略是怎样的，未来是否和以前一样保持向外采购，还是未来也会往这个方向去做？

A：我们在上游技术上的资源投入是有取舍的，一般来讲是要依靠供应链的伙伴。以我们的理解来说，不同公司需要在专业的位置发挥专业的作用，同时与上下游的伙伴保持紧密的配合。实际上过去多年以来，海康与上游供应商的配合是密切的，在产品 know how 的沉淀和元器件性能的验证、调试上，海康会给予供应商较多的帮助，相应的也会得到供应商较大力度的支持。我们比较受益于这样的良性合作模式，未来还会坚定地和供应商们肩走下去。

当然在一些边缘的、特殊的、产业供给不太充分的个别物料上，也不排除我们会去做一些专门投入。总之就是顺势而为。

Q：今年汽车电子行业都有不错的增长，能否介绍一下海康汽车电子的产品结构以及客户的情况？另外，之前偏 ADAS 的产品会多一些，未来 L2.5 或者 L3 这块，是否有产品的布局？

A：汽车电子业务的介绍在我们 2020 年的年报中，有一个专门板块讲汽车电子的业务布局，主要分了三大块，就是乘用车的前装，乘用车的后装以及商用车。关于客户这个层面，目前从车企的角度看，内资车、合资车，包括部分外资车厂，我们都有合作。

我们业务的拓展比较务实，而且创新业务的投资模式也决定着我们必须要一步步脚踏实地的走，经过几年的发展，我们已经把低速状态下的驾驶辅助功能发展的比较充分了，也在国内外众多客户那里得到了认可，我们今天也有这个自信讲，汽车电子业务发展是不错的。

往未来看，更多 ADAS 的能力会生长出来，也许有机会进一步挑战更复杂场景，但我们会始终聚焦于扎实的产品和方案开拓。雷峰网雷峰网雷峰网

过去一年，于视频物联行业来说是波澜壮阔的一年：旧时代赋予的要素开始缩减，新时代的要素正在增加。城市AIoT赛道的黄金机遇，构建了一场科技与产业更大规模的狂欢。征战功夫的精彩，既在胜负，也在胜负背后的战略、逻辑与眼界。

藉由此，AI掘金志推出「十佳CEO」系列专题，希望呈现给业界更多对城市AIoT领域不一样的理解与洞见。

本篇为系列报道的第二篇，对象为：希捷科技全球高级副总裁暨中国区总裁孙丹。

缺少层出不穷的新概念，少见抢眼性感的话题，在各类高科技、热门赛道中，存储似乎没啥存在感。

但外界的忽视并不妨碍其“黄金配角”的地位，无论AIoT，还是数字孪生，亦或是红到发紫的元宇宙，在当下最热赛道的底层，都能找到存储的影子。

希捷，就是这样一个存储隐形王者，今天的主角，是希捷中国区业务领导人孙丹。

从出现在大众视野的第一天起，孙丹似乎从来都是一头干练的短发、不重样的裙子，以及偶尔串场的美甲。 

孙丹无疑是多面的，你能看到她的精致、大方、爱美，也可以看到她脚缠绷带出席大会，坐在轮椅上笑得灿烂，当然，你更能从“IT界拼命三娘”的经历里看到一个商业女性领导人的干练与狠劲儿。

与大多数高管相比，她的履历显得有些简单，但都位列领导人级别，东家均为各自行业巨头：一家IBM、一家希捷。

孙丹曾在IBM包括个人电脑事业部、中国电子商务部和中国销售运营部在内的多个部门负责高级管理工作，并且曾出任IBM系统与科技事业部大中华区System X总经理。

在IBM事业即将达到巅峰时，她离开IBM加入希捷，带领希捷从一家闻名全球的传统硬盘厂商向数据存储与管理厂商迅速转型。如今，孙丹是希捷科技全球高级副总裁暨中国区总裁，负责领导中国区的整体业务和发展，同时负责管理希捷全部产品和客户群在中国的营销及技术支持运营团队。

经历简单，但每一段都是与惯性抗争，与挑战抗争的岁月。

一、童年：与死神擦肩而过

1976年7月28日，4岁的孙丹和母亲在一辆去往北京的列车上，那天天气怪异般的炎热，入夜之后，母亲告诉孙丹，睡一觉起来就能到北京，看到爸爸了。

凌晨时分，火车驶入唐山地区，夜阑人寂，列车上的人不曾料想，他们离那场震惊世界的唐山大地震近在咫尺。

地震后，人民解放军及全国各行各业近30万人组成的救援大军火速赶赴灾区，各地的医疗队先后奔赴唐山市区，无数重伤员被抬上飞机，送往各大城市急救。

千钧一发之际，孙丹乘坐的火车在距离桥仅100米左右的地方停了下来。据称，当时是火车司机拼尽全力救了一车人的命。震后第三天，他们等来了解放军，几经辗转，最后终于到达北京。

地震发生时，几十公里外的北京也感受到了震感，当时在国家地震局工作的父亲深知事情的严重性，又因通信阻断，只能在绝望中参与忙碌的救援工作。

这次的经历，也让小孙丹对技术在生活中的应用有了懵懵懂懂的认知。

6岁后，孙丹随母亲到北京定居。孙丹笑称，她小时候并不是个讨老师喜欢的孩子，并非是学习不好，而是她总是不能乖乖接受既定的答案，提出奇怪的问题。独立思考，似乎是一件与生俱来的本能。

高中毕业后，孙丹有两个大学选择，一个是地球物理系，一个是计算机系。在父亲建议下，孙丹选择了北京工业大学的计算机。

上世纪70-80年代，是计算机技术大发展的时代，但中国因美苏技术封锁，错过机遇，落后于人。90年代，中国计算机才逐渐迎来突破。

1994年，一条64K专线，把中国和世界互联，中国正式迈入互联网时代。此后中国的计算机行业前进的号子震天响，纤绳粗又壮，行业在轨道上飞奔。

孙丹也在计算机极速发展过程中疯狂吸取专业知识。

把她送进计算机世界的父亲，因曾参与核弹研究，患上皮肤病，整整住院一年，并在2011年离世。父亲把一生奉献给国家事业，也在2021年获得了两弹一星勋章。

二、IBM：与「大象」共舞的18年

临近毕业那年，北工大首次推出双学位，计算机系只有三个名额。孙丹出于对管理学的兴趣，通过一系列考试成功获得工商管理的入学资格。

等待读双学位的那个暑假，孙丹在老师的建议下进入IBM实习帮忙。

从小性格好强，在IBM实习那段时间，孙丹几乎玩命工作，力求最好。当时负责技术的经理看中了孙丹一身干劲儿和展现的才能，想直接招进IBM。

孙丹开始是拒绝的，觉得书还没读完，经理对她说：“你回去想一想，两年毕业后能不能找到IBM这样的工作？”

作为还没完全走出校园的学生，孙丹本身就对大型的、专业的公司具有好奇和崇拜。

“第一次走进IBM的场景我记得特别清楚，在丽都酒店，每个人都穿着西服，非常职业范。”

经过慎重考虑，孙丹决定抓住这次机会，向学校交了5000元罚款，进入IBM，成为IBM个人电脑事业部中国地区的工程师，也是十几个人工程师团队里唯一的女性。

初出茅庐，突然接触到新东西，与优秀的人共事，在这种氛围下，孙丹“跟打了鸡血一样，熬夜加班太正常了，想跟他们一样优秀，也想比他们更优秀。”

孙丹从小独立思考的习惯也带到了工作中。

90年代早中期，电脑对大多数人依然是新鲜玩意儿。进入IBM不到半年，孙丹就发现，他们经常为各种鸡毛蒜皮的事情满北京跑，有的甚至颇为滑稽，比如有客户误以为光驱的洞是杯子架，放上水杯后光驱无法合拢。

孙丹认为工程师为这类需求东奔西走实在不值当，于是跟部门经理提议，设立一个热线，用户的基础问题通过电话解决，800热线就此成立了。 

“我觉得人要有一种习惯，不是老板让干什么就干什么，你要想如何做得比竞争对手好。”

但并非每次创新都能收获成功，也有方案执行后不及预期。 

“我很享受团队争论，十几年都是‘吵’过来的，有的想法不一定好，最重要的是去做，想了不做，没用。” 

在孙丹看来，创新是一种思维，可大可小，可以是颠覆性的，也可以小的流程。没有东西天生完美的，可以在迭代过程中完善，只要有创新思维，勇于尝试和冒险，并能够承担责任，创新的价值就能体现。

“遇到挑战就兴奋”的内驱力，“即使知道客户选择了竞争对手,也要把客户争取过来”的狠劲儿，创新意识的惯性，让孙丹在竞争激烈的IT业如鱼得水。

从技术支持到销售，从渠道管理到商务管理，孙丹的履历覆盖服务器、存储、网络、软件等领域，在IBM的十几年，孙丹的能力得到最大限度的锻炼，职位也一路晋升。 

2009年1月，她升任IBM系统与科技事业部大中华区System x总经理。

上任后，孙丹带领团队和渠道伙伴整合System x和软件、存储，从产品向解决方案转型，并提出「7*24*4」，即System x全线产品的售后服务的7天/24小时/4小时之内响应，这极大拉高了IBM的售后服务水平，让中国用户享受到了史无前例的全时服务。 

短短两年，孙丹带领System x产品坐上行业第一的位置。 

在IBM的18年，孙丹经历了IBM两大改革时期，两个掌舵人郭士纳、彭明盛，一位挽狂澜于既倒，一位受重任于临危。孙丹表示，创新一直引领着IBM，她的不少眼界和思维习惯都是在IBM时期奠定。

当初IBM进入中国PC市场，市场知名度并不高，IBM策划了代号为“中关村战役”的宣传策略。一夜之间，中关村的电脑城、街道等都插满IBM的PC宣传旗。 

“你可以想象一下，第二天一睁眼发现整条街道都是IBM。”

最后效果显著，一下子打开了IBM PC机的知名度。 

2012年，如果不出意外，孙丹将被官宣为集团VP，在外人看来“最好的时候”，孙丹选择了离开。

“离开IBM是因为那里没有让人浑身兴奋的挑战了，”孙丹表示，这种挑战是指自身的提升空间，而对手是自己。

孙丹笑称自己叛逆，喜欢做相反的选择。

“当有足够的选择权时，在肥沃的地和贫瘠的土地之间，我会选择后者。”她补充，“我坚信这块地更容易增长，当0作为分母时，可以无限增长，人要敢赌。” 

三、希捷：承接「人要敢赌」的选择

自2011年西部数据收购日立硬盘业务，希捷科技收购三星硬盘业务后，全球硬盘市场竞争格局渐成，这两大赢家在拼产品、拼销量、拼利润、拼布局中，持续肉搏。

2012年，希捷决定重仓中国市场，并向孙丹抛去橄榄枝。这背后的挑战对孙丹具有十足的诱惑力。2013年，孙丹加入希捷科技，担任希捷科技全球副总裁暨中国区总裁。

第一年，是她压力最大的一年，没有人看好这个空降的女高管。 

但最痛苦的时候也是成长最快的时候。“撑不过一年”的流言下，不解与猜疑中，希捷转型的使命下，孙丹带领团队在三条路上奔跑：云计算、渠道下沉和主攻垂直行业。 

第一，押宝云计算，尝试定制服务。

2013年，孙丹领导下希捷在中国成立了云系统与解决方案部门，重新搭建了云团队。

这只为云计算而生的团队，在后续几年不断增加高容量的企业级产品，向企业级市场发起冲击。

从幕后走向台前，直接面对客户，以大客户为核心，了解客户需求，技术性合作，开发定制化产品。比如希捷在中国第一个推出了云盘。

孙丹表示，在转型之前，他们根本无法想象会推出定制化产品，好在这些产品在不同领域取得成功，也让他们坚定了走定制化服务的路径。 

第二，瞄准智慧城市、平安城市的时代机遇。

进入21世纪，中国经济快速发展，创造了独有的中国速度，经济腾飞的同时，人口大规模流动，社会治安问题面临极大挑战。

2008年北京奥运会更是让安防行业迸发出前所未有的活力。2010年之后，安防的大时代款款而来。

2015年国家推动平安城市、雪亮工程建设向纵深开展。同年，1043个PPP投资项目提上日程，总投资规模达到了1.97万亿元。

这一年，还提出了2020年我国基本实现“全域覆盖、全网共享、全时可用、全程可控”的公共安全视频监控建设联网应用的目标。第一股AI浪潮也来添火，让这个赛道烧得更旺。

2017年，希捷推出首款希捷酷鹰人工智能（SkyHawk AI）监控硬盘，高吞吐量和优化的缓存提供了低延迟和极佳随机读取性能，实现对视频图像的迅速定位与传送并进行影像分析，能解决AI工作流产生的密集计算工作负载问题。

2018年，希捷又将数据恢复服务在视频监控领域运用。  

2019年，深圳安博会上，希捷展示了全线安防存储解决方案，并发布16TB希捷酷鹰人工智能监控硬盘，它是当时全球首款最大容量的人工智能监控硬盘。 

持续发力下，AI安防成为希捷新的业务增长点。 

第三，加大渠道下沉力度。

与代理商合作，从二三线城市持续往下扩展，五六线城市甚至农村。期间推出满足不同市场需求的新品，比如专为监控而生的希捷10TB SkyHawk酷鹰监控硬盘、第六代希捷企业级高性能15K超能盘、希捷BarraCuda酷鱼笔记本硬盘及10TB NAS硬盘希捷IronWolf Pro(酷狼Pro)等。 

三轮驱动之下，这场仗打得漂亮，业绩快速增长，企业级、云计算、监控和消费类市场，希捷2017年在中国市场实现了两位数的增长。

这个过程中，中国在希捷在全球业务中的份量更加举足轻重。孙丹也在2021年5月14日被任命为全球高级副总裁暨中国区总裁，向希捷科技全球销售与销售运营执行副总裁郑万成汇报。

她用行动与成绩，给自己的“敢赌”一个交代。

在行业二十余年，孙丹一直有一种天生的预感，业务处于低谷时，更加坦然和冷静，业务处于高峰时，反而更加忐忑和谨慎。

在她看来，当团队都崩溃时，领导者需要更加冷静，稳住团队，解决问题。业务高峰时，尤其是好到挑不出毛病时，按照物极必反的原理，一定会出现往下走的可能性，她不知道什么时候会往下走，因此会更加忐忑，她会反复叮咛团队在各个关头慎之又慎。

“希捷如今已是存储产业的巨头，会不会缺少一些危机感？”

孙丹回答：“我们一天到晚都有危机感”。

以之前铺天盖地的新闻“硬盘已死”为例，希捷的危机并非来自对手的冲击，而是技术的冲击。

如何缓解危机感？向前、向前还是向前。

作为一个科技乐观主义者，她认为科技发展会带来一定问题，但事物的发展是螺旋上升，人类足够有智慧去迎接所有科技带来的挑战。

而不管是无人驾驶、元宇宙、数字孪生，还是城市AIoT，底层都是数据。

孙丹表示，数据是一个及其复杂的命题，峥嵘四十年，希捷聚焦存储市场，从未偏离一步，定位也极为清晰：做数字经济里最小的一块砖。

通过降低客户成本同时，满足客户定制化需求；以数据为核心寻找未来科技的方向。

四、着眼当下：人生无法倒带，一切都是最好的安排

孙丹作为IT界少有的女性高管，不认为作为女性在职场存在劣势。女性更有耐心、更细心、更有同情心，对冲之后，并没有太大区别。

“门槛一直在于自己，你认为性别是优势它就是优势，你认为它是劣势它就是劣势。”

她认为管理要无为而治，但并非什么都不做，而是把正确的人放在正确的位置，给予充分的权利、支持和资源，放权的同时承担起责任，遇到问题敢于拍板做决定，且能进行长远规划。

“一个领导者离开后，组织依然正常运转，才是一个合格的领导者应该做到的”。

在希捷期间，孙丹迎来她第三个孩子，她希望自己离开期间，业务比在公司时更好，而团队也做到了，这是孙丹最骄傲一点。

回过头看，命运的神奇之处，大概是孙丹当初放弃了管理学位，最后依然不知不觉中成为了一名优秀的管理者。

正如孙丹所言：没有什么后悔的，人生无法倒带，一切都是最好的安排。雷峰网雷峰网雷峰网

作者丨何思思

编辑丨周蕾

如今，信息化、数字化对经济社会发展影响越来越大，数字经济的理念和生产方式被应用到更多领域。在数字经济发展过程中，需要数字政府的有效保障。

为此，数字政府的概念呼之欲出，并得到了国家及社会各界的高度重视，“十四五”规划和2035年远景目标纲要也对提高数字政府建设水平作出战略部署。由此可见，政府上云已成大势所趋，其不仅有助于提高数字政府的水平，还有助于智能城市的建设，实际上是一个双赢的选择。 

数字政府的建设：各抒所长 

2020年爆发的新冠疫情对政府治理能力来说，无疑是一次大考，再一次敲响了政府以及城市治理的警钟。要想在危难之时，保证政府的稳定高效运转，必须积极运用数字化手段对疫情进行管控。不难看出，未来数字政府的形态将是“政务云+大数据”的融合。 

近年来，全国各地扎实推进数字政府建设，上海、广东、浙江、福建、湖北等地政务服务效能得到明显改善，数字政府建设取得了一定成绩。据相关数据显示，全国数字政府建设指数平均值为51.7，其中14个省市区指数达到平均值及以上。但仍存在信息系统不互通、数据难以开放共享、数据资源利用水平低、存在安全隐患等问题，信息孤岛现象依然突出。 

无论是数字政府还是智能城市的建设，其关键点在于挖掘数据的价值，其次是运用大数据、云计算、人工智能等新一代信息技术，对政务数据进行整合、共享和开放，从而实现跨部门、跨系统、跨地域、跨层级的业务协同。

目前，央企阵营、运营商阵营、互联网阵营、科技阵营的优秀企业代表，紧追数字政府的建设步伐，纷纷加入到智能城市这一赛道，致力于帮助各地政府，各省市顺利上云。通过入局时间，可以看出，几大阵营的发力时间大致相同，但却找到了自己所擅长的赛道并持续深耕。 

央企阵营主要以中国电子云为代表，凭借IaaS、PaaS和SaaS的全栈能力，中国电子云自主研发了“原生于PKS”的新一代数字经济基础设施，其主打安全优势，主要在于数字政府基础设施承载了数字经济的关键核心业务，面临极大的安全挑战。另外，自数据安全法颁布以来，对数字政府的基础设施建设均提出了更高的安全需求，中国电子云致力于打造更安全的数字基础设施。 

运营商阵营，主要以中国移动、中国联通、中国电信为代表，三者均搭建了自有特色的云底座，其中，天翼云践行“5G+云+AI”三生万物的理念，打造云网融合底座及数字化平台；

移动云以“云网、云边、云数、云智”四融差异化为核心竞争力，同时凭借其搭建的全球最大云专网，提升了基于时延的大客户选路、路径保护能力，同时基于SRv6技术开放网络能力，引入承载网切片、端到端跨域开通、业务链等能力；

沃云凭借“安全可信、云网一体、专属定制、多云协同”的差异化优势，打造的数字化转型基座则主要协助政府构建统一的IT支撑环境，为政府机构提供基础云服务以及网络办公的软硬件条件。 

互联网阵营，主要以百度、阿里、腾讯、京东为代表，三者主要围绕政务云做文章，依托在互联网领域积累的丰富的技术经验，致力于在搭建云底座的基础上，进行更深入的实践；当然，在数字政府、智能城市这一热潮的刺激下，也吸引了包括华为、浪潮、科大讯飞等科技属性较强的企业的入局。 

正如前文所说，数字政府的建设最重要的是发挥数据的价值，通过雷峰网观察发现，近两年，京东云、华为云、腾讯云的势头最为强劲，这三大企业在夯实数字底座的同时，其差异化的实践也引来了社会各界的广泛关注。 

华为云：注重数字基础设施建设

数字政府建设的关键在于挖据数据的价值，这也正是华为云的主要发力点。从2016年开始与各地政府合作，到2018年“城市智能体”理念的发布，再到如今构建了以应用为中心的云原生基础设施，目的是为数据价值的发挥提供坚实的底座。

华为EBG中国区副总裁杨萍曾强调，在智能城市方面，华为的定位是要打造智能城市的神经系统，做智能城市的使能者和推动者。智能城市的神经系统包括中枢神经系统和周围神经系统，因此智能城市不仅要有城市大脑，还要有各种信息感知系统，能够实现数据上传、分析、处理、决策再到行动的完整闭环。

通过前期与各地政府的合作积累的技术经验和实战经验，“智能城市体”理念呼之欲出，并在此基础上提出并构建了“智慧大脑”系统和城市数字平台等方案，从而形成了“平台+生态”的发展战略。

简言之，华为云在智能城市方面，向下提供数字基础底座，向上提供平台从而构建完整的生态。 

这一战略主要是在华为传统优势的基础上进行延伸。首先，华为是传统ICT基础设施供应商，在云数据中心、基础网络以及存储等方面具备天然优势，这为城市智能体提供了坚实的底座基础，汇总城市各系统各部门在运营过程中产生的数据。 

其次，新基建政策下，5G、边缘计算、人工智能等新一代信息技术的出现和发展，为华为云智能城市建设提供的新动力，在大数据、物联网、GIS、视频云、融合通信等新ICT基础上，将这一系列信息技术与智能城市体系相融合，构建一个云网边端协同的一体化智能系统，通过融汇、治理城市全域数据、让城市实现数字化管理。

正如杨萍所说的中枢神经系统和周围神经系统，均利用了华为传统ICT基础设施的经验，其中，智能城市“中枢神经”，即智能城市大脑，对应城市智能运营中心和城市大数据中心，可对城市各项运行指标进行检测，同时还可支撑城市应急联动和分析决策；而“周围神经系统”，即城市感知网络体系，对应城市物联网，和有线和无线通信网，可实现对城市全场景数据的自动采集与传输。 

城市数字平台则利用了新ICT能力，并融合了5G、人工智能等信息技术，实现数据融合、业务协同与敏捷创新。该平台可以使各类底层资源得以共享，能力最大程度释放，同时为后续数据融合，数据运营与增值，以及应用的打通奠定基础。 

如今，迈入政务云3.0时代，华为云再次认识到了云在智能城市建设中的重要地位，从应用角度出发，其构建了以应用为中心的云原生基础设施，实现了政务云业务生命周期的全面管控，从而为数字政府提供专业化、精细化的业务运营，推动数字政府的长效化、可持续化发展。

张平安在一次接受媒体的采访中曾表示，华为云未来的使命是让云无处不在，让智能无所不及，共建智能世界的云底座，这也是我们将来的战略发展方向。 

无论是基础设施网络的搭建，智能操作系统的运营，还是应用大量场景的AI赋能，华为依托主打的是云技术、云底座。目前，上海黄浦区城运中心依托城市智能体技术底座，打造了“一网统管”平台，有效降低了20%城市事件处置时长，并且AI人工智能派单率占总工单80%，机器派单（AI+RPA）准确率达到88%，真正做到机器换人力，智能增效能。 

京东云：以数据为中心做“一网统管”

聚焦到京东云智能城市，在京东集团副总裁郑宇看来，数字政府和智能城市要从真正的业务需求出发，如今，数据是土地、劳动力、资金和技术之后的第五个生产要素，政府作为数据资产的管理者有权利也有义务发挥数据资产的要素价值，但仍存在数据孤岛，数据不能共通、共享等问题，这主要是缺乏统一的底座和生态基础。为此，京东云搭建了智能城市操作系统。

“智能城市操作系统”，相当于智能城市的数字和技术底座，其利用时空数据引擎、AI算法以及可视化分析技术等诸多前沿科技，让城市在运营过程中产生的海量信息进行高质量对话，有效解决智能城市建设过程中信息难以互通共享的根本难题。 

虽说数字政府、智能城市建设需要统一的基础平台打好基底，但也需要城市各系统之间的协同来完成精细化管理。

郑宇表示，智能城市操作系统是京东云最核心的定位，为了体现数字底座的强大并促进政府信息归集和更新，一定要在上面做业务牵引。就像微软做Windows以后必须要做Office应用，智能城市操作系统相当于Windows，市域治理（一网统管）相当于Office，其连接政府、企业、民生等三方。 

如今，我们可以清楚地看到京东云智能城市一直在围绕“市域治理”做文章，这正是京东云智能城市区别于其他厂商的打法。郑宇认为数字政府建设需要经历五个阶段：

• 第一阶段是城市中各个垂直业务系统的信息化；

• 第二阶段，一网通办；

• 第三阶段，垂直领域的智能大脑；

• 第四阶段，城市治理“一网统管”即市域治理现代化；

• 第五阶段，一网通办和一网统管的双网融合阶段。

从部门单一业务的信息化到城市治理一网统管即市域治理现代化，目前，数字政府已经到了“一网统管”的新阶段。紧跟数字政府建设的进程，京东云清楚地认识到一网统管阶段，市域治理之于数字政府建设的重要性。  

在郑宇看来，市域治理是推进国家治理体系和治理能力现代化在市域范围的具体实施。基于此，京东云提出了以智能城市操作系统为底座打造市域治理现代化，创新了“一网统管”新范式。

市域治理现代化是打通城市各治理系统的中台和管理全域的实体中心，实现“一张网络管全城、一个中心管全域、一支队伍管治理”。市域治理现代化可以在打通城市各部门数据的基础上，进一步联通各部门的业务系统，使得指令可以在不同部门之间流转，完成对事件的高效、协同处置。同时，设立市域治理指挥中心实体机构，将城管、综合治理、12345 等相关部门与之一体化运行。 

目前，北京、上海等多个城市区域已经在京东云的助力下，在政府数字化升级上积累了实践经验，江苏南通更是借助智能城市操作系统这个底座搭建了全国首个市域治理现代化指挥中心。

市域治理现代化既需要建设“一网统管”的系统，也要构建市域治理指挥中心实体机构，通过技术创新和机制创新来实现分析研判辅助决策、监测预警防范风险、联动指挥行政问效、基层治理共建共享等价值。

在技术创新层面，城市治理“一网统管”以城市状态一网感知和城市数据一网共享为基础，以大、中、小三屏联动为信息流转方式，以数字孪生为虚实映射的桥梁和人机交互的界面，让各部门高效协同、各层级行动一致、各事件闭环处置，确保城市的安全、稳定和发展。

 

在机制创新层面，一方面要设立市域治理指挥中心实体机构，将城管、综合治理、12345 等相关部门与之一体化运行。另一方面，加强考核问效，将数据共享的时效性、完整度纳入到部门考核，确保数据更好的汇聚共享，优化部门工作效率与处置流程。 

目前，南通市10个县（市、区）、66家市级部门，共4095项数据资源实现共享。南通市市委副秘书长、市域治理现代化指挥中心书记李学义介绍，指挥中心实时汇聚了百姓生活方方面面的信息，通过对信息进行研判、分析，可以及时掌握群众关注的热点、痛点，更加精准地为群众服务。

在南通市市域治理现代化指挥中心，工作人员每天会接到许多大大小小的线索，有的来自12345、网络渠道上报，有的来自基层工作人员的主动发现。据了解，指挥中心建设了1个市级指挥中心、10个县（市、区）指挥中心和96个乡镇街道指挥中心。7万多名网格员在一线，把各种突发情况上传到指挥中心。 

2019年开始，京东云联合宿迁市政府推进全市政务上云，解决了各部门自成体系的信息孤岛问题。宿迁市政务云已完成全市75家单位309个系统迁移上云，上云率高达98.9%，包括“一张网”系统、公共资源平台、公积金系统等在内的核心信息系统均已迁移到政务云平台。

在云之上，2021年，宿迁市联合京东云共同打造中小城市数字化转型样本。在京东智能城市操作系统的技术支持下，宿迁市市域治理现代化指挥中心围绕“一屏观全城、一网管全城、一端惠全城”的目标，推进“综治、城管、应急”三网融合，构建“大综治、大城管、大应急、大交通”四大治理格局，大力实施数据、系统、网格、资源、业务、人员等深度整合。围绕好用管用实用成功保障了宿迁市2021年京东宿迁马拉松、2021中国酒都文化旅游节、2021中高考保障等重大指挥调度活动。

江苏省宿迁市人民政府副秘书长、市政府办公室(研究室)主任、市大数据管理局局长、市域治理现代化指挥中心主任骆志弘表示，数字化、智能化与经济、社会、治理等深度融合是大势所趋，宿迁市积极推动数字治理系统变革，以数字技术应用和理念创新、制度创新、方法创新，打造市域治理现代化指挥中心和“1+9+N”三级指挥体系，大力推进系统、数据、应用、技术深度融合，推动跨层级、跨区域、跨系统、跨部门、跨业务的“五跨协同”机制，有效提升了城市治理的能力和水平，为全国中小城市市域治理提供了宿迁方案。

从最初的智能城市操作系统、到市域治理现代化，在一网统管阶段京东云又进行着创新。

郑宇坦言，京东云最终要做的是向“一网通办、一网统管双融合阶段”迈进。政府服务一网通办是居民访问政务服务的入口，是居民参与城市治理的通道，以及政府改善民生的窗口；政府办公一网协同是政府办公系统的中台和应用入口；一网统管前面也介绍了，是政府的业务中台。

双网融合就是通过一个数字底座、两个应用入口（政府侧入口和居民侧入口）和三个中台来实现，最终确保城市的安全、稳定和发展，为全面提升国家治理体系和治理能力现代化做好承上启下的支撑。 

腾讯云：重连接、强生态、拓场景

区别于华为云的技术底座的打法，腾讯依托其在全国最强的“连接一切”的能力，近几年在智能城市领域频频出手。正值2018年930变革之时，腾讯公司政府行业总经理王刚曾表示，数字政务、未来城市是腾讯云未来两到三年在to B领域里一个重要的发展方向。  

以腾讯推出的新一代WeCity技术平台为例，底层基础，其将5G、大数据、物联网、人工智能等技术能力整合，构建了数字政府所需的数字底座。中层平台，打造服务、应用、数智、身份一体化融合引擎，提供面向多元服务架构的融合平台，构建未来城市的可拔插、一体化能力中枢；上层应用，帮助政府在服务、协同、监管、决策、治理、产城六大领域的能力进行升级，打通泛在终端入口，连接政府、民众和企业三端流量，全面提升城市综合能力。 

通过观察可以发现，底层基础和中层平台是每家云厂商都具备的能力，但腾讯的优势是其强有力的连接能力，诸如，在消息精准送达城市中的特定人群方面，以及各系统间消息交互方面，微信有底气覆盖最大人群；另外，在线下的小程序布局方面，腾讯也具有领先优势，这对于城市总体的管控而言，无疑会提供更多的便利。

与生俱来的2C基因＂，奠定了腾讯云在城市入口与市民应用体验方面的明显优势。腾讯＂WeCity未来城市＂理念也充分体现了＂以人为本＂，对实现智能城市的＂初心＂势必将起到积极的推动作用。总结起来有三点：

1. 以移动端应用为突破口，推动政务服务便民化；

2. 以云计算作为基础支撑，打造数据底座；

3. 以城市大脑为中枢，打造应用中台、数据中台、人工智能中台。

腾讯将在数字政府建设中的定位为一个目标，三个角色。 一个目标即通过数字政府的建设实践，成为数字政府建设的助手。

三个角色即发挥连接器的作用，应用科技手段，连接政府与老百姓、政府与企业、政府与公务员之间，提升工作效率；提供一系列工具，提升数字政府的效率；数字政府的建设是一个庞大的工程，腾讯致力于成为生态共建者。 

相比于华为云，底层技术显然不是腾讯云的王牌，凭借连接这一利器，2018年“粤省事”移动政务服务平台正式上线，2019年武汉智能城市系统平台的搭建，再到今年河南省光山县“光山号”小程序的成功上线对接，越来越多的城市正在成为腾讯云数字政府建设的受益者。 

写在最后

从目前来看，数字政府、智能城市的建设，要解决的问题大相径庭，从几大阵营的探索过程可以发现，它们的做法大致相同，无非是构建数字基础底座，目的是解决政府、城市、部门之间长期存在的数据孤岛问题，使政府从粗放式、离散形的建设模式向集约化、整体化的可持续发展模式转变，推动政府管理从各自为政、相互独立的运作方式向跨部门跨区域的协同互动和资源共享转变。 

但是数字政府、智能城市的建设并非搭建一个基础底座这么简单。可以说，数字基础设施是标配，但如何做到行业顶配，就需要在底座的基础上做更深入的延伸，即在共性中寻求个性的内容。诸如中国电子云主打安全牌，天翼云重视“5G+云+AI”的深入融合、华为云提出的云原生概念，腾讯云的连接能力，京东云聚焦数据中台搭建和顶层设计，这些都是服务商特有的标签。

共性也好，个性也罢。总体来说，无论是数字政府还是智能城市的建设，都将是一场拉锯战。相信未来随着数字政府建设的不断深入，智能城市的脚步逐渐加快，几大阵营的竞争将愈发激烈。

（雷峰网 雷峰网 雷峰网）

如果要用一个词来概括2021年的AI安防圈，「内外交困」稍显贴切。

从大趋势看，疫情已经发生两年，且短期内看不到终止的迹象：国外主要经济体几乎全部沦陷，国内不时出现局部疫情，两个大市场都面临着严峻的经济形势。

外部，企业向外走遇到更多阻力，一方面海外市场客户购买力下降，企业不得已将产品进行优惠出售，其例证便是毛利率的同比下滑；另一方面，美国先后将一众头部公司拉入投资黑名单，外部形势不容乐观。

内部，AI投资热潮渐退，增速放缓，融资马太效应加剧，已经成长起来的AI公司拿走了融资大头；加上AI本身进入落地阶段，碎片化场景增加落地难度，目前还没跑出一条合适的商业化路径，不少AI公司都捂紧荷包过日子。

难，是几乎所有从业人员最真切的感受。从前几年海康威视总裁胡扬忠的“活下去”，到年底人工智能安防峰会上宇视总裁张鹏国的“必须与其他行业交合”，都佐证了这个行业面临增长拐点的事实。

但，时代是压力也是动力。在难的边界之外，也出现了一些新变化。比如新的增长极出现，以城市AIoT为核心的场景势能逐步发力；比如市场进一步优化，对技术本身的要求走向精细化；又比如资本浪潮退却下，裸泳者显形而探索者勇立潮头......

时代脉搏下，AI掘金志陪着行业走过了又一年，见证了安防与AI的交融与相互促进，以客观中立的角度为行业人士提供最前沿的市场变化信息、技术趋势以及新机遇、新视角。

如今，回望过去这一年，AI掘金志总结出这一年的重要「热搜」，从这些热搜关键词中找到“安防+AI”的变化和机会，以飨读者。

关键词一：出局

市场竞争是残酷的，有企业进入，也有企业退出。

对于出局者而言，告别总是难免，但却无声无息。

360视觉科技的败退，是诸多AI视觉公司掘金安防市场失败的一个缩影。在这条赛道上，前有海大宇，后有四小龙，入局者要么跟着大哥吃菜喝汤，要么独辟蹊径挖掘新市场。

360视觉科技无疑是想做独行者：以视觉安全为核心，依托360集团在安全方面的优势，来切入AI安防市场。

“安全，这是一切的基础。”时任360 城市智能集团执行总裁、360 视觉总经理的邱召强在接受AI掘金志采访时表示，360要“做业界最安全的人脸识别，2-3 年内做到人脸识别通行市场第一。”

遗憾的是，这个宏伟的目标才刚刚起航，轮船的帆便被一场大风给吹断了。

2021年7月，AI掘金志获悉，360视觉总经理邱召强已离职。360视觉研发产品销售团队基本被砍掉，员工或转岗，或离职，“整个业务板块大调整。”

AI掘金志交叉确认后得到了肯定回复，年底的安博会上，也不再有360视觉的身影，而是以“亿方云”（数据服务）的身份参加，从侧面佐证了上述消息。

不少从业者认为，这场大风起源于数据安全保护法。

2020年，数据安全保护法草案正式公布，几乎所有企业都已意识到数据安全问题，并在这方面发力，从芯片到终端，从边上云，无一不强调安全二字。

做安全有门槛，但是对于海大宇这种老牌豪门，和四小龙这类技术新秀，这类门槛似乎并不足以形成绝对优势的护城河。

当360视觉以安全为核心「剑走偏峰」切入市场，但业务尚未铺开，没有占领足够的市场时，其他厂商回过头来在产品上做安全，杀个回马枪，基于其成熟的业务网络，排挤掉前者似乎并不困难。

上述从业者告诉AI掘金志，市场饱和的情况下，业务没有增量，不值得360继续投资，因而被砍掉，也是情理之中。

与360视觉黯然退场同时进行的是，平安科技的默默无闻。

过去两年，平安科技的人事变动堪比地震，CEO陈立明、CTO兼总架构师方国伟、首席数据官翁志、首席信息官庞晶等相继离职。

很难想象，曾以智慧城市出圈的平安科技，在红火了数年之后，在安防圈里已渐行渐远。

“转型做数字化咨询。”一位接近平安的业内人士告诉AI掘金志，“搞技术的高管，都走得差不多了。”

以技术立身的前CEO陈立明走之后，陈心颖成为平安科技的实控人，后者曾在麦肯锡工作了13年，负责商业科技咨询服务，正在主导了平安科技向咨询公司转型的变革。

“在数字化浪潮下，转型做咨询，说不定更容易胜出。”该业内人士表示，陈立明离开后，平安科技对咨询的重视程度应该只增不减。

目前的平安科技，更喜欢说“对内赋能”，已没有征战安防与AI的雄心壮志。

AI掘金志认为，产业数字化大背景下，平安科技向咨询公司转型或许是一条破局的出路，但能否做起来还有待时间检验。（关于平安科技更多内幕，可参考：平安科技再度出走两名「首席」高管，全新「业务战略」浮出水面）

这次转型的另一层意思是：AI安防圈越来越不好混。

当AI安防走入深水区，势必对于企业的“泳技”有着更高要求，没有过硬的技术，很难“淌这道混水”。

360和平安科技的例子便是例证，这并不意味着他们没有做技术和产品的实力，而是企业在考虑发展业务时，必然从市场格局、发展趋势来考虑成本收益问题，当收益不明朗而成本支出可预知的情况下，转型其他业务再正常不过。

但不论如何，两家企业的暂时淡出，也在宣告这个行业的难与苦，开启了企业“退圈”的序幕。

关键词二：IPO上市

2021年底，AI安防圈最大的新闻莫过于商汤成功登陆港股。

商汤的上市之路稍显坎坷，递交招股书之后，即将上市之际突遭美国制裁，但最终在2021年的倒数第二天敲钟港交所。

AI第一股的诞生，意味着AI这个行业渐渐告别青春期，走向成熟期，体现出资本对AI的认可，但从长远的角度讲，能不能讲好AI故事，是一个巨大的考验。（关于更多商汤上市细节，参见：商汤上市启示录：一部「管理艺术」与「技术演化」史）

值得注意的是，商汤并非资本青睐的唯一，旷视、云从、云天励飞、格灵深瞳等已经成功过会，正紧锣密鼓地准备最后的冲刺。

不过，在AI掘金志看来，上市能给AI公司们提供更多元的筹资方式来拓展业务、发展技术，但仍旧没有跑出一条合适的商业模式，造血难的痼疾依旧存在，营收的压力将比此前更大。

“AI公司只有用正向的净利润才能完成对自身的证明，但现在仍看不到边界。”

除了备受关注的AI企业上市的消息，AI掘金志也注意到，安防巨头海康威视也正在进行“瘦身”运动，打算将萤石网络和海康机器人拆分上市。

通常，将子公司分拆上市，不仅有利于子公司的独立发展，比如融资、人才激励、管理等，还能支撑母公司的多元化发展战略。子公司拆分之后，自负盈亏而不再依靠母公司输血，员工的积极性得以提高，对品牌的竞争力也是一场考验。

海康威视将萤石网络和海康机器人拆分上市的动作，表明其在智能家居与机器人领域的深入布局，拆分之后，海康威视将以视频能力为核心，将业务线拓展至工业、能源、交通等多个场景，掘金智慧物联。

不可否认，资本运作确是企业发展的重要推力。

但从根本上讲，资本运作对企业，是手段而非生存之道。企业只有脚踏实地做产品和服务，才能形成完整的业务闭环。否则，以资本运作堆砌起来的空中楼阁，终有倒塌的时候。

关键词三：数据网

2021年，从政策方向看，《个人信息保护法》和《数据安全法》的实施，对行业起着定调作用。

这意味着企业在进行数据集采、传输、存储、分析等过程中，无一例外要保证数据安全。

两部法律构成一张巨网，对这条产业链上的企业形成规制。

AI的基础是数据，依靠数据才能训练算法。在前端感知侧，公司收集数据时要考虑是否合规，其数据来源的多样性、数据种类将会缩减；在数据传输、存储侧，云边端芯每一个环节都需要对数据进行加密处理以防止泄露，这对企业本身的技术实力提出要求；在分析侧，敏感数据或者特殊数据并不适用于算法训练。

比如，以前企业可以采集人脸数据，做业务创新，但现在只能在某些特殊场景才能采用人脸，并且用途有限。

“数据安全合规时代到来。”腾讯安全云鼎实验室高级研究员谢灿表示，《个人信息保护法》和《数据安全法》有两个特点：一是范围广，包括国内、跨境以及不同行业，都有相应法律合规性的要求；二是处罚力度大，《个人信息保护法》对违法违规企业的罚款是全年营业额的5%。

但张数据网在规制企业的同时，也催生出对数据安全保护的需求，以网络安全、隐私计算等标签出圈的数据公司正迎来风口期。（关于更多数据安全，参考：《数据安全法》今天正式实施，企业应该「恐慌」还是「拥抱」？）

“表面看，企业的成本一定程度上增加了，但整个产业链实际上更加完善，从长远来看，是有利的。”

AI掘金志认为，《个人信息保护法》和《数据安全法》的出台既是趋势也是现实所需。

在行业初期，政府在引导某个产业发展时，更加看重产业对经济发展的促进作用；而当行业进入成熟阶段，其侧重点必然趋向于以人为中心的服务，对产业的合规性要求成为必需品。

行业必然要在法律范围之内才能走得更远。

关键词四：芯变局

芯片问题由来已久。

早在去年，AI掘金志就注意到安防芯片格局变化，参见：海思「缺货」，安防「缺芯」。

从2019年开始，美国的制裁步步紧逼，海思的生存空间进一步收窄，出货量大打折扣，在后端芯片领域，从此前高达60%-70%的市场份额下降至30%左右（数据来源：光大证券），前端芯片份额也急剧下滑。

与之相对应的是，国内的富瀚微、国科微、北京君正、中星微、星宸科技等芯片公司快速崛起，安霸、德州仪器等国外公司亦卷土重来，志在重新夺回高端芯片市场。

数据显示，2020年，在IPC Soc芯片方面，海思市场份额下降至30%，星宸科技（25%）、富瀚微（17%）、北京君正（12%）以及国科微（5%）等瓜分了60%的市场。

可以看出，在前端芯片领域，海思跌倒让出的市场份额被国内企业有效承接，基本上能够实现国产化。

但在DVR、NVR Soc芯片方面，国内企业虽然加快了布局和研发力度，但主要市场被国外的安霸、TI等公司占据，约有60%到70%左右的海思客户不得不转向价格高昂而合作条件严苛的外企。

在高端芯片领域，海思之后，仍旧没有企业能扛起大梁。

一个有趣的例子是，今年的安博会上，华为已经缺席，但海思依旧存在。AI掘金志在安博会当天，因慢了一步，海思展台上的宣传物料和名片早已“无货”，展台上人流拥挤，甚为火热。

在与海思相关人员的交流中，AI掘金志发现，国内企业对于后端芯片的需求仍然旺盛，然而受限于制裁，海思只能消耗存量，但对于巨量的市场显然远远不足，这也是今年芯片热的原因之一。

在安防「缺芯」升级，背后的八大原因一文中，AI掘金志从多方面梳理了缺芯的原因，并指出：在持续性的缺芯危机之下，供应链安全问题凸显，芯片供应链成为安防产业链中众多企业的核心竞争要素之一。

AI掘金志认为，安防缺芯的实质，是传统安防向AI安防升级带来的对高端芯片增量需求与供给不平衡的矛盾，美国制裁加剧了这场矛盾的爆发。

要解决这场“缺芯之战”，仅仅依靠海思远远不够，必然要整个产业链企业的共同努力，一方面实现国产替代化，一方面推动整个安防芯片行业的升级。

由此看来，未来的“芯格局”，不论是前端ISP/IPC，还是后端DVR/NVR，芯片国产化应当是主流趋势。AI掘金志也希望，在未来，国内企业能够借势而起，撑起安防芯片的一片天。

关键词五：场景数字化

360视觉撤退之后，将主力放在了数字城市板块。

无独有偶，平安科技向咨询公司转型的初衷，也是看到了产业数字化带来的机遇。

对于安防企业而言，数字化已将所有人的耳朵磨出茧，在2021年12月AI掘金志主办的人工智能安防峰会上，海康威视李亚亚、宇视张鹏国、希捷孙丹等头部企业高管无一不谈数字化。

正如孙丹所言：疫情给部分行业按下暂停键，但数字化转型是提速的。

如何理解数字化？

中国网络空间安全协会副理事长、前华为全球智慧城市业务部总裁郑志彬表示：数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式。

而在数字化转型背景下，“跨领域的数据融合应用场景X走向深水区”。

所以AI掘金志以“场景数字化”来概括技术转型与实际落地场景之间的深度融合。

不论是海大宇，还是一众AI公司，在提及产业数字化的同时，必然强调落地场景。

一方面，产业数字化涵盖的行业非常广，业务面很宽，不同行业之间的不同痛点，单一的技术并不能解决问题，而是需要多种技术乃至定制化开发才能完成。

另一方面，AI技术从空中楼阁走向落地，如何做好技术与场景的结合，是AI公司的头等大事。

简而言之，在数字化这个历史机遇面前，所有企业都在做场景化适配，尽可能以技术覆盖更多的场景，来建立自身的护城河。

AI掘金志认为，未来的竞争，将是基于场景的争夺。谁能深刻理解场景，提出场景化解决方案，谁就能在数字化浪潮中站稳脚跟，在激烈竞争中生存下来。

关键词六：城市AIoT

在数字化转型浪潮下，安防圈“去安防化”已经成为共识，企业们现在更愿意提“城市AIoT”的概念。

城市AIoT可以简单理解为，以“AI+IoT”（技术+场景）的组合来解决数字城市建设中的各类难题。

从根本上讲，AIoT是城市数字化转型的技术路径。

旷视资深副总裁曹志敏对AI掘金志表示，AIoT是技术手段，AI技术将分布在各类IoT场景下的传感设备所收集到的数据，以机器手段实现数字化，从而解决场景痛点，这是技术的价值点所在。

之所以把城市AIoT和数字化分开讲，AI掘金志认为，数字化是大趋势，而城市AIoT则更侧重于城市治理，客户属性偏G端，而数字化本身还包括B、C端业务。

而在城市AIoT这片战场上，已经形成两种路线：合纵、连横。

合纵强调专业化，建立生态，在某些领域做深做透；连横侧重多元化，讲究扩张，旨在做大做强。

对于这两种模式，AI掘金志采访了多位业内专家，表示出不同看法。具体参见：「合纵」or「连横」，城市 AIoT 模式之争。

但在AI掘金志看来，不管黑猫白猫，能抓老鼠便是好猫。对于合纵与连横，不同的企业选择符合自身的发展路径，皆是合理的，关键在于技术和产品，能否真正解决问题，从而形成正向的现金流闭环，这是企业持续发展的根本。

总结&展望

回顾2021年，AI安防圈似乎没什么变化，还是同样一波人，在做同样的事。

所不同的，是大环境变动下，企业、资本、人才等要素的自由流动。

如果把这些要要素收集起来，做一次数据分析，或许可以得出这样一个结论：各类要素在局域内调整，但整个圈子在不断扩大。

换句话说，原来的圈子里面的要素，只不过在重新进行排列组合，但这却带来了新的化学反应，让业务变得更广，市场变得更阔。

2022年，圈子里面的企业和人才，都将踏入新的征程。雷峰网雷峰网

传播学者贝拉·迪克斯在其著作《被展示的文化》中提出：地标是一种空间符号，构成城市主体可亲身互动的空间结构。

作为一种“可解释的公共视觉修辞文本”，地标的造型结构、身高比例、建设规模、地理位置、承建单位等“视觉符号”，在撑起城市牌面的同时，也承载着历史、人文、科技、建筑等文化内涵。

如果要给地标装上好看的皮囊，这或许并不困难，历史悠久的建筑学早已将这些东西吃透。

难点在于如何给地标注入时代元素，赋予其内涵、文明其精神，使之能够代表城市的文化精魄，一如提起解放碑就能感知历史的厚重；说到华润春笋便可沐浴改革开放的春风。

在诸多地标中，智慧之门并不是最知名的那个，但在科技感、智能化等现代元素上，却不弱于其他闻名遐迩的建筑。

智慧之门，何许人也？

在杭州滨江区，除了大众所熟悉的阿里巴巴、吉利汽车等企业之外，曾以安防起家的国内三大巨头，海康威视、大华股份、宇视科技皆坐落于此。

这里既有以阿里巴巴为代表的互联网小镇，也有以海康威视为代表的物联网小镇，“互联网”+“物联网”的结合，共同构成了现代人们生活的重要两极。

很难想象，这样一个高新技术区，尚且没有一个出圈的地标。

“滨江并不缺乏高楼，但真正能让大众记住名字的几乎没有。”

从传播学的角度看，给高楼取一个高大上的名字，或是一个不错的选择。譬如深圳平安大厦、北京中国尊，既有内涵又不乏诗意，易于传播。

“在取名的时候，一方面考虑到园区特色，一方面注入时代元素，并且要让大众更容易理解和记忆，我们最终采用了‘智慧之门’这个名字。”

云知声创新事业部总裁陈吉胜告诉雷峰网，智慧之门位于杭州滨江物联网产业园区内，定位为城市入口的地标建筑。智慧，即代表着物联网最大的特点之一：人工智能、大数据等技术与产业的深度融合。

具体到智慧之门，实际上是人工智能与地产行业的一次“联姻”。

房地产进入白银时期已是业内共识，从传统的增量市场到存量市场，地产公司们都在寻求新的增长点，科技转型是新趋势，物业则是新战场。

云知声创新事业部总裁陈吉胜表示，白银时代，地产公司此前粗犷拿地建房卖房的模式已经不可持续，智能化、数字化改造物业，提升产业附加值，成为新业态。

在这条道路上，企业们有的向左“搞自研”，如华润万象、龙湖地产；有的向右“搞联合”，如恒大、中海、万科、绿城等。

“地产公司与AI公司可通过协作来实现优势互补。”陈吉胜告诉雷峰网，智慧之门是世茂集团与云知声的合作项目之一，其内部的智能化建设由云知声和世茂物联（世茂集团子公司）负责，走的是联合路线。

这是一个双向选择的过程：地产公司需要技术赋能，但缺乏技术基因；AI公司有技术但落地场景有限。

因而，智慧之门也被视为云知声“AI+地产”的一次尝试。

雷峰网了解到，智慧之门主体由AB两座双子塔构成，建筑高度为279.16米，是整个滨江区最高的建筑，旨在利用AI、云计算等技术，提升园区在管理、服务方面的智能化水平，“打造区位的办公标杆”。

区位、结构、高度等特征构成了智慧之门的外在，但支撑其真正出圈的，却是以智能化为核心的内在灵魂。

灵魂三要素：标准化、系统化、一体化

在《被展示的文化》中，地标不仅仅是文化的载体，而且具备“现代化商业价值”。

这类商业价值主要体现在两方面，一是地标带来的旅游效应，吸引更多的游客慕名而来，带动周边消费；二是地标本身具备商业功能，除去招商引资之外，还是企业办公的不二之选。

作为滨江物联网产业园的最高建筑，智慧之门主要为企业提供基础设施、办公场所，因此对智能化、人性化等要求非常高。

“智慧之门最大的亮点是，整个项目共19个子系统实现了统一的数字底座，以保证数据的互联互通，并且所有系统都是定制的。”

陈吉胜表示，传统的地标建筑采取的是分包模式，各类系统由不同的公司主导，甚至软硬件也由不同的公司提供，系统之间存在不兼容、互联互通难的情况，对于管理、服务的效能提升并不多。

例如，某人要参加会议，但时间非常紧迫，从开车入场到寻找车位、搭乘电梯、正式参会，需要把时间缩到最短。

传统的分包模式下，各系统之间不一定兼容，开车入场之后，寻找车位就需要大量时间，遑论其他。

智慧之门则将各系统打通，形成完整的处置闭环：参会者通过人脸识别可快速开车入场，并按照引导直接将车停入固定车位，与此同时，系统自动派梯，实现无缝切入，与会者可快速乘梯参会，并使用语音识别系统建立完整的会议纪要。会后，可通过反向寻车，输入车牌即可快速定位车辆，驾车离场。

“地产公司其实更想要的是整体化解决方案，而非单个子系统的交付。”陈吉胜告诉雷峰网，业主对物业服务的需求非常清晰，但缺少中间环节，即把客户需求和技术之间通过解决方案融合贯通起来，解决实际问题。

虽然弱电系统不是新事物，但在智能化、数字化方面，地产公司了解的并不多，缺乏整体设计、把控以及技术能力。因而通过建立统一平台，将所有数据和系统打通，就能产生巨大的价值量。

在陈吉胜看来，建房子好比做手机，智能化应用相当于手机的操作系统和应用程序。

手机厂商推出来的是软硬一体的、用户拿到以后就能用的终端产品，地产公司推出的写字楼或办公楼，必然在智能化、信息化、数字化方面都已搭建完成。

“企业更喜欢拎包入住，而不是自己搞装修。”陈吉胜表示，一站式解决方案的优势在于，既能减少成本，学习曲线也低，对企业的降本增效能带来大幅提升。

从另一个角度看，楼宇的智能化建设周期大约需要1-2年。在这个过程中，技术也在发生变化，如果一开始将方案固化下来，那么在项目交付时，技术可能并不足以解决新的问题。

所以，地产公司需要具备自主研发能力的企业，能把技术进行实时更新迭代，确保解决方案能保持不错的效果。这样不论对于甲方还是业主，或是入驻企业的员工，都能带来良好的体验，形成“多赢”局面。

“这也是世茂选择云知声的根本原因，能够提供全栈式解决方案。”

目前，智慧之门包括信息设施、公共安全防范、建筑设备管理三大主系统，三大主系统之上，有统一的AIoT平台做管理支撑，平台上会有针对具体场景的应用软件，便于管理人员日常操作使用。

主系统之下根据不同的场景细分为19个子系统，如会议、视频监控、紧急报警等等，涵盖楼宇的各个角落、各类场景。这些子系统与硬件设备相互兼容融合，成为整个智慧之门的“基础设施”。

注，19个子系统包括：防盗报警系统、火灾报警系统、USP系统、会议系统、VRF空调系统、冷机群控系统、BA系统、电力监测系统、公共照明系统、景观照明系统、泛光照明系统、电梯系统、门禁系统、通行系统、停车系统、安防系统、能源系统、气象站系统、信息发布系统。

除此之外，智慧之门另一个特点是，能够实现云边端一体化。

• 云侧，智慧之门的AIoT平台可以根据地产公司的需求，应用到不同的云上，平台集成了云知声自研的AI引擎，以及各类物联协议，确保硬件设备能稳定接入，从而实现24小时不间断的互联互通。

• 边侧，云知声提供边缘计算相关产品，通过算力前置、应用备份等方式，保证智慧之门在断网、断电等紧急情况时，保持整套系统的正常运行。 

• 端侧，云知声提供的系统已经与前端设备进行适配，比如摄像头与海康合作，智能音箱由自身提供，一些交互屏幕则由云知声的供应商生产，来保证终端设备与云、边之间的融合。

总的来说，一体化是智慧之门的核心标签，而一体化的背后是设备、协议的标准化、系统化，“三化”共同支撑起智慧之门的整体结构和场景能力。

门的另一侧，岂止于大

目前，智慧之门项目已进入最后交付阶段，不少商户已经拎包入住。

“我们希望能更深入到不同商户，为企业的降本增效赋能。”

陈吉胜告诉雷峰网，虽然云知声里面有“声”，但自然语音识别仅是其核心技术之一，“知”显然更能展示云知声作为一家AI公司想要赋能各行各业的愿景。

在传统文化语境里，知的释义为“知道，理解”，同时也通“智”，即智慧。

“以技术理解场景，解决需求，同时场景反哺技术，达到更加智慧的状态，是云知声的目的。”

陈吉胜表示，云知声已经建立起超算平台。

基于此平台，云知声可以快速演进各种AI算法，巩固其自然语言理解能力的同时，快速拓展在人脸图像、机器翻译方面的能力，从而建立起涵盖感知（眼睛、耳朵）和认知（大脑）的智慧体系。

在业务方面，云知声分为三大板块：云，智慧物联和智慧医疗。

• 云服务涵盖PaaS和SaaS，PaaS由AI开放平台和AI芯片应用开发平台构成；SaaS则包括云智云AIoT平台、超算平台等，主要面向开发者和技术人员、合作伙伴等。

• 智慧物联以云知声的AI技术为核心，落地到家居、园区、交通等不同场景，提供相应的解决方案。

• 智慧医疗则主要将智能语音识别技术（ASR）、自然语言理解技术（NLU）、临床知识图谱技术应用于医疗领域各个场景，赋能临床诊疗。

“云知声已经是一家全栈硬核AI技术公司，正在逐步拓展业务边界。”陈吉胜透露，智慧之门只是云知声诸多项目中的一个案例。

在智慧物联方面，云知声的解决方案正落地在不同的场景之中。

“物联网是下一个万亿级的蓝海产业。” 

陈吉胜认为，以AI为核心的智能物联将成为新的市场机遇。云知声在自研芯片、AI平台、AI技术等方面具有优势，将不断迭代技术和产品，为行业提供智能化解决方案。

结语

作为园区对外宣传的窗口，地标对于产业集聚的促进作用，也是显而易见的：华润春笋与制造业联系紧密，平安大厦代表着深圳金融中心，腾讯滨海大厦则象征互联网产业......几乎每一个地标，都带着鲜明的旗帜。

未来，人们提起智慧之门，第一印象会是什么呢？

作者 | 李溪

编辑 | 余快

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

作为上午场的开场嘉宾，虞晶怡从深度学习的角度，从建模、渲染以及隐私保护三个方面分享了对未来城市元宇宙的理解。

虞晶怡提到，他所研究的计算机视觉领域一个非常重要的任务，就是完成物理世界向数字世界的映射。为了完成这个映射，产生了非常多的概念，比如最早的数字孪生，到现在的元宇宙。但无论是什么概念，归根到底需要解决几个核心问题：

三维建模如何完成？图像分析如何完成？隐私保护如何完成？

虞晶怡教授从四个方面出发阐述了对以上问题的理解：

计算成像、三维重建、智能融合、隐私保护。

2D计算成像。过去几年，编码成像取得了很大的进步。在图像质量方面，利用编码成像可以在高速和离焦的情况下获得更好的图像。

虞晶怡指出，做智慧城市离不开三维重建。计算机视觉界已经做了很多年，其中最为出色的解决方案来自谷歌的“一日建模”。具体有三个步骤：通过针对大量图像进行位置猜测，再通过特征提取获取精确的相机位置，再对图像特征进行匹配和三维确认，最后得到模型，这个方式在大规模城市重建中非常常用。

基于神经网络深度学习的最新方法，即2D+3D融合。因为很多智慧城市模型并不精确，将城市进行三维重建后，把二维的贴图与三维模型融合，可以得到多视角视频。

最后，虞晶怡教授着重分享了隐私保护，他认为重建做得无论多好，最重要的是保护隐私。

以下是虞晶怡演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

今天给大家分享一个我认为非常有意思的话题，主题叫《The future of MetaCity：Modeling，Rendering，and Privacy Protection》，讲讲我眼里的元城市，我会从深度学习的角度分享如何建模、如何渲染，以及最重要的如何保护个人隐私。

大家讨论的智慧城市是什么？这是一件很有意思的事情。我记得很多年前王坚博士跟我有个讨论，他想要知道智慧城市的一个功能，比如“你能不能告诉我现在马路上有多少辆车在开？”

这个问题听上去好像很简单，其实很复杂，虽然我们已经有大量摄像头，但每个摄像头只能看到城市中很小一部分的车辆，如何统计出它们分别在什么位置，如何计算出有多少车辆是非常大的挑战。

我研究的领域是计算机视觉，其中一个非常重要的任务是完成从物理世界向数字世界的映射。完成了这个映射，大家就可以玩各种概念。而从最早的数字孪生到现在的元宇宙，归根到底，需要解决几个核心问题：

三维建模怎么完成？图像分析怎么完成？隐私保护怎么完成？

今天的演讲主要分为四个部分：计算成像、三维重建、基于神经网络深度学习的最新方法、隐私保护。

计算成像/2D高清图像/智能视觉

第一部分，所谓的2D高清图像，就是传统的计算成像。过去二十年我一直在做计算成像，设计了各种各样的相机系统。

相机系统本身很复杂，有很多组成部分，比如相机的镜头、快门、闪光灯、光圈以及各相机阵列。得益于计算成像，在获取图像之后可以通过各种计算方法对图像进行进一步的分析，基于此，我们已经可以做很有意思的事情了。

2018年上海第一届进博会，我们展示了一个技术，叫“亿万像素的上海”，照片可以进行实时无穷尽地推进。

可能大家都去过上海，但绝大部分的人没有去过东方明珠的塔尖（因为去的话就会被就地拘留）。这幅图片是140亿像素的上海，我可以随时随地做实时渲染，也可以推进到东方明珠的塔尖，你甚至可以看到塔尖上有几根天线。

这个系统是如何完成的？通过光场相机系统，用很多相机拍摄后进行拼接，再进行渲染。我们不希望这个渲染是在集群上进行的，因为云端渲染非常昂贵，而是在手机等便携终端上，比如刚才的示范样片就是在小米电脑上进行实时渲染。

我们当时利用了计算成像的算法技术，其实就是把图像进行分级的分割和存储，最后在存储之后，就能够非常快地索引到每一个部分的模块，这个文章发在TVCG上。 

这项技术最近有很多进展，过去一年，有很多基于深度学习的方法，能把整个图像压缩在一个网络之中。 

计算成像另一个优势是，不但能做超高清的成像，还能做超高速的成像。 

十年前我做了一项工作，叫“超高速下的编码快门成像”（Coded Shutter Imaging：Ultra-High Speed），我拍摄了高速运动的车辆，试图通过图像的逆问题把图像恢复出来，比如高清恢复车牌。 

传统的快门在高速运动下为什么做不了？ 

在传统快门高拍摄的过程中，整个快门就是关和开，如果把这个问题映射到傅里叶域，首先面临的是图像卷积的问题，它等于是用模糊的（也就是低频的）卷积核卷积了一张清晰的图像，整个图像的高频成分会被损坏，更糟糕的是逆卷积非常难，因为这是基本的数学问题。

Sinc function有一个弊端，首先它的高频部分会发生非常猛烈的振荡。其次，它会多次切入零点，如此，这个乘积就无法做除法，因为到处都是0点，那怎么求解这个问题？十年前我们就开始想如何解决这个问题。

第一种方式是快门随机地开/关，图像同样会被模糊掉。但为什么这个随机的开/关能使得“去模糊”的方法做得更好？因为随机开/关，等价于每次开的时候是sinc 函数，但因为它的位置不一样，等于把不同的sinc 函数在里面叠加，其结果就是这个频谱非常好看，因为同时在这个位置出现0的可能性非常低，我的目标是在频域里不希望出现0点，出现0点没办法除。有了这个频谱之后，用编码成像的方法对图像进行恢复，结果恢复得很好。

举个例子，这是一幅编码成像的图片，是我的同事在MIT拍摄的。大家可以猜一下这辆红色小轿车是什么型号？是哪个厂出的？绝大部分的人会猜测它是奥迪，也有人说是TOYOTA，但其实这个车通过编码成像，恢复出来的是大众的车牌。在过去这些年，编码成像得到了长足发展，在高速成像、散焦成像上都能通过编码成像得到更好的图像，过去几年很多高质量的图像都是通过编码成像技术获得。

 三维重建

做智慧城市避不开三维城市重建，这在计算机视觉界已经研究了很多年，其实最为出色的解决方案是来自谷歌的“一日建罗马”。大家都说“罗马不是一日建成的”，所以他们在罗马这样的城市级别做了大规模重建。他们的想法是拍摄大量城市的图像，把这些城市的图像通过相机位置的标定和三维重建的方法进行三维重现。 

具体展开，分为几个步骤：

先是针对大量图像进行位置猜测，有很多方式，对城市级别来说，可以用GPS信号等数据做粗略定位，再通过特征提取获取精确的相机位置，然后再对图像特征进行匹配和三维关联确认，最后得到稀疏的3D点云信息。

对于大规模的城市这个方法非常常用。大家最熟悉的是倾斜摄影，大规模的城市尺度都是利用无人机拍摄然后进行计算，这个方法本身有几个比较严重的问题，最主要的问题是非常昂贵。

凡是做过大规模城市尺度重建的都知道，在集群上运算的时间长达半天，其实半天时间已经非常少见，绝大部分都需要运算几天几夜，而且，运算完后得到的点云依然很差。这是因为点云本身依靠特征来提取，特征本身是稀疏的，所以得到的点云本身是稀疏的三维点云。

如果这样给政府做城市级别的重建，会非常辛苦，你需要找一个非常大的艺术团队帮你修复，因为所有的点云都需要把噪音抹掉，把点云修正成几何形状，这是所有做过智慧城市的人都感同身受的。

智能融合

随着技术的发展，这两步分别都将得到很大的进展。第一个是三维点云的获取，传统三维点云的获取是依靠倾斜摄影和图像，现在可以通过视觉定位、扫描和点云的LiDAR进行补偿。

因为LiDAR系统本身无法做三维空间的定位，你可以把LiDAR系统和视觉相机混合，靠视觉相机进行三维定位。

举个例子，我的学生在上科大创办的岱悟智能，让用户头上顶着LiDAR和RGB相机，RGB相机做定位，LiDAR获取场景里三维稀疏的点云信息，通过不断行走就可以把整个场景呈现出来。

我们上次做了一个尝试，把这个设备装在小车上，15分钟就可以完成一平方公里的地下车库扫描流程，效率非常高。

给大家演示一下我们当时完成的上海科技大学地下车库的数字孪生，人徒步完成还是比较吃力（但对码工来说走一个半小时还是蛮减肥的）大概15-20分钟就可以完全完成数据的采集。三维点云的采集不再需要复杂的计算机视觉系统，而是用比较简单的LiDAR+视觉定位的方式来解决，这将成为未来的大趋势。

同理，这个系统也可以装在无人机上，过程非常快。我们做了一个尝试，在上科大一平方公里的范围内进行边飞边实时产生点云，结果很酷。

几年前我看过一个电影《普罗米修斯》，就是拿三维小球，在三维空间进行扫描，隧道场景很快就出现了，也就是说这个梦想已经成真了，可以非常快地做外部场景的扫描。 

有什么用？扫描之后你可以做很有意思的事情。

比如对工地进行监控，看工地是否每日按照图纸的规划进行建设，随着多次的扫描，不但可以获取非常高清的工地三维数字孪生模型，还可以把无人机拍到的视频信息融合。其实也就是把图片和三维几何的模型融合，切入到模型时，瞬间可以切换到高清图片，可以看到每一个图片的高清细节，效果非常酷炫，而且确实有用，上海很多社区都开始使用这个技术进行二纬和三维的融合了。 

这对智慧城市有什么用？

第一，很多智慧城市的模型并不精确，是CG模型，通过我们的技术可以进行点云数据+视频/图像融合。 

第二，很重要的点，能解决当时王坚博士的问题：在三维空间里判断有多少辆车。

2018年、2019年我们在徐家汇商圈做了一个很有意思的事情。当时我们用上述方式，把整个徐家汇的商圈进行了三维重建。重建之后，把路灯、楼顶视角的视频融合在一起，现在各位看到的是多个视角融合的视频。

如果我把一个区域内所有的视频融合在三维空间，我就可以告诉你现在路上有多少辆车在跑，有多少人在行走，这对智慧城市来说解决了非常重要的一个问题。有了这套系统，可以做非常多很酷的应用，比如可以做碳排放的检测，因为我知道有多少辆车，耗能是多少。

传统的三维重建，几何是几何、图片是图片，几何和图像是分离的。下面我想讲最为有意思的一部分，《Neural Modeling and Rendering》，用神经网络的办法把几何和图像融合在一起。

这是来自英伟达非常酷的一个demo，是为了游戏而做的。在这个demo里所有的几何都是定死的，但我可以随意地做风格迁徙，比如我希望它是沙漠，它就可以是沙漠，我希望树是真实的，就可以做真实的树。左下角是非常粗略的模型，但是有语义分割。根据语义分割和三维场景的粗略几何，可以变换分割成右上角这样看上去非常真实的三维图像。 

换言之，我可以通过学习的方法，把粗略的几何恢复成非常好的三维的模型，从而大幅度降低人工成本。

过去十年里，我最为欣赏的一个项目来自加州大学伯克利分校，他们把几何和外观融合在一起。

在传统的方式中，要用点云或mesh来表示几何，然后再用贴图的方法构建外观，如果点云或贴图的质量不好，合成效果就很差。

前面讲了，我需要从多视角拍摄图片重建几何，那我不如把所有的图片都输入到一个神经网络NeRF中，训练完之后可以渲染任意视角下的任意图片，这样可以实现无需几何先验的几何重建。

怎样实现这件事？用神经网络完成光线-颜色-深度的映射，每一根光线可以用X、Y、Z，也就是光线的原点以及方向来表述，通过网络可以告诉你沿着这个光线应该看到什么样的RGB颜色，此外网络还会预测一个sigma参数，它代表的是X、Y、Z处的物质密度，如果密度很高说明存在物体，密度很低说明是真空的。

如此一来我就可以做很有意思的东西，也就是说，我们训练网络的时候，可以把几何和纹理的概念抛弃，我拥有的就是神经网络，只需完成利用这个神经网络从光线到颜色到深度的预测，几何和纹理就自然地生成了，这是我过去看到的非常酷的工作。过去几年大家逐渐意识到，原来用NeRF框架，不但能做元宇宙物体的生成，也能做元城市级别的生成。

以上介绍的主要是别人的工作，先说一篇《NeRF in the Wild》的工作，跟前面的工作的思路是一致的：也即是输入很多图片，同时这些图片包含了位置和图像性质，以及一个很有意思的概念——瞬态。瞬态是什么意思呢？比如我在三维空间拍摄了很多图片，因拍摄的视角不同，有的地方有遮挡，比如楼前面有树的遮挡，也有行走的人的遮挡。但因为我拍了很多图片，而且是在不同视角拍的，所以会产生很多不同的视角，唯一不变的就是静态几何，一直在变的是瞬态。然后我们可以将瞬态和静态几何一起重建，最后还可以把瞬态和静态几何进行分离。同样，用NeRF框架，所有一系列的工作，都可以通过一个神经网络的训练而完成。

我们看一下它的结果，非常酷。因为图片是白天和黑夜不同时刻拍摄的，但我能够在不同时刻展现出前景和后景的渲染，没有几何，用NeRF框架、神经网络表征这么大尺度的场景。 

我们再看一些更复杂的场景，比如它可以在布拉格的街区用网络成像来做。

这是罗马的喷泉。虽然点云用传统的三维重建会很差，但没关系，用NeRF框架可以产生非常好的三维结构。这个方法不仅能重建外部几何，也可以在重建内部几何，比如在一个建筑的内部拍摄大量图片，然后用神经网络的框架进行重建。

这是在印度做的，通过多视角的图片，其实没有真正显示重建几何，而是隐式地表示三维重建的效果，它是全自动的，不需要人去修，所以大家看到这个结果应该觉得非常惊艳，如果用artist去修是非常大的工作量。

去年有一篇很有意思的论文《Urban Radiance Field》。想法类似，输入很多图片，但跟前面论文不一样的是，它还结合了LiDAR的点云信号。 

前者的几何依然需要NeRF训练，但NeRF的训练非常慢，所以他们索性就用LiDAR产生的点云信号作为输入，输出是完整、高清的三维重建，同时还有一个高清的视角渲染，这非常酷，从多视角图片的倾斜摄影技术往点云融合。

但我当时研究还差了一步，用NeRF的框架做渲染，现在大家可以看到神经网络的这个强大功能。

这是一部分渲染的结果，可以看到上面的点云和光斑变化。这是圣保罗的场景，可以在里面走来走去，产生相当不错的渲染效果。

最为重要的是，这里不需要artist去修，否则人力成本太高了，不可能完成元城市（MetaCity）的重建。不同的国家和不同的城市都能使用这个方法，相当大规模的几何重建渲染，全是依靠NeRF的框架实现，所以我觉得它的效果还是非常酷的。

给大家介绍了基于神经网络三维重建的工作，很多是别人的工作，也有一部分是我们的工作。

隐私保护 

最后我想讲，重建做得无论多好，最重要的是保护隐私。

给大家讲一个我的故事。2010年，十年前我和林海滨教授做了一个项目，内容是如何在安防系统下进行隐私保护。现在看来这个工作还是非常有意思的，因为2010年并没有想到安防会发展到如此高的地步，隐私保护当时也没有受到重视。

前面提到，可以通过图片快门的控制，把曝光变得模糊。我们在想，能不能故意把图片进行模糊？模糊了图片就可以保护隐私了。 

听起来很容易，但问题来了，模糊完了图片，怎么保证捕捉重要的信息？比如我需要知道这个人的行为，但不希望泄露这个人的身份。 

当时我们提出一个非常酷的概念。把一个视频用两种不同的模式进行模糊，我们把这两种模式称为互素的，这里借鉴了数学中的素数概念。

这样做有什么好处？如果只是给低权限的人看，只需要给他看模糊线条轮廓，它可以用任何现有的算法，对监控视频进行去模糊，结果看不到脸，但能看到人的行为。但对于高权限的人来说，我可以给到两个已经模糊后线条轮廓，通过互素性质对图像进行去模糊，从而产生非常高清的监控视频，我们的论文发在PAMI上，当时这个想法还是非常酷的。

这个结果很有意思，左上角是一个模糊的图像，你可以通过最好的方法进行去模糊。右上角和左下角的去模糊方法可以恢复人在行走的信息，但无法恢复出人脸的细节。而在右下角，如果是高权限人群，可以同时拿到两个blur stream，利用互素的性质对整个图像进行解码。非常重要的一点是，不需要知道这些图像用什么kernel进行模糊的，就可以对其进行解码。

另外，我们希望通过多闪光灯的方法进行保护。可能大家会觉得很奇怪，为什么多闪光灯能进行隐私保护？

通过闪光灯，可以产生影子。闪光灯如果在左边，影子就会在右边。如果闪光灯在右边，影子会在左边。随着闪光灯位置的变化，影子也会产生变化。根据影子的变化，我可以分析这些影子是如何变化的，从而获取到一个非常有意思的图像。虽然我没办法精确知道它的深度是什么，但可以提取出它的深度边界。

为什么这件事对隐私保护很重要？这是一款老旧的车，通过多闪光灯的方法，可以非常准确地把边界提取出来。其中一些细节，比如看左上角的图，我知道这个车生锈了，但左下角的图看不出生锈，这是很具体的生锈的纹理，跟深度不相关的信息，会被我们轻易抹去。

如果我的安防是由多个闪光灯组成的，就可以把多个重要的身份信息隐藏，比如海报上的字，比如衣服上的花纹，都可以被抹掉，从而起到隐私保护的作用。

 再比如人脸上有很多特征，像左图里的痣，是非常明显的身份标志，但痣本身是一个纹理，通过闪光灯的方法，可以把痣去掉，通过边界对图像进行模糊，刻意去掉这个信息。

2010年的时候，美国对隐私保护不够重视，当时我们两人写了一个非常激动人心的项目，但被否定了。我记得非常清楚，其中有一个回复的意见说：隐私保护是已经解决的问题，你们为什么还要再写一个隐私保护的提案。可见大家在做研究的时候，必须先有先知，要意识到这个事情对整个社会的影响。 

总结一下。我给大家介绍的最新的MetaCity的工作，包括2D成像、3D重现的技术、用神经网络的建模和渲染方法对整个智慧城市进行建模，它的最大功效，不需要人工参与，就可以对渲染起到增强和去噪作为。隐私保护是重要组成部分，前面讲到两种隐私保护的方法，我今天特别介绍了用神经网络，本身它就具有隐私保护的作用，因为传统方式需要传几何、图片，但几何和图片全都被编码在神经网络中，这个神经网络本身又能起到隐私保护的作用，又能有效地渲染图片。

无时无刻不在收集视觉信息的摄像头与人类的眼睛不同，前者不加筛选地收集海量信息，成本高，能源浪费严重，后者则能有效筛选出重要信息，整个视觉系统高效运转。

高文院士于2017年图灵大会上正式提出这一点，认为人类应该借鉴动物视觉演化的模式来建设智慧城市，并于当年10月份的安博会上正式提出“数字视网膜”这一概念。

新一代人工智能产业技术创新战略联盟理事长高文院士

如今，已是数字视网膜概念推进落地的第三年，数字视网膜究竟如何效仿人类视觉系统运行？又有哪些行业最先成为数字视网膜的受益者？

数字视网膜的三个技术核心

数字视网膜，顾名思义，就是实现传统摄像头乃至视觉机器架构革新，尽力像人类的视觉系统一样，更加智能地支持城市大脑，服务智能安防，城市精细管理等应用。

在2021数字视网膜应用论坛上，鹏城实验室教授洪晓鹏对数字视网膜再次做出解释，他提出城市大脑应该向人脑学习分工协调，可采用仿生物视网膜的视觉计算架构来优化现存问题，让智能化的端边侧使系统更灵活，在云侧作为智能主体提供更强大智能资源，并优化存储传输使系统更经济。

传统摄像头只是将拍摄的视频数据压缩后上传到云端进行存储，再做分析识别处理。

数字视网膜则要求在摄像头端对视频拍摄进行高质量视频编码和视觉特征提取编码，对压缩过编码的视频流进行本地存储同时按需上传到云端，而所有的紧凑特征流同步实时同步到云端，从而既能够保证高效的存储，又能够便捷地支撑大数据查询分析，与此同时支持在端-边-云之间进行面向智能视频编码和特征分析的深度学习模型自适应迁移、压缩、更新与转换。

简而言之，数字视网膜就是这样一种包含视频编码流、特征编码流和模型更新流的可伸缩端边云协同视觉计算架构。

2013年，数字视网膜的提出者高文院士就已经对数字视网膜有了模糊的概念，他在接受人民网的一次采访时表示现代城市中摄像头存在痛点问题，虽然布局规模广泛且密集，但遇到重大案件时，难以发挥出真正的作用。

直到2017年的安博会，“数字视网膜”这一概念才正式诞生。

高文院士认为，数字视网膜包含三个核心技术：

• 基于背景模型的场景视频编码。现有监控摄像头采用的视频编码技术标准对监控视频编码效率不高，因为这些标准主要是针对广播电视视频制定的。在监控场景下，大多数摄像头是固定的，背景相对不变，因而如能够利用背景预测，消除相应的冗余信息，那么编码效率将大大提高。

• 视频特征的紧凑表达。视觉表征是图像视频分析处理的基础，如果在摄像头端利用人工设计特征与深度学习特征自适应融合技术提取帧内帧间视觉紧凑表示，然后传送到云端，就能大大提高搜索效率。他们曾实验表明平均每帧仅需100bit，可达到与未经压缩特征相当甚至更高的检索性能。

• 视频编码与特征编码的联合优化。上述两种数据信息并不是相互独立的，而是相互关联，可互为指导的，因此数字视网膜在同时输出压缩视频流和紧凑特征流时，可以根据码流的大小，设计联合优化函数来计算如何分配各自的码率，从而在保持分析检索性能的情况下，进一步达到压缩需求。

此外，数字视网膜还有三个特点，分别为高性能、高效率和可伸缩。

智慧安防外，数字视网膜开辟新疆土

理论而言数字视网膜优势众多且有一定的核心技术作支撑，那么发展三年，这一概念的实际应用落地情况表现如何？

智慧安防和智慧交通是数字视网膜应用最为广泛的行业，如今除了这两大领域，数字视网膜也有在其他不太被大众所熟知的领域发力，例如智慧安监、智慧市场、智慧灯杆和高点大场景等。

据北大信息技术高等研究院院长顾问、浙江智慧视频安防创新中心有限公司董事长杜军在此次论坛上的介绍，浙江智慧视频安防创新中心将数字视网膜应用在安全生产上，目前重庆培丁区多家试验企业都已经正式上线运行了基于数字视网膜的安全监测系统。检测内容包括安全帽佩戴监测、人员离岗监测和消防通道监测。

在智慧市场领域，浙江9个地市区48家农贸市场已经上线运行数字视网膜，包括口罩佩戴监测、人群密度监测、质检员监测等等。这些监测在疫情期间发挥的作用重大。

“如果不用数字视网膜，视频传输存储量会非常大，数字视网膜是高效分析的智能系统，这是我们选择使用数字视网膜的原因。”杜军在演讲时说道。

北大信息技术高等研究院院长顾问、浙江智慧视频安防创新中心有限公司董事长杜军

智慧灯杆方面，目前也已经在应用数字视网膜解决环境问题。

另外，海信将数字视网膜技术应用到交通及公安行业。

海信公共安全事业部本部总经理刘微博士表示，海信网络在实践形成了突出双向交互、独立智能体的理念，对于客户来说，由被动监控转变为主动服务，由事后查看转变为事中处置；实现能看、能听、会说话，及时发现、现场即时反馈应用，同时，创新性配置低功耗蓝牙模块，可与手机端数据交互，配合实现身份确认、主动服务等。

以高点监控方案为例，可以解决视野窄、目标跟踪难等问题，实现道路拥堵、路口排队、出口道溢出、异常停车4类事件预警。

在交通事故检测与处警中，视网膜应用适用于城市交通、高速公路两大类交通场景，覆盖日间全时段及晴、阴、雨、雪、雾5类天气情况；以及包括车车事故、单车肇事、机非事故、机动车行人事故、高速事故5类事故检测，预警准确率达90%以上。

此外，基于数字视网膜，搭配对应的检测算法，还能对如吸烟、打电话、烟火侦测、人员离岗等多种异常行为经常检测，实时有效报警并加以劝阻制止。

数字视网膜推进的这3年里，已经突破智慧安防和智慧交通的行业限制，在其他更加细分小众的领域陆续落地，为城市中更多的“眼睛”更新升级。

高文院士表示，数字视网膜的推进已有3年时间，目前理论框架已较为清晰，但在应用中，仍需完善和演进。目前，数字视网膜已开始导入云端，在人、车、物的检测应用中，拥有更丰富的场景训练，有助于增强平台系统的实战能力，未来，多模态版本将会覆盖视频、声音等感知数据，同时也将提升数据感知的密集度。

高文院士同时表示，数字视网膜创新应用仍处于初始阶段，需行业同仁加强合作、加大创新力度，共同推进数字视网膜向更高层次演进，以更高起点实现技术落地，提升行业赋能价值。（雷峰网）

作者 | 李溪

编辑 | 余快

“现场几乎已经看不到跟AI无关的企业了。”

这是今年众多与会者参加深圳安博会最直观的感受。

不少人谈到，AI不再是镜中月、水中花，已经在众多细分领域落地。

2021年的深圳安博会似乎并没有大的新概念出现，但不同技术间融合的趋势愈加明显，不同业务整合趋势也渐强，场景落地更加深入、垂直。

每个时代都有自己的声音，每个展会都有自己的差异。也许技术落地本就不是滂沱大雨倾注而下而是涓涓溪水悠远长流。

本次安博会与去年有哪些不同，管理者们有着哪些独特的体会？AI掘金志与10位企业高管聊了聊。

旷视资深副总裁曹志敏：碎片化不是负面词汇，它让市场更具机遇和挑战

从今年安博会呈现出几个趋势：

• AI已经是必备项，安博会当初只是一个行业概念，现在涵盖了物联网、人工智能、大数据以及视频相关等等领域，已经不能从安防角度看待这个展会

• 落地应用更加深入，比如不同企业扎根交通领域、能源化工、城市治理等领域，差异化更明显

进入AIoT时代，软硬一体趋势越来越明显，这是因为AIoT应用的场景大多碎片化、分散化，另外，软硬一体可以大大降低成本，传统的信息采集，无论是视图还是非视觉图，采集是采集，传输是传输，最后都在中心计算资源上进行分析处理，集中处理方式难以及时响应，延时高，整体成本较高。

城市AIoT产业角色非常多，上下游产业链非常复杂。旷视想打造AIoT的操作系统，做好各个场景所需的软硬一体的、高性价比的产品，通过一套体系，发挥出旷视擅长的算法能力，缓解场景碎片化。

城市和企业市场各有不同，城市领域，随着城市管理水平越来越高，相关单位对整个城市进行了顶层规划，落地具备很强的引导能力、统筹能力，方案更具标准性、更清晰。尤其是一二线城市，政府有自身的系统工程师、架构师，架构设计的投入资源更多，更系统。

企业领域更碎片化，更关注效益、投入回报时间，多地分管特点明显，周期相对较短，其次，对技术更新态度更开放，解决方案更灵活，可以不断迭代和演进。但方案更灵活并不意味着落地简单，它可能更复杂。同时，企业相对依赖厂商自身能力。

要提醒一点，碎片化不是负面词汇，是客观存在的，甚至让整个产业生态更加繁荣。

它的机遇在于，AIoT产业没有一家企业可以统揽整个产业。谁都有机会往上冲。它的挑战在于，可能一套产品方案只能在很小领域使用，解决这个问题需要企业的行业洞察，找出规律、分层抽象提炼。

苏州科达公共安全行业中心总经理陶宏：碎片化、精细化加剧，需要平衡基础技术与用户个性化的矛盾

AI落地需要回答的一个核心问题，是真正的业绩在哪里、市场在哪里、客户在哪里。有客户才有持续增长点，才有盈利点。

人工智能要想在To B市场想要实现指数级的飞轮式的增长很难，目前没有哪一家实现如此大的增长。

原因之一是To B系统流程关系非常复杂，决策过程非常漫长，一个项目3-6个月、1年是常态，甚至会拉长到2-3年。此外，B端市场场景碎片化、需求精细化，耗费的资源过于分散。

以交通为例，专业性、复杂性非常高，要想快速全国落地，需要非常长时间的论证，比如科达AI超微光卡口，在很多地方落地前都要先进行测试论证比较，最后表现不错，才开始规模化测试。

从另一个层面看，公安、交通以及未来的城市治理，要素就是人、车的识别，目前的落地情况看，我认为人工智能在这些领域已经成功了。

我认为各个行业大致可以分为三类公司：

• 具备运营优势，体现在供应链，最终体现在成本和价格

• 具备细分场景落地能力、客户服务个性化能力，细分赛道市场相对小，但强大的场景理解和客户关系让这类公司依然占据一定市场地位

• 技术极其领先

城市治理领域，业务颗粒度越来越精细，需求越来越碎片化，挑战有二，一是如何满足个性化、定制化的应用需求，二是如何平衡研发资源和敏捷交付速度，解决定制化问题，让定制变得灵活和轻便。这些也是科达思考的问题。

为了平衡行业定制化和AI敏捷交付，2020年科达发布中台战略，打造“一基座三中台”架构，分别是：云平台能力基座、媒体中台、解析中台、数据中台，能够更灵活敏捷的赋能上层业务，近年来，科达进一步提炼客户共性业务，打造出完整的基础组件和公共组件继续做厚中台，为敏捷开发打好基础。

芯翌科技副总裁-产品负责人王夷：未来技术市场的比拼核心是数据的获取能力、加工能力

技术层面，今年的安博会呈现出三个趋势：

• 以人工智能技术为主的AI中台及算法训练（建模）开放平台将持续进化发展（人工智能技术）

• 以大数据技术为主并结合业务转型需求的数据融合治理平台，将是产业数字化转型的标配（大数据融合技术）

• 智慧城市及企业对于实景融合可视化相关需求，将进一步催生以仿真技术、AR技术为主的数字孪生领域技术的发展（数字孪生领域技术）

今年的安博会主要看点在深耕垂直领域的中小企业。AI全面渗透安防后，安防的边界已经模糊，我称之为能力“外溢”，安防十几年积累的产品能力、技术能力和服务能力都会向各行各业“溢出”，从而带来的是新的场景、新的需求和新的方向。

人工智能和数据智能发展的规律何其相似，随着技术的普适、门槛的降低，各厂商争夺的要素不再围绕技术本身，而是垂直行业，从“技术引领业务”回归到“技术赋能业务”，将主体从“技术”还给了“业务”，领导地位从技术厂商还给了传统行业。所以选择行业、深耕行业，为行业提供技术服务，以技术的赋能促进产业的数字化转型和升级仍然是未来人工智能及数据智能生态圈要做的重点工作。

未来技术市场比拼的核心是数据，或者说数据的获取能力、加工能力，技术本身已经不再会成为瓶颈。数据获取能力的高低以及行业数据加工的业务理解水平（Know-How）直接决定着产品及解决方案核心竞争力的高低。

芯翌科技聚焦的城市精细化管理和产业数字化升级，最终会落脚于业务变革和组织变革，这个过程中最难的地方并不是技术本身，而是所有参与者的观念改变，需要打破本位主义思想，重塑治理架构和业务流程，在这个转型的过程中，需要所有参与者对遇到的问题在思考的高度、角度、深度上保持一致，这样才能形成合力，推动升级转型。

中星微技术联席总裁周大良：视频全周期的自主可控、数据安全趋势越来越明显

近年受国际环境影响，整个芯片行业受到巨大影响，尤其是中小企业。

前端IPC芯片，尤其是具备智能处理能力的芯片，400万到800万像素以上、算力2T以上严重缺货，1T算力只能承载少量人工智能算法，不久的将来，2T和4T很快成为主流。

中高端芯片，国内龙头大厂商正常产能需求被优先满足，大量中小企业受到冲击最明显，严重短货。

在近2年的时间里，中低端芯片市场基本切换完成，中高端芯片切换周期更长，产能也非常紧张，依然严重缺芯，甚至有厂商买其他厂商旧摄像机，只为要里面的芯片。

中高端芯片壁垒在于四个方面：

4K以上图像画质

高水平的ISP图像处理能力（ISP是整个芯片中最核心的模块）

解码能力

算力

目前大部分厂商存在一个或多个短板。比如ISP头像素质能力，国内厂商原来主要是低端领域，数据质量要求没有特别高，跟中高端芯片的差距较大。

中星微技术明年会推出一个6纳米的芯片，预计明年下半年流片，价格更便宜（价格拉平到To B和To C摄像机价位)、功耗低、算力2T以上，支持4K。

中星微技术一直对标中高端芯片的能力，推出了新一代768芯片，28纳米的双模芯片，支持H265、国际标准和SVAC、GB35114等国内标准。

近几年随着智慧城市等建设中视频技术大规模应用、联网，网络环境下系统所面临的信息、设备安全威胁与日俱增。随着一些行业数据泄露事件发生，加强信息安全的趋势在各行各业愈加明显。

我们坚定地认为随着个人信息保护法的出台，采集者有责任和义务采用必要的技术手段保护数据安全和个人信息安全，通过加密、认证等技术手段解决问题。

中星微技术一直立足于自主可控、数据安全。

中星微技术的优势之一，是视频数据全过程身份真实、信令可靠、数据完整、数据加密和可信溯源。

我们基于SVAC国家标准，已经开发出自主可控核心芯片，能处理多模态基础信源，支持端边融合协同处理的多种分辨率SVAC系列智能摄像机等。

中星微技术全生命周期智能安全视频解决方案，符合GB35114标准的A级、B级和C级，SVAC国家标准和国密相关标准。

北京君正智能视频副总经理刘远：多样性成为视觉物联网发展的驱动力，未来全力突破专业安防领域

人工智能落地刚刚兴起时，端侧AI芯片算力仅有0.2Tops，云侧AI芯片算力仅有5Tops；如今端侧AI芯片算力已经达到4Tops以上，云侧AI芯片算力也已达到256Tops以上。

视频物联芯片考察本身竞争力、集成方式、开发工具成熟度与易用性、功耗与价格等。端侧芯片，虽然体积小、价格低，但系统复杂度、技术难度丝毫也不低。譬如，OS、安防SDK、ISP、编码皆重要非常，这对芯片厂商提出的综合要求明显提高，需要具备完整能力的芯片。同时，端侧设备，对功耗和价格都非常敏感。

君正多年来一直在强化自身优势基础上，在以上几个方面扩展和突破。

在技术方面，北京君正AI-Engine算力引擎和Magik算法开发平台，AI算力覆盖从0.5TOPS从16TOPS ，已经落地了int4/int8/int16混合量化方法论，最新的AI-ISP也已经成为君正的影像底座基石，第四代ISP引擎预计将于2022年推出新产品。

产品方面，北京君正T21、T31、T40等系统产品构成强大的端侧阵营，以及即将大规模量产的NVR芯片A1，君正用擅长的CPU和低功耗，培育起一个错落有致的芯片产品家族。

眼下君正视觉产品和解决方案落地领域涵盖专业监控、消费类视频、电池门铃、视频门锁、运营商、视频会议、机器视觉、车载监控、工业和医疗等众多领域。精于安防，又超越安防，君正技术和产品的多样性特点正好契合了视觉物联网的发展要求。

此外，君正推出了首款智能安防NVR产品A1，A1芯片已经进入量产，将于2022年早期大批量供货。

至此，君正实现了“安防+AI”完整的技术和产品布局，未来，专业安防领域是君正全力突破的方向，君正也将针对高端AI和下一代低功耗技术市场持续推出创新性产品。

软通智慧安平事业部总经理李巍峰：从“一网通办”到“一网统管”，上海模式将成为全国学习样本

今年安博会很多客户因疫情无法到达现场，但友商之间相互沟通交流咨询比往年要充分。

现场情况看，参展企业没有带来新的技术或者颠覆性解决方案，更多是融合、整合。整个1号馆，几乎没有企业把自己定义为“安防”公司，更多是物联网、机器视觉、智能视觉等公司。我们是以业务场景为驱动的公司，之前就没有把自己定义为安防企业。

对于市场对AI的冷热态度转变，软通智慧作为行业“老同志”，没有感觉太大变化。软通智慧认为，AI作为一个技术基石，要服务场景，场景的客户千差万别，目前还不能规模性落地，复制成本较高，局限于具体场景。

软通智慧以智慧城市为核心，从顶层设计往下拓展公共安全和智能交通，目前重点布局车联网、人工智能计算中心、智能交通等。

智能化维度，人工智能计算中心国产化趋势更加明显。城市交通领域极其复杂，更多不是技术问题，而是城市规划问题。而在智能网联场景，可能80%的道路可以被归类，20%的道路比较难归类，我们就要帮助客户解决20%的部分。

城市治理层面，之前市场更关注“一网通办”，现在更关注“一网统管”。它们的区别在于，“一网通办”其实是To C，是服务民众，注重各类业务办理，但在管理端，各部分较为分散，在整体政府组织机构改革和业务平台搭建以后，很多城市开始提“一网统管”，更To G，将各垂直系统及物联网一网集成，整合数据资源，提升城市的智能感知能力，打造社会治理数字化体系。

上海对整个城市建设的整体规划和布局将成为学习范本，上海模式的“一网统管”应该会逐步往外复制。

当虹科技副总裁汪本义：海量视频数据传输、存储是泛安全领域的两大痛点

在泛安全领域，随着工信部等十部委提出5G应用重点落地垂直行业的要求，超高清视频监控等产品将在智慧城市中加速落地，视频数据的容量将越来越大。

海量视频数据传输、存储压力是两大痛点。我们一直认为，开拓新赛道必须要解决客户的需求和痛点。

因此，当虹科技去年推出了5G边缘计算终端，在画质基本不变的情况下，可将视频压缩到10%的带宽进行传输，降低存储空间和传输带宽成本，解决带宽不足和速度过慢的难题。目前，已在金融、能源、公安、轨交等行业应用。

我们公司定位于大视频领域，主要面向传媒文化和泛安全方向，提供智能视频解决方案和云服务。

就泛安全方向来说，我们比较看好金融、能源、市域治理领域的智能视频处理。

当虹基于“视频+AI+大数据”的能力，让视频从“看得清”向“看得懂”转变，通过“视频+AI”双引擎大幅节约成本。

如今外界环境、市场变化非常频繁，在符合国家政策的前提下，一定要专注，做自己“能力圈”内的事。当虹一直专注于“视频”这两个字，多年来经历了每一代通信技术发展，参与了每一代编码标准制定。

以萨技术副总裁姚巍：企业不再单纯炫技，更注重具体场景的数字化和智能化效果

从今年的安博会来看，有几大趋势：

1、技术和场景的融合度越来越高，厂商们不再单纯炫耀技术能力，而是着眼于具体场景去向大众呈现数字技术加入后带来的改观，企业开始重视具体场景的数字化和智能化；

2、厂商不仅仅关注技术本身的升级与迭代，在业务重塑和业务流程闭环方面也有创新性的尝试。比如以萨打造的“集全息情报、集成指挥、协同流转、合成作战、勤务处置、舆情管控、辅助决策”七大模块于一体的“情指勤舆一体化”解决方案，就吸引了公安客户的广泛关注；

3、客户更看重完整解决方案落地能力，全栈的核心技术能力，持续运营的能力，特别是在平安城市和数字城市这种复杂程度高的大型工程上，简单产品拼凑的集成方案或者标准化方案很难获得客户认可。

我认为所谓的“去安防化”趋势，只是安防融入了更广阔的数字城市、智慧城市概念这意味着AI等数字技术有更广阔的应用场景，同时，AI安防的市场空间依然很大。

这两年市场变化很快，以萨一直以来坚持两个非常重要的价值判断：第一是“坚持以客户为中心”，第二是“通过小场景推动大变革”这两个理念，我们自始至终不会改变，目前我们看到行业里有越来越多的厂商也认识到了这一点，变得更加务实。

另外随着“十四五”规划的逐步推进，我们以萨也感受到数字技术能够结合的场景会越来越多，无论是产业的数字化转型、数字政府建设、智慧城市建设，还是未来的“双碳”目标，人工智能+大数据技术都大有可为。

瑞莱智慧副总裁唐家渝：AI产业从粗放到高质量发展，如何保证AI应用的安全性是重要命题

今年的安博会有两点感受比较明显：

• 场景化趋势明显，过去大家追求通用的AI能力，现在大家更追求对垂直场景的深入理解

• 安全治理更受重视，随着数据安全法、算法治理规范等相关条例的出台，人脸识别厂商对安全问题的重视程度提高，开始探索安全可信的方案，比如后端治理上，数据采集后的脱敏存储，结合隐私计算的人脸识别方案，AI安全防火墙、AI换脸检测等

AI落地困境主要有两个方面：技术层面，目前的深度学习技术比较依赖有标注的数据，垂直场景下高质量标注数据缺乏，导致在不同应用场景扩展时存在一定周期，人脸识别领域的标签数据虽然更容易获得，但在趋严的合规要求下，对数据采集、标注、存储等提出更高要求，之前粗放式的应用会受到限制。

另外，以深度学习为代表的AI技术存在结构性缺陷，不安全、容易遭受攻击，比如对抗样本、算法后门等算法漏洞的存在，导致系统有被攻破的风险，尤其随着计算机视觉技术在各个领域广泛应用，很多场景与公共安全、社会安全，以及个人财产安全高度绑定，这也导致安全隐患的加剧。再者比如通过AI换脸进行网络欺诈等技术滥用问题，人脸的隐私性难以得到保障，直接影响到用户对技术的信任度和使用意愿。

目前，整个AI产业已经从之前粗放式的高速发展进入到高质量发展的阶段，随着公众对于AI安全性的关注度提升，以及监管政策的出台和引导，未来AI行业将是发展与治理协同的阶段，如何保证AI应用的安全性是一个重要命题。我们认为安全AI的新兴领域，比如AI安全防火墙、基于隐私计算的人脸识别方案等会很快迎来爆发。同时，开拓新的赛道，需要对场景的深刻理解，同时要保证核心技术的绝对优势。

瑞莱智慧专注安全AI方向，聚焦AI领域的安全问题，比如数据安全治理、算法可靠性提升，以及保障AI技术应用的安全可控。

安全AI市场的矛盾点在于，用户往往想依靠技术一下子打造出绝对安全可控的AI系统，但AI安全风险不是单点的问题，其安全建设也不是简单的要求AI服务提供商做整改就能够解决的。本质上不存在绝对意义上的安全，信息领域的安全一定是处于动态平衡的状态，同时这也是一套体系化的工作，需要靠技术、管理框架、制度规范等结合。

大疆行业应用高级解决方案工程师王鹏：坚持开放生态，降低开发者门槛，增进合作共赢

2017年，大疆正式成立行业应用部门，但早在2015年就已经有用户开始将无人机应用于安防等行业领域。

2020年开始，无人机用于开展防疫宣传、交通疏导等应用因疫情愈发频繁，与此同时大疆行业应用的产品也在不断迭代。截至目前，目前全国有30多个省市相关单位采用无人机进行疫情管控。

在公共安全领域，大疆目前形成了侦查取证、应急救援、交通管理、水域执法、环保应用“五大解决方案”。

随着无人机技术快速深入各行各业，不同的行业领域也涌现出了大量场景应用定制需求。对于终端用户而言，行业级无人机技术支撑已经不仅只是单个产品，客户需求往往需要一整套方案来满足。

大疆推出开放生态策略，大幅降低开发者门槛，加码技术支持，正是为了帮助这一目的实现。

大疆提供80-90%高可靠性的标准平台，比如无人机平台、负载平台、管控平台，剩下10-20%需要集成商、开发者基于客户需求进行定制开发，最后一公里靠生态方案更好的去落地。

截止目前，全球已有超过8万多名开发者投入大疆SDK开发，为无人机带来1000+款应用程序。同时，已有超过30多类基于 DJI Payload SDK 开发的第三方无人机负载实现量产，并服务于公共安全、能源、测绘、环保、水利等多个行业的用户。雷峰网雷峰网雷峰网

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节上，灼识咨询合伙人赵晓马为峰会带来了精彩演讲

赵晓马指出，从中国、美国、日本城市化发展历程和特点看，改革开放40年以来，中国城市化进程速度世界领先。

各类智慧城市建设方案凭借其技术先进性、强感知能力、数据资源高效应用等特点可以解决大量城市现存问题。

与此同时，智慧城市以其数字化、绿色化的特点为“碳中和”目标实现助力。

但同样不可忽视的是，在智慧社区、智慧商业等场景中，仍存在系统割裂、数据孤岛、信息综合利用程度低等问题。比如，割裂的单点解决方案，数据不打通，形成数据孤岛。

这就要求智慧城市割裂的单点解决方案要逐步转变为全场景，一站式的完整解决方案。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。

以下是赵晓马演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

中国智慧城市突破四万亿规模

谈到城市一定对中国和美国进行对比，在城市层面中美最大的区别，是美国的城市化脚步已经持续近一百年，而中国只是在最近二三十年进入快速城市化，这个差别非常重要。

最近二三十年中国人口增长，技术大爆发，同时处于城市化快速推进阶段，三个现象叠加后，对于整个城市的管理、如何成为服务型的城市以及城市如何变得更加智能，都是巨大的挑战，也是巨大的机遇。

从投资或公司发展、融资的角度，挑战和机遇并存。

中国的城市存在几个特点。第一，集多功能在一身，比如中国特大的城市既是经济中心，又是教育中心，又是科技中心，又是文化中心。在美国，有些城市是政治中心，有些城市是科技中心，有些城市是经济金融中心，中国的城市是综合性城市，人口远多于美国任何单个超大型城市。

综合性、超大型城市，在城市发展管理中面临着流动人口管理、城市交通拥堵、消防安全隐患、居民健康挑战、城市污染严重等问题。

其中最近热门话题ESG，其概念是指，用数字赋能让城市变得更加绿色和低碳，人类节能减排是势在必行，ESG方向上有很多机遇。

其实梳理政策你们会发现，政策的顶层设计只讲了一件事：如何把城市看成一个人。顶层设计中的城市大脑，相当于人的大脑。

数字化让城市的数据得到沉淀。在过去10-20年沉淀的海量数据如何数字化，是城市智慧化的第一要素。应对场景是数字化之后的第二步，场景会带来实际的需求。

第三是加强网络的建设，需要建设一个人的神经或者血管般的网络，进行数据、信息的传达。

经过估算，智慧城市生态有4-5万亿市场规模。ESG的核心是低碳化、节能减排、数字化。ESG存在于各个赛道。

智能汽车、机器人等智能终端，智慧城市迎来更大风口

物联网的时代到来已经是必然趋势，智能汽车、机器人是两个非常重要的物联网节点，智能汽车是交通工具，也是人类新的工作、生活场景，是城市物联网场景。机器人相较于汽车，更多具备服务功能或作业功能，它在收集场景数据、地理信息数据或者自学习能力上是不断进化的。

智能汽车方向，自动驾驶是必然的趋势。不管是要十年或者二十年实现，最终驾驶员不再有。

前期从L1到L3阶段需要人不断关注和干预，这个阶段要投入大量技术研发、保证驾驶员在位，L4的时间节点到来的时间各说纷纭。

这个趋势下面有两个细分赛道，一个是新能源汽车，一个是Robotaxi，后者需要强大的运营能力和服务能力，到来的时间肯定晚于智能化或者有自动驾驶功能的新能源汽车。

眼下前装趋势非常明确，不管是做激光雷达还是做摄像头，前装市场是必然选择。

昨天有一位嘉宾说到他和车厂的合作不断被车厂、主机厂按在地上摩擦，后装慢慢会被替代掉，走得更前，和主流主机厂合作是未来的趋势。

智能单车对于自动驾驶远远不够，要做到人、车、路协同，就是需要一张网，最终实现自主驾驶，人成为相对自由的人，不能时时刻刻关注车和路上的状态。

不只是通信网络，自动驾驶现在还需要一张计算网络，计算网络能实现对智能汽车毫秒级的智能驾驶的支撑。

聪明的单车远远不够，需要有智慧的路，未来在路端、在边缘端会布置大量的激光雷达或者节点，用来存储行驶过的车或者路况的信息。

要确保L4级别的自动驾驶毫秒级的运算操作，对芯片的算力要求非常高。

商用车行业的自动驾驶更加追求经济回报。典型的物流场景，我们寻找优秀公司的方法论在于，是不是解决了行业中的痛点，或者能够大的趋势下坚持做好一件事情。

商用车的自动驾驶司机的成本在不断提升，司机在驾驶过程中会产生失误、疲劳等，物流行业竞争严重，司机超载或超时驾驶是常态，存在很多安全隐患。其次物流行业的内卷严重，运营成本一直居高不下，在长途的干线运输场景，电动化、自动驾驶的卡车存在很大的潜力，市区内的快递、物流配送，也会产生大量低速场景下的需求。

再谈谈机器人，今年很多机器人成长、融资步伐都非常快，很重要的原因是人工智能技术成熟之后，算法、感知到决策都有了诸多结果。

对于服务型城市，最终要实现执行和服务的闭环，机器人作为能够让AI能力具体化的物联网设备，是被AI、人工智能、云端的人工智能的技术赋能的。

机器人赛道，有些企业分三个阶段走，第一阶段是自己做机器人，把设备做好，交付给甲方或者工程商，这是必经阶段，企业需要考虑机器人类型和赛道，比如是服务型机器人、工业型机器人、协作机器人、医疗机器人等。

第二阶段机器人在场景中收集到大量数据（用户数据、地图或者场景的数据、运算操作的数据），这些数据沉淀后，成为AI更加智能化的重要数据来源和依据。第二阶段是有一段很长的路，企业优秀与否也可以在第二阶段见分晓。

第三阶段与特斯拉发展的逻辑相似，在大众认知里，特斯拉不仅仅是新能源车企业，更多是大数据企业，机器人企业也有这个现象，机器人最终将成长为具备自学习、自优化的物联网的终端。

其实机器人企业可以帮助新生的物联网设备公司变得更加聪明，以特斯拉提供的自动驾驶服务为例，某种意义上它可以开源赋能其他的企业。

打通城市底座，实现“人本城市”

城市的需求中，有大量设备、企业、物联网终端，对于一个城市管理者来说，一个极大的挑战是，面对海量应用、海量企业、海量服务、海量数据，到底要建多少网、多少中台、多少平台才能做好？这是目前很多智慧城市会面临的问题。

将来在某些城市会逐步出现数据底座或者操作系统。

长期看，上一个时代是移动互联网时代，现在正处于移动互联网时代红利顶峰的时期，手机的所有应用都生长在iOS平台或者安卓平台上。

下一个时代如果是物联网时代，会不会出行类似iOS或者安卓的操作系统，能够赋能基于开发IoT设备的企业，或者基于开发环境、应用环境、迭代升级环境以及沉淀的数据，提高企业的效率。

过去的智慧城市建设大多以信息为中心，或者以场景为中心，我们认为下一阶段是以人为中心，以人为中心要考虑到作为服务型城市，需要有强大的中枢和底座。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。

作者 | 李溪

编辑 | 余快

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在上午场的演讲环节上，海康威视EBG解决方案部总裁李亚亚为峰会带来了精彩演讲。 

李亚亚认为物联+AI，是实现数字化转型的重要桥梁。

海康威视打造产业实践所需的技术支撑体系，基于体系化的智能设备和软件技术架构，支持算法模型和智能应用，轻松便捷的部署和应用，服务各个行业，以开放融合的态度，迎接AI产业的新融合、新发展。

智能物联技术是数字化转型中重要的技术之一，数字化转型的一个特征是物信融合。海康威视在产业实践中，通过物联+AI，在数字车间、产线合规、巡查巡检、智能考勤等方面助力企业实现数字化转型。

“要把智能物联，以及其他技术嵌入价值链，去服务行业，才能把事情做好，而不是仅仅通过技术创新或者颠覆。”

以下是李亚亚演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

今天我分享的主题是《智能物联助力数字化转型》。

先简单介绍一下海康威视，我们是一家成立于2001年的高科技公司，二十年来不断融合前沿技术，从最初的视频压缩板卡研发制造商，发展成为目前以视频为核心的智能物联网解决方案和大数据服务提供商，产品和解决方案应用到全球150多个国家和地区。我们通过构建开放合作生态，为公共服务领域用户、企事业用户和中小企业用户提供服务，致力于构筑云边融合、物信融合、数智融合的智慧城市和数字化企业。

海康威视构建了从感知到认知、从边缘到中心、从硬件到软件、从数据到智能的全系列产品闭环和解决方案体系，为数字化转型提供一站式服务。

今天的汇报包括两部分：1、人工智能技术实践应用；2、智能物联助力数字化转型的理解。

 人工智能技术实践应用 

我们以海康威视人工智能的发展阶段来介绍一下人工智能技术的实践应用。

海康威视在2006年开始组建算法团队，开展智能算法研究，2007年开始陆续发布行业智能产品，大概2013年开始布局深度学习，开始新的人工智能的研究，2018年，海康发布AI开放平台，目标是通过开放式的AI开放平台降低技术门槛，助力全行业具备产业实践能力。 

最近两年，海康威视完成从感知智能进入认知智能的进化，构建了相对完整的AIoT技术体系，从软件到硬件、从能力到设备底层的全面开放，形成体系化的能力，与合作伙伴一起助力各行各业的数字化转型。

海康一直在感知智能、认知智能上持续深耕。在场景赋能上，我们的人工智能项目积累已经超过数万个，覆盖数百个行业。

从生产制造到城市服务，在制造业、餐饮、工地、气象、水利、生态、社区等各个细分领域，都已经应用人工智能。

我们不断探索，目前形成了体系化的技术支撑能力。

可以看到，最左侧是算法生成、模型数据处理，算法模型包可以下载到整个体系化的设备中，设备底层系统是开放的，叫做HEOP设备开放体系，产品形态也很多，我们不单有摄像机产品，还有后端服务器，嵌入式的智能服务终端，包括移动类的设备，这些设备都可以开放给合作伙伴。

随着算法类型和算法应用的不断增加，智能终端的数量快速增长，出现了算法调度等以及很多新的需求，我们形成了统一的软件体系支撑。

目前，基于体系化的智能设备和软件技术架构，形成了支持算法模型和智能应用，轻松便捷地部署和应用，服务各个行业。

这是我们2018年发布的AI开放平台，三年来这个一站式算法训练平台一直很活跃。公司2020年年报的数据显示，注册用户超过两千家，覆盖行业超100个行业，2020年的训练模型超过1.5万个，这个平台的目的是通过智能促效能，助力产业升级转型，实现社会效益最大化。

在获得了很多成果的同时，我们从产业实践中总结了三点思考。

1、单靠AI不足以满足业务的应用，目前大家理解的AI更多是AI+可见光，前面的举例也是AI+可见光为主，我们发现只有可见光不够，应用落地应该是AI+多维感知。

2、单靠算法不足以支撑业务应用，应该是算法结合业务场景，脱离业务场景的算法，无法去实现碎片化的落地需求。

3、一人拾柴火不旺，一家、几家企业的能力是无法满足整个行业所有需求，一定要形成合力，通过生态合作降低投入资源，提升投入产出比。 

人工智能与物联感知技术融合是必然趋势。 

深度学习需要物联网的传感器产生、收集来自不同类型的设备的海量数据，物联网也需要靠人工智能做到实现感知与认知。物联网有了人工智能这个加持的能力，可以让我们做更多的事情，AIoT能实现万物数据化、万物智联化,最终形成一个智能化生态体系。

物联感知技术，不仅仅是可见光，我们从可见光向全电磁波谱两端不断延伸来看一下各种技术具体的应用场景。

视频可见光是属于电磁波一种，从这张图可以看到，可见光在中间，往左侧相继是紫外线、X射线、伽马射线，化学消毒、医疗、防伪、光刻等领域必须用到紫外线，安检、医疗影像、工业探伤经常用到X射线，伽马射线应用领域主要在医疗手术和工业探伤领域。

右侧是红外，红外线又分近红外、中红外、远红外。近红外成像，可以进行食品、药品的成分检测，物质分析等；中红外主要运用于工业测温、电子测温、气体气云成像产品等；远红外，应用于工业中加热熔化、干燥等工序、医学理疗等。

毫米波雷达，主要在安检、雷达、通信、遥感（如测量体机等），厘米波/分米波/超短波/中波/长波/超长波等无线电波多用于通信、导航、广播和电视，日常生活中也可以碰到。

我想说明不同的领域需要的感知能力不同，包括声音所在的机械波也是非常大的赛道，如何将感知能力和AI结合，这才是解决问题的方法。

融合全面感知、AI、大数据、机械自动化等技术，通过不断创新与实践，打造出一系列适配场景应用的新产品。

我们做了很多探索和尝试，将AI、感知、大数据、机器自动化等进行融合，打造出一系列适配场景应用的新产品。

大家看这张图，这些产品的外观与摄像机并无关联，但其中运用了很多AI+物联的技术，形成泛知物联的产品体系。

这是未来一个重要的方向，随着场景需求变化，产品的形态都会发生变化，背后的技术能力也会发生变化。

下面举的两个例子，都是非可见光和人工智能的融合。

左边的案例是X光智能安检机。我们在很多场所调研后发现安检需要专业能力，安检人员人工检测非常辛苦，我们通过AI能力和X光结合的技术，降低安检岗位的工作强度，智能化提醒违规物品的复核检查。

右侧是热成像+AI应用，在港口、河边等场景，晚上人的眼睛是无法准确识别，我们通过AI+热成像的结合技术对船只进行智能识别，结合业务在多各业务场景中使用，效果反馈很好。

视觉应用领域，随着技术不断发展、不断创新，视觉感知应用领域不断扩展，技术发展驱动场景拓展。

我们以可见光视频举例，随时技术的不断发展，视觉应用从安防、安全领域不断扩展应用领域。从安防到交通到工业机器视觉到工厂内部的管理，到医疗、办公室办公、生活。

AI应用正在千行百业加速落地，物联网、人工智能等先进技术与实体经济广泛深度融合，帮助企业经营者实现业务价值，因此要在具体的行业场景里结合AI应用。

举一个例子，场景非常简单，这是一个水泥厂的应用，检测料口是否堵塞。如果不和场景结合，只是提需求说检测下料口堵料检测，是做不出来可落地的应用的，一定要结合具体的场景。右边的皮带空载检测也一样，不同行业的皮带空载检测需求不一样，要结合场景和业务做，以需求为驱动。

人工智能出现了，人工智能在与各行各业的融合中，不断催生出新技术、新产品、新产业新业态、新模式，当然催生了很多新的名词和产业，比如智能制造、智能交通、智能安防、智慧医疗、智慧教育等各种新词。

众人拾柴火焰高，海康威视未来会持续向外进行产品开放，能力开放，标准开放，以开放融合的态度，与我们的合作伙伴一起，迎接AI产业的新融合、新发展。此外海康威视还启动了“STAR公益伙伴计划”未来，传递共享AI能力，计划通过智能物联的能力去协助公益项目落地，在生物多样性检测与保护、环境检测与保护、文物保护、数字乡村等方面进行能力共享。

智能物联助力数字化转型

智能物联技术在数字化转型会起到什么作用呢？

从当下的整体态势来看，作为技术厂家，我们更多的是用技术的确定性去面对当下的不确定性。

为什么出现数字化转型？我们认为有四大因素在驱动。

1、成本提升。人口老龄化导致劳动力优势减弱，工资成本上升，需要智能制造提升生产效率。

2、政策支持。自上而下的体系性政策文件支撑制造业改革，同时也符合全球制造发展趋势，比如浙江的未来工厂。

3、产业升级。传统工业附加值低，产能利用率低倒逼中国产业升级，通过智能制造提升附加值。

4、技术发展。AI、物联网、云计算等技术发展迅速，为智能制造转型打下坚实基础。

在数字化转型中，从物理世界到数字世界的“数字化”转换中，物联+AI扮演了重要的桥梁作用。

数字化转型到底是什么？不同的人有不同的理解，我们认为数字化转型是从信息化时代开始，最开始信息化时代解决企业/政府内部的数字化问题，比如企业的内部管理、生产过程、事务处置，现金流动等业务从线下到线上，实现企业内部的数字化。

第二阶段互联网时代，实现是商品、货品的数字化，从B2B电子商务到B2C电商平台，处于风口的电商直播也是一种数字化商品销售活动。

第三阶段是移动互联网时代。智能手机出现后，人就开始数字化了。准确地说，人的数字化（行为、作业、交易、规范等），一旦人可以数字化，个性化的生活服务就出现了，所以诸如网上挂号、移动服务、远程教育、网络约车等都生活服务的数字化就出现了。

第四阶段是智能物联时代，机、物、环境、态势、行为等，万物皆可数字化。基于智能感知技术，通过感知和采集各类设备信息数据，建立起物联感知数据网络，比如生产车间的环境温度、空气湿度、气体浓度等的数据采集。

我们从智能物联的角度，结合物信融合，去看待一个企业的数字化体系，底层是大量感知设备，全面感知机、物、环境、态势、行为，整个企业所产生的如产品数据、设备数据、环境数据等数据都可以数字化，采集的数据数字化之后形成泛在连接，连接之上，通过如场景化的智能平台或者认知智能预测分析平台应用实现智能化支撑与应用，最顶层通过各类型屏化终端，支撑智慧、调度、集控、运营、决策、分析等。

数字化转型到底是什么？再次回到这个问题。

每个企业对数字化的理解不一样，数字化转型的理解与实践路径没有统一定论，海康威视从自身的实践经验进行总结和归纳。

总结来看，第一阶段，信息化是起点和基础，信息化解决的是企业内部的数字化需求，当然，这中间有非常重要的移动互联网技术，前面也提到了。

第二阶段，一是产品设备设施物联，实现产品从设计、采购、研发、生产、服务等是完整给的数字化，通过智能物联网结合信息化技术，实现价值链系统与生产执行交付系统的融合，这是产品设备设施物联。二是场景物联，实现各种场景里的行为态势、现场管理，环境检测等做成数字化，实现现场管理的场景数字化转型。

基于前面阶段实现数字孪生和数字化创造两个目标，在第三个阶段通过物信融合帮助企业实现优化、控制、迭代，通过数智融合帮助企业实现推荐、洞察、决策。

下面通过几个例子，介绍一下智能物联能力在数字化转型中的具体实现。

第一个，通过物联+AI+AR，视频实景叠加相关生产数据，实现生产信息与真实世界融合，直观呈现生产管理场景，辅助管理者做好工厂精细化管理，实现数字车间的数字化转型，这是未来工厂的一种模式。

未来有多种数字化转型模式，这是其中的一种。

第二个是企业生产车间场景的无尘车间。通过物联+AI技术，自动判定员工进入无尘车间的是否着装规范，是否戴口罩、戴手套、手持异物等，AI摄像机推理结果并联动风淋门的开关。

第三个是巡查巡检结合智能物联的应用转型，这个占地面积约21万平方米的生产园区，园区巡查管理困难，人力巡检效率较低。为了提高企业智能化综合管理水平，结合实际情况，我们积极开展数字化转型建设实践工作，通过巡检引擎应用组件，变革作业方式，融合线上视频巡检、线下APP巡检、AI智能巡检，打造智能巡检应用，提升巡检业务效率，形成系统闭环管理。

第四个是考勤管理的数字化转型。某制造集团一共约4000名员工，除固定办公人员和业务员外，各个厂区还有大量的产线工人。员工长期通过指纹打卡和纸质单据的方式进行考勤，人力资源需投入大量精力进行数据的计算和排班的核对。数字化的考勤转型，一站式解决了考勤、出入权限、测温、代打卡管理等多种业务诉求，提升业务效率，增强管理效果。

海康威视整合资源，形成了数字化转型的体系，从需求分析与愿景构建、到建设方案设计与规划、到最后的交付路径方法，形成一套体系化的资源整合能力，将智能物联数字技术嵌入产业价值链，赋能千行百业，实现数字化转型。见远，行更远。雷峰网雷峰网雷峰网

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节中，云天励飞首席科学家王孝宇发表了精彩演讲。

王孝宇认为，AI的研发模式有两大关键点：

• 用什么样的数据训练模型；

• 模型如何基于数据得到更好的结果。

过去的研发模式大都以模型为中心，依赖专家，找数据、标注数据，然后让AI博士调参，如同工业化时代的“拧螺丝钉”，导致AI无法大规模产业化。

同时，过去的研发范式，大都集中于用更好的技术建立更好的模型。但几年之后，业界发现所用的技术越来越趋同，标准化的条件成熟了 

事实上，对比不同研发模型，可以发现对AI研发和应用来说，高效地获取最好的数据，比模型本身要重要得多。

究其原因是技术迭代快，容易被赶上，但数据迭代慢，因此如何在最短时间内得到可以使模型达到最优效果的数据集，这才是最重要的。

因此鉴于人力成本和模型标准化条件的成熟，云天励飞在内部打造了一套标准化、流程化、平台化的模型研发方式。

云天励飞大规模算法研发的流程是：

第一步，获取初始模型。通过分布式标注平台定义任务，再利用被千亿、百亿级的数据训练出来的大模型和无监督学习，配合少量数据的标注，得到不错的初始模型。

第二步，数据迭代。在海量还没有标注好的数据中，用技术、算法找到真正有用的数据，用主动学习算法做数据择优。

第三步，模型训练。在云天励飞的平台上用一键化方式，完成调整参数、数据挖掘等工作，降低对训练模型人员的从业要求。同时让数据、研发轨迹、开发技巧都沉淀在平台上，动作可复用，流程可追溯，降低AI人员高流动性带来的负面影响。

他认为视觉AI目前还处在拓荒阶段，是一片沙漠，没有变成绿洲，只有等到其变成绿洲时，才能“长”出很多AI企业，而云天励飞建立的这套平台，就是加速沙漠变绿洲的驱动底座。

以下是王孝宇演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

很高兴与大家一起分享云天励飞从事AI研发十几年来总结的一套模型研发范式，我这次的演讲题目是——AI大规模产业化实践。

首先做下自我介绍。我毕业之后去了硅谷，在NEC Labs做无人车、人脸方面的研究。2015年，我和另外几人一起去洛杉矶，帮Snap公司创建了AI研究院。2017年，回国之后，我来到了云天励飞。

2017年的时候，人工智能开始火爆起来，有非常多的应用，像聊天机器人、无人车、人脸识别，健康领域，智慧家居、AR等。但是只有人脸识别有人相信，其他的，不管是业界还是投资人，都认为是骗子，觉得做不出来什么东西。

时隔五年，再回头来看行业，我觉得很有意思。聊天机器人在每个社交网络平台，像阿里、京东，现在在电商平台上都有应用。无人车，慢慢也有Robotaxi的落地，现在也有很多企业在这方面兴起。在健康领域，五年前我们还在讨论IBM沃森的失败，当时折腾了很大的动静，但现在有很多这方面的优秀企业兴起。

当时美国一些知名的AR公司也倒闭了，但现在很多公司把自己的名字改成元宇宙，又火了起来，AR又让大家看到了希望。

这些变化其实印证了我的一个观点：不要高估AI带来的改变，也不要低估AI带来的影响，我们是在这片沙漠里垦荒的一批人。

在垦荒的过程中，我们回过头来看AI，落地应用的最大瓶颈是什么？

人才太贵了。

六年前，我们招聘AI博士的时候，给到40万美金一年，光是养一群技术人员，每年的人力成本就是一个巨额数字。但是现在，这项成本正在降低，究其原因，是AI的研发模式发生了变化。 

AI的研发模式，有两个关键点。首先，有什么样的数据训练模型；其次，如何用各种技术基于数据来让模型取得更好的效果。

过去，大家把重心放在模型上，需要数据就要找，不停标注，标注完以后，就是专家干的事了，天天调模型参数、损失函数、优化器，很多AI博士毕业之后就干这个事。

这个事其实跟工业化时代拧螺丝钉的工作没太大区别，但没有博士相关的学习经历，还干不了这个事，所以很难规模化、产业化。

我们之前的研发范式，都是集中用更好的技术建立更好的模型上的，但现在不是那么回事了。

12月8日，Andrej Karpathy 发了一个推文，他是李飞飞的学生，毕业之后去了特斯拉，担任无人驾驶总监。他说，现在的AI技术都趋同了，大家都一样。

什么意思？

以视觉为例，五六年前，做自然语言处理的有一套技术，做图像识别的也有一套技术，但是做了五年之后，大家发现做的技术是一样的。不管是视觉、语音还是自然语言处理，大家用的都是同一套技术框架和模型架构来解决问题。

最近，机器学习领域的国际顶尖会议NIPS也提到：慢慢的，那些通用模型的结构，已经占据所有任务的主导地位了。

这有点像通信或编码时期，大家刚开始是百花齐放的，后来慢慢的，大家都用同一套技术架构解决所有的问题，也就是走向了标准化阶段。

如果把这两个模型研发的过程放在一起做比较，我认为更重要的，不是模型有多好，而是数据有多优质。

有句话说得好：“巧妇难为无米之炊”，你的厨艺再好，没有素材做不出任何东西，所以有好的数据才是最重要的。

在云天励飞十多年的研发过程中，我们发现，如何高效地获取最好的数据，比模型本身要重要得多。

因为技术是很容易赶上的，今天这个技术不行，可能再过三个月、六个月会有新技术出现，会不停地更新迭代。但数据的迭代效率往往没那么高，而且我们也发现，在研发过程中，90%以上的时间是放在数据上的，而不是做模型。

由此带来研发观念的转变：之前我们的观念是招聘最好的人，开发最好的技术，达到最好的效果。但实际不是这样的，如何在最短的时间内，得到可以使模型达到最优效果的数据集，这才是最重要的。

云天励飞从创立到现在，从来没有一个研发任务是，把数据收集好，模型做一遍就结束了，这个模型永远要在用户的实际场景中迭代。

怎么在实际场景中迭代？

需要在做的不够好的地方，把数据收集起来。也就是说，数据集的分布会慢慢让模型的精度达到最好。

云天励飞对研发部门KPI的制定，不仅仅是训练出了多少模型，或者说模型的精度是多少。而且明确把数据集的产生作为KPI的导向之一，它其实更重要。

优秀的开发者和一般的开发者之间，对数据的认知是不一样的，优秀的开发者对数据有非常良好的认知，模型被数据cap得很明显，在最短的时间内拿到最好的数据，才能做到最好的模型精度。

为什么说模型大规模生产？

因为现在面向城市治理算法的应用，已经不仅仅是几个算法模型了。大家经常一看，有几百个模型的需求，但企业不可能招几百个人做这个事，所以需要大规模地跑这些技术，必须要有平台化的东西进行研发。

所以云天励飞在内部打造了一套标准化、流程化、平台化的研发方式。

 什么叫流程化？

流程化的英文叫Streamline。不需要切换上下文就可以把所有的事情做完，现在美国的创业非常流行这样做，RPA也是同样的思路，做机器人流程自动化，把业务的流程放在无缝衔接的框架下完成。

只有在这种情况下，效率才是最高的，不需要一会儿做这个事，一会儿做那个事，频繁切换会影响工作效率。

标准化（standardization），把里面跟模型相关的非标准化的部分全部呈现在技术上，整个平台上只剩下标准化的东西。

这样做的好处是什么？容易学习，所以不需要博士做这个事情，可能本科生甚至是高中生就可以干这个事，从而把博士资源放在更紧要的地方。

平台化（platform），这也是整个软件行业的趋势。

这张图是我们大规模算法研发的流程： 

第一步，搜集数据，这时候数据是没有标注的。

第二步，做数据标注；

第三步，模型训练；

第四步，data mining，有了初始模型后，在海量没有标注的数据里找到可以提高性能的数据；

第五步，再进行标注。

如果把这个平台分成三步，前两步就是做初始模型的建立，后面就是做完整闭环，像飞轮一样，它在不停地转，每转一次都可以得到更好的精度。这个转法是在我们平台上实现的，不需要专家级别的人专门来做。

第一步，获取初始模型。

首先我们有分布式标注平台，开发人员可以定义一个任务。比如做街道下水道井盖有没有被人拿走的检测，也许我们会标注10-20个数据。

标注之后怎么办？这是学术界和工业界很火的大模型和无监督学习。

为什么我们在这里面放了大模型和无监督学习？刚才我们讲到，一开始我们想做井盖被人拿走的事实检测，我们一开始可能没有这么多标注好的数据，可能只有100个，但数据标注的效率可能是万分之一。

如果你想标1万个这样的数据，需要标1亿个data，这个量非常大。怎么办？

先标100个，为什么要用大模型和无监督学习配合这个数据去跑模型？就是为了让你初始模型的精度达到最高。

无监督和大模型最好的方式，本来100个数据训练出来的精度只有30%，用大模型和无监督学习的方法训练之后，精度可以达到80%，那挖掘数据的效率可以提高10倍，也就是说我少标了10倍的数据，一切都是为了后面数据迭代的效率来做的。

为什么大模型和无监督学习可以提高这个性能？虽然它自己没有标注数据，但它是被千亿、百亿级的数据训练出来的，知道井盖是什么样的，这种特征的编辑其实已经实现了，再配合少量数据的标注，就可以得到一个还不错的初始模型。

为什么要得到还不错的初始模型？因为数据迭代的效率会更高，首先是为了第一步方便。

第二步，我们不说模型迭代，而是数据迭代，因为我们认为模型的训练已经被标准化了，在平台上，点个按钮它就训练好了，不需要有模型训练的知识，我们专家的系统已经把它做好了。

所谓的数据迭代，就是在海量还没有标注好的数据中，找到能够提高模型性能的数据，进行主动学习。

传统模型研发的范式是缺数据再去标，但发现标过来的数据跟以前的分布是一样的，对模型的分布没有太大用处。所以需要用技术、算法找到对自己真正有用的数据，右边我们从海量数据中找出了9张有用的数据。

模型挖掘怎么做？在左边平台界面，点一个按钮，选一个数据集，可以自动在这里面挖掘，从几亿的数据里找到几张跟井盖相关的数据做训练，我们是用主动学习算法做数据择优的。

数据迭代之后，要做模型训练，在这个平台上用一键化的方式去做，这就是我们花几百万招过来的博士应该干的事情，他们不应该天天调参数、挖数据，这些事情应该让平台去干。

这一步，只要你点训练，它可以自动训练，背后怎么训练？是由开发者去开发的。但是在整个平台上去进行操作的人，不需要知道大规模模型训练，这降低了训练模型人员的从业要求，只要他知道这是怎么回事，把数据拿进去就可以训练，无代码一键完成模型开发。

做这种平台研发环境的好处是什么？数据沉淀在平台上，动作可复用，流程可追溯。这里面有几个界面：数据集管理、模型管理、任务管理。

数据集管理，就是一些标注好的数据集，以及挖掘、生成的数据集；模型管理，就是训练好的模型；任务管理，可以是标注任务，也可以是挖掘任务，也可以是训练任务，所有研发的轨迹全部停留在这里面。

为什么要做这个事？很简单，因为人力成本太高，企业无法招聘太多人从事每一个算法的研发。有了这套平台之后，我们可以实现非算法人员开发模型的方式，让算法工程师做更高级别的技术，这些平台话、流程化的事情，可交给一般的技术人员或者学生来做。

整个过程中，我们认为沉淀更多的是数据价值，这比模型的价值更大。

为什么数据的价值比模型的价值更大？

数据没有了，模型是训练不出来的，你不会再得到提高，即使得不到模型，数据在这儿，所以很容易再训练一个模型出来。

数据的重要性远远高于模型的重要性，所谓持续性的研发，沉淀出来的是有价值的数据，而不是其他。

因为模型很容易重新训练，或者用不同的数据迭代。但数据日积月累需要很长的时间。在整个平台上，通过数据不停的挖掘、训练、标注、迭代，会一轮一轮增加新的数据，为每个任务沉淀出非常优质的数据集。

也就是说，在这个平台上，数据变成了最重要的资产。

另外，所有的开发技巧也沉淀到平台上了。

如果大家搞研发管理，就会发现一个现象：部分人能做得特别好，部分人怎么都做不好。这是因为，任务、指令都是一样的，但不同的人研发经验是不一样的。

人才的素质属于不可控因素，如果把这套技术能力进行沉淀，每个模型研发过程都能实现可追踪，这样就能让做不好的人，通过学习，把事做好。

这样做的另一个好处是，不会因为人才流失导致既有的模型失效。

所有公司都会面临人员流动这个问题，一位优秀员工离职之后，其模型很难复现，因为别人不知道这个模型怎样迭代才达到现有的精度，上下衔接很困难，费时费力。

但是在这个平台上，就不会出现问题。模型训练过程中所做的所有数据的标注、操作，全部都在这个平台上，主要进行相关操作，全部流程都可以重复，不需要重新做。

在座如果有做研发管理的，肯定会感觉这个东西用起来非常不错。

现在，云天励飞内部的研发，除了一些非常高难度的，或者非要人工介入的算法研发（如人脸），其他的算法研发全部依赖于大规模算法开发平台。也就是说基本全部不需要算法工程师去做，都是标注人员在做。

以大堂搬运货物检测案例为例，每个工程师大概开发成本50万，一个月的时间差不多5万块钱的投入，但现在只需要1个标注人员，5-7天就可以做完从0到实用部署。

为什么能力稍微差一点，时间反而缩短了？

这就是流程化，所有模型的训练只在一个平台上完成。以前的方式，来来回回对接的成本太高，但在这个平台上，点击挖掘，自动寻找，再点标注，寻找标注人物，后台人员标注好，再点训练，全部就完成了，整个流程即使和非常有算法经验的工程师相比，这个平台也有4倍以上的提升。

我们凭借这个平台在深圳做了几个项目，像龙华智能运算能力平台。

这里面涉及的算法有上百个，公司不可能在短期内招聘几百个算法人员进行研发，因为这套平台当时还没有做得完备，所以让2个算法人员、10个标注人员，在6个月的时间把20多个算法开发全部完成了，成本也降低了很多。

为什么它需要这么多的算法？

这其实是整个城市管理思路的转变：以前是巡视型管理，需要实地巡查，才能发现、处理；现在布置相关摄像头，就能在后台发现，从而解决。

这种管理思路的转变，需要大量算法技术能力的支撑。云天励飞在龙岗算法仓做了一个项目，也是算法训练与赋能平台，这里面也有上百种算法的需求。

需要强调的是，这套研发平台没有牺牲模型的精度，不同的人群训练这套模型没有太大差别，因为在这个平台里，可以通过主动学习算法，基于数据集做快速迭代，从而得到比较高的检测精度。

最后提一点，云天励飞为什么要建立这套平台？

从行业看，视觉AI还处在拓荒阶段，仍然是一片沙漠，没有变成一片绿洲，只有等到它变成绿洲的时候，才能长出一颗颗参天大树，长出许多AI企业。

城市治理对于算法的需求是成千上万的，每个算法都靠有经验的人员去开发，成本会非常高昂，因此云天励飞开发了这套系统，缩减成本的同时，加快AI应用的进程。

可以设想，未来的城市，有一张网络可以检测方方面面，所有的事件都可以在城市大脑里解决。

这背后的技术逻辑是，算法可以做智能调度。比如对着大海的摄像头，不用把汽车检测的算法集成到摄像头上，当城市拥有一万种算法时，可以在不同场景下，调度合适的算法，来解决问题。

云天励飞的愿景是，通过知识图谱和整个平台的研发，让城市超脑实现自我进化，从而达到更高的智能化水平。

值得一提的是，云天励飞的自进化城市智能体的思路，已经被写入深圳市政府工作报告中。雷峰网雷峰网

2021年12月30日，商汤科技正式登陆港股，成为国内首家人工智能公司上市的企业。

回顾商汤的上市之路，略显坎坷：

2019年8月25日，旷视向香港证券交易所提交了招股书之后，商汤表示暂无IPO计划，但随后其创始人徐立在Bloomberg（彭博社）活动上透露，商汤科技已完成超 30 亿美金总融资，估值超过 70 亿美元。

2020年3月18日，有外媒称商汤推迟了在香港IPO至多融资7.5亿美元的计划，转而寻求在私募市场融资5亿美元至10亿美元。商汤回应称，没有上市具体时间表及地点。

2021年1月27日，有媒体报道称，商汤科技已于2020年年底完成了Pre-IPO轮募资。主要投资者包括高通公司旗下的高通风险投资公司Qualcomm Ventures、软银愿景基金、厚朴投资、银湖（Silver Lake Partners）、阿里巴巴、中金公司和苏宁易购等，该轮募资后，商汤科技的估值约为120亿美元。

商汤对此并未回复，但其准备上市的消息已在市场上广泛传播。

2021年8月27日，港交所披露，商汤科技已递交上市申请，中金公司、海通国际、汇丰为联席保荐人；商汤正式开启上市之路。

按照既定计划，商汤从12月6日起开始接受国际投资者认购，并计划于12月10日定价，12月17日上市交易。但在12月10日，美国突然宣布将商汤列入“中国军工复合体企业”（NS-CMIC）清单，其IPO计划推迟。

12月13日，商汤在港交所发布公告，宣布全球发售及上市将会延迟，无具体时间表，但仍致力尽快完成全球发售及上市。

12月16日，网传商汤将于12月20日正式重启赴港IPO计划，但商汤回应“对此不予置评”。

12月20日，在上市计划暂停七天后，商汤科技宣布重新启动全球招股，并预计于12月30日在港交所挂牌上市。

此次重启上市，商汤科技IPO的发行规模和价格没有变化，但是，商汤科技在港交所披露的补充招股章程，对原先的招股章程作出了多处修订及补充。

补充招股章程提到，自指定CMIC生效日期起，禁止行政命令所界定的美国人士“购买或出售被列为CMIC的任何人士的任何公开交易证券、或此类证券衍生的或旨在为此类证券提供投资敞口的任何公开交易证券”，除非获得相关美国政府当局许可或授权。

12月30日，商汤正式登陆港股。

商汤集团联合创始人、董事长兼CEO徐立在上市仪式致辞中表示：“商汤希望推动技术落地，用技术突破去重新定义场景和模式，刷新大众对于人工智能的认知”。

并且，商汤将和投资者、合作伙伴一起，“推动人工智能基础设施的建设，赋能百业。”

公开资料显示，商汤科技涵盖感知智能、决策智能、智能内容生成和智能内容增强等技术领域，同时包含AI芯片、AI传感器及AI算力基础设施在内的关键能力，发布了一系列平台型产品包括：SenseMedia 视频内容审核平台、SenseFoundry 城市级视觉分析平台、SenseDrive 驾驶员监控系统、SenseAR 增强现实平台、SenseCare智慧诊疗平台、SenseGo 智慧零售视觉平台等。

雷峰网了解到，商汤科技主要业务分为智慧商业、智慧城市、智慧生活、智能汽车四大板块，已在智慧城市、教育、医疗、智慧零售等多个场景实现落地。

商汤此次登陆港股，意味着人工智能走向新阶段。对于人工智能而言，落地难、盈利难的问题仍然亟待解决，如何创新商业模式，打破亏损魔咒，是商汤面临的巨大挑战。上市之后，商汤或能拓展出新道路，将人工智能赋能百业的故事续写下去。

值得一提的是，和商汤齐名的旷视、云从等公司也先后在A股科创板首发过会，距离上市仅一步之遥。雷峰网

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

会上，旷视科技高级副总裁、城市业务事业部总经理陈雪松发表了精彩演讲。 

在陈雪松看来，以一网统管、一网通办为代表的城市治理体系，其实是传统安防领域向整个社会职能转变，和城市提升中自然而然的转型，从广度和深度上对城市管理水平、技术能力发展和体系建设提出新的要求。

他认为，城市治理体系是由点到面的，不能走安防体系的老路。

传统安防向基础设施转变的过程中，要结合原来已有的体系做智能化升级，再加上现有的资源体系，做自动化改造才能形成全覆盖。

作为城市治理不可或缺的技术，AI的价值不在于算法多优秀，而是给客户创造价值。当技术穿过决策，走向执行，就形成了完整的生产力闭环，从而产生客户价值。

当前的城市治理，面临三个难点： 

• 发现难，摄像头虽然很多，但没有形成面的覆盖；

• 管理难，尚未形成智能化闭环；

• 管理统筹难，除了技术手段，体制机制也需要跟上时代变革。

“目前的城市治理，是以发现和决策执行为核心，本质是响应机制。”

陈雪松表示，区域城市数据覆盖起来以后，更多是基于感知能力和区域运行状态进行事件的预测和处理，这是未来城市治理的重点。

以下是陈雪松演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑： 

今天借这个平台，我的分享主题是《如何提升城市“数智治理”的精度与温度》，希望让城市的每个人都感受AI的温度。

城市治理体系是现在整个热门的话题，典型的案例，有上海的一网统管、一网通办，其实质是传统安防领域向整个社会职能转变和城市提升发生的自然而然的转型。

在这个过程中，新的问题和挑战不断涌现，从广度和深度上，对城市管理水平、技术能力发展和体系建设提出新的要求。同时，这也是AI公司下一阶段的竞争重点。

今天主要从三方面分享：

• 创新城市治理的解读，旷视的考量和思考；

• 创新城市治理解决方案、体系架构，以及AI公司能解决哪些问题；

• 未来城市发展过程中，旷视对于行业趋势变化的理解。 

城市治理体系，从街道划分来看，它分为四个阶段；而从体系变革看，分三大方面。

先来看四个阶段：

第一阶段大概在2012-2014年。 

2012年开始，住建部出台相应政策，开始试点智慧城市建设，其重点以顶层设计与基础设施建设为主，把不同行业的业务线打通，后来提出了智慧城市是信息化、然后门户化的体系概念。

第二阶段：2014-2016年。

2014年8月，国务院印发《关于促进智慧城市健康发展的指导意见》，从运营的角度提出三个发展方向，即民生、政务、产业。

这两个阶段以信息化为主，特征是由人来做事变成人机协同，属于城市治理的早期阶段。

第三阶段：2016-2021年。

从2016年起，数据在建设智慧城市过程中的作用得到高度认可，“AI+大数据”成为新业态，原来日常管理运行的体系向数据管理和人工智能辅助决策和大数据运营体系来驱动，到通过打通数据壁垒，形成大数据局的体制和机制的变革。

第四阶段：2021年之后。

2021年，城市治理体系进入新的规划阶段，国家在“十四五”规划中提出新型智慧城市建设，包括城市一网统管、一网通办，更加强调效能。

城市发展到现阶段，不论是治理还是服务，只靠人和系统，很难满足城市日益增长、高速发展的机制响应要求，原来是“被动响应-处理”，现在是“主动发现-主动处理”，形成真正价值链的闭环。

那么，城市治理的体系里面的难点在哪几个方向？

在我看来，主要是三方面：

• 发现

发现是城市管理的永恒话题，因为城市足够大，场景足够丰富，事情足够多。

原来主要是通过巡控发现，然后报送治理，通过市长热线、110、119这些以人为核心的响应机制，实现治理闭环，相应的系统起辅助作用。

随着城市的感知能力得到加强，伴随着AI技术的进一步应用，许多城市事件（36个大项、200个小项），可以通过摄像头、传感器发现，发现的问题逐步得到缓解。

但是从整个大的治理、管理体系来看，城市治理并不能直接走安防体系建摄像头的老路，因为管理模式发生了变化：安防体系是由点到线，更多以车辆、人为管理核心，只需知道整个常态化运行轨迹和过程即可，通过点状摄像头形成城市级覆盖就够了。

城市治理必然是由点到面，要对城市的方方面面，形成无死角覆盖。这时候现有的摄像头虽然量比较大，但不能形成面的覆盖。例如，一个街道虽然有高密度摄像头，但并不能解决摄像头视距无法看到的“阴影”区域，所以需要新的治理体系。

传统安防在向基础设施转变的过程中，在面对新问题时，要结合原来已有的体系做智能化升级，再加上现有的资源体系，做自动化改造，才能形成覆盖。

现在说的发现难，难在城市治理体系比安防体系更难以解决。

• 管理 

管理难本质是决策难。

在垂直领域，智能化闭环最好的例子是交通。例如，从发现违法违规到决策执行，处理事件、给到处罚结果，这个闭环天然形成，信息系统形成行业的生产力。

随着信息系统规模扩大，行业的覆盖度和行业的掌控力呈指数级上升，行业的闭环很清晰。

但是城市治理并非单一闭环，涉及到事件的研判（类型）、决策，以及哪些事件需要人来处理，属于综合决策的过程，也就是需要跨部门解决，才能形成城市体系闭环。

这个闭环是最有价值的事情，同时也是最难的。

• 管理统筹

管理过程中的统筹，实际上包括边界交织、管理机制、综合管理、交叉执法等等，关系到民生，除了技术手段，体制机制也要跟得上时代的演进和变革。 

只有把物联感知、发现、智慧决策、做管理和任务分派，还有统筹的管理体系相互打通，包括监督考评，完成闭环之后，才能形成真正有效的决策和监督管理体系。

从体系架构上看，城市治理分为三个要点：

• 发现

传统的感知能力在安防体系中，更多依据视联网或者其他的场景，视联网是其中一个维度，而且可能最大量的是固定摄像头。城市感知体系中，巡逻巡控是主要力量，形成面的覆盖。

另外，在巡逻巡控的覆盖度足够的同时，要保证实效性。在这个维度，视联网感知体系的建设上，要形成专业巡控力量，社会方面的资源力量和固定摄像头的联合打通和覆盖，才能形成点线面结合的城市覆盖网络。

• 物联网

传统的物联网体系建立了很多基础设施，包括垃圾感知、烟感消防设施等，但很多事件其实是跨区域、跨领域，不一定只局限于某一单元。

只有数据体系和横向物联感知体系拉通之后进行综合判断，才能有效决策事件的归属权限，从而形成“感知-决策-处理”的业务闭环。

• 大数据

所有感知的能力形成大规模数据，这些数据价值可能是低密度的，不一定能落实到执行主体和责任主体。但对于执行主体而言，数联网感知的组织信息、事件信息成为执行的闭环关键。

视联网、物联网和数联网三者相结合，成为城市治理的整个感知能力体系的技术关键，在此之上才能形成真正的决策能力，也就是数据多维研判、人物智能体系对事件的分析、判断和自动派送。

在派送的基础上，做到各个业务体系进行有效的闭环和处理。

城市治理体系里面有80%的事件，属于非紧急事件，例如违章搭建、占道经营、乱停乱放等等，这类违章、违规事件本质上可以通过行为矫正甚至提醒告知等方式形成快速闭环，减少专业人员的处置和巡控人员的执行。

这些小规模时间，如果形成通过感知能力，按照现在交通的模式形成处理执行闭环，对社会资源的节约、能力提升和价值提升是巨大的。

这样省下来的力量可用于处理紧急类事件，比如井盖位移，这类对社会公共安全和生产生活产生直接的影响，要求很短时间响应，由专业人员处理。

但打通治理体系，犹如企业一样，不能够只靠技术，而是围绕整个体制机制、新的生产力和生产管系做变革。

原来的模式是人工巡检，通过电话、微信，加上主动报警等方式实现信息采集，例如发现事件之后进行处理，小规模的时候还能解决，然而当事件一下子增长几十倍，人力是肯定不够的。

同时，这种变化带来对原有考核制度的影响，此前是日薪日结，或者挂职率需要保持在某个区间，现在一个月都无法处理一周发现的事，生产关系发生了本质变化。

所以说，AI的价值并不在于算法，而在于给客户创造价值。

对于城市治理体系来说，理顺生产关系，才能形成真正的业务闭环，即从发现到决策再到执行，AI走完这个闭环才能给客户带来实际价值。

在整个体系规划里面，在通过摄像头、无人机等感知设备发现事件时候，城市治理体系在未来将把更多能力闭环到终端，实现自动派遣、自动处置复核，将执法力量用于处理20%的关键事件，从而提高效率。

举个例子：街边小巷经常发现有占道经营，可以通过前端感知设备发现，属于事件识别。现在可以通过视频分析，找出占道经营的主体，基于店铺的物理空间信息找到其组织信息，包括法人、工商注册；然后直接给工商注册上面的联系人发通知，告知事件，并警告其15分钟内处置完毕。15分钟后，系统可以做自动复核，如果事件被处置完毕，就可以撤销警告，形成闭环；如果没有处置，就可以再发通知，纳入征信体系，做控制管理。

如同交管一样，处罚不是目的，行为矫正更重要。有了摄像头之后，交通事件在减少，人的素质在提高。从发现到决策，从决策到执行，从执行回到前面的发现，形成闭环，这就是AI在所有环节中能产生的价值。

一旦实现价值闭环，回到基本逻辑，其实质就是生产力关系的重构。因为人可以处理更紧急、更重要的事情，人力得到解放，整个社会的治理水平得到提高，这就是对生产力的关系本质改变。

如果只解决一个环节，也就是停留于发现，那么现有的人力很难应对信息化时代的数据轰炸。所以AI的作用是，从感知、决策、执行、复核这个大环节里面，形成闭环，进而产生价值，实现ROI正向增长。

那围绕着这个体系的解决方案，将在那几个方向上发生变化呢？

一是基础设施的建设，即把更多能力连接起来，维度越多、感知场景越多，最后的执行闭环体系就越有可能构建起来。如果只是单一维度，只能感知到事件，无法感知到执行主体，无法联系到经营主体，效果就会大打折扣，因此将这些能力连接起来，是实现闭环的关键。

二是基础平台能力上要有空间服务、AI感知服务、智能算法服务，既要基于时空信息，也要基于AI的决策判断进行最终的决策，不同场景、不同决策能力有巨大的差别。

三是在上层应用上实现事件的采集、非现场执法、闭环考核、物联全感知等等，形成更好的能力升级。

原来的城市结构，从视频角度看，摄像头密度很高，但只是点状。传统的模式是人车巡逻，并不需要1秒钟发现，然后马上响应，可能1个小时后再处置也没问题；这种模式的弊端是，有时效性，不如摄像头那样24小时不间断运行。 

因而，要通过摄像头实现重点区域覆盖，加上人、车，和其他的资源接入，这样既能结合现有执法体系的覆盖能力，又不会大规模建设增加成本，同时符合行业应用模式。

一个很重要的发展趋势是，专业的执法力量和社会面资源力量的结合。

例如，现在的城管巡控力量再多，也只是针对主干道或主街区，不可能进入每个角落、每个环节，像快递、货拉拉等运营车辆每天对路的刷新频率，高于城管数十上百倍。如果能在这些活动的单元上，置入简单的视频感知能力，做前端事件监测，发现事件然后传回后台，这样就能形成高于现有处理体系的感知、处理能力。

这其实是对感知能力和处理体系的颠覆和升级。现在快递、网约车企业都在做相关视频的运营和分享，政府哥可以以较低的成本拿到相应的视频资源，同时形成数据的共享、分析、应用。

这是整个车载应用视频的特点，包括快递车、公交车的兼容、重点区域的巡查巡控，还有覆盖了摄像头的死角区域，对整个街区进行有效的巡查和管理。

从城市视角来看，还有很多视角属于高视角，例如垃圾堆放、施工工地违章违建等，还可以通过无人机等影像进行构建，作为有效补充。

虽然我们做视觉，但我们一直认为，多维数据感知是用户实现最终决策闭环的关键所在，很多事件不能只靠看，还要靠“知”。

传感器的作用是对某些数据能准确、清晰地定义，结合多维事件、感知能力，可以清晰地感知到具体时间的变化，进而有效提升决策效率。所以说，类似于水质、流量等数据的监测和打通，对于城市管理体系的运营是很关键的。

新一代城市治理体系的关键，是形成发现、决策、处置的非现场执法闭环。

未来，交警的无现场执法将慢慢拓展至城管，警民冲突的情况会越来越少。基于摄像头的管理能力，既能够提高执法效率，形成真正的能力覆盖，又能提高人的素质，进而走向正循环。

比如，汽车的死亡率现在已经从8万降到2万，交通肇事死亡率快速下降，这就是提升综合能力带来的结果。

我们相信，通过提高新型数字治理能力，能够对整个社会面的活动行为能力进行大范围提升，其本质原因是真正改变了生产关系与生产力，形成真正有效的价值闭环。信息系统的建设规模、体系化建设的规模等同于能力提升，才能真正做到整个事件的有效处置。

那么，看一个城市或者看一个区域的单点系统建设是否够？

肯定不行，信息系统，包括国家级的行业性系统肯定是大闭环，绝对不只是单一维度。

因此，不管是安全领域、公安领域，还是安检领域，都要有一套整齐完备的考核、监督体系，才能驱动治理水平的提升。

以前的检查、评定、评比都是抽样调查，而在形成了物联网网络完整覆盖之后，区县级、城市级可以看得清楚，省级、国家行业部委级也同样可以形成数据闭环，然后将抽样检查评优评比活动转化到日常生活中，这才是本质性提升。

所以说整个视频考核体系通过这个覆盖形成国家到省级、部委级的覆盖样本是行业整个发展方向。实际上交通行业、公安行业数据治理体系向顶层的汇聚和向下的考核成为“十四五”建设的重点。

这些体系真正带来的效能是什么？

城市治理变得更好，社会运营质量更高。

换句话说，就是要把事儿形成价值闭环，对于企业来说要能挣钱，同时也要对政府采用系统之后的成本进行核算，也就是让客户实现“降本增效”，否则花1万元才产生1千元的价值，客户肯定不愿意买。

这里有一份基本的测量数据：城市治理一个网格员一年不同城市加起来是3-5万，绝大部分人主要是做巡控，发现问题、处理问题。

以深圳为例，深圳总面积1997平方公里，每年花在人力方面的成本就达十多亿，大部分人力用在发现和处置的过程中。

如果把这部分的效能提升起来，把信息系统的能力提升起来，做测算，采用新的系统，可能两三年就回本了，进而持续做更多的事情。从政府的角度看，也比自己建设信息系统更省钱，从而形成价值闭环。

对于城市治理体系体系而言，能力提升和ROI（投资回报）能算正，是下一代城市治理主体的关键。

在国家十四五规划里面，城市治理作为重点，其核心是提升城市治理能力，和提升民众的幸福感，这是最本质的目的。单靠人海战术已经无法实现，因为现在已经进入了人口红利的尾期，需要靠治理能力和管理水平。信息化系统提升生产力的关键，就在于靠智慧手段来提升闭环的生产力。

最后，我分享一下旷视对于未来城市治理发展趋势的思考。

回到安防领域，之前主要以事件的发现为核心，发现事件或者寻找相应的线索。

其实完全可以基于一个城市数年来的行为档案和管理体系做预测、预警、预防。

例如，现在的交管体系，已经形成闭环，但这并不意味着发展就会陷入停滞。

实际上，交管体系一直在往下游走。交管不是以处罚为核心，本质是减少事故，提高交通运行效率和居民的幸福感。

目前的处罚是在事故之后，但下一代交管的前端、后台都已改变，现在的方向是基于行为进行矫正。比如机遇驾驶员的驾驶行为和习惯坐识别，如果出现逆行、加塞、长时间压线行驶等微信啊行为，就会给驾驶员发通知，告知危险行为必须矫正，而不是事后处罚。那么这个阶段的交管感知体系，就从原来的抓拍，变成了连续视频和跨摄像头的行为模式识别，也就是行为管理。

城市治理和城管，现在仍以发现和决策执行为核心，是一个响应机制。如果区域城市数据覆盖能力大钱起来以后，区域性就会非常明显，比如深圳和上海并不相同。

未来，城市治理体系的重点，是机遇感知能力和区域运行的状态进行事件的预测和处理，而非事件发生之后再处理。

现在目前还是以发现和决策执行为核心，是一个响应机制，把它提升起来以后，区域城市数据覆盖起来之后，城市治理管理是区域性很强的特点，感知和整个大数据体系的打通和执行体系提出更高的要求。

我认为，这需要全社会甚至各行业、各单位的相互协作才能搭建起完整的生态。雷峰网雷峰网

疫情带来生产、生活的不便，同时也加快产业数字化转型。

AI，作为过去几年最大的风口，与其他技术、场景的融合，被认为是推进产业数字化的最大动能。

不少AI公司都整装齐备，志在掘金数字化这块风水宝地。

旷视正是其中之一。

2019年，旷视以"城市级全栈解决方案"亮相安博会，实现了对城市数字化建设的初探。

两年后，2021年安博会上，旷视再次推出"城市空间数字化方案"，并以"AIoT软硬一体化产品体系、自研新一代AI生产力平台"为武器，和诸多玩家共同发力智慧城市建设。

在12月27日的安博会现场，掘金志采访了旷视资深副总裁曹志敏和旷视副总裁、城市业务事业部产品总经理那正平。

两位分享了这两年来旷视对于产业数字化的深度实践与思考，和在城市数字化建设过程中形成的产品、技术体系，以及战略布局。

数字化转型的历史机遇

随着人工智能、大数据、云计算等技术的深入发展与应用，原有的信息化已经不足以支撑起产业增长，以数据价值赋能产业为核心的数字化转型成为产业的新机遇。

信息化阶段，产业与数据之间的关系较为薄弱，更多是利用计算机、网络等辅助生产、管理、销售等流程；而数字化阶段，则是以数据为核心，利用AI、云计算等技术发掘数据价值，重构原有的业务。

“信息化就像是一串电文密码，只做到了信息传递；数字化就相当于对密码进行智能分析，让信息数据直接产生价值。”

那正平表示，未来的物理世界将全部数字化，而产业数字化是"实体产业+AI"的过程，是数字经济和实体经济融合创新的具体体现。

以安防为例，过去几年，AI在安防领域的落地，让传统安防进入智能时代，形成了新的生命周期，带来了千亿级的视频物联市场。

如果AI能在更多场景里面落地，将形成十几个甚至数十个类似于智能安防的市场空间。

“未来十年，产业数字化是最大的创新机遇”，在那正平看来，这主要得益于三个方面的原因。

• 政策支持。

近年来，国家提倡数字化转型，从顶层设计方面加大对产业数字化的引导和支持，是数字化转型的重要推力。并且，建设数字政府，本身就带来了一个非常可观的G端市场。

• 传统产业遇增长瓶颈，亟需转型。 

在经历信息化变革之后，传统产业的增长效能已经非常微弱。比如制造业，正在经历从低端制造向高端制造的重要转型期，“AI+制造”成为智能制造的核心路径。

• AI从实验室走向田间地头。 

AI要落地到具体场景中才能产生价值，这种内生性动力驱使AI技术去寻找合适的落地场景。

在多种因素的作用下，产业数字化转型已是必然趋势。那正平表示，疫情加速了数字化进程，因此技术也要"变快"，这需要人工智能企业具备快速迭代技术的能力。

旷视对此的解法是：以"AI+IoT"为战略路径，其中AI是核心能力，IoT是落地场景，以技术赋能核心行业与场景。

AIoT是产业数字化转型最重要的技术手段之一。

信息化时代，数据缺少“伯乐”，其价值远没有发挥出来；AI则能够最大化利用好数据价值，助推产业数字化转型。

"在众多IoT场景中，旷视聚焦于行业痛点明确、算法能产生极大价值的行业，提供AIoT 软硬一体化解决方案，帮助客户及终端用户降本增效。"曹志敏表示。

掘金志了解到，目前旷视已经形成了"消费物联网、城市物联网、供应链物联网"三驾马车，旨在掘金千亿级产业数字化赛道。 

不过，虽然产业数字化带来对技术、服务的增量需求，但AI技术要落地场景，赋能产业数字化转型，这个征程并非一帆风顺。

问题、挑战与策略

AI与实体产业的融合创新，是城市数字化实现跨越式发展的关键。 

但实体产业数字化不可一蹴而就，相反，这个过程漫长而复杂，并且对AI的要求多样且严苛。

"各种各样的碎片化场景，靠单一的算法、产品，很难解决实际问题。"

仍以安防为例，下分园区、交通等多个大场景，大场景下又细分为无数个小场景，场景具有特殊性，一个小场景可能需要多种算法才能解决问题。全行业有成千上万个场景，如果做针对性地适配生产，其成本将会指数级上升。 

对此，旷视依托其Brain++技术底座，将算法、算力和数据能力融为一体，大幅降低算法生产的技术门槛，实现AI算法的快速批量生产和落地应用。

"AI算法其实是可以量产的，在Brain++这个平台上，算法生产从提需求到落地，时间可缩短近80%，成本降低大约55%。"

并且，如果要实现算法的最大效用，还需要与之相配的软硬件做支撑。 

“客户关注产品本身的实际效用，而非技术本身。”

作为算法的载体，软硬件产品直接与用户接触，是技术的直接体现，而要实现算法与软硬件的高效融合，AI公司也需要有做硬件的能力。

曹志敏认为，实体产业数字化需要以AIoT软硬件产品为基础，并且结合各类基础设施，形成软硬结合的网络。

“只做算法，很难了解用户的实际需求；同时会增加与硬件的适配成本。” 

因此，在硬件方面，曹志敏强调，旷视并不只生产算法，而且具备硬件能力，其推出的"鸿图""魔方"等边缘测设备已经运用在多个场景之中。

除了边缘计算设备以外，旷视已经形成了AIoT软硬件产品体系，涉及AIoT操作系统、行业平台软件、交互式传感器、人工智能摄像机、云端算法服务器等多种产品形态。

值得一提的是，旷视的产品从设计到算法生产，再到落地，都强调"算法-软件-硬件"之间的协同。这样做“既能发挥出算法的最大功效，又尽可能地节约成本。"

AIoT构建"智序之城"

产业数字化中一个很重要的方面，是城市数字化。

城市数字化的主要推动者是政府，与企业共同构成产业数字化中最重要的两极。

数字政府、数字城市、智慧城市等概念越来越普及......说法不一，但本质差别不大：以城市治理为核心，提高政府管理效能，增强民众幸福感。 

“城市数字化转型，这个市场无疑是空前的，也为AI落地提供了很好的生存土壤。”

在曹志敏看来，智慧城市是AI+IoT的综合实验田，通过AI+IoT进行数字化升级，实现从局域到广域覆盖，是智慧城市建设的4.0阶段，“旷视很早就开始提供相应的解决方案了”。

AI掘金志了解到，旷视AIoT产品在智慧城市建设过程中的应用，主要表现在两方面。

• 城市大空间

城市大空间聚焦广域场景，以"公共安全、城市治理和交通管理"为核心，"平台+前端+边缘"的产品体系，为城市全域治理提供赋能。

例如，在深圳罗湖，旷视通过部署城市级AIoT视频分析平台"万象"，通过与前端感知设备的耦合，覆盖6大类22种城市场景事件，让管理者看懂城市，并探索出了一套"分级治理、片区统筹"的城市治理新模式。

在引入该平台之后，罗湖区城市治理效率提升了5倍，并实现1小时"高效处置事件"。

• 城市微单元

城市微单元从城市的毛细血管出发，例如园区、楼宇、机场等更具体的场景，以盘古、鸿图等AIoT端边产品为载体，针对性地提出解决方案，为企业、政府单位实现降本增效提供技术支撑。

在北京海淀区金隅智造工场，旷视基于其AIoT产品对该园区进行智能化改造，打通了整个园区16个子系统之间的连接，其综合管理效率提升了40%，人力综合成本下降 30%。

"从微观到宏观，从局域到广域，智慧城市既需要顶层设计，也需要精耕细作。"曹志敏表示，"一大一小"是旷视摸索出来的实际经验。

如今，大到管理一座城市的AIoT视图大数据平台"旷视昆仑"，小到街头巷尾的边缘网关，旷视的AIoT产品广泛分布在城市空间，助力城市治理实现从"秩序"到"智序"的转变。

结语

产业数字化转型并非一朝一夕，目前仍然处于早期阶段，转型过程中，仍有许多问题亟待解决，或未被发现，但这正是AI的价值所在。

"以技术推动数字经济与实体经济深度融合，是AI企业实现价值的必要途径。"

曹志敏认为，技术的发展是螺旋式上升的过程，新问题的不断涌现，虽然带来了新的挑战，但同时也给技术本身注入了新的活力。

未来，旷视将以Brain++为核心生产力平台，根据实际场景需求迭代出新的AIoT产品和解决方案，为产业数字化转型中的各方用户提供赋能。

作者 | 李溪

编辑 | 余快

作为科技顶会，百度AI开发者大会，这次有些不一样：

取消线下会场，全程线上直播。

乍一看，似乎并无新奇，毕竟直播已经“飞入寻常百姓家”，普通人一台手机、一个APP就能实现。

但，如果要实现让参会者感受到在万人会场中央身临其境的效果，又或者，一张图片、一句话就能生成虚拟形象呢？

显然，这样的“直播”，与普通公众理解的直播，有着本质的区别。

外行看热闹，内行看门道。

公众可能震惊于现场效果，但开发者们看到的，是更为真实的与会体验背后强大的空间声场重建、AI声学建模等技术，是更为真实的交互场景背后领先的视觉、语音、自然语言理解等能力。

它实际上实现超大型露天复杂开放会场的舞台中央演讲者声场重建，10万人级别实景观众声音的实时背景音还原，以及通过3D音效技术打造的覆盖周围环绕用户拟真效果的沉浸式交流空间音效。

它结合了增强现实、知识图谱、语音识别、自然语言处理和图像识别等技术，以及海量的人物知识数据，实现了多模态的技术融合。

作为这次线上大会的“主播”，百度再一次刷新了人们对技术的认知。

这个不折不扣的技术信徒，也许能让我们窥见未来科技的真实模样。  

在中国，你将见证AI的黄金10年

近几年，祛魅后的AI，走向了“被平庸化”的极端。AI的时代过去了吗？

也许事实恰恰相反——属于AI的时代现在才真正到来。

纵观前三次工业革命，各自的标志是：蒸汽机的广泛使用、电力和内燃机地广泛应用、信息技术的广泛应用。由此使得机器取代体力，社会生产力得到极大的提升。

注意一个关键词：取代。何为取代？用某一件事物代替另一件事物。

要实现这一点，离不开“广泛地、大规模地”应用。

如今第四次工业革命，要促进机器取代脑力，实现真正的智能化，需要全社会、全行业的应用落地。

其实从互联网巨头纷纷开始“养猪”起，AI就开始“不对劲”了。

AI开始在交通、政务、电力、教育、工厂、医疗、金融、文旅、城管、钢铁、港口、水务、农业、边海防等领域全面开花。

人工智能之所以不再“性感”，不能带给人们更多多巴胺，是因为它不再是镜中月、水中花，已经无孔不入地进入人类的方方面面了。

根据Gartner模型五阶段，如今的AI，已经走过从无到有、造神阶段、落地拮据的三个阶段，眼下正处于低谷期向爬升期迈进的途中。

AI在政策层面的高度，可以从十四五规划的科技前沿领域攻关中，“新一代人工智能”排在了第一位中得见。

毫不夸张地说，在中国，如果说过去是AI技术兴起的10年，未来是AI落地的10年。

跨进黄金10年，其实需要“AI工具箱”，有了它，万千创造者才能化身“披荆斩棘的哥哥”和“乘风破浪的姐姐”。

百度想成为，也能够成为那个“造箱子的人”。

打造AI底座扉页上，赫然写着不可逾越的硬指标：算力（算力设施）、算法（训练框架）、数据（知识）。

先看知识。

AI要大规模落地，要有算力设施和训练框架做根基，行业知识做内涵。

工业时代是力量的比拼，智能时代是知识的比拼。

工业时代的核心是力量，是大规模的机械与能源应用，互联网时代的核心是信息交流，大规模的信息流通，而智能时代，核心是知识。

比如识别天气，需要了解不同类别的云，生成原理，演变过程，还需要模拟测试环境和测试集；再比如识别猪，需要了解猪的全生长周期，每个周期具体情况。

传统大模型只从海量的文本中学习，只能死记硬背海量文本的规律，这些模型并不能从本质上理解世界是怎样运行的，只可以解决一些文本表象上的问题。

为了跨过这道坎，更好地理解真实世界的复杂场景，百度很早就开始挖掘知识增强型预训练模型的潜力。

具备知识内涵的大模型，也就具备了更多对现实的先验洞察，自然在学习新事物时会更加的快，也就是小样本能力更强。

2019年发布第一代知识增强的预训练模型 ERNIE1.0，今年7月，训练出了百亿参数规模的知识增强型预训练模型——ERNIE 3.0。这促进了结构化知识和无结构文本之间的信息共享，从而大幅提升模型对于知识的记忆和推理能力。

12月8日，鹏城-百度·文心千亿大模型发布，百度“文心”系列产业级知识增强大模型亮相。在大模型之上，是EasyDL-大模型零门槛AI开发平台和BML-大模型全功能AI开发平台，以及大模型开发工具、大模型轻量化工具和大模型部署工具。

不止于参数，文心大模型带着核心buff来的：知识增强。

知识增强大模型能够同时从大规模知识和海量无结构数据中持续学习，如同站在巨人的肩膀上，训练效率和理解准确率都得到大幅提升，并具备了更好的可解释性。

除了将知识和数据融合学习，百度文心还通过知识增强跨语言学习与知识增强跨模态学习，从多种语言、多种模态数据中学习到统一的语义表示和理解能力，具有很强的通用性。能够有效提升效果、减少应用成本、降低应用门槛，满足真实场景中的应用需求。

百度文心自2019年诞生至今，在语言理解、文本生成、跨模态语义理解等领域取得多项技术突破，在公开权威语义评测中斩获了数十项世界冠军。

基于此，百度文心大模型已广泛应用在金融、医疗、保险、证券、办公、互联网、物流等行业。

再谈训练框架。

百度CTO王海峰曾表示，深度学习框架是“智能时代的操作系统”。 

作为底层语言和算法模型的骨架，深度学习框架省去了开发者从0到1地搭建地基的成本，提高开发效率。

开发人员可以像搭积木一般，根据自身行业的特点和场景需要，选择框架中的模型，进行组装或训练自己的模型，导入数据并得到模型，最终实现部署。

如果说芯片是算力平台，那么深度学习框架就是编程生产力平台，两者已经成为AI基础设施基座。

此前，主流的开源深度学习框架一直由国外科技巨头主导，这让在日渐焦灼的中美关系中，国产开源框架成为一件势在必行的事。

2016年，百度在国外巨头霸屏中正式开源深度学习框架，飞桨成为中国首个自主研发、开源开放、功能完备的产业级深度学习平台。

5年里，飞桨在开发便捷性、超大规模深度学习模型训练技术、多端多平台部署的高性能推理引擎、产业级开源模型库等方面进行多次迭代升级，截至目前，飞桨已汇聚了406万开发者，开发了47.6万个AI模型，服务超15.7万企事业单位，覆盖工业、农业、医疗、城市管理、交通、金融等数十个领域。

如今，飞桨已经成为全球第二的开源深度学习框架，中国第一的学习框架。

AI全面落地的阶段，文心大模型则拉高了AI底座的城墙，飞桨极大降低了算法的门槛，与百度昆仑芯片一起，成为百度大脑AI基础设施坚实臂膀。

驶入产业数字化转型深水区

作为智能时代的基础设施，百度智能云在今年上半年稳居“中国科技公司四朵云之一”，并以73%的增速领跑市场。在AI Cloud的细分领域，则连续四年位居第一。

在这结实的AI底座，如同卫星发射基地，正在源源不断地发射产业应用卫星。

最瞩目的要数智能交通。

智能交通，离不开车的智能，离不开路的智能，更离不开车路协同的智能。从车到路到人，百度多年来步步为营。

2017年出生的“Apollo”，即将升级到7.0版本，在这个过程中，Apollo成长为全球最活跃的自动驾驶开放平台，拥有全球生态合作伙伴超过210家，汇聚全球开发者80000 名，开源代码数70万行。

8月公布的自动驾驶出行服务平台“萝卜快跑”，最新的成绩是，一个季度提供了11.5万次服务，这让萝卜快跑成为全球最大的自动驾驶出行服务提供商。

这给了百度喊出其野心底气：到2025年，该服务扩展到65个城市，到2030年扩展到100个城市。

百度这么多年的无人驾驶技术以及智能驾舱技术的市场推广任务，则交给了今年新成立的集度汽车机器人。

这个百度口中“拥有L4级别的自动驾驶能力，人车交互及语音语义的精准识别，可以自我学习和迭代”的未来汽车机器人，预计2-3年内可以和大家见面。

交通的故事多了后，百度不知何时奉上了最新鲜的产业故事。 

今年两会期间，数字经济再次成为举国瞩目的关注焦点，国家提出了在2023年将数字经济核心产业增加值占GDP比重提高到10％的目标。

数字化经济浪潮来临，产业数字化转型是门好生意。在看不见的起跑线上，无数企业穿越层层铁幕，或是战八方，或是在方寸间展开一场场谷脊之战。

百度，就这样一头扎进了产业数字化转型的浪潮里。以云计算和AI的技术实力，百度智能云极尽“云智一体”的优势，脚步遍布工业、能源、智慧城市、农业、城市治理等领域。

走进水务，百度智能云在福建泉州参与打造的“水务大脑”智能化升级城市水务流程，通过AI技术训练的精准调压，智能曝气、智能加药、智能排水等模型，让水务运行更高效。

拐进工业，百度的AI和云计算走进苏州常熟的恺博车间，AI帮助质检工人“听音”、“识图”，提高效率和质量，帮助企业积累和沉淀知识，推动中国制造业实现从“制造”到“智造”。

在“科学之城”北京海淀，从违规停车到井盖缺失，从路面水渍到垃圾乱放，都能智能识别，系统及时监控并通知工作人员处理；

在新疆，百度智能云联合国网电力建设“AI中台”，为疆电外送提供有力支撑，也降低了在条件恶劣环境中的巡检风险。

迁入高危行业，百度在化工行业某石油化工厂，在不增加人力投入前提下，通过提高巡检频次与提前发现，隐患风险能力，降低企业运维成本，实现安全生产。

不仅在城市，百度还走进农业，在中国蔬菜之乡山东寿光，百度智能云打造的寿光大脑，给蔬菜大棚披上AI的衣，2个工作人员加一个APP，就可以管理数十个蔬菜大棚。只要老乡们愿意，他们可以随时随地和小度聊天，学习农艺、病虫害处置防范等农业知识。

这些只是万千产业智能化中一个小小的案例。

百度的云计算和AI就像产业数字化转型升级的水、电，借助中国智能产业化的大趋势在工业、金融、交通、能源、城市、医疗、自动驾驶等领域静静流通。

在这背后，都得益于多年技术积累和产业实践之下的百度大脑，以及其中的飞桨平台、文心大模型、昆仑芯片等的综合之力。进化为AI大生产平台的百度大脑，将以“融合创新、降低门槛”的利器，劈开更多传统产业的外壳。

技术信仰的魔力

2010年，智能手机刚刚普及时，AI还未露出真容时，百度就在国内开始AI的技术布局，成立“自然语言处理部门”。

此后十多年，不管是AI市场一拥而入的癫狂，还是AI从高光跌倒谷底的受尽嘲讽，百度对AI保持一如既往的投入和难以相信的定力。

百度创始人、董事长兼CEO李彦宏曾说过：“有1块钱的时候，我们会投进技术里；有1个亿，我们会投进技术里；有100个亿，我们还是会投进技术里。”

近11年来，百度在AI技术上的研发投入早已超过1000亿元。成为人工智能国家队、不断升级的百度大脑、不断扩容的AI生态，不断增加的产业智能化领域，即将量产的智能汽车......都在诉说着这位AI布道者的付出。

或许是技术对百度有一种天然吸引力，或许是刻在文化中的社会责任感，百度不懂得停下脚步，永远在奔向前沿科技的途中。

不间断的疫情、不断变异的病毒，使得疫苗研发与生产极为关键。其中mRNA疫苗是一种可以大规模快速生产的新型疫苗，但设计出稳定的mRNA疫苗序列难度极大，这使得限制了mRNA未能得到大规模应用。百度重投之下，推出业界首个mRNA疫苗序列设计算 法，做到在短短十分钟内找出稳定的疫苗序列。

百度也布局可推动化学、金融、材料等领域应用的量子计算技术，打造出国内提供从应用到量子处理器一站式服务的量子计算云平台，让量子计算学习与应用的门槛再低一点点，就是他们的动力。

百度无形中肩负起“打造出负责任、可持续的AI”的历史责任感，秉持乐观主义与长期主义，他们讨论概念，也致力于将理念应用在实践当中；他们不慕名利，也不惧将自己投入到艰难的未来科技探索中。雷峰网雷峰网雷峰网

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节中，亚略特公共安全与智慧城市事业群总监郭景玉发表了精彩演讲。

郭景玉认为，人工智能时代数字城市建设的根本目的是要重构社会生产与社会组织的关系，人在参与社会活动过程中所产生的各种数据构成了数字城市建设的核心要素。

郭景玉表示，“边”和“安”的主要作用有：一是成为数字城市信息汇聚的抓手，二是缓解中心化计算的压力，三是满足《网络安全法》和《个人信息保护法》等安全要求。

在信息汇聚上，很多企业采用了传统的端到云的模式， 该模式目前已经被普遍采用，也取得了很好的效果，但是在“端-云”体系的基础上还可以进行有益的补充。亚略特边缘数据网关正是基于对行业发展态势深入思考后在这一领域的努力尝试。

• 一是，边缘网关是靠近社会应用端的设备，可以很方便地进行对接，同时在数据安全保障方面，亚略特安全网关里是硬件级的安全加密机制。

• 二是整个汇聚体系是以部署到端的网关为抓手，所有的汇聚体系的平台都隐藏到网关后面，安全性、隐蔽性会更好。并且亚略特网关通过两个双网口的互不干扰的方式串联不同的网络，来避免网络向外暴露的问题。

在信息安全保障方面，亚略特基于生物识别模组外设并结合系统登录，应用授权、云桌面管理等软件一体化的策略，开发了亚略特生物识别安全框架。 

亚略特生物识别安全框架不仅能够无缝对接WBF，还支持统信、麒麟等众多国产化操作系统，实现跨平台、跨操作系统、跨应用系统的诸多限制，弥补传统口令认证的方式存在的安全风险和缺陷，从而提高了整个电脑和应用系统的安全性，做到人与系统间的实人认证的结果，构建真正可信的数字身份识别体系。

以下是郭景玉演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

感谢主持人。非常荣幸在这里和大家分享亚略特对数字城市建设的心得体会。我今天分享的题目是《云-边-端-安的大观视界，数字城市建设从管理人到服务人》。

总体来讲，业内对数字城市的理解都已较为趋同：通过各种技术手段把端上的数据向中心端进行汇聚；然后基于云计算等基础设施，利用大数据和人工智能的技术来实现城市大脑的构建。

这背后得益于两类技术的发展：一是以5G、Wi-Fi等通信技术，使高带宽、低延时的网络通路来保证万物物联的可能成为现实；二是人工智能技术，使无所不在的感知终端集采到的数据能够形成对数字城市更丰富、更真实的支撑。

人工智能时代，运用物联网、大数据、机器学习、算法推理等新技术来构建数字城市，其根本目的是重构社会生产与社会组织的关系。

在亚略特看来，人是构成社会组织核心的根本要素，人在参与社会活动过程中所产生的各种数据构成数字城市建设的核心要素内容，而亚略特一直专注于与人相关的各种应用场景的落地。

例如，身份证。有很多人问我，为什么不直接叫身份证，而要叫居民身份证？

这实际上和国家的人口管理体系有关。在过去很长一段时间，我们的人口管理体系都围绕户籍进行管理，很多现行的公民权益和福利都是绑定在户籍的要素上。所以当初在做顶层设计的时候前面是加入了“居住”的要素信息，整个身份证的体系绑定了很多权益要素。

2013年1月1日，国家正式采集生物特征的信息。除了过去常说的人像照片，还写入指纹特征数据，这实际上也是在为现阶段对于人的管理需要支撑的提前布局。

因为身份证在应用过程中发生了很多问题，比如冒用他人证件，许多单位只看证件，并不关心人证是否匹配，导致冒名顶替等社会性事件。

这里简单提下生物识别发展的里程碑事件。

2001年，美国发生911事件，促使其在2004年开始大规模对所有入境的外国人采集生物信息，这对行业的发展是有很大的促进作用。

我国第一次大规模使用生物识别技术是在2008年北京奥运会，人脸识别技术得到实战应用，这是我们国家出于奥运安保和反恐的需要做的尝试，效果非常好。

2018年的时候，我们国家发出第一张带有生物特征信息的签证，基于外交对等原则，启动入境外国人生物特征的采集。

回到身份证的问题，其核心的要素是要找准人，所以身份证首先要有防伪性能。

截止到目前，全国范围内没有发现任何一张真正意义上的假身份证，这是我们国家在防伪体系做得很厉害的一件事。在加入生物特征信息之后，身份证对于人的同一性的高度又提高了一个层级，可以更准确地识别人的身份。

从另一个角度看，加入了生物特征信息之后，身份证也和其他证件一样，其作用开始淡化。

以群众办事为例，以前去办理业务，首先要提供身份证明，怎么证明你是你？很简单，拿出身份证。但是假如身份证遗失了，衣食住行就会受到影响，补办身份证期间，很多应急场景就会遇到麻烦。

这是因为，身份证在最开始设计的时候，主要应用场景是离线认证，而非在线认证，但现阶段很难满足线上认证的需求。

目前，国家推行一网通办、线上办、码上办，从顶层设计方面进行设计和规划，构建数字城市、平安中国所需要的身份的认证能力，就要用到生物识别技术。

例如，在上海的一网通办项目中，亚略特提供的相关产品和技术，可以使非户籍居民可以在很短时间内取得居住证。

这背后的逻辑是，公安部门已经掌握着居民准确的身份信息，通过自助设备可以对人进行准确的识别；然后再通过引擎和比对能力对数据进行去重；比对成功之后，居民不用身份证也可核实身份，办理证件，这就避免了为了证明“自己是自己”而跑断腿的情况，从而提高了政府的服务效率和居民的服务体验。

在身份认证领域，亚略特在国内外还有许多落地案例。

在国内，亚略特是中国居民身份证七大应用算法里面的入围厂家之一，相关算法和指纹外设都取得了公安部的认证。另外，亚略特也为我国出入境部门提供核心的生物特征采集和识别的能力，刚才提到生物识别签证，我们就是核心技术供应商。

在国外，亚略特的技术和设备支撑了非洲八个国家的总统选举，为了公平公正，准确的识别选民身份，确保一人一票是关键要素。

另一个案例是印度，印度没有实体身份证，而是线上发ID，在线比对，为此节约了很大一部分成本。

我们国家需要实体身份证，其成本远不止居民交的20元钱，每年都要补贴很多资金，但印度跳过这一步，直接在后端建立很大的身份识别特征库，包括人脸、指纹和虹膜都在里面。

在印度项目中，亚略特主要提供指纹算法和终端认证的能力。在实际公测阶段，亚略特与国际知名公司一起同台PK，取得了非常好的测试成绩，我们有两项关键指标FRR、FAR取得非常领先的成绩。

Trustlink是亚略特很早提出的产品，是生物特征识别引擎的重要平台。

最初研发 Trustlink 的目的很简单，就是解决生物特征识别的应用，怎么简单怎么应用。一方面解决应用系统对于生物识别的驱动，不用关心算法的复杂性；另一方面通过统一Trustlink的平台接口，方便的让第三方系统接入进来。

这个模式推广以后，各行各业的应用、场景都很方便接入，得到了市场的认可。经过16年的发展，已经成为亚略特的基因和标准的商业模式。

随着智慧系统的演进，现在的Trustlink的算法能力都有了很大提高，里面集成了生物识别引擎、算法仓库、智能分析和数据汇聚等能力，中间集成AIoT的管理平台，形成大的AI技术中台。

这个中台可以链接多种不同类型的终端，可面向无人值守场景，也可对接监控无感的信息采集和识别，再就是门禁类的产品都可以进行对接，通过不同的模型来服务不同的智慧城市里面的行业应用。

举个例子：我们赋能伙伴一起做的广西智慧税务系统。

当时我们结合逻辑框架，分析智慧税务系统有哪些不同的地方，在智慧系统外面建设了技术中台，通过技术中台构建了两个大的生物特征库：一个是企业办税人的生物特征库，另一个是涉税工作人员的生物特征库。

这个系统部署以后，有两大方面的作用：对内提供了用户系统登录的身份认证，用生物特征识别进行身份确认，通过系统的结合，在办理税务关键业务时候会进行关键确权（银行办理关键业务的时候一定会有经理级人物进行确权），这就是通过二次确权来确保每笔办税业务的可追溯、可审计，防抵赖的情况。并且底座部分集成了重点人员库，还有税务的风险人。通过生物特征的比对技术，我们就可以实现对办税人风控的预警工作。

另一方面是面向企业办税人的智能化无感体验。

企业办税人从进入办税大厅开始，摄像头就完成对他的人脸抓拍，进行身份识别。基于此就能判断出该办税人属于哪家企业，可能办哪些业务，直接在系统里排号，办税人只需要等叫号即可。整个过程实现无感、智能，大量节约办税人员排队的前置业务的时间。

又比如我们做高考的实际案例。 

2021年，我们在北京推出无身份证、无准考证参加高考，这其中的难点在于，保证考生在进行身份认证的时候能够及时、准确无误地识别出来，不能出现故障。

考试前我们对所有参加高考的考生进行生物特征信息的采集，在考场布置了很多终端设备，加上考务数据中台，构成整个考务系统，考生即便是忘带身份证、准考证，依然能够参加考试。整个高考期间，没有出现任何故障，真正做到了零失误、零误时。

之前有报道称，有人冒名顶替上大学的案件，社会影响非常差。但现在基本上不太可能，因为我们可以用过身份认证和识别信息在新生入学时，将采集到的数据和最初高考报名时采集到的照片进行比对，整个环节都是连接起来的，这样就避免了顶替事件发生的可能。

这张图右边的例子，是我们在山东大学做的智慧校园一脸通的解决方案。疫情期间，学校需要对出入校人员进行管理，通过对全校范围内的师生进行必要信息采集，利用AI中台与教务系统对接，迅速部署到终端，学生只需要刷脸即可进出校园，对于疫情防控起到不错的效果。

这张图是亚略特的技术总架构：基座部分是亚略特自研的生物识别算法和安全芯片；中间部分是基于Trustlink生物识别比对引擎再加上AIoT的管理平台形成的AI技术中台，名叫“大观视界”。

大观视界寓意着丰富的场景，亚略特的愿景是，“在越来越多的场景对前端行业进行赋能，不断丰富数字城市应用信息，为行业和人群提供服务”。

那么，随着业务不断扩展，行业增多，整个中台处理起来数据越来越复杂，需要一个行之有效的架构体系才能支撑业务。

我刚才讲到的云-端-边-安的体系，云、端都是一套体系，这里不再赘述，主要讲一讲对于边和安的理解。

边缘，指的是把算力算法放到城市的节点上去。这些节点主要起三个作用：

一是数字城市信息汇聚的抓手；

二是边缘计算可实现“去中心化”；

万物互联的时代，感知设备越来越多，海量数据对中心端的存储压力、计算压力、网络带宽、响应速度等都带来挑战。所以要发展边缘端，让部分算力前置，来解决部分无需中心端就能解决的问题。

三是安全；

《网络安全法》和《个人信息保护法》先后出台，整个社会对安全高度重视，技术解决方案也要非常重视这一点，边缘端有利于数据保护。 

刚才提到，边缘端起着信息汇聚的作用，这一点如何理解？

传统建设模式里面，很多企业构建的模式是端到云。这种模式的优势在于：快速部署、统一接口，直接上云，通过云云对接实现数据汇聚。

但是这种模式存在可完善的点，上面已经提到，比如响应速度、安全、带宽要求高等等，所以我们现在构建以边缘网关为核心的数据汇聚体系。

边缘网关靠近应用端，对接非常方便，不用考虑长远的数据传输带来的安全问题。在亚略特的安全网关里面，在硬件上有安全加密机制；并且，所有汇聚体系的平台都隐藏在网关后面，并不完全公开；数据是很安全的。

很多场景实际上不需要联网，数据上云的风险之一就是安全隐患。所以我们的网关是通过两个双网口的互不干扰的方式串联不同的网络，来避免网络向外暴露的问题。

这里的网关不是路由器，通过这个网无法访问另外的网，只有网关有双网访问的权限。刚才提到的智慧分析能力、边缘计算的能力放到网关里面，可以很方便为社会端的应用来进行一部分智能化的赋能。

例如，把视频分析的技术能力放到网关里面，如果企业端需要对视频有一定结构化分析的需求，或者行为分析的需求，都可以在网关里面进行处理。

网关更贴近数据终端，能够比中心端进行更快速地响应。

比如布控重点人的预警。在边缘端把数据处理完之后向中心端可以有策略的传输数据，没必要把所有数据都汇聚到中心端，这样就能很大层面减轻网络传输、中心端数据存储和处理的压力。

这是亚略特对这个行业数据汇聚体系整个的理解。

一个实际落地案例，是我们通过分布式AI边缘计算的单元，将生物识别的算法、行为分析能力集成在里面，结合云端大数据平台的业务处理能力，以大观视界数据中台的方式，为江西省冷库智慧监管以及风险管控平台进行了赋能。

经过半年多的建设和推广，现在已经全面在当地的冷库食品安全方面提供了赋能，其风险管控能力在整个新冠疫情期间有很大的提高。

最后我再谈一谈关于数据的问题。

大家经常会听说数据滥用的问题，数据上云以后，上公有云还是私有云？上云以后，数据所有权归谁？算谁的资产？

根据《数据安全法》、《个人隐私保护法》，个人的数据资产是属于个人所有，社会数字城市的建设、公安治安防控的需求，企业享有数据的共享权而不是所有权。

作为技术供应商，在云端存储数据带来隐患，那么我们是不是要找可靠、可信的保管人？来避免企业对社会采集信息的滥用，这些都是行业需要思考的问题。

具体到亚略特，在信息安全保障方面，亚略特基于生物识别模组外设再结合系统登录、应用授权、云桌面管理等软件一体化的策略，开发了亚略特生物识别安全框架。

亚略特生物识别安全框架不仅能够无缝对接WBF，还可以无缝对接windows10的window hello，实现跨平台、跨操作系统、跨应用系统的诸多限制，弥补传统口令认证的方式存在的安全风险和缺陷，从而提高了整个电脑和应用系统的安全性，做到人与系统间的识人认证的结果，从而构建了真正可信的数字身份识别。

在智慧城市建设过程中，亚略特一直与合作伙伴深挖场景应用，现在已经在智慧楼宇、智慧医疗、交通、物流、智慧社区、智慧公安和政务等多个领域都已经形成了相应的落地解决方案。

最后，企业作为智慧城市建设的技术供应商和服务商，一定不能忘了初心，即以人为本。而生物识别技术的本质，是“识别人、管理人和服务人”。

这个问题现在已经得以解决，你只需要在摄像头前睁睁眼、或是动动手指头进行指纹验证，就能证明“你就是你”。 

这背后的原因，是生物识别技术的进步与应用。

所谓生物识别，简单来说，就是通过指纹、人脸、声音等生物特征信息进行身份验证的技术。

实际上，生物识别技术已经渗透到人们生活的方方面面，比如远程验证、刷脸支付、手机解锁、银行转账等等，已经不是新鲜事。

人们能享受便利生活的背后，是一家又一家生物识别企业的努力。

在这些公司中，亚略特稍显特别：以生物识别命名，是国内最早做生物识别的企业之一，从一家小企业成长为能够承接国家级项目的行业巨头。

这显然是一家有故事的公司。

一家“小”公司

2004年，亚略特在深圳悄然成立。

这家最早以生物识别命名的公司，在进行工商登记时，却被划分到“生物医药”类别。

彼时，生物识别还是一个新潮的概念。多数人的认知还局限在指纹识别方面，像指静脉、人脸识别等技术由于算力、一致性、成本高昂等原因没有被市场认可，只在数据安全等小范围内得到应用。

这一幕与几年后的AI市场很相似：最早的一批公司出现，但由于技术处于起步阶段，市场认知较为窄化，应用场景少，导致商业化落地规模无法扩张。许多公司都还只是“无名之辈”，亚略特就是其中之一。

时至今日，借助整个人工智能市场蓬勃的发展的东风，生物识别也从最初的小范围应用，拓展到消费电子、工业、商业、政务等多个领域，成为人们日常生活、企业经营、政务管理的刚需。

在这近20年时间里，生物识别主要经历了三个阶段。

• 起步期（2008年以前）

这一时期的生物识别以指纹识别为主，大部分技术运用在考勤、门禁等产品，以及银行、公安、信息安全等行业领域，市场规模有限。

• 发展期（2008～2013年前后）

受益于消费类电子，如笔记本电脑、手机等产品开始大规模采用指纹识别技术，以及国家层面要求居民身份证采集指纹信息，作为用户身份验证的手段；整个生物识别技术的得到了市场认可。各厂商加大技术投入，形成了初步的产业链。

• 高速发展与大规模应用期（2013年至今）

资本的助推和基础 能力的崛起，促进了良性竞争和巨额研发投入，使得生物识别技术在算法、算力、应用能力以及产品的性价比上得到大幅提升。

另一方面，智能手机、平板等消费类电子的进一步智能化迭代，企业经营、政务管理的现代化建设，为生物识别的规模化落地提供了充分生长的土壤。市场对于生物识别技术不再是简单的认可，而到了主动挖掘需求的阶段。

作为行业的一员，亚略特亲历了生物识别从起步到繁荣的过程，自身也从一家小公司成长为能够服务政府项目和多数头部企业的“老牌企业”，经历了一段“升级打怪”的发展过程。

“老兽”是怎样练成的？

“别人当独角兽，我们已经是‘老兽’了。”亚略特CEO 邵宇在第四届上海人工智能大会上说道。 

相较于近十年来成立的多数AI企业，2004年就诞生的亚略特确实可以称自己为“老兽”，更重要的是，亚略特已经形成成熟的商业模式，并已实现持续盈利的能力。当AI公司还在为技术变现而发愁时，亚略特已经实现盈利。

如今的亚略特，通过指纹、人脸、虹膜、情绪等多模态生物识别核心技术赋能行业，业务涵盖消费、教育、政务、金融等多个场景。

但其实，亚略特最初是做信息安全的。

2004年成立伊始，亚略特推出的第一款产品：”基于生物识别技术的计算机登录及文件保护系统”，重新定义了时下流行的强身份认证技术标准，增强了计算机及数据的安全与保护能力。

2007年，亚略特又推出了基于生物识别技术的电脑外设产品及内嵌解决方案，陆续集成到了多家的 IT 大厂的主设备上，仍然是以信息安全为主。

2008年前后，亚略特迎来了第一个关键节点。

一方面，消费类电子开始大规模采用指纹识别技术，带来了巨大的增量市场，给生物识别企业提供了生长空间。

另一方面，亚略特在与当时优秀的IT头部厂商合作期间，学习了先进的产品管理理念和流程质量的控制体系，建立起较为完备的供应链，从而为生物识别领域“研发与制造一体化”的竞争能力打下基础。

2011年，国家居民身份证修改法案通过，居民在办理身份证时要采集指纹信息，亚略特获得了相关部门的资质认证，在合作伙伴的协助下亚略特的产品和技术在全国近60%的派出所被使用。

国家和市场的双重认可，也带来资方对生物识别企业的关注。然而和多数AI 公司不同，亚略特仅通过自身的发展来获取利润，进行再生产。

这也是亚略特自称为“老兽”的底气：依托自身造血能力实现企业发展的正向循环。

时间步入到2013年，对于行业来说是至关重要的一年，对于亚略特而言，也是第二个发展的关键点。

“这一年，人脸识别在安防领域的应用，市场上迅速形成了识别万物的需求浪潮，许多公司加大了研发投入，竞争也变得激烈起来。”亚略特副总裁王家驹表示。

同年，亚略特开始承建国家级重点项目，比如移民管理局、外交部的生物识别引擎；而在此之外，亚略特还成立了“智造工厂”。

成立“智造工厂”主要出于两个方面的原因：

• 人工智能产品在创造初期的体量较小，而且成本很高，因此传统的工厂并不愿意生产制造，从而不能快速满足市场需求；

• 亚略特针对软硬一体市场需求的布局。

“智造工厂的成立，实现了亚略特生物识别技术的广泛落地，在质量、成本和生产周期上实现可控。这一策略后来被验证为是正确的，亚略特已经形成了产品的大规模落地销售。”

2013年至今，随着AI技术的深入应用和各行各业掀起智能化浪潮，亚略特在赋能行业的同时，也发展成为一家集技术研发、产品制造与服务于一体的AI企业，提供从生物识别芯片、算法、终端到平台应用层的整体解决方案。

从17年的发展历程可以看出，亚略特之所以能在竞争中生存下来，首先是顺应时代变化，推出紧跟市场需求的产品；其次是判断形势，提前布局；最后是以技术为核心、产品为载体，场景为约束条件，解决用户的实际需求痛点。

那么，如今的亚略特，又给行业带来了哪些变化呢？

3个案例看清亚略特的能力

前面提到，生物识别技术已经在多个行业得到应用，但不同的应用场景带来对技术和产品的多样化需求，亚略特具备哪些能力？

王家驹向AI 掘金志展示了三个案例。

• 第一个是承建国家级项目。

2018年11月1日，外交部正式在英国发放了第一张带有生物特征信息的签证，标志着我国对于外国人出入境管理开始实行采集生物特征信息。

亚略特作为该项目的一期建设成员之一，提供了核心的生物识别引擎技术。

亚略特通过自研的算法、比对策略、去重等技术，为出入境管理提供核心技术支撑，获得了国家相关部门的认可。

• 第二个案例，是为高考提供了基于多模态生物识别技术的智能考务终端。

作为国家教育考试五大标准系统之一的“考生身份认证系统” ，首先要在封闭的生物识别特征库中对上千万考生进行逐一对应，做到零误差；并且对于系统的速度、准确性和高可靠性要远远高于一般的“开集”人脸系统，避免后者容易出现漏检的情况。 

其次，要考虑实际使用过程中的考务处理，如每年高考都会出现考生身份证过期、准考证丢失等现象，这一难题如今可通过生物识别技术来解决，考生可通过刷脸、刷指纹进行身份确认，进入考场。

最后，考场在配备智能考务终端以后，要考虑在考场的的环境下保证设备中数据的安全、突发状况的及时处理、指挥交互等实际要求。

截止到2021年，亚略特的考务终端已累计为全国21个省、自治区、直辖市、地级市，近千万的考生提供服务。

• 第三个案例，是亚略特的情感计算系统。 

该系统正在教育领域落地。 

通过对在校学生的观测，分析学生的心理的倾向，为学校的心理老师提供数据支撑，从而及时给予心理辅导，避免抑郁症、焦虑症因察觉晚而带来不良后果。

“这套系统于2018年投入研发、2020年开始落地，是亚略特为实现人工智能从感知到认知的尝试。”王家驹表示。

这三个案例表明亚略特的技术实力和产品落地能力，具体表现为：以生物识别技术为核心，加持其他各类AI技术，结合实际场景，来满足市场的多样化需求。

除此之外，亚略特还发力“云、边、端、安”，通过云边端的协同，加入自身做安全的基因，从基础能力方面给客户及用户提供技术支持。

做行业的赋能者

亚略特并不高调，但很多公司的产品及方案上都用到了它的技术。亚略特通过对场景需求的理解为行业提供完备的、可以落地的产品和解决方案；开发出针对性的行业核心方案作为中台，便于合作伙伴用最短的时间去完成智能化应用的集成，用最小的成本完成系统的智能化升级。

“你要做场景，就要熟悉具体的业务、客户的需求，并且需求必须是真实的，否则就难以落地。”

在生物识别技术被应用到千行百业的背景下，针对一个个场景去做技术研发和产品，会面临研发周期长、成本高企等问题，并且商业化落地难，因而不具备可行性。

“亚略特的定位是‘生物识别技术提供商’，通过六位一体的能力，与行业客户的合作，来共同解决需求痛点。”

掘金志了解到，这六位一体的能力具体表现为芯片、算法、应用、平台、制造和服务六个方面。

在芯片方面，亚略特提早布局，通过自研开发、使用自己的生物识别（指纹，人脸，虹膜）安全芯片，同时投资芯片公司，来完善产业布局，巩固产业链，这也是亚略特的技术核心竞争力之一。

实际上，在9月1日《数据安全法》实施以后，亚略特就把所有终端侧和边缘侧智能硬件都内置了硬加密部件，为各单位的数据安全合规新要求提供了方案。

在算法及应用方面，亚略特则是基于自身AI技术，不断优化算法，落地基于场景的算法，以保持产品的竞争力和落地能力。

在制造方面，“智造工厂”已成为亚略特将技术转化为产品的“孵化器”。为用户、合作伙伴提供将“想法”快速落地的“智造”能力，在“端”市场占据先发优势。

而在平台和服务方面，亚略特也从单一的技术、产品赋能，转为集产品、平台与服务一体化的综合解决方案提供商。

而对于生物识别未来的发展趋势，亚略特认为，市场会更加注重技术的落地。这主要表现为“软硬结合更加紧密，产品从感知到认知的方向发展”。

基于此，亚略特未来的重点也将集中在三个方向。

• 聚焦落地的发展战略。

即提前3到5年预判市场的发展走向，以生物识别为边界，进行投入。市场规模的大小并不会影响技术的研发和产品落地。

• 加大对认知领域的研发投入。

作为下一代人工智能技术，情感计算是认知智能阶段重要的生物识别技术之一，因此亚略特再一次提前布局。

• 在市场端紧跟产品下沉化、自助应用多样化的趋势，结合自身的优势，为行业客户提供整体解决方案。

未来，亚略特将继续以“生物识别技术核心供应商”的定位为合作伙伴和用户提供“云、边、端、安”的一体化解决方案。雷峰网雷峰网

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。 

在下午场的演讲环节中，希捷科技全球高级副总裁暨中国区总裁孙丹发表了题为《数据为匙，开启元宇宙与智慧城市之门》的精彩演讲。 

孙丹重点分享了对数字孪生的理解。她认为，数字孪生对智慧城市、企业数字化转型具备非常大的价值。

城市与新区、园区与建筑、交通与车辆、工业与能源、水与环境，数字孪生已经广泛应用于多个行业。

数字孪生不只是构建一个与现实世界一模一样的数字虚拟世界，而是结合物联网、区块链等技术之后，可以通过软件的应用去管理和统筹，实现智能管理。比如港口货物的堆放、货物运输，比如碰到危机的处理，通过在系统里设计某些定义规则，实现完全的智能管理，而不只是一个三维重建。

她指出，无论是数字孪生还是元宇宙，又或是脑机接口、AIoT，底层都是数据。

“数据的好坏决定智能的高地，数据可以理解为奶粉，如果加三聚氰氨，小孩会越吃越笨，好的奶粉小孩会越来越聪明。通过机器学习沉淀好数据，得到的结果越来越智能，这是核心。”

换句话说，所有企业最核心的是，数据如何贯通采集、存储、分析、变现。数据成就当下和未来。

全球数据爆发式增长。元宇宙、脑机接口、拓展现实的基础都是海量数据。如何成立、管理数据是非常大的挑战。比如一系列的数据归属问题、数据安全问题、数据孤岛问题。

希捷的目标，就是通过技术创新降低存储成本、数据运营成本。做数据新基建的一块砖，帮助政企的数字化转型。

以下是孙丹演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

孙丹：大家可能会好奇，人工智能大会，为什么做数据存储的人会来？

其实，不管是哪行那业，所有的数字化转型、所有的新基建是以大数据为基础的，而数据需要存储，需要对数据做处理。希捷四十多年来做的一件事，就是存储。所以，我今天站在数据公司的角度跟大家分享对行业的一些观察。

我的演讲主题是“数据为匙，开启元宇宙与智慧城市之门”。

刚才在接受采访时，我说，一场疫情按下暂停键，很多社会活动暂停，人们的活动暂停了，但数字化转型是提速的。

我曾看到过一个短视频，说一个企业的CTO本来想用5年时间规划数字化转型，在疫情期间，10个月就完成了。比如我们现在出行都要用到健康码，这就是“数字化”的一个缩影。

实际上，疫情给行业带来了许多不好的影响，但从另一个角度看，数字化转型速度加快，同时科技也更加内卷。

去年年初的时候，我说今年是人工智能的元年，但今年没有人谈人工智能了，都在谈元宇宙、脑机接口。前两天马斯克对媒体表示，他们的芯片实验很成功，明年就能将脑机接口放到人身上，未来全身瘫痪的人都有希望通过脑机接口实现身体的灵活运动。

所以说，后疫情时代真的在加速科技的发展、内卷，AIoT都感觉是传统产业了。现在AI基本上不提，元宇宙、脑机接口、量子计算成为新生态，科技在这个阶段发展得更快。

元宇宙有很多争议，所以我今天不讲，也不谈2C端，而是讲数字孪生。

我这几个月一直在跟做数字孪生的公司做探讨合作，发现数字孪生对于智慧城市，对于整个B端有非常大的价值，已经有很多应用，实际落地在不同的场景之中。

比如，现在搞建筑的时候，先要搞BIM（建筑信息模型），其实就和数字孪生相关。通过数字孪生可以发现设计bug，过去要在盖房子的过程中去弥补，现在提前就能发现规避掉。

又比如，河北有一个安防安保项目，通过数字孪生系统能自动发现许多“安全”死角。

数字孪生不只是做数字虚拟世界，而是把物联网、区块链技术用上之后，可以通过软件的应用来赋能管理，例如港口货物堆放、货物运输、危机处理，可以通过在系统里面设计一些东西定义规则，实现智能管理。

上面这个智慧港口的案例中，码头的作业监控都是实时的，可以查看所有信息、设置规则和局部调整，是一整套智能的管理系统，自动发现、呼叫、处置，形成闭环。

可以看出，AIoT的未来，其实是走向三维数字孪生的方式。

但不管数字孪生、元宇宙还是物联网，底层就是数据。

以前有专家表示，数据的好坏决定智能的高低。数据可以理解为奶粉，如果加三聚氰氨，小孩会越吃越笨，好的奶粉小孩会越来越聪明。

所有公司都会面临一个问题：如何有效利用数据，通过机器学习沉淀好数据，使出来的结果越来越智能。在这个过程中，数据的存储、处理，显得至关重要。

在智能机的时代，数据爆炸式增长，那个时候还没有IoT。现在要实现万物互联、元宇宙，会用到数字孪生、区块链等技术，将催生更大规模的数据量。

从大的方向看，产业数字化转型，各行各业都要利用大数据、人工智能去做产业升级，很多场景都需要海量数据的支持。

前面提到的元宇宙，基础也是数据。宇宙涵盖非常多的内容：数字孪生、区块链，人工智能、云计算是作为底层，还有脑机接口、拓展现实等，都会产生海量数据。

怎么处理这些数据，怎么管理这些数据？如何做数据运营、全周期管理？我觉得这是最大的挑战。

再细一点划分：数据采集之后，需要存储，哪些数据有存储的价值？存多少数据？新的数据安全保护法出来以后，数据所有权怎么划分？怎样保障数据安全，上私有云还是公有云？数据孤岛问题怎么解决？ 

这都是实实在在亟需解决的痛点。 

希捷四十年多年来做的一件事，就是存储。我们的目标是，帮助客户降低成本，存储更多数据，然后做机器学习，把算法做得更好，提高产品的智能化水平。

我们现在有4万多名员工，出货3ZB，年收入110多亿美金。中国的新基建、数字化转型推动整个市场发展。

在数据呈指数级增长的趋势下，客户以前只需要几个T的存储容量，现在要现在要十几个T，再往后就是几十上百个T，对存储容量的需求是不断递增的。

希捷要做的，就是通过创新降低存储成本。

硬盘的尺寸就那么大，放入更多的碟片数，存储量就更大。假设一个机柜里面每块盘放的容量越来越大，整个机柜的成本就会下降，你就可以存更多的数据。

我们通过“热辅助磁记录技术”来提升存储密度，很快就会出30T的HAMR。

所以我说以后人的所有记忆都可以放在一块硬盘里边，容量足够大，能够把人的一生都放进去。

容量大了以后，另一个挑战就是性能可能会变低。

这个问题怎么解决？

在硬盘里面的微小空间里，放入更多组的磁头和磁壁，我们有9张碟，有一套磁碟和磁壁，以后要做多套磁头和磁壁，这样可以提升性能。

整体来讲，我们做的事是帮助客户降低TCO。降低TCO不光是硬件，帮很多互联网公司降低数据中心的TCO是通过软件，也就是帮它的系统软件去做更好的优化，去调动硬盘的部件，来降低所谓的数据运营的成本。

有许多云服务商、数据运营商，用非常大容量的硬盘，但大部分客户用不到，因为用大容量硬盘需要很多系统能力。

希捷推出的整体方案是帮助在座的所有企业能够很轻松的就有一个所谓的大容量、高密度的解决方案，而且具备自修复能力，是业界目前唯一的，只要买这套方案，基本上五年不用运营维护。

最后，既然是人工智能大会，我提一下希捷的无锡智能工厂，作为案例。

在这个工厂里，整个车间只有两个人，负责观察工厂的运行和处置要紧事件，其余都用机器人，都是用人工智能来做的。生产效率、研发效率都得到提高，并且积累了很多数据，能够促进人工智能技术的进一步研发、迭代，甚至产品创新。

希捷专注数据存储已经做了四十年，未来六十年也不会变。在智能的世界里，数据是基础，我们则是数据新基建的一块小砖头，希望能帮助企业的数字化转型。雷峰网雷峰网

然而，在一些公交站台、地铁出入口等人流量密集的地段，共享单车野蛮停放、占用人行道，不但影响通行效率，而且带来安全隐患。

通常情况下，这些共享单车会在第二天早上由相关人员进行清理，以一天为一个周期。实际上，在前一天上下班高峰期，乱停乱放经常造成拥堵，让许多城市的管理者都头疼不已。

（罗湖区桂园街道办执法大队）

但在深圳罗湖区，这一问题已经得到解决。

“我们在后台发现乱停乱放之后，直接给对应的负责人发短信，告知情况，要求他们在限定时间内解决问题，否则将被约谈。”罗湖区桂园街道执法大队相关工作人员告诉AI 掘金志。

该工作人员口中的后台，AI掘金志了解到，指的是旷视万象——一款城市治理视频智能分析识别系统。

万象基于前端摄像机的实时数据检测，能够快速进行分析并发现问题，随后快速响应，通过短信通知、AI复核等方式提高事件处置效率。

“以前我们主要靠人力巡查，现在电脑屏幕前，就能发现问题，只需要一条短信，告知对应责任人，事件就能得到合理处置。”

（深圳市罗湖区智慧城市建设中心 智慧城区推进部 部长 韩韬）

罗湖区智慧城市建设中心、智慧城区推进部部长韩韬表示，新系统的引入，使得事件治理的效率提高了近5倍，“原来需要5个小时，甚至半天才能处理完毕的事，现在仅用不到1个小时。”

并且，在效率提升的同时，事件处置的成本也得以降低，执法体验和能力水平亦提高了许多。

城市痼疾遇新药，4步实现事件处置全流程闭环

“共享单车的乱停乱放只是其中一个问题，实际上，我们以前在巡查的时候，会发现形形色色的问题，比如街道上店外经营、户外摆摊、机动车违规停放等等。”

据执法人员表示，原来的处置流程有几个步骤，“首先是发现，发现完了需要人员去核查，具体是哪个事件。之后有一个分拨过程，分拨给其他单位或者个人来做处置。”

整个过程耗时较长，而且涉及到不同部门的管理协作，有时候一些琐碎而紧要的事件很难快速得到解决。

此外，人力巡查有时很难发现全部问题，就像错别字一样，一些问题容易被忽略，而得不到解决。 

在引入旷视万象平台之后，绝大多数事件都能被摄像机感知到，然后传送至分拨平台；执法人员可以在平台上联系相关责任人进行事件处置。

旷视产品交付负责人告诉AI掘金志，万象平台的事件处置流程分四步：发现、分拨、处置、复核。

以街头常见的店外经营为例：

1、前端摄像头在发现某店存在店外经营现象之后，将数据传输至万象平台；

2、执法人员看到之后，选择对应的责任主体（店家），以短信方式告知，敦促其自我整改；

3、店家需在固定的时间内（普通事件约为60分钟）进行整改；

4、整改完毕之后，系统会进行AI自动核查（有没有整改），一些重要事件或现象会需要人工复核以决定是否归档，归档的案件将会自动保存处置流程的所有记录，以作留证。

执法人员无需到现场发现、核实，减少了时间、人力等成本，并且事件通过短信告知责任方，无需跨部门协作，缩短了处置流程，效率也得以提高。

值得一提的是，在这个流程中，“分拨”体现在不同的事件，其管理部门不同，且处置权限也不一样，需要区别对待。

“常规事件分到街道办、执法大队，一些比较应急的事件就要上报，由其他部门提供协办，比如燃气、水利，就转到相应部门去处置了。”

除了对责任主体进行提醒以外，在街道或公共空间内，万象还可以将扩音器与摄像机连接起来，提示乱丢垃圾的行人，一方面提高居民素质，一方面减少地面垃圾，节省人力。

在罗湖区智慧城区推进部部长韩韬看来，万象系统的优势主要有三点：

一是简洁直观，操作难度低。新事件会按照时间顺序显示在首页，有图标显示高亮，执法人员可直接点击进入业务系统，针对性做处理；

二是分拨人员可直接进行分拨处置，触达责任主体，直接延伸到店主、区域负责人等“端侧”，而此前需要找到街道的政府工作人员；

三是整个系统AI自动复核，所有的事件形成了机器自动复核闭环，节约了人力。

“整个事件从发现的时间和处置链条都缩短了，而且发现的量也比传统人工的形式多数倍，因为它实时24小时都在检测，以前需要专门的人去发现事件，但现在可以倾斜到事件处置人员方面。” 

可以说，罗湖区基于万象系统，形成了从发现、分析、快速分拨、到自动复核的完整闭环，让基层管理人员的日常工作从不断上街巡查的“人海战”，向“人”与“机”的交互转变；进一步提升了基层治理的数字化水平，并且打造出以桂园街道为代表的治理新模式。 

那么，作为罗湖城市治理的“新武器”，万象是怎样炼成的？

算法、成本、效率，万象解决“田间地头”难点

(深圳市罗湖区智慧城市建设中心指挥中心）

万象是旷视基于自研的AI生产力平台Brain++和Objects365物品检测集研发的城市治理视频智能分析识别系统。

该系统依托存量的视频监控网络或全新部署智能设备，通过图像识别、视频结构化等图像感知技术，以及大数据分析、智能分析等技术，实现事件从发现到处置的全流程覆盖，助力城市治理的降本增效。

“通过集成高效能算法，万象能够针对城市复杂、长尾且碎片化的需求，提供市容环境、宣传广告、施工管理、街面秩序、市政设施等6大类，及22个小类的城市治理事件识别。”

旷视产品交付负责人表示，万象有属于自己的算法类型，也可根据不同场景的业务，做定制化解决方案。

如今，旷视万象已与市场上多数摄像机相适配，只需针对视频流分析，就可以利用好现有的视频资源，不需要额外新建。

“旷视其实也能提供端侧摄像机，包括边缘侧解决设备等，具备AIoT软硬一体的产品能力。但像罗湖区已经有大量的视频资源，可以直接采用。”

在解决视频资源之后，如何从这些数据中发现违法违规问题，对算法的准确率提出了很高的要求。如果识别错误率高，将导致额外的人力成本，影响执法实际效果。

该负责人告诉AI掘金志，目前旷视的该类算法准确率设定在90%左右，基本上能实现检测无失误。在日常的数据识别过程中，系统会对算法本身做训练迭代，来提高精确度。

除此之外，万象还会统计时间、地点、类型等，以图表的方式呈现，这样就能归纳出重点，相当于辅助管理者决策，将资源投入到问题比较严重的地方或事件。

目前，整个桂园街道已经接入了500多个摄像机，并逐渐拓展。而对于街道、小区等最终责任人的信息，万象也在持续增加和更新。

从产品价值的角度看，万象的意义不仅是给城市治理提供技术支撑，还体现在“通过系统平台化，打通了城市治理部门‘识别、预警、研判、转发’的业务闭环。”

“万象平台可与罗湖区数字城管、大分拨系统以及其他系统对接，实现平台自动发现、分拨、智能派单，处置结果支持AI自动核查，从而推动城市治理形成智能化闭环，实现1小时高效处置事件。”

城市治理数字化，罗湖和旷视的新故事

随着人口的不断聚集和经济规模的扩大，城市治理的职能和范围也在扩张。面对城市诸多碎片化场景，治理难度、工作负荷正显著增大，因而利用AI、大数据等智能技术来提高城市治理效率，建设智慧型城市、推进城市治理精细化已是大势所趋。

（罗湖区桂园街道办执法大队现场办公）

从政策层面上看，国家在“十四五”规划和2035年远景目标中明确指出，要“分级分类推进新型智慧城市建设”，“一流城市要有一流治理，要注重在科学化、精细化、智能化上下功夫”。

作为深圳最早开发的城区，同时也是主要的金融区和核心商业中心区，罗湖区的人口密度位列深圳第二，由此衍生出许多城市问题，比如交通拥挤、违规摆摊、乱停乱放等。

正是在宏观趋势和现实需求紧迫的情况下，罗湖这几年来大力推进城市信息化建设，加大资源投入，引进新技术、新产品来改造基础设施，已在电子政务、资源共享、应用系统等方面建设取得了初步成效。

在与旷视的合作中，AIoT技术的加持使得视频资源得以充分利用，旷视万象为城市治理提供了技术支持，助力罗湖城市治理的精细化管理。罗湖区在实现降本增效的同时，进一步提高了政府的服务能力和水平。

“通过万象系统，我们的管理实现从之前的‘长线调度’到当前的‘治理分级、片区统筹’，管理效能进一步提升。”韩韬表示，以前需要通过各区下发到街道，由街道办或执法大队现场处理，现在通过短信告知，就能“自下而上”解决问题。

对于合作的另一方——旷视，智慧城市建设既是技术落地场景也是发展方向，其产品和解决方案已在全国多个城市落地。单就万象而言，全国近20个城区已经引入并落地应用，为这些城区城市治理的精细化、智慧化提供赋能。

未来，罗湖将与旷视展开更广泛的合作，比如在现有500多路摄像机的基础上，接入更多视频资源；将以桂园为代表的新治理模式推广至更多街道；利用新技术、产品，来解决其他场景化痛点等。

罗湖与旷视的新故事，才刚刚开始。

作者 | 安晔

编辑 | 余快

12月26日，深圳安博会正式开幕。

安防人并不缺展会，北京安博会、深圳安博会、广州安博会构成了安防人相聚的三大安防展会。

但在疫情常态化后，一切都蒙上了一层不确定性滤镜，“一年一度”这个词开始缺位。

诚然，疫情让AI的规模落地初体验来了一次大练兵，众多企业在疫情中被激发的多方潜能，点缀历史，也成为后疫情时代的开端。

但同时，过去一年AI企业们的IPO之路多历坎坷。有的一波三折终敲钟，有的折戟科创板，更多地，还在IPO的门前排着队，等待命运的一个阶段性答案。

行业洗牌下、新陈代谢中，安防行业智能化不仅没有停下脚步，甚至长出新枝丫，不断融合、多向生长、自我迭代，向更加广阔的城市AIoT走去。

新产品、新技术、新战略，甚至新的定位，都在这两年间推陈出新。此次盛大开幕的安博会，有哪些看点？

一、缺席的海大宇，今年有什么新变化？

此次安博会，展厅少了海康、大华、宇视的身影，但他们今年的革新动作不少。

在新老厂商们集体奔向的“软硬一体”过程中，也许各自行业立场依然鲜明，但软硬阵营的界限已经逐渐模糊了。

过去传统厂商们用了20年塑造了一个个硬汉形象，如今，他们集体悄悄变软。

今年3月，海康在“智涌钱塘”上发布两大“平台级”软件新品：智慧城市数智底座和AI开放平台2.0，构建算法商城。

2020年年报中，海康还公布了HEOP架构，支持在各类硬件上可以更自由的替换和更新软件。

这些平台背后，是海康花了近四年，高投入、主攻软件。

在统一架构之上，海康通过共用软件开发、管理、运行环境和配置管理策略，支撑起了行业应用的快速开发和迭代，提升了软件之间的兼容性，让海康实现了软件的规模化、协作化生产。

也难怪他们公开表示：海康已经形成确定的软件开发方法论。

无独有偶，2021年半年报中，大华首次在报表中单独披露了软件业务，虽然占比不多，仅有4%，但软件平台上位至大华的核心战略之一背景下，但大华此举，大有蓄力随时进攻之势。

对软件的重视，还体现在大华近年大幅度追加人才投入，据悉，目前软件平台人员超过3000 人。

“如果把其他的定制开发都算上，软件人数将远远不止3000人。”

宇视总裁张鹏国：“AIoT就像核反应堆，内涵在不断裂变，外延在迅速扩张。”

如此庞大的外延业务，必然需要一个强有力的云平台支撑，宇视今年也重磅推出了宇视云开放平台2.0，沉淀PaaS（平台即服务）层能力，开放能力赋能SaaS（软件即服务）合作伙伴。

在国家统计局、工业和信息化部发布的中国软件百强排名中，宇视与千方合计居第24位。

与“去安防化”同频的，是去掉“卖摄像头”的硬件企业标签。

二、海思领衔，AI视觉芯片群雄起

供不应求。

近几年这四个大字几乎是所有行业关键词。

安防产业是最早感受到这一波芯片缺货潮的行业之一，从2020年8月，因海思缺货引发的第一波缺芯潮起，情况愈演愈烈，需求有增无减。

从现场的情况看，海思保持了高人气，展厅内人头攒动，前台宣传册、名片一扫而空。AI视觉芯片的中高端领域有多重壁垒，非朝夕可逾越，海思地位依然显著。

但在震荡中，也一批国内企业崛起，松动市场格局，加速行业洗牌。

星宸科技、富瀚微、北京君正、国科微、中星微在视频物联领域快马加鞭。晶晨股份、全志科技、瑞芯微也纷纷布局安防SoC领域，竞争暗流涌动。

今年的安博会，此前习惯在角落的国产厂商纷纷走到台前。

星宸科技（SigmaStar）背靠联发科，后者曾与海思在多个领域的交手，星宸近2年市场份额快速提升。

12月26日，北京君正在安博会对面的酒店举办发布会，北京君正在视觉领域摸爬滚打十几年，近年来发力智能安防市场，2016-2020年安防SoC领域营收不断增加。2021年上半年营收营收为23.36亿元，同比增长558.46%，净利增长2994.8%。

据悉，北京君正准备进攻后端芯片，计划下半年推出NVR芯片，明年批量销售。

富瀚微，作为国内ISP头部企业，近年积极布局IPC、后端SoC。控股子公司眸芯瞄准NVR领域。

2021年上半年，富瀚微营收7.18亿元，同比增长154.37%。据悉，上半年业绩最大增量来自安防领域的IPC芯片业务，该业务后续增长空间依旧广阔。

中星微技术，则成功发布SVAC/H.265双模编解码芯片——“星光智能三号”，是国内自主创新的新一代视频编解码芯片。

据悉，该芯片支持800万像素的图像处理、视频编解码、安全加解密和异构智能计算；支持GB35114标准的A、B、C三种安全级别，编解码性能支持到4K@60帧 ，提供4TOPS的深度学习峰值算力，可满足安防、车载、视频会议、工业相机等领域应用。

从厂商们研发投入、成绩和战略动向看，AI视觉芯片厂商各自蓄力，未来也将铆足了劲向前冲。

三、纷纷走向城市级平台

穿过几大展厅，“数字城市”、“智慧城市”成为高频词汇，无论是深耕细分赛道还是多领域落地，企业在技术、产品、解决方案更加成熟之后，纷纷驶入城市级平台。

对于云天励飞，今年安博会可以说是是其自进化城市智能体提出一周年的成果展示，也是“1+1+N"自进化城市智能体战略的完整公开。

以自研的芯片核心，云天励飞的端边硬件家族在安博会上亮相，基于DeepEye1000以及云天励飞“算法芯片化”的核心能力，云天励飞研发了一系列SDC（Software Defined Core，即软件定义核心能力）硬件设备，在多个领域建立起行业的一张感知网络。

以城市超脑为核心，云天励飞还首次公开了六大能力平台——AIoT接入汇聚能力平台、SDC端边服务能力平台、数据标注与算法训练能力平台、算法服务能力平台、智能调度中枢能力平台、知识图谱大数据能力平台。

在落地上，本次展会上，云天励飞展示了智慧警务、智慧交通、科技防疫、“数智”商业等标杆案例。

值得一提的是，云天励飞在新行业落地项目的速度越来越快。据悉，2015年，云天励飞花费接近一年半的时间，打造出首个城市级智慧警务系统；2021年初，云天励飞正式上线疫情防控平台，从试点到该平台正式上线，云天励飞仅用了半年时间。

首次参展的芯翌科技，重点展示了以视频全要素治理平台为核心的产品和解决方案。

芯翌科技副总裁-产品中心负责人王夷认为，视频数据是城市精细化治理最核心的数据资源，所以芯翌围绕视频数据的治理和应用，建设了“视频全要素治理平台”。

视频全要素治理平台基于统一技术规范，实现异构视频资源全量汇聚和视频能力统一归集，构建集全要素治理、精细化管理和智能化应用为一体的视频大基座，并通过共享服务形式进行统一赋能，输出视频调阅和视频计算能力，形成全域的视频图像应用支撑体系，赋能城市及产业的数字化转型。

此次安博会上，佳都科技重点展示了城市物联感知体系建设，其中包括城市级视频泛感知数据中枢。

在佳都看来，人工智能是一枚击穿和缝合数字世界与物理世界鸿沟的"绣花针"，尤其是对于特大城市、超大城市来说，人工智能的规模化感知和辅助决策能力更为凸显。

佳都由此融合人工智能技术与物联感知能力，构建基于IDPS核心理论的城市大脑，为现代城市精细化治理提供全要素、全时空的整体解决方案。

以城市数字平台和智慧终端为驱动，打造数字城市融合基础设施，业务落地于智慧轨道交通、智慧城市治理、智慧城市交通、企业数字化四大航道。

建设智能城市的过程不是百米冲刺，而是一场马拉松，佳都为这场马拉松设下七个一：

"一体通感、一脑通享"、城市运行"一网统管"、治安防控"一域通防"、安全生产"一线三排"、社会治理"一网共治"、城市体征"一图通视"。

四、数据安全、隐私保护聚光灯下，多模态识别走红

今年以来，数据安全相关政策发布时间密集程度大幅增加，《数据安全法》、《关保条例》、《个人信息保护法》等法律法规密集发布并实施，数据安全、隐私安全的重要性越来越凸显。

从“3.15”晚会人脸识别技术被质疑开始，不断有“黑客”用一场场现场秀提醒消费者：人脸识别等生物识别技术可能潜藏安全风险和隐私问题。

眼神科技认为，因隐私保护政策以及技术发展趋势等原因，单一的人脸识别将面临挑战，以人脸为主的AI 1.0真正向多模态生物识别的AI2.0时代跨入。眼神科技的多模态融合生物识别的优势突出。

在生物识别领域20余年，眼神科技参与建立国家公安部虹膜身份信息建库项目，助力虹膜数据库建设过程中标准规范虹膜信息的采集。

眼神科技推出多款多特征生物数据综合采集设备，采用多模态融合技术，认证体验兼顾便捷性和精准性，实现更精准、更高效的强身份认证，误识率十亿分之一，广泛落地于高安全、强隐私场景。

展会现场展出的多款多模态技术的智能AIoT终端，可以应用在安全性能要求较高的场景中，同时无需带卡无需密码，兼顾安全与便捷。

这些设备安全、便捷的体验背后，是眼神科技多年来打造的多模态生物识别底层算法、平台、应用软件和AIOT智能终端的完整体系。

其中，ABIS多模态生物识别统一平台，依托于眼神科技原创底层算法和数据统一管理，具有多模态数据感知、多维数据推算、智能反馈决策、数据安全共享等核心功能，为各业务场景提供基础服务支撑，实现安全便捷的统一认证和轻量化管理。

目前，眼神科技为AI+安防、AI+城市、AI+社区、AI+新警务等多领域多应用场景下的安保防范、出入管控、反恐维稳、身份核验等提供成熟的解决方案。

墨奇科技联合创始人及CTO汤林鹏也表示：“面向未来的新一代生物识别平台，应具备精准可靠、主动便捷、保护隐私三大特征。尤其在生物识别的隐私保护方面，在技术上应做到不可逆、可撤销、非关联。”

汤林鹏介绍，基于AI知识数据库的核心技术能力，墨奇实现对生物特征数据等非结构化数据的高效处理，并以图和向量搜索引擎、小样本无监督学习、非接触指掌纹采集以及隐私和安全计算等核心技术，打造了AI+安全可信的生物识别引擎。

这是墨奇科技第一次亮相安博会，展会上，他们重点展示了两大行业解决方案，即政府业务场景下墨奇新一代智慧安防身份识别解决方案，以及商用业务场景下的墨奇新一代可信生物识别解决方案，适用于社会治理、智慧安防、出入境、智慧出行、智慧文旅、智慧社区、智能支付等广泛的应用场景。

五、数字城市领域，多战场作战

多线战场，硝烟四起。

全球安防市场因“安全”这一核心且永恒的命题而起。

从模拟化、到数字化高清化、再到智能化，从大数据、人工智能、AIoT......安防没有停止吸收新技术，也没有停止创造新的战场的脚步。

数字城市之下，公安、交通、政务、电力、教育、医疗、金融、文旅、城管、钢铁、港口、水务、农业、边海防等领域全面开花。

如果说从前“安防”的核心命题是“安全”，那么现在“安防”被时代赋予了新的命题——“效率”。

当以视频为核心的AI技术从安防走向千行百业，驶入深水区的“安防”，已经不再是“安防”。

如果说过去的AI更多基于平安城市龙争虎斗，那么未来的AI将更多根植于数字城市对弈过招。

数字城市，是“新枝丫”多发地。庞大、多元、复杂的智慧城市，到处是机会，也到处是挑战。

此次展会上，的卢深视通过刷脸乘车、刷脸开锁、刷脸支付三大商业落地案例，更通过三维人脸/人体识别互动体验，展示三维全栈技术能力。

在智慧城市领域赋能轨道交通，为广州地铁十条线，提供3D刷脸支付进站设备，包括近2万台高精度3D结构光相机、前端人脸算法、云端多模态大库比对引擎服务等。

在智慧金融领域赋能安全支付，为支付巨头提供全产品全系列3D高精度相机及识别算法，落地线下刷脸支付场景。

在智慧家居领域赋能智能门锁，为智能家居领头企业首款智能门锁定制及批量供货FaceID相机模组。

在安防业务的基础上，云天励飞将业务范围逐渐拓展数字城市和人居生活。数字城市，有智慧安防、智慧交通、城市治理、疫情防控等，人居生活包括，智慧社区、智慧园区、智慧泛商业等领域。

芯翌科技在智慧城市和智慧工业领域看到了规模化营收的希望。在芯翌科技董事长杨海宁看来，这两个领域的技术天花板非常高，丰富场景，可以规模化的复制落地。

六、变革已成行业时代主题

变革已经成为城市AIoT行业的时代主题。

从安防行业发展的三次浪潮来看，这个行业商业模式在变，盈利模式在变，行业参与者在变，消费者习惯也在变。

此背景下，企业们必须走一步看百步，了然新技术下产业的未来走势，而这都将决定着公司产品的周期、产业竞争的最后胜败。雷峰网雷峰网雷峰网

近几年，自驾旅行从一个小众圈子走向台前，成为一种流行生活方式。

年近7旬的王海林，在60岁的时候考取了驾照，载上老伴儿开启了“生活在路上”的自驾旅行，至今已经在中国的版图上行驶了近20万公里，冬天去海南，春天去成都，秋天去云南，夏天去哈尔滨......一路带着老伴儿开车自驾或者骑摩托车，从北极村的无人区摘野生蓝莓，到深入海南土著以物换物的原始生活。

公交迷子昊，在长年累月的公交车旅途里，丈量过新疆人迹罕至的土地，触摸过乌鲁木齐公交上的每一个座位。

还有更多“子昊”，在无人知道的角落，以一种小众但重要的视角，记录城市变迁、交通的革新与科技发展，与此同时，作为地图维护志愿者，与成千上万个智慧交通参与者一起让未来交通早一点到来。

退休后，他开始环游中国

60岁时，王海林鼓起勇气考了驾照。

早在结婚前，他就期盼有机会游遍祖国河山。一晃40年，没有尽头的工作、一个个出生的孩子，直到退休他才有机会开启那个隐藏了大半辈子的梦。

拿到驾照后，王海林和老伴儿就开着孩子不用的铃木雨燕，开始了自驾游尝鲜。

随着旅行范围越来越大，铃木雨燕逐渐跟不上两人的需求，后来换了一辆东风风行T5。

王海林打趣说，他们的退休生活过得像候鸟，随着季节迁徙。冬天去海南，春秋在成都，夏天回哈尔滨，不知不觉，已经走过近20万公里。

在这个过程中，王海林逐渐成为一名自驾深度爱好者，到什么程度？中国地域之辽阔，东西南北跨幅之大，都抵挡不住王海林从来不坐高铁、火车、飞机的执拗，以及坚持自驾的心。

“像从海南到成都两千多公里，我们得开接近半个月，边走边玩，一天可能走几十公里，好玩的地方就多住几天，钓钓鱼，逛逛风景。”

王海林看来，这种自驾，性质与侠客相似。有一个目的地和未知的旅途，与途中的人萍水相逢，成为朋友。

王海林加入了很多自驾游群，群里天南海北的人因热爱旅游而相遇，不分年龄，成为朋友。

群里经常有热情的朋友卖力邀请，他们如果对某个地方感兴趣，查查地理、气候，合适就启程出发。

他不认为人生应该听信社会时钟，王海林的认知里，人生是一片原野而不是一条轨道。“有人说，这么大年纪了瞎折腾什么？但是我觉得，人生的意义就是折腾！我的青春谢幕了，但我的世界才刚刚展开。”

在不断出发中，王海林在路上收获新的人生。

• 不一样的人生

有次在海南，王海林骑摩托车去山里玩，当时有些晚了，信号也不好。山里行人和车辆稀少，找不到问路的人。

王海林抱着试一试的心态，把摩托车停在路边等待，好不容易远处来了一辆车，他一挥手，车在三四十米的地方就停下来了，很热情地问“有事吗？”

王海林和他的摩托车

王海林感受到海南人的质朴，备受感动。他觉得，这种最纯粹的相处在如今的社会弥足珍贵。

在海南山里的那些日子，王海林过得简单而快乐。

王海林是一个钓鱼爱好者，无论是开车还是骑摩托都带着渔竿。

海南的神奇之一在于，只要有水的地方，就有鱼。每次王海林都满载而归，一个小时就有近二十斤的收获，每一条足足有半斤。

到了晚上，王海林把车停在山里的老白姓家，当地人提供工具、帮忙生火。王海林就用鱼跟百姓们换些蔬菜、水果和小西红柿，又或者，仅仅是作为答谢送给当地人。

在这里，王海林似乎回到了最纯朴的以物换物的生活，但在他看来，这并不是单纯的交易，更像是分享心意，分享喜悦与情谊。

这些年，王海林的足迹几乎遍布了中国地图。

最南端是海南，最北端要属北极村。

黑龙江省的北极村，是中国纬度最高的美丽边陲小镇，与俄罗斯相望，有"神州北极"之美誉。

到达北极村，需要穿越大兴安岭，且需经历几个小时的无人区。有的季节的无人区，除了呼啸的山风，就是挺拔的白桦和樟子松、落叶松。

那是王海林走过最野、最荒，也最奇特的路。那是怎样的景象？

道路两侧人烟荒芜，但目光所及之处，遍地是野生的蓝莓，颗粒饱满，王海林兴奋地拿桶去采摘，不到半小时就采摘了一桶。

采摘之余，乘着广阔又寂寥的背景，他们一时兴起，老伴儿穿上漂亮的衣服，王海林拉着手风琴，两人唱歌跳舞，有说有笑，没有观众，也不需要观众，寂寞是别人的，他们有的是欢乐。

• 车就是一个家
  

在路上的日子久了，车就是一个家。

用王海林的话说，生活用具比家里还要全，生活质量甚至不输在家里。

“所有餐具，锅碗瓢盆非常齐全，光带锅就带了三个，有炒锅，有高压锅，还有一个卡磁炉压力锅。”王海林有些自豪。

车上有茶桌、茶具、绿萝，还有雨伞、帐篷、手风琴、乒乓球和球拍，不锈钢热水瓶。王海林连清洗暖瓶口径的刷子都带上了。

还有一把锯，在野外搭帐篷时，锯就派上用场了，再比如登山，砍一棵小棍当拐杖，在王海林的生活里，这把锯就是一个万能工具。

“直径一尺之内的东西，三十几公分的原木我们都可以锯，你想这个锯能有多厉害。”他补充道，“但是我们绝不会做破坏生态的事情。”

“我们车顶上的东西应有尽有，家里没有的我们都有。”王海林说起车里的装备，就停不下来，神采奕奕，“我这么跟你说，你别看车顶好像很乱，但所有空间都利用得都非常合理。”

吃就更不是问题了，对王海林夫妇才说，沿途都是美食。

路过内蒙古，买羊排、羊腿、手把肉，买肘子，可以做红烧肘子、白斩肘子......

"那个肘子可以拍点蒜，沾点酱油，或者焯一焯，切三四块放在高压锅里，15分钟，哎呦那个香味......”王海林回忆起来依然有些意犹未尽，“还有那个把子肉，年龄大了，牙口不好咬不动，搁高压锅压一下以后味道特别好，和我们那里的羊肉味道确实不一样。”

有时路过市场，会买些红薯，土豆，玉米，在高压锅里一压，停车休息时，边喝茶边当小吃；再比如，买来丸子，晚上两个人串一串；又或者，准备大豆、花生米、荷、小米、大米，放一起煮粥。王海林评价味道“非常好，比外面买的粥好吃”，此外，他们还常备午餐肉、鱼罐头。

王海林夫妇与自驾游朋友在路边小憩

 “在外面吃的不多，都是自己煮得吃，每一顿饭都很可口。”

娱乐活动也不落下。充分利用小区健身区或者广场上的乒乓球台，如果有室内乒乓球室，他们就跟里面的人一起打，如果没有，他们就带着自备的乒乓球、乒乓球网，自娱自乐。

“我乒乓球打得还是相当可以的。”王海林难掩自信。

有一次他们从四川回哈尔滨，路过秦岭，晚上在秦岭体育局院里驻车，期间听到楼上有乒乓球的声音，他们经门卫允许后，带着乒乓球拍就上去了，跟着一起玩，球打爽了，聊得也投机，结束后，对方还请他们吃夜宵。 

如果是开车外出，他们就住在车里，把车后面的座位放倒就是一个床，如果是骑摩托车，就住在帐篷里，王海林享受不同工具的乐趣。

堵车了，在临近饭点的时候，就焖一点米饭，蒸个鸡蛋羹，饭吃完了，道路也顺畅了。

总之，在王海林眼里，一路上交通、吃、住、玩都没有困难。

“当然，你必须遵守交通规则，因为我爱人不会驾车，我们就一个驾驶证，就12分，所以不能违反交通规则。”

• 平凡爱情-不经意的浪漫，最动人

 一起游山玩水，走遍世界。和老伴儿的这种“神仙眷侣”般的相处模式，却是退休后才形成的。

年轻的时候，少不了拌嘴，但越到后面，越意识到对方的重要性，离不开对方。

“我们越活越年轻，越活越活的明白了。”

对于每一次出行计划，两个人都一拍即合，不存在谁服从谁。

旅途中，他们没有明确的分工，但形成了一定的默契，老伴身体不好，王海林负责开车，也是做饭的主力军。

当启程时，检查车顶、车周围的东西，停车几天会看车底是否有漏油，导航是否好使，信号强不强，都是老伴儿的事，偶尔有摩擦，也时常觉得幸福。

“她做的东西我不喜欢吃，我做的她喜欢吃。这一生始终是我照顾她，没有办法，摊上了，砸手里边了。”王海林边说边笑，一脸宠溺。

王海林认为，做饭就是谁会做，谁做得好吃谁来，夫妻之间不分男女，不该计较付出多少。心里有对方，这很关键。

他们车上有两个小花瓶，随时采点野花或者树枝插上，花香偶尔引来蜜蜂和蝴蝶；车上常年的绿箩，喝茶的时候放在茶具上，即使在路面小憩也非常有生活气息；骑摩托车后面会载着老伴儿......

王海林并不认为他和老伴儿爱情有多浪漫，两个人这一生没有什么惊心动魄的故事，只不过最普通的夫妻。

车顶的绿箩是王海林谈话中的高频物品，他说不好意思的时候，就野地里采一点野花，插在绿箩里，喝茶的时候把绿箩放在茶桌上，这种暗戳戳地传达情谊的瞬间，老伴儿也总能感受到。

“人生就是一种磨合。”

刚开始，儿女虽然支持，但也有担忧。

为了打消他们的顾虑，前期王海林每天都跟孩子回报，后来双方都习以为常了，几天才汇报一次。

“我们有时候玩也很累，就想躺在车后座的床上，因为车里有个智能大屏幕，可以听新闻，听电台，看大片，我们也是很忙的。”王海林一脸认真。

• 盛世中国

在王海林眼里，眼下所有快乐的前提，来自国家的安定团结，“莺歌燕舞”，他反复提到这个词。

上世纪七十年代，汽车对于家庭是不可想象的事情。

这些年自驾游最大的感受，就是“中国路况一天比一天好，基础设施建设有了，道路交通好了，再加上近些年大家出行的素质不断地提高，在路上玩特别放心。”

王海林一直感叹赶上了一个好时代。国力增强，社会安定，他为此将网名改为“盛世中国”。

他甚至诚恳地表示“虽然已经60多岁了，如果国家一旦有难，需要我们这些老年人，我义不容辞。 

最近，王海林考虑学一门乐器，他把疫情好转后跨国旅游的第一站定在了俄罗斯。

“我要是用萨克斯吹出了《莫斯科郊外的夜晚》，可以拉近跟他们的关系，音乐无国界嘛。”王海林一点都不害怕在异国他乡语言不通，“有同城翻译，只要你信号够了。”

也许有一天，你会在某个难以入眠的夜里刷到王海林的视频，视频里他正吹萨克斯，如此陶醉，如此快乐。

一个痴迷公交的人

子昊记忆中最早的火车站是火车南站。

当时，子昊家住南站旁，从楼顶就可以看到轨道，他每天从火车的“呜呜”声中醒来，也在车轮与钢轨连接处的“哐当”声中入睡。

对火车的好奇与喜爱在心底悄悄生根。

很小的时候，他闹着要去看火车，父亲很无奈地同意，当时铁路还没有改线，护栏外就是马路，马路下面就是铁路，非常近。 

他永远记得，第一次近距离感受火车呼啸而过的画面。

“好感人，好带劲儿”，他喃喃着，说只能用这个词形容，那种感觉非常舒服。

长大后，他坐火车去过了乌鲁木齐附近所有的城市，吐鲁番、石河子，再后来，转而研究铁路的一切，比如车票，再后来变成火车站打卡。

子昊收集的交通卡

• 313路动物园
  

随着交际圈扩大，子昊结识了公交迷、航空迷。

虽然分类五花八门，兜兜转转，他发现自己还是更喜欢公交——这个与他生活息息相关的交通工具。 

子昊的公交初体验非常深刻：“用4个字形容‘不伦不类’，只能这么说。”

那时候，乌鲁木齐盛行私人承包公交线路，子昊家住黄河路，经过他家门口的是一辆蓝白色的车，非常挤，一人一元钱。

车上是短短的木头凳子，会发出的咯吱咯吱的声音，车上有大叔大妈和小孩的吵闹声。抛光并不完整的木头凳子，有时化身校服杀手，他回到家会发现校服破了一个洞。

影响最深刻的要属313路，路线是从南公园到天山野生动物园，南公园是乌鲁木齐最早的动物园，因为动物太多就被搬到一个特别远的地方。

子昊小时候经常去那个野生动物园，他清楚记得，整条线路只有10个站点，但民营时期，单程就要跑上1.5小时-2小时。

一路上，公交车会与火车并行很长一段时间，然后从铁路桥穿插过去，再往山的深处走，遇到一个岔路口右拐，右拐之后的一段路，因为修路，路面都是坑坑洼洼。

子昊坐在凳子上，一路上屁股几乎挨不着凳子，就跟着那个车左摇右晃，摇个差不多二十分钟，天山野生动物园就到了。然后就可以听见司机吆喝着：“好咧，动物园到了。”

• 巴士之于子昊

交通工具如此多，子昊为何独独痴迷于公交？

也许是因为它具备更多的未知。

飞机的载体是天空，火车的载体是铁轨，两者在出发前都会确认好当天路线的所有情况，确保路线畅通无阻，才启程。

但公交不一样，为了保证城市居民出行，需要一直运营，它融入了车辆、行人的队伍，途中可能产生更多的意外。

也许是它带来的别样的感受。

从空间角度，飞机和火车因空间跨度非常大，更像空投、瞬移，期间的感受容易被忽略，而公交出行，会放大旅途中的很多细节。

它像城市的红细胞，更普适、更生活化、更接地气、更细节。

也许，只是因为它承担了儿时记忆。

子昊家原先门前的那条小路是一个双向两车道，最鼎盛的时候会路过四五趟公交，子昊眼睁睁看着家门口从能去很多地方，到后来只有一趟车经过，外出都要转车。

子昊有时会去寻找城市中的老站牌，对于那些消失的站点，他总是有一股莫名的失落。

子昊对小时候坐过北京的1路公交记忆犹新。

1路公交的车顶有一个铃铛，驾驶员拿着大喇叭通知站点，维持秩序，每当车子一启动，铃铛就跟着叮叮当当响，车从他身边开过，声音清脆。

子昊认为，不同路线有不同气质和故事，尤其对于北京这样一座历史名城更是如此。

北京之行-东直门枢纽站

多年以后他再达北京，遗憾地发现两条有文化底蕴的线路被取消了。

从前，他觉得乌鲁木齐很小，坐遍了公交后才发现，乌鲁木齐原来很大。每一条线路背后，都有独特的故事。人们像欣赏一部电影、一个纪录片，将城市最真实的细节和样貌计入脑海。

被公交彻底击中的瞬间，是乌鲁木齐一条叫22路的线路，当地人叫它“零配车线路”。（注：物流运输有“零担运输”，是指托运一批次货物数量较少，不足以达到一辆车的载货能力，俗称为零担。）

乌鲁木齐22路煤矿起点站

有比子昊更老的公交迷，一直关注这条线路。

他告诉子昊，这条线路只有一个师傅在跑，司机在22路上走了大半辈子，公交车也是从另一条线路上扒过来的车。

车的终点站，是西山煤矿，曾是人流最拥挤的站点，后来不能挖煤，工人都离开了，站点人流极速下降，从热闹变得寂寥。

那天天刚下过一场小雨，车上只有师傅和他们几个公交迷，终点站再往前走，没有修路，但是风景很好，电线杆一排连着一排，连成一条长长的弧线，似乎没有尽头。

一个与一条线路、一辆车相濡以沫了大半辈子的司机，一群对公交格外痴迷的人，因一条线路，因某种程度上的志同道合产生交集，他们坐在同一辆公交上，望着同一片风景，风景很美，美中带点戚戚之感，公交默默见证了城市的繁华与落寞，也成为城市文化变迁的载体。

2016年，他萌生了拍摄公交POV的想法，此后一发不可收拾。

大多数人可能还没听过，什么POV？

百度百科的解释是：Point Of View，一种写作手法。

举个例子，就像把相机安装在人、汽车、甚至猫狗身上，记录下他们视角看到的世界。

而公共交通POV，内容就是拍摄车辆行驶的全过程。观众可以以第一视角，身临其境般体验各大城市的交通。

一个手机、一个摄像头就可以成为“书写工具”，公交、地铁、私家车、电动车，你可以选取任何喜欢的工具与视角，记录城市交通的风景，叙述城市交通的现状与发展，

截至目前，POV视频的拍摄已经覆盖大量的公交地铁线路，甚至包括部分铁路。

“我想让大家知道，新疆出行不是靠骑马和骆驼。”他打趣道。子昊经常会被问到“新疆有没有车。”

在他们看来，与沿海地区相比，内陆地区发展较为落后。但城市的评价纬度不是只有经济，每个地区都有它不可比拟的魅力。他想破除信息差，传达乌鲁木齐的美好，这是子昊拍摄POV的初衷。

从他的POV视频里，犹如一个纪录片呈现了乌鲁木齐这座城市。他见过的，不过是最普通的风景，他经历里的，不过是最普通的人生，但在这普通的人生里，通过POV方式，让城市空间和时间，都变得绵长与永恒。

除了是一个公交迷、公交POV记录者，子昊还是一个地图数据维护志愿者。

• 遇上地图维护

如果说坐公交有什么令子昊头疼的事，要数信息缺失和信息错误。 

以新疆为例，很多城市没有官方公交显示，一条线路有多长、多久一趟，一无所知，只能通过最原始的找当地人打听的方式。

即使在互联网如此普及的今天，依然有很多地方的公交信息更新不及时，可能等了一天，什么都没等到。

还有一次，某线路只有一班车，驾驶员没有讲清楚几点发车，结果子昊上个厕所的功夫，车就没了。

久而久之，子昊出门不得不靠脑子记线路。但新疆跨域极大，路途遥远，错误依然给子昊带来诸多不便。

“有时我们开玩笑，你只要看了公交站你就回不了家。”子昊说道。

新疆不少城市公交站不准确或信息滞后，有时他们提交了意见后发现依然是错误的。

喀什之行

2016年，一个朋友打电话问他想不想维护公交地图数据。主要工作包括地图数据采集、联系负责城市的公交集团，询问近期改线，进行数据调整，为用户提供真实准确的数据。

子昊欣然应允。

子昊先后维护过高德地图、百度地图和腾讯地图。

地图数据维护分为两个作业类型，内业和外采。

内业是指人员对某个站点或线路足够熟悉，可以不去现场，直接在线上修改信息。

外采是指新开一条公交线路或新增站点，公交集团没有数据，人员去实地勘察，通过采集软件保存站点的GPS坐标位置，再到后台编辑和制作。

城市的交通主管部门，有时地图指示不标准或有错误，比如可能文件中公示某条线路是A走向，线路实际运营是B走向。

乌鲁木齐BRT1号线机械厂站

相应的地图提供商，有时会根据传统运营单位提供的文件去制作数据，子昊认为，地图是服务乘客，必须是真实准确的数据，即使文件已经公示，他们还是会实地勘探。

对于不同的地图，他有不同的体验。百度的老平台上线周期较慢，采集审核后第二天才上线，后来转战腾讯地图，反馈较快，无论作为数据维护志愿者还是用户，都比较方便。

还有更多子昊，犹如丈量土地的“蚁人”，在无人知道的角落，以一种小众但重要的视角，记录城市变迁、交通的革新与科技发展，与此同时，作为地图维护志愿者，与成千上万个智慧交通参与者一样，构成“让世界变得准确一点点，美好一点点”的星光赶路人。

身与心， 都可以在路上

王海林是一个柳汽T5L的车主，也是腾讯车联网的用户。

“像开关车窗、开关空调，查找附近加油站和特色小吃，点点歌，请你播送一首朱明瑛的《回娘家》。”腾讯的语音交互、车载大屏幕的娱乐、导航功能为王海林的自驾生活添色不少。

在王海林之前，我们不知道有人真的过上了梦想中的退休生活。

在子昊之前，我们不知道还有这样的一群人痴迷交通到如此程度，也从未想过站点信息到底由谁来贡献，背后有这样一群人在努力。

但相同的是，他们对未来交通的期待。

王海林之所以能大南大北，七千多公里顺畅出行，离不开中国经济发展、基础设施铺设，同样，也离不开科技适老的进步。

王海林希望自动驾驶早日到来，智能车能像管家一样，打理整个旅途中的各种行程。他甚至期望，下次换车，就能换成智能车。

子昊曾经希望公交能在准确的基础上，更智慧一点。新疆冬天的风格外冷冽，人们能实时查询到公交相关信息，不必在寒冷中涕泗横流地等公交。

如今，子昊的短期愿望已经实现，乌鲁木齐市2017年落地了智慧交通，可随时查看公交站点、到站时间、到站位置、首末班车发车时间等。

长远看，他也希望自动驾驶早点到来。如果一个小车背后是一个家庭，一个公交车背后可能是一百个家庭，公交车车身大、车体长，载人多，用“眼观六路、耳听八方”形容司机都不为过，司机非常辛苦、责任很重。

自动驾驶可以将驾驶员从高强度的劳动中解放出来，也可以让整个城市的交通更有序、更安全。

他们是普通人，也是万千平凡的人缩影，有着最为朴素的愿望。

腾讯智慧出行，未来的出行会是怎样？ 在出行的边界上，再拓宽一些；在生活的可能里，再添加一些。 不管你是谁，只要有想抵达的地方，就有为你延伸的路。 腾讯智慧出行 #步履不停视频号 

腾讯智慧出行、腾讯智慧交通以用户王海林故事为蓝本制作的一支关于未来交通的视频

不远的将来，未来3-5年的智慧出行/交通可能是什么样的？

我们可以大胆想象，也许，未来所有与我们息息相关的交通形式：城市交通、高速、地铁、港口、物流、轨交、网联都将以另一种方式出现。

正如王海林而言，车不仅仅是工具，它成为另一个“家”。

车内将被注入新价值，用户或许可以将喜爱的互联网服务带入车内，一切在手机上的娱乐产品，都可在车上实现。

车可以有语音、图像、自然语言理解等识别和感知能力，人、车、路能被深度感知，用户需求能被主动发现并推送相应服务，我们能感受到“千人千面”。

无论是个人ID，还是微信等社交工具，又或者支付场景，都能实现跨场景、跨终端的全时互联，车前/中/后的数字体验都能被打通。

也许，我们能进入一个车内元宇宙、人车共驾，普通地图、ADAS地图、高精度地图三图融合提供统一的地图服务，三维实景地图重现真实世界，让导航指引如“原生”一般精确、逼真地贴合在实际道路上。

高速路上，在全感知、强计算、准决策、泛触达技术下，我们能享受智慧高速全天候通行、全过程数字管控、全方位服务的新模式。

智慧物流，在无线物联、LBS、大数据、安全管理、AI等技术基础上，我们能体验最方便、快捷的物流服务。

自动驾驶也终将到来，高精度地图、数字孪生、自动驾驶云服务方面将得到长足进步，全国重点城市快速路、高速公路的高精度地图采集和数据生产，以及车端关键应用技术的开发，云端闭环的部署都能逐一实现。  

以上生活里，有腾讯这样的企业打造这些能力，你也许不明白技术如何精尖，交通怎么实现，但可以确定的是，生活更加轻松，交通更加安全畅快，而你，作为一个普普通通的人，知道这些，就足够了。

而也就是这样的生活里，科技将不忘以人为本这一核心，王海林们不再是被时代抛弃的那一类人。我们会看到更多的王海林，甚至，我们也可以成为“王海林”。

未来交通希望赋予每个人自由出行的权利，无论年龄、时空等限制，给每个人空间与时间最大限度的自由，即刻出发，愉悦到达。雷峰网雷峰网雷峰网

注：文中图片均由受访者提供

一座城市的发展既离不开时代大势，也离不开一代代拼搏奋斗的建设者。这句话用在深圳身上再合适不过。四十年深圳奇迹，就是一座城市与企业相互成就的精彩缩影。

2021年是建党百年，也是“十四五”开局之年。中央广播电视总台财经节目中心为此特别推出《百年百城》大型融媒体直播活动，选取100个城市，从产业切入，聚焦各地全面建成小康社会的壮丽图景，通过“产城融合”、“产业兴城”看城市未来，揭秘城市产业成长密码。

本周，节目组来到了深圳这座科技创新之都，走访了河套深港科技创新合作区、前海深港青年梦工场、中科院深圳先进院脑所、鹏城实验室等一批重点科技园区、创业园区和高新科技实验室。

 科技成就创新之都

平安作为唯一代表企业出镜，在首次对外开放的智能科技展厅里，平安智慧城市联席总经理胡玮和金融壹账通企业金融高级总监方红现场展示了平安集团在金融科技、智慧城市、医疗健康等重点民生领域里的一系列落地案例，近距离呈现城市、科技、企业相互之间的血脉交织。

科技惠民、兴业的“深圳样板”

“来了就是深圳人，来了就用‘i深圳’”、“一机在手，走遍深圳都不怕”……这些朗朗上口的段子，正是深圳市民日常生活的真实写照。

作为一款由平安智慧城市承建的深圳市统一政务服务APP，“i深圳”提供人才引进、入户办理、公积金提取、高龄津贴申请、小汽车摇号竞价、疫苗预约等8000余项服务以及407类电子证照和电子证明，让民众办事“一次都不跑”成为常态。

胡玮现场举例道：“每年有十万以上的大学生来深圳，此前办理入户比较繁琐，需要去多个部门至少跑4趟，交十几份材料，而现在通过秒批服务，毕业生在线简单填报，线下跑动一次，就能完成审批，每年可为企业和毕业生们节约经济成本超1亿元。”

然而这还只是冰山一角，事实上，“ｉ深圳”利用平安BCID区块链技术打造的区块链电子证照平台，目前已上链包括居民身份证、户口簿、结婚证等在内的405类电子证照，实现393个电子证照替代实体证照，同时证件使用记录、授权记录也实现了链上全程可追溯，在隐私自主可控的前提下，能支持无犯罪证明、个人承租住房租赁合同续签、生育登记等5288项政务事项。

类似，胡玮介绍到，原来企业办理经营许可证如食品经营执照，也需要7、8天的时间，现在通过“i深圳”可以线上远程审核，省去线下奔波，极大便利了企业开办。“目前深圳95%的个人服务和70%以上的企业服务，都可以通过该平台办理。平台整合了上亿条数据项，惠及深圳2000万市民，350万商事主体，真正实现了科技就在你身边。”

此外，在至关重要的食品安全方面，早在2018年5月14日，中国平安便与深圳市市场和质量监管管理委员会签署战略合作协议，双方依托平安集团在智能认知、人工智能、区块链和云科技等方面的先进技术，将市场和质量监管作为重点合作区域，共同推动深圳智慧市场监管体系的构建。

据悉，“智能视频巡检”系统在深圳市场监管局上线以来，累计已接入11900家共5万路明厨亮灶视频，做到大型餐企监管覆盖率100%，公众食品安全信息服务满意度提升了10%。

  平安智慧城市联席总经理胡玮介绍“i深圳”

凭借这些高效的便民服务，“i深圳”助力深圳荣获了智慧城市领域奥斯卡—全球智慧城市大会“全球使能技术”大奖，并在2019-2021年连续三年助力深圳网上政务服务能力排名重点城市首位，2年内获央视《新闻联播》7次报道。

没有全民健康，就没有全面小康，人民身体健康是全面建成小康社会的重要内涵。在医疗便民方面，平安健康服务4亿用户，累计咨询量超11.8亿次，外部医生专家4.65万名，合作医院超4000家(其中三甲医院占比约50%），合作药店数目超过18.9万家，合作医疗健康机构约8.3万家。

其自主研发的线下医疗服务智能终端设备“一分钟诊所”通过Al辅助诊疗系统和医疗领域语音识别技术，远程连接平安健康约2000名成员的自有医疗团队，覆盖22个科室，为用户提供 7*24小时一站式全流程医疗健康服务。

 “一分钟诊所”惠民便民

在助力企业数字化转型方面，立足于粤港澳大湾区和深圳创新创业，平安旗下的金融壹账通在海关监管、港口通关、普惠金融等方面持续发力。

日前，国务院发布《关于开展营商环境创新试点工作的意见》中提出，将持续提升跨境贸易便利化水平，加快推动“单一窗口”服务功能由口岸通关向口岸物流、贸易服务等全链条拓展；推进区域通关便利化协作，探索开展粤港澳大湾区“组合港”、“一港通”等改革。

今年年初，在深圳市政府的指导下，金融壹账通与招商港口集团率先携手探索“组合港”模式、打造了粤港澳大湾区港口物流区块链网络，利用物联网技术的实时全流程监管、驳船的在途监管，实现了“一次申报、一次查验、一次放行”的创新通关模式，将企业通关时间从5天-7天缩短到两天，报关成本节省30%，大幅提升进出口货柜的通关效率和港口物流运作效率。

 区块链、物联网技术创新通关模式

与此同时，凭借AI、大数据等先进技术和数字金融服务的丰富经验，金融壹账通协助协助深圳海关打造了“互联网+稽核查”平台，通过链接企业ERP系统，建立智能监控分析模型，构建更精准便捷的监管服务场景，助力海关实现对企业的隐形监管、精准监管，对持续优化口岸营商环境、促进跨境贸易便利化、服务外贸高质量发展具有重要意义。

作为国内创业密度最高的城市，深圳的商事主体以中小企业为主，截至去年6月底深圳共有中小企业215.2万家，占全部商事主体的63.4%，占全部企业总量的99.9%。如何服务好他们，成为平安支持实体经济的重头戏。

三十多年来，通过不断汇聚涓滴之力，平安累计向实体经济投入保险资金达1.23万亿。截至2021年三季度，平安银行发行小微企业贷款专项金融债券总额达200亿元；平安证券累计为实体经济提供直接融资达3151亿元；平安信托为民生项目及实体企业提供资金支持累计达3500亿元。

 金融壹账通企业金融高级总监方红介绍区块链技术应用

值得一提的是，依托金融壹账通先进的科技力量，广东省中小企业融资平台自去年1月上线以来，目前已接入来自34个政府单位的250项政务数据，吸引了559家金融机构入驻平台，发布金融产品近1300个；累计服务逾百万家中小企业实现融资金额超682亿元，为“融资难、融资贵、融资慢”等系列世界性难题打造了“数字政府+金融科技”的“广东模式”。

  广东省中小企业融资平台

优政、惠民、兴业，经过多年深耕，深圳样板已成为了平安以科技赋能城市建设的“代表作”。而平安也正将深圳经验，带往全国。

截至 2021 年 9 月末，平安智慧城市业务，累计服务 160 个城市、174 万家企业、1.3 亿市民；同期，平安医保科技累计中标 24 个省级平台建设工程项目。金融壹账通也已连续四年入选 IDC FinTech 全球金融科技百强榜单，连续三年入围毕马威 “中国领先金融科技 50 企业”榜单。

科技已经成为平安的核心底座，正向业务赋能的同时，也在不断反哺着深圳、全国乃至全球的城市建设。

本土HMO样板，打造价值增长新引擎

进入2021年，平安科技能力持续深化。据最新财报显示，截至 2021 年 9 月末，平安科技专利申请数较年初增加5423项，累计达36835项，位居国际金融机构前列；同期，科技业务总收入达732.27亿元，同比增长12.6%。

这样成绩的背后，是平安在科技上十年磨一剑的深耕厚积。

通过对汽车之家、陆金所控股、金融壹账通、平安健康、平安医保科技的布局，平安持续在金融科技、数字医疗领域探索创新商业模式，赋能行业升级、服务实体经济。

尤其面对过去两年抗疫和防疫的催化，以及老龄化形势的迫近，在借鉴国际先进保险公司转型经验的基础上，平安加速医健生态建设。

在平安2020年股东大会上，董事长马明哲明确表示，“金融是平安的现在时，医疗是平安的未来时。”随后在2021半年报中，平安围绕“以健康医疗打造价值增长新引擎”，着重论述了平安在医疗健康上的优势与布局。

平安在医疗健康领域积累近30年经验，重点打造的“医疗健康生态圈”不仅正在加速落地，同时与金融主业的协同效果也逐步显现。

其中生态侧，今年4月，通过收购拥有北大国际医院、北大鲁中医院、北大医疗康复医院、北大医疗株洲心血管病医院等医院资产的方正集团，平安补齐了此前短缺的线下医院，线上线下资源实现整合贯通。

不断完善的医疗健康生态圈背后，是平安做中国版的HMO（健康维护组织，英文：Health MAIntenance Organization）的雄心。

作为国内巨无霸级别的金融集团，平安从保险业务起家，寿险及健康险是这艘金融航母的“压舱石”。许久之前，平安就开始坚定不移地推动寿险改革，提前布局创新增长引擎。

2015年平安健康正式把HMO概念带入中国市场，探索将保险作为一种支付方式打通整个健康产业链，形成健康管理闭环。经过六多年的发展，今年10月22日，平安健康又在此前基础上公布了"融合HMO健康管理+家庭医生会员制+O2O医疗服务"三大模式的战略2.0升级。

相比1.0，2.0阶段平安健康将从过去注重"数量"如用户注册量、用户的在线问诊量等方向转向注重用户"质量"，以“家庭医生会员制”为纽带，既满足C端和B端客户的“保险+医疗健康”需求，又助力后端O2O实现闭环，弥补此前线上线下的断点，构建起保险和医疗业务相互促进的商业正循环。

通过本土HMO样板的打造，平安得以实现线上线下医疗资源、金融和保险、健康管理三方面的打通，从而形成医疗、保险、大健康闭环，在人口红利消失，寿险代理人数量锐减的当下关口，画出了寿险增长的第二曲线。

“共同富裕”奋进时

长期以来，温度、责任，都是伴随平安成长的关键词。在今年3月底召开的平安集团2020年年度股东大会上，马明哲就明确指出，“保险不只是作为一个财务保障，更重要的是能成为有温度的服务提供者。”

在新的时代，平安的掌舵人马明哲，为这家历经30年风雨的民营企业代表赋予了新的命题。

在他看来，2021年不仅是建党百年和十四五”规划开局年，更是中国全面建成小康社会之后，现代化建设进程中具有特殊重要性的一年。从2020年底如期完成脱贫攻坚任务到今年全面建成小康社会，下一步，“共同富裕”将成为全社会奋发追求的关键目标。

将企业使命融入国家战略，运用科技力量，为基础建设、实体经济的稳健发展保驾护航，推动“共同富裕”的畅想加速变成现实，是科技企业社会责任中的应有之义。

温度来自科技赋能产业、持续向善而行。平安作为深圳的科技名片，三十多年来通过”金融+科技+生态“不断创新着城市产业生态。

近年来，平安更是在“专业让生活更简单、科技让金融有温度、医疗让生活更美好”的理念下，运用金融科技和医疗生态力量，打造有温度的产品与服务，使其在医疗健康、民生便利、绿色金融、小微普惠等领域里掷地有声的实践，成为了民营企业助力“共同富裕”最好的注脚。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在下午场的演讲环节上，科大讯飞副总裁、科大讯飞大数据研究院执行院长谭昶为峰会带来了精彩演讲。

谭昶以交通行业为例，分享了人工智能如何服务于城市数智化转型。

交通的数智化转型有四大特征，即能感知、会思考、可成长、有温度。在此过程中，行业本身有自己内在的运行规律，所以不能像互联网一样“一张白纸好作画”，而是在一团乱麻里提纲挈领、纲举目张解决问题。

他认为，交通全链条分为建设和生产运营两部分。首先要进行感知，其次要有管控手段，而管控最终是为人服务的。在这个闭环里，需要算法和数据以及具体场景的深度融合，才能不断提高交通治理水平。

同时，在他看来，人工智能要创造价值，并不完全依赖于技术进步，而是如何把技术与应用实践结合起来。对于传统行业，AI要做到精细化，这是内在规律。

“交通的未来，一是智能化，二是一体化，三是个性化。”谭昶表示，AI和信息化工具的助力，是实现交通精细化管理的关键，智慧城市也暗合这些特点。

以下是谭昶演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

我先简单介绍一下讯飞的情况。到今年年终，讯飞有超13000人，其中技术研发人员占比70%以上。我们一直坚持技术为立足之本，要保持核心技术源头的领先性。目前，我们在人工智能开放创新平台、公安、认知技术、系统集成等领域都取得了不错的成绩。

讯飞坚持的方略是把事情做到顶天立地。所谓顶天，指技术领先；立地，指生态、应用要落地和接地气。

在技术顶天上，截至今年年底，在全球各类人工智能大赛里大家能想到的、说得出来名字、有一定权威性的，基本都有讯飞。无论是语音、图像、自然语音理解还是认知智能，我们已经拿了三十多项世界冠军，可以说，讯飞的技术实力是很能打的。

在落地方面，我们的图像语义分割、3D目标检测、手势识别等技术已经在交通领域落地，并且有台阶、分阶段地将核心技术应用到每个行业的生产生活的实践中。

具体到交通领域，习近平总书记在10月份刚刚结束的联合国可持续大会上指出：“要把大数据、人工智能和交通行业深度融合”。深度融合的目的，不是为了发展技术，而是“人享其行，物畅其流”。

为什么现在的交通人不能享其行？物流很慢，一到双十一，快递就会延迟，所以要用人工智能来改变交通，提高效率。

那么，人工智能改变交通的逻辑是什么？

从上图可以看出，人工智能赋能交通的底层逻辑分四个方面：

• 能感知，通过各类前端感知器件，获取场景数据；

• 会思考，即数据能够协助人力进行辅助决策；

• 可成长，指的是人工智能要可持续优化迭代，永远在成长；

• 有温度，技术本身要为人服务，人工智能需要有温度、有人性。

从简单的治理到智能，从简单的汇聚到智慧分析理解，从专家教的到人工智能个性化的成长，从痛点到通畅，实现从交通治理到交通数字化转型的全过程。

在这个过程中，需要什么样的人工智能技术？

大家对交通行业，或者对智慧城市行业应该有所理解，城市是一个复杂巨系统，有其内在的运行规律。所有的技术，都是围绕着城市自身运行规律而服务的。

这和互联网行业”一张白纸好作画”不同，智慧城市建设是在一团乱麻里提纲挈领、纲举目张解决问题。

以讯飞在交通领域的落地实践为例，我们主要做了以下工作。

建立起AI+交通的底座，即智慧超脑

行业里面经常提数据共享、数据融合，但在数据融合之后，能不能找到问题？或者说能不能用算法自动发现和解决问题？这是关键。

讯飞为此建立了智慧超脑的技术底座，这个底座包括AI中台，把各种专家的经验转化为人工智能算法；也包括交通数据的中台，把交通各类数据进行融合和分析。

但仅有思考是不够的，需要把管理、服务手段和大脑决策联动起来，面向管理者、出行者、司机、行人等群体，提供各种各样的个性化服务。

智慧超脑要能够通过各种传感器感知到城市交通，感知到交通的变化，通过自己掌握的专家知识以及人工智能算法、模型，实现智能化的决策，让交通管理更加高效简单，让大众的出行更加通畅便捷。

我们将交通全链条，分成两个阶段：一是建设阶段，二是生产运营。首先要进行感知，感知之后要有管控手段，管控是最终为人服务的，在这个闭环里，永远离不开算法和数据的相互融合、相互促进，通过协同手段，不断改变和感知交通。

古语有云：“知行合一”，对于人工智能而言，应该是“智行合一”，人工智能要和交通实际场景的需求相结合；交通运输效率才能更通畅，达到“大道至简”。

以AI助力工程设计智慧化升级

以前城市修路，有很多规范标准，这是一代一代专家积累的经验，到路口一看，就知道该修四车道还是八车道。现在我们可以提供更便利的工具，设计方可以24小时不间断地查看一条道路上的所有通行数据，颗粒度更细，可以看车道、方向、行人等等，这就是交通大数据。将这些数据与专家经验结合起来，就能够更加精细化地评估路口、路段、区域的交通变化趋势，进行更科学地城市交通建设。

举个例子：现阶段在进行城市交通工程、施工、设计时，我们一般会给城市交通管理部门建议进行四级城市交通智能化建设。

首先是在农村、边远地区，把它当作单一节点，设一个红绿灯，装一个摄像头，可能就够了；但如果在城市的主干道，需要做做绿波或联动；要按照线路或路网层面设计路口，进行高标准的建设；我们现在要搞自动驾驶、车路协同，需要对一个路口精确到分钟级，实时进行调控，那我们就要在城市系统级别考虑这个道路的设计。

这四级的设计，成本各不相同。我认为，做数字化并不意味着成本一定要上升，而是需要科学、合理地分配建设费用。

实现可变车道分时段智能管控

举个实例：今年合肥智能交通三期项目有非常大的规模，金额大约在2.7亿元，主体内容是对整个城市2400个路口范围内的主城区要进行道路的施工改造，可变车道计划做30个。

我们基于前面讲的算法，分析每个车道有没有潮汐车流，有没有高峰期突变的车流，最后2400个路口里只找到了22个会突变的车道。我们把分析数据给到交警，表示30个是不科学的，22个比较合理，最后得到了交警的认可，也实际节省了一些建设费用，用于其他路口的改造上。

对于城市路口的选择，实际上讯飞已经起到了建设指导性的作用，因为从工程建设开始，一直到人工智能的核心算法落地，讯飞在工程领域干了很多实实在在的脏活、苦活、累活。

在城市路口建设中，讯飞的算法工程师和路口交警一起站岗，回公司保安以为是农民工，都不让进。所以我们一直认为，在办公室里解决不了问题，只有到生产一线才能解决问题，讯飞已经积累了非常深厚的系统性信息化项目实施经验。

建立起智能感知交通体系，努力实现国产化

从路口、路段到区域，我们建立了15种指标，这些指标来自于视频数据、互联网以及交管提供的数据。数据在进行全面融合之后，可以基于AI底座，分析出每个路口的车流、人流量，细化到每条车道在5分钟之内有多少辆车开过去了，以及这条车道上的车最终开到了哪个方向，是左转、右转还是直行，从而支撑后续的精细化管理。

并且，讯飞基于人工智能对现有摄像头进行了升级，在13000公里选择出2000多路点位，利用现有摄像头，每个点位基本每个月都能抓到一些交通违法事件，这些点位还要支撑车道级交通流量的精细化分析。这样的分析，为我们对整个城市交通进行精细化感知提供了支撑。

在高速公路上，我们通过高速视频巡检的警情发现和指挥调度系统实现实时联动，打通了调度流程，一旦发现异常停车、团雾等事件，可以做到5-10分钟之内到达现场进行处置，事故发生率明显下降。

另一方面，大家都知道，这几天商汤也受到美国的制裁。

其实最早受到美国制裁的就是讯飞，紧随华为之后。在这个过程中，讯飞积极拥抱国产化生态，在寒武纪、华为海思、海光的CPU和GPU上都进行了相关适配。尤其是在与寒武纪的芯片适配上，付出了超过英伟达日常的工作量，整体效率在特定算法上得到提升，支持并努力构建起国产化生态。

优化信号模式，增强交通管控能力

感知之后要做干预，最重要的干预手段就是管控，管控中最核心的是信号机。没有交通信号，城市的交通肯定是一团乱麻，如果在高峰期信号灯坏了，路口一定会发生拥堵。 

以合肥的实践为例，我们现在建设了相应的配设中心，从总队、大队到路口的三级优化配置管理体系，提供了10人信号优化专班的专家服务，利用这10个人，管理了合肥市2148个路口。

其中，联网的信号机路口中，每2分钟可以自动生成一次信号优化可视方案。只要路口民警确认，就可以做到2分钟之内实时下发通知。通过多时段的配置优化或区域协调优化，路口民警基本只要每隔几天对路口的优化方案进行微调，就可以满足日常的管理需求。 

在实现路口信号机的联网调控之后，像优先通行、绿波通行就可以进行了。我们一般讲优先同行，都是消防车、救护车的优先通行，因为少量的优先通行车辆不会影响城市的变化。

但讯飞在对城市交通做了精确感知的基础上，正尝试不干扰城市交通的前提下，为合肥大量的企业的货运车辆提供优先通行服务。

比如平峰期，让每辆大货车在工厂区域内都享受优秀通行的待遇，既节约了能源，又提高了工厂间物流调度的效率，实现"物畅其流"，我们跟合肥经开区以及刚刚落地合肥的安徽大众正在开展相关的合作，具体技术细节不展开了。

另一个例子是首都机场。

首都机场应该是全国最早做限时停车的，3分钟之内车必须要走，不走的话计入违法行为会扣分。但系统运行两年之后发现了问题，交通流量特别大的时候，经常会堵车，5分钟之内的几百辆车都被判定为违法。

这就给我们提出了一个要求，能不能判断每条车道是否发生拥堵？讯飞非常完美解决了这个问题，我们实时告诉司机，T3航站楼上哪条车道在堵，把拥堵情况和超时时间相结合，做了非常简单的条件判断，一年之内消除12万起非主观超时车辆。

之前这些车辆都需要司机着证件到交警的办事大厅申诉，这个车不是故意超时的，然后交警打开视频，找到三五天前的这个时段，看到这个车辆当时不是主观超时的，整个过程效率很低，但在用到人工智能技术之后，节约了大量的工作时间。

又比如，交警骑着摩托车在马路上巡逻时，可以通过系统自动生成指令，以前只能批量发送短信，现在可以发语音了。并且，路口交警所有的回令，不要求用文字的形式回复，只需要对着对讲机说"我收到了"，系统最自动回复他什么时间收到了什么东西、回答了什么东西。

比如他回答“已经解决了某路口交通拥堵问题”，系统也会判定他完成了什么样的执行、执法工作。他下班时说一句“我下班了”，一天的日志也会自动形成，非常方便，以前交警下班之后还需要花很长的时间写日志。

提供智慧便民贴身服务，全天候无时段

讯飞搭建了微服务大厅，并在疫情期间上线72小时违法业务预约功能，一个月累计服务9万次，有效举报6万余次。

通过诱导屏和实时路况，合肥交警指挥中心可以对任意的诱导屏发布任意信息，不需要去现场做任何机器的直联和处理。

这里强调一下，诱导屏涉及15个型号、200多块诱导图，这里面没有任何技术难度，就是看你是否愿意把这15个型号所有的接口全部统一到一个平台上。

现在提倡柔性执法，首次违法不处罚，但是要告知和警告。

怎么告知？发短信有的人不一定看，对方也不一定收到。讯飞的解决方案，是交警把特定的违法行为、手机号录入系统，系统在1小时内打出10万个电话，机器人跟接电话的人对话，包括“你是谁，你是不是车主，你有了违法行为，我现在告知你这是第一次还是第二次的违法，什么时候受到处罚，你有没有明白？”

1小时的电话打完之后，数据表格马上就呈现出来，其中有8万是真实车主，剩下的是错误电话，那相关任务就完成了，一些打不通的电话，后续还有其他的处理手段。

当然，这个服务还要让更多的人感知到，所以讯飞坚持做了两年《合肥交通进展报告》的数据统计发布，用老百姓能够听懂的语言，告诉大家合肥的交通在发生什么样的变化。

总结与展望

我认为交通未来会呈现出三个特点：精细化、一体化、个性化。

第一，交通场景很多，现在已经过了基建期，进入精细化管理阶段。 

大家都在说，现在的城市管理，每个路口放专人专岗能管理得更好。但现实情况是，人力没那么多。所以需要人工智能进行辅助。

当一个交警管理10个路口的时候，能不能依赖于人工智能系统协助管理？

答案是肯定的。无论是建设、设计阶段，还是在执行、管理阶段，还是在服务阶段，我们都会提供各种各样的AI和信息化工具，精细化管理每条车道。

第二，我们在理解城市的时候，要把城市视为整体的生态系统。

一个路口的拥堵，可能是5公里之外某个小学放学的情况，也可能是远处某个红绿灯失效的导致拥堵传导。这样的管理必须基于整个城市整体态势的感知，实现整个城市里所有设备、设施、警员的统一管理调度，才能解决城市端点的问题，也就是我说的一体化。

第三，城市交通参与者，有交通管理者，有出行人员，还有各类行人，各群体的诉求不同，需要个性化服务。 

比如，交警对于丁字路口、十字路口、八车道、两车道，有不同的管理模式，需要对每个路口的交警工作提供个性化服务。另外，每个出行者能不能享受个性化的服务？这些都是需要解决的问题。

最后，我相信，人工智能在与实际场景、与人的需求相结合之后，能够发挥更大的价值，提高管理和服务效率。雷峰网雷峰网

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

会上，腾讯安全云鼎实验室高级研究员谢灿发表了精彩演讲。 

谢灿提到，从2019年的《密码法》到今年的《个人信息保护法》、《数据安全法》，在法律法规层面，我国加大了数据安全合规管控。全球各国广泛推出数据安全管制法规，标志着数据安全合规时代的到来。

数字经济时代数据安全合规背景下，企业数据安全需求发生变化，主要在数据安全和隐私保护两个方面。

之前行业更多地谈网络攻击、数据防泄露，现在行业必须把隐私保护，比如数据的过度收集、数据滥用、数据泄露纳入安全规划。也就是说，行业需要在数据安全得到保护以及合规性指导下释放数字经济生产力，以数据安全治理为中心的数据安全建设新理念。

行业从主要谈网络安全，比如静态数据安全防护，到后续更多地谈数据全生命周期、数字化业务发展，兼顾安全、合规与成本。

数据安全新挑战以及数据安全技术落地重点，同时也是数据安全的难点在于以下几个方面：

• 数据资产化，迫使安全管理机制优化；

• IT架构快速变化，导致安全防御体系失效；

• 算力持续增长，使得传统安全算法滞后；

• 攻防节奏加快，让行业快速部署及应急响应能力亟待提升。

例如，传统数据安全方案上线动辄数月，往往也需要业务系统进行改造适配，且在海量数据量场景下，甚至给业务带来20%-30%的业务损耗，已经无法匹配数字经济时代下，数据合规与新IT架构下的数据安全战略诉求。

这就需要行业形成一体化、自动化、高性能、快部署、免改造的实现方式。目前已经有成熟方案，例如在腾讯工业云平台Wemake的数据加密中，通过应用腾讯云安全访问代理CASB的加密方案，一天就完成了上线，业务性能损耗在5%之内。

以下是谢灿演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

谢灿：大家好，我是腾讯云鼎安全实验室的谢灿。很高兴与大家分享我们在数据安全方面的研究成果。

首先，看数据安全的研究之前，我们看一下环境变化。在数据经济时代，数据安全新环境发生了新的需求，从而衍生出数据安全保护以及合规的问题。

新环境和新需求体现以下几个方面：

从数据安全行业，或者从整个数字化建设阶段来看，比较重大的事件是，2018年GDPR（《通用数据保护条例》）生效后，当时的Facebook因为数据安全问题，被处以4%年度营业额的罚款，其股价大跌15%。因此数据安全实际上成为企业经营风险管控的重要一环，但这件事主要涉及海外领域，国内感觉不深。

到了今年，我们国家开始施行《个人信息保护法》、《数据安全法》，再联系到2019年的《密码法》，相信大家已经感受到，在法律法规层面，我国加大了数据安全合规管控。

这些法律法规总结起来有几个特点。

• 适用范围非常广，包括国内、跨境以及不同行业，都有相应法律合规性的要求，并且合规要求很高，尤其是涉及个人信息层面；举个例子，以前企业可以采集个人数据，用人脸识别做业务创新，但现在不得不考虑合规性要求；

• 处罚力度大。我国的《个人信息保护法》，对违法违规企业的罚款，实际是全年营业额的5%，非常高的金额。

以前行业主要谈网络攻击、数据防泄露，现在必须把隐私保护涉及数据的过度收集、数据滥用、数据泄露纳入安全规划。也就是说，行业需要在数据安全得到保护以及合规性指导下释放数字经济生产力。

从安全从业者的角度来看，十几年前，我们谈安全，主要谈网络安全，可能是做一些静态数据的防护，这件事干完，指标就可以达成。

后来几年我们谈数据，在数据的全生命周期当中，每一个周期做安全防护措施就可以了。我们做的更多是消耗性部门的工作，没有在企业整体的发展中发挥作用。

到了现在这个阶段，数据安全成为了企业的战略，我们从“网络——数据——数据安全治理”，需要更多考虑数字化业务发展的规划。

比如明年要通过数字化做什么样的业务，以及在这个业务中，安全需要做什么样的规划配套，以及在合规性、安全性上如何进行平衡，更好地推动数字化业务的发展。

所以说，在法律法规逐渐完善、行业发生数字化转型的大背景下，数据安全保护也出现新的要求，对企业而言，也要出现新的改变。

在数据安全治理方面，有很多研究框架可以参考，包括Gartner的DSG框架，微软的DGPC框架以及国标委DSMM模型。

我们应用更广泛的，以及我自己参考最多的，主要是Gartner的框架。数据安全不只是上加密、做DLP、做身份管控就行，更重要的是，从业务化战略、合规战略以及IT战略层面，规划未来几年到底需要怎么发展，然后再看怎样在安全领域做优先级规划，再落地到安全建设的流程里。

今年以来，数据安全迎来春天，重要性提升到企业的战略级别。同时，也面临着许多困难，这也是为什么数据安全安全发展了很多年，但实际上走的很慢的原因。

• 数据资产化，数据安全管理已经发生变化，相比传统的数据安全，需要换一个层次思考安全管理的需求；

• IT架构快速变化，现在行业讲的是容器和微服务的IT架构变化，然而当IT产品没有发生变化时，就很难适应数字化发展的路径；

• 算力持续增长，数据量的增长，对算力的要求更高，安全行业需要与之匹配；

• 攻防节奏加快，关注网络安全行业的人可能会知道，中午出现漏洞，所有人都要加班加点堵漏洞，包括捕获针对该漏洞的攻击行为，与黑客拼时间。

在这种情况下，数据安全以及数据安全从业者，需要新型方案，做新型、快捷、轻量的方式。

前几天，我们跟一位德勤的合作伙伴聊天，他说他非常苦恼，经常给一些企业做数据安全咨询，画了一个大图，告诉企业，数据要怎样分析，要做什么样的管控。做完之后发现，没有产品可以落地，结果就变成德勤的方案规划很好，但没有技术，落不了地。

传统数据安全产品大多数比较分散，在不同的数据流阶段部署不同的技术手段，比如审计的时候，在数据库装一个插件；做脱敏的时候，要做分类分级扫描库。

在用不同的技术手段去做的时候，工期特别长，可能业务只有两个月的上线周期，安全要花半年、一年的时间，远远达不到要求。如果达不到数据安全的合规标准，业务是不能上线的。

另一方面，从业态本身的发展来看，传统的数据安全对现在的数字经济时代来说是远远不够的，需要有企业提供专门的服务。

这就是云鼎实验室的定位：负责腾讯公有云平台安全的同时，将研发的技术及产品对外输出。

当我们看到内部需求，以及用户侧需求的时候，我们持续在数据安全进行投入。整个方案首先还是集中治理，我们需要在用户这一侧把敏感数据管理起来。

但这些敏感数据在哪？我们还不知道。

因此首先需要发现敏感数据的资产，发现后，根据行业合规标准或内部安全管控的标准做相应的分类分级；然后再进行相应的管控，包括访问的控制，访问权限，以及DBA是不是能访问全部的数据；并且敏感字段需要进行加密，访问的时候也要进行脱敏。

在CASB应用实践中，包括腾讯的工业云、财务管理，以及在线教育、保险、健康码、小程序等等，我们在这个过程中形成了快捷的数据安全解决方案。

其次，在发现敏感数据之后，要做分类分级。

怎么分？

目前在国内，一些行业，如金融、汽车等，已经有相应数据安全分类分级的标准了，比如个人金融信息保护，比如哪些数据属于敏感数据，必须进行相应的管控。

但整体而言，数据分类分级的成熟度并不是特别高。

所以，我们可以基于相应的合规模板做分类分级的A/B/C，哪类数据是敏感数据，需要做加密，哪类数据共享时需要做脱敏，都可以做策略控制。

最后，数据存储必须要加密，即便遇到黑客攻击，它也是密文技术，即便泄露出去，不会给企业的业务带来风险，也可以规避合规和处罚的风险。另外，在业务使用时，当合作方读取敏感信息时，需要做脱敏管控，包括对被授权应用进行相应管控。

大家可以看一下上面这张图。在这个方案里，如果我们保护个人金融信息，保护规范，整个数据存储里，包括数据库和存储，有哪些的敏感数据、多少个表、多少个数据库、存储对象，属于中风险还是高风险，这些风险数据是否采用了加密或脱敏，如果没采用可以点击进行脱敏，这些都可以扫描出来，整个过程非常流畅。

最后讲一下我们的案例。

目前我们CASB应用更多的是腾讯内部的业务系统。

最典型的场景，是腾讯的工业云WeMake平台。当时在做一个五星级平台认证的时候，突然发现云平台在数据隐私保护上，缺乏管控措施，这时候离测评只剩下一周的时间，他们自己肯定搞不定，于是直接上我们的CASB方案，性能表现很好。

这体现在两方面：一是时间快，二是性能损耗低。

一方面，按照以前他们在工业云平台上做数据安全治理的逻辑，三个月的时间也做不完，但是用CASB的方式，一天就可以完成相应数据安全治理的上限；

另一方面，数据加密损耗太高（20%-30%）是不可接受的，CASB方案最小化控制了性能损耗，从30%下降到5%甚至2%，目前我们也正在跟数据库做内核层的集成，性能损耗会进一步降低。

所以这才是数字经济时代需要的解决方案，可以支持数据性能、业务上线时间的要求。

腾讯开始做健康码的时候，也遇到过这些问题，但现在所有的健康码、城市码上线时，都可以非常快速实现数据安全保障，并达到相关政务行业合规性的要求。

数据安全一定要匹配业务发展的节奏，或业务数字化转变的节奏，这是我们做云化数据安全带来的优势，其特点是一站式、轻量化、精准化、免改造、可迭代等等。

云鼎实验室负责整个公有云平台的安全，包括安全运营以及数据安全，其核心就是云数据安全中台，主要输出网络加密、密钥管理、应用加密，以及马上推出的精密计算等能力。

在此基础之上，我们把这个产品跟云产品进行集成。

未来，我们希望在腾讯云的基础架构上，从数据获取，到数据的处理、检索、分析以及整个销毁的过程，都可以利用数据安全的技术快速实现业务架构数据安全能力的集成。

这种情况下，业务部门可以专注于自己的业务架构搭建，数据安全能力可以原生集成到业务架构里。

从客户端、后台到传输过程，都可以用云数据安全的能力，达到整体的隐私保护。

最后，腾讯安全云鼎实验室云数据安全中台的愿景，就是让云比传统数据中心更为安全可控。

2022年1月，我们会推出机密计算的能力，解决具备核心应用的用户在上云时需要解决的云服务商信任的问题。在传统数据安全的基础之上，必须信任云厂商，数据上云，只能通过商务条款或信任度保障数据是安全的。

我们发布机密计算，其实是把云的信任模型从诚实模型转变为半诚实模型，保证所有的数据上云之后，数据管控依然在用户手中。雷峰网雷峰网

这个冬天，于安防行业，稍显冷峻。

一年一度的安博会蓄势待发，海大宇华撤展的消息却不胫而走，搅动人们的无限遐想。

AI掘金志从多方了解到，深圳安博会开幕在即，安防第一梯队的海康、大华、宇视已确定撤展，华为、商汤也宣布“离会”。

受头部公司影响，一些处于二三梯队的公司，例如高新兴、紫光华智、天地伟业等也陆续撤退。

另一方面，一位接近北京安博会（明年举办）的知情人士告诉AI掘金志：“以往这个时候，北京安博会的展位预定已经结束，不少公司还拿不到参展门票。但今年参展商报名情况并不乐观，与预期‘相差很大’。”

安博会，曾是这个行业最热门的展会之一。

4年前，参加安博会的人络绎不绝，远远超出展会申报人数，主办方甚至因未如实申报活动人数而被罚款，并拆除了一大片违规展区。

4年后，明星公司集体退展，安博会也一拖再拖，直到年底。

“4”的不详，像一片阴云，笼罩在这个行业之上。

“关于头部厂商集体撤展，疫情影响或是表象。”

一位从业者告诉AI掘金志：疫情给了主办方和厂商们一个台阶，疫情加速了这个行业质变的速度，疫情背后或是安防行业新的变数已至。

从人潮人海到头部企业“大撤退”，4年间，这个行业究竟发生了什么？

告别

生命周期理论将行业划分为四个阶段：幼稚期、成长期、成熟期、衰退期。

如果把这个理论应用于安防行业，可以大致进行划分安防的成长阶段。

2008年之前处于幼稚期，特点是安防刚刚起步，行业处于“摸石头过河”的阶段，市场本身较为狭窄，企业们基本上处于同一起跑线，没有形成绝对优势。

2008年到2017年之间，安防迎来了黄金期。

一方面，大华海康高新兴等安防企业成功上市，通过资本市场获得更多资金来拓展业务，其业务翻倍增长；另一方面，受益于国家平安城市项目稳步推进，集成商、技术商等相互比拼，跑马圈地。

与此同时，最早的一批AI企业，如四小龙等相继成立，安防市场再添玩家。

2017-2019年，安防进入成熟期。

这个阶段的特点是：市场格局大体定调，以海大宇为首的第一梯队遥遥领先，占据了大部分市场；行业本身也从此前的项目驱动变为技术驱动。

在这个阶段，雪亮工程继续铺开，但市场虹吸效应严重，头部企业与中尾部企业之间的差距持续拉大。

另外，人工智能像一把熊熊烈火，在烧死一批集成商的同时，也带来了新的机遇。

2019年是至关重要的一年，发生了两件事：

• 海康大华被美国列入经济制裁实体名单。

• 年底发生新冠疫情。

第一件事对原有的安防体系形成巨大冲击：市场才知道头部企业的技术实力已经到了能被美国制裁的地步，这种技术壁垒形成的巨大鸿沟，颠覆了传统安防企业的固有认知。

从那时起，安防行业谈技术的开始多了。

第二件事对行业的影响更甚，让原本就已经一边倒的市场，分化再次加剧。

疫情导致生产生活受到极大影响，政府也在压缩预算，尽量倾向给民生，活下来的集成商们继续过苦日子。为数不多的项目（市场），大部分被头部企业覆盖。

按照生命周期理论，安防行业在步入成熟期之后，就会进入衰退期。

但，安防真的进入衰退期了吗？

以史为鉴，可以知兴替。

站在2021年底，回过头来看安防的发展史，或许能发现一些端倪。

2019年的安博会，其主题变成了“大安防、大数据、大产业”，虽保留了安防的标签，但显然已经不再占据C位，头部企业们都忙着宣传自身的AI技术，绝口不提安防二字。

这两年来，不论是海大宇，还是AI公司，都在“去安防化”。

一位从业者告诉AI掘金志，“安防真的太窄了”。

人们提起安防，就想起摄像头，就想起监控，除此之外，别无其他。

但事实并非如此，翻开海康大华的年报，摄像头固然是老本行，但其营收增长点却在于视频能力。

行业在变、市场在变、技术在变，企业如不跟着变，就只能被淘汰。

显然，安防这座“小庙”已经容不下成长起来的“大佛”，后者一方面竭力摆脱安防的标签，一方面想要掘金除安防以外更广大的市场。

于是，海大宇华等企业集体缺席安博会就顺理成章了，而疫情，也许成了最体面的告别方式。

新王

安防，在经历十年的繁荣之后，终究走到了拐点。

但，拐点并不意味着行业就此走向没落，反而孕育着“破而后立”的新希望。

希望在哪儿？

产业数字化。

前面提到，2020年经济不景气时，当多数企业处于吃老本或者过苦日子的时候，与之形成鲜明对比的是，海康逆势营收增长10.01%，大华也维持了1.2%的正向增长。

翻财报可以发现：2020年，海康威视 PBG、EBG 和 SMBG 收入分别占总营收的 39.6%、36.9%和 23.5%，增速分别为 4.6%、 20.6%和 3.5%。

EBG 高速增长，背后的原因是，疫情带来企业的数字化转型。

而在2021年上半年，生产生活逐渐恢复正常以后，海康的三大事业群增速分别是：29.31%，22.07%，105.80%。

如果把EBG和SMBG统一看作为大B，加上原来的大G，那么可以看出，海康的营收增长点主要来源于政府+企业的数字化转型。

正如希捷全球副总裁孙丹所言，疫情给许多行业按下暂停键，但产业数字化转型正在加快。

产业数字化的核心要素是数据，即用各种技术发掘数据价值，赋能原有产业。

在这些技术中，AI与数据关系最为密切。

所以产业数字化，对于技术供应商而言，也可称之为AIoT。

AI公司将IoT视为技术落地场景，海康大华等视频公司则理解为智慧物联。

说法各异，但对于市场的判断却高度一致：AI、数据、产业的相互融合，必将催生出一个万亿级蓝海市场。

这个市场既包括了以智慧城市为核心的大G，又涵盖了以企业数字化转型为核心的大B。

对于海大宇等这些处于一二纵队的企业而言，安防已经很难支撑起新的增长，需要找到新业态，开拓新业务。

因而不难理解，海大宇这两年的策略：保住大G，掘金大B。

同样，对于AI公司而言，AI本身没有价值，数据也没有，只有当AI+数据，落地到具体场景，或者说产业时，才能产生价值。

过去几年，AI在安防的落地，让AI公司尝到了甜头，商汤、旷视等企业一跃成为安博会上的新贵。

可以想见，在城市AIoT这个市场里，新旧势力之间的短兵相接已无法避免。

一场以技术为核心，围绕产业、市场而展开的竞争，才刚刚掀开帷幕。

那集成商们怎么办？

现在入局AI已经为时已晚，其现金流也不足以支撑其转型，因而更多的可能是被边缘。

或出局、被收购、吃残羹冷炙，当然不一定会死掉。

但整个市场仍逃不过28原则，即20%的企业占据了80%以上的市场和利润。

因为城市AIoT，不需要弱者，一切凭技术实力说话。

技术

历史上有数次轰轰烈烈的工业革命，推动着人类文明向着更高水平迈进。

而工业革命的基础，首先是技术革命。

犹如瓦特改良蒸汽机，掀起技术浪潮，使得机器化大生产成为现实。

如今，相同的历史正在重复。

人工智能、物联网、5G通信、大数据、云计算等新技术层出不穷，传统产业已经遇到增长瓶颈，不论是技术还是市场，都亟需一场深刻变革，来释放新的发展空间。

也就是产业数字化。

产业数字化的本质规律，是技术对产业的颠覆。

这种颠覆性表现在两方面：生产力大幅增长，生产关系随之发生变化。

对于企业而言，数字化转型是必然趋势。

因为技术是不可逆的，不拥抱技术，就只能被淘汰。

许多曾经极度辉煌的企业，因没有跟上技术变革，被扫入历史垃圾堆。

也有很多企业，拥抱新技术，从无名小卒变成世界巨头。

这些企业在数字化转型期间，必然带来对技术服务的增量需求。

对于技术供应商而言，这就是新的机遇。

机遇面前，人人平等。

强者顺势而为，更强者顺势借力，扶摇而上。

海康大华能够逆势增长的原因或许并不高深：

• 看到数字化机遇；

• 主动拥抱数字化。

说起来比较容易，但每个字背后都是真金白银的投入。

翻开财报，从他们的研发投入、组织架构、战略布局都可以看出，对技术的重视，对技术改变产业的执着。

所以他们成功了，突破了传统安防的界限，迎来新的生命周期。

如今的海大宇，更像是一家成熟的AI公司。

而AI公司的目标，是赋能百业。

安防这个池子，增量很小，已然无法留住他们。

结语

安博会，这个曾经支撑起一个行业的会议，给玩家们提供了最重要的交流平台。

在这个平台上，企业们你来我往，或合作、或竞争，共同主演了我国安防的黄金十年。

但在技术和市场双双变化之下，如果仍然拘泥于安防这个小池子，显然无法吸引头部企业想要远征星辰大海的雄心。

对于安博会这个平台而言，或许也需要一次“技术”变革，来打破僵局，走向新的生命周期。

否则，如果真正进入衰退期，市场上可能会出现另一个安博会。

因为一段故事的结束，往往意味着另一段故事的开始。雷峰网雷峰网

作者 | 李溪

编辑 | 余快

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。 

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。 

在上午场的演讲环节上，华为机器视觉副总裁张爱军为峰会带来了精彩演讲。

张爱军提到，从2016年，华为就把整个企业的愿景从丰富人们的沟通与生活变成把数字世界带入每个人，每个家庭，每个组织，构建万物互联的智能世界。

华为从技术角度进行了“智能世界”的定义：一是万物感知，二是万物互联，三是万物智能。

张爱军指出，随着交互方式将发生巨大变化，催生新型移动物联网蓬勃发展，未来整个智能世界最核心的数据交互主体将不再是人与人的交互，而是物与物的交互。机器视觉将成为5G时代的“智能手机”，行业数字化感知入口。

对于当前产业发展历程，张爱军提出两个观点：

1、智能感知的进程进入第二波增长曲线，未来感知系统会拥有主动的感知能力。

2、纯粹的、被动的感知产业生态，可能会快速进入以企业生产业务流程为主导的感知体系，智能感知进入千行百业将变成非常重要的模式。

张爱军还分享了华为机器视觉的战略：加速视觉感知进入企业生产流程，助力“智慧管理和运营”，支撑战略落地上，华为有四个核心点。

一是关键技术。华为在计算机视觉赋能上的镜头、图像传感等都在进行关键技术研究。

二是标准规范。标准规范最核心的是通过更加客观数字化的模式来衡量一幅图片、一段视频是不是真正有效的为未来的人工智能和机器视觉来使用。

三是评价体系。手机行业的评测模式让整个产业界非常有序发展。新的机器视觉产业需要类似的评价体系，让智能时代的图像质量评价更为客观。

四是开放生态。提供一套生态架构，让开发者便捷开发、一站式交易，自由的沟通和交流。

以下是张爱军演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

机器视觉和未来智能世界/数字化转型的关系是什么？大家可能对此有各种各样的理解，我想谈谈华为近期的思考。

华为的愿景是“把数字世界带入每个人、每个家庭、每个组织，构建万物互联的智能世界”。

从技术角度，我们对智能世界进行了三个万物的定义： 一是万物互联，二是万物智能，三是万物感知。

有人问信息社会和智能社会到底有什么区别？我们在叠加人工智能算法过程中，很多时候没有注意到，其实参与信息社会和智能社会的主体在发生巨大变化。

信息社会是人和机器的交互，通常是人找到更多数据，无论是PC互联网还是移动互联网时代，都是如此。 

未来在智能世界里最核心的数据交互的主体变成物和物的交互。当交互方式发生巨大变化，催生新型移动物联网产业蓬勃发展。未来数据将基于不同的场景找到更多为人服务的模式。 

所以，4G时代，智能手机是移动互联网的体验入口、应用载体、让人与人联接。

我们认为未来在5G时代、真正的人工智能时代，机器视觉将成为5G时代的“智能手机”，行业数字化入口，成为数据载体，也成为承载物和物之间交互的主体。 

在此背景下，我们需要构建应对未来智能世界的感知平台。为匹配未来智能世界里面对不同场景、不同业务能力的变化，构建更加灵活、多样的全息感知平台体系，好望提出了“软件定义”架构，并明确了三个关键要素： 

1.   专业的AI芯，为实现智能化与数字化提供强力的算力引擎。

2.   开放的操作系统，才能真正融入到智能世界的端云协同业务体系中。

3.   丰富的生态，构建智能世界我们需要与众多合作伙伴共同携手。 

对于当前产业发展的历程，我们有两个观点：

1、智能感知进入了第二波增长曲线。 

过去十年，随着智慧城市、平安城市的建设，安防摄像头已经被广泛普及，这些摄像机更多给我们提供了被动感知的能力，提供的是事后查看的能力。未来这些感知体系会拥有主动感知的能力。 

2、从整个产业看，未来被动感知的产业生态可能会快速进入到以企业的生产业务流程为主导的感知体系，智能感知进入千行百业将变成非常重要的模式。

我们知道，一家公司不可能适配所有企业场景。人工智能最关键的数据的选择不应该是由做算法模型的科学家来实现，更多是由懂得场景和业务的工程师来实现的，但往往现实很残酷，懂得场景和业务的工程师在算法的快速开发上缺乏经验。

因此如何让懂行业know-how的人的想法快速变成算法非常关键。

人工智能时代新兴低代码模式，已经极大提升了开发者的效率，但是对业务专家来讲依然是很复杂的过程。

我们有一个朴素的想法，我们在这个过程中采用端云协同的模式，提供从训练到开发、部署的业务模型，真正实现业务闭环。

讲一个我们与企业合作的故事，这个企业做的算法精度大概在75%左右。他们找到华为，问能不能让工程师自己开发，让算法的精度提升到85%或者90%。

这是个很简单的问题，我们可以解决。我们基于华为的好望开发平台，同时也给他们提供了人工智能领域8个基础模型，这是任何做视觉的人工智能算法模型都需要用到的模型，比如目标的跟踪、目标的切割等等一系列的基础能力，有了这些基础能力，他们就可以通过数据有效训练来快速构建场景需要的能力。

我们希望未来机器视觉加速视觉感知进入生产环节，能让大型企业、店铺等小微企业都能享受AI的能力。

目前很多需求在发生根本性的变化，以前只需要被动的感知能力，今天需要为企业生产提效提供决策的依据，我们认为感知能力变化最大的本质就是从“给人看”到“给机器看”。在这个过程中，所有技术要素、技术体系都需要围绕给机器看来构建。

回顾产业发展历程，行业客户需求从安全防范上升到经营决策，华为从机器视觉四层需求理论出发，围绕“1+3+N”的产业框架，持续打造创新产品，以“平台+生态”重新定义商业模式、生态模式和解决方案架构。 

好望以软件定义摄像机、为核心构建了完整的业务闭环的端云协同的产品能力，基于此产品能力，华为构建了完全开放的生态。我们并不希望一家包揽所有事情，希望的是在AI的时代与能力型伙伴一起，把你们的行业know-how变成你们的产品能力，在你们所熟知的行业进行销售的模式。 

这个产品体系如何支撑战略落地？ 

 一、关键的技术。这和虞晶怡教授今天讲的未来谈感知一定会谈计算视觉一样。计算视觉是很庞大的故事，华为在计算视觉有多年研究。为什么华为的手机晚上照出来的照片比别人的好？这是计算视觉赋能。在一系列的镜头、Sensor、图像传感领域，我们都有关键技术的研究和积累，希望未来面向机器视觉、面向机器来构建机器能识别的技术要素。

二、标准规范。视频编解码技术发展了近30年，当我们评价视频好坏时还是用主观体验来作为最重要的评判标准。但我们面向机器视觉，如果用同样的模式评价图像标准是很困难的事情。

有一次我和中国图形图像学会王院士交流，他提到，如果未来不能通过客观的方式来评价视觉图像，对机器构建整个智能世界有非常重大的影响。

围绕给机器看的 “看、存、用”，华为机器视觉提出 SuperColor、SuperCoding、AI Turbo三大根技术，贯穿视频数据的全生命周期管理和使用。 

同时，华为在联合学界和业界伙伴共同提出面向机器的Machine Vision  Benchmark标准规范。标准规范的核心是通过更加客观、数字化的模式来衡量一幅图片、一段视频是否有效为人工智能和机器视觉所使用。围绕标准的评价体系，好望携手伙伴不断探索自动化的测评流程，构建标准化的实验室。 

三、评价体系。围绕这套标准体系，华为在和业界一起探索自动化的评测流程，华为墨子光学图像实验室支持MVB自动化评测打分，可以自动化评测产品与标准要求的符合度，且能快速得出结果。

这套模式的启发来自手机行业，我们发现手机行业的评测模式让整个产业界非常有序发展。我们认为在新的机器视觉产业里需要这样的体系来帮助整个行业繁荣。 

前面更多是从华为自身出发，往后我们要让合作伙伴一起共创数字的未来，其中最关键的是要提供一套生态的框架，这个生态框架有三个核心能力。

一是提供一站式好望开发平台，让所有开发者的想法和行业know-how变成算法；二是为伙伴提供一站式交易的平台，华为把你开发出来的算法带货到全球世界各地的项目，我们也希望伙伴在生态中形成网络，可以自行沟通和交流。三是形成端到端的产品体系。

在这个过程中我们构建了云上开发一键式部署、协同推理，同时能够在云上进行端侧远程升级和远程运维，是一套自动化的运维管理体系。

华为开源了深度学习框架MindSpore，它的能力在端侧，无论是性能的要求，对资源的要求，还是整体上的能力相比其他框架更优。我们把开发的大量优秀的基础模型贡献出来，在产品能力上构建端边云协同的能力。

华为机器视觉致力于用智能赋予机器“看”的能力，开启“机器看世界”新时代，推动智能社会快速到来，张爱军表示：“好望希望在各个方面与伙伴们持续深化合作，在标准、认证、算法开发等多个领域我们与伙伴携起手来，共同构建智能世界，一起共赢未来”。雷峰网雷峰网雷峰网

作者 | 李溪

编辑 | 余快

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在上午场的演讲环节上，小视科技副总裁段伟芝为峰会带来了精彩演讲。

在段伟芝看来，从驱动因素看，我国智慧城市建设经历了4个阶段：

第一，行业应用进行驱动。该阶段主要参与方是国外的高科技企业，构建的方式是通过单个系统，解决单个问题；

第二，以4G、云计算为驱动，国家开始进行重点项目建设，智能化逐渐起步；

第三，以人工智能、大数据、5G等技术驱动，国家开始牵头，各部委进行联合，行业推动各个系统进行统一，城市大脑开始逐步形成。

在现阶段，资源、技术、信息、要素等全面数字化，大平台开始走向集约，真正走向融合创新的数字化阶段。

在这个过程中，人工智能作为物理世界和数字世界的连接，是必不可少的一部分。但同时，人工智能的落地应用也非常具有挑战性。

段伟芝表示，人工智能要实现落地，一要有行业经验，懂得业务场景；二要养成培育，反复训练；三是全产业链强协同，算力、算法、数据、平台、应用等，这是一个非常复杂的过程。

基于此，段伟芝判断，中国人工智能的发展必然带来两个结果：

A：从物理世界到数字世界的升级，必然有一部分先转型，一部分后转型；

B：只有真正实现大量算法的规模化量产及应用，城市数字化转型才有可能真正完成。

以下是段伟芝演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

智慧城市进入数字驱动时代

今天给大家带来的主题分享是《智慧视觉新阶跃，从全场景智能底座出发》。

整个中国的智慧城市建设从2008年到现在有13个年头，总共经历了几个阶段。

第一，行业应用进行驱动。主要参与方是国外的高科技企业，构建的方式是通过单个系统，解决单个问题。 

第二，以4G、云计算为驱动，国家开始进行重点项目建设，我们开始推动智能化在中国的发展。 

第三，以人工智能、大数据、5G等技术驱动，国家开始进行牵头，各部委进行联合，我们开始推动各个系统进行统一，城市大脑开始逐步形成。

从2020年开始，我们进入了新阶段，从物理世界开始真正的走向数字世界。这个阶段，物理世界的资源、技术、信息、要素等全面数字化，大平台开始走向集约，开始走向融合创新的数字化阶段。

在这个过程当中，人工智能，尤其是AI算法，作为物理世界和数字世界的重要连接、转化动因，也是必不可少的一部分。人工智能的应用是一个非常具有挑战的路径，源于人工智能天然有两个基因，一是它必须像人的某一个器官，比如眼睛、耳朵，要能看到、看懂；听到、听懂。二是要像人的大脑，要能够分析、决策，就像教育一个机器从能看到到能看懂，这是一个非常复杂的过程。

基于这两个基因，整个人工智能的落地必然有三个前提条件。

一是需要行业专家经验，需要懂这个场景，懂业务问题是什么，知道怎么解决；

二是需要养成培育，就像培育小孩一样，培育机器人也需要反复教育；

三是需要全产业链协同，从芯片-算力-算法-场景-行业专家，强协同，经历这个复杂的过程。 

正是因为有这个复杂的过程，整个中国人工智能的发展必然带来两个结果，一个是从物理世界到数字世界的转型，必然有一部分产业先转型，有一部分产业后转型。

第二个是真正实现大量的算法普适大规模量产及应用，真正从物理世界走向数字世界。大家也能感受到，现在很多人工智能其实完全做不到人工智能，从“人工”到“人工智障”，到“人工半智能”，到“人工全智能”，这个过程将极大消耗我们的投入。

小视科技新战略、新定位：大AI、大应用

小视科技在其中的定位是什么？我们知道，国家近期对整个数字经济做了非常重要的指示，十九大、“十四五”、二〇三五都提到数字经济、数字产业、数字生态的重要部署。小视科技作为新成长起来的AI公司，以AI普适化规模化应用于数字世界为目标，定位大AI作为我们的智能底座，做最辛苦的那部分活。同时以部分重点产业做大应用，整个战略新定义就是大AI+大应用。

我们构建两大底座和三大服务平台。

两大底座，一个是人工智能核心技术生产平台，第二个是AIoT数智服务管理平台。

人工智能核心技术生产平台，从数据清洗、标注、模型训练、发布，一站式、流水线式算法生产工厂；

AIoT数智服务管理平台，主要是大数据感知、算法仓等一系列服务能力组件，构建“数字城市、数字产业、数字生活”的三大AI能力。分别针对数字城市、产业及生活定义了三大AI能力服务平台，包括智慧视觉场景服务平台、企业人工智能服务平台以及生活人工智能服务平台。分别从里面选取目前最快能够产业化的场景来定义AI能力，助力产业真正的数字化升级

整个数字化升级的过程当中，打造AI、算法、技术、产品、方案应用五个板块的协同闭环体系，向下接入管理、数据汇聚，向上可依托强大的AI定制能力，联合各类行业专家定义不同大应用的行业解决方案。

这个过程当中有两件事非常重要。一个是大AI平台，作为智能底座，需要联合大量的算法人才、算法工程师、算法实验室及算法生产合作伙伴。另外，需要融合大量的AI应用开发商、智能硬件商、系统解决方案商做大量的应用，这个过程是从“AI即服务”到“软件即服务”到最终的“以价值为服务”，最终我们认为应该是“价值即AI”以此赋能客户进行产业数字化升级。

目前我们主要定义以政府及重点产业数字化转型为驱动，比如承建智慧城市人工智能数字底座，以及企业人工智能数字平台，选取重点城市及重点产业与头部公司进行合作的方式，构建主流人工智能服务平台，通过这种方式带动更多中小型的行业进行千行百业的服务。

我们联合大量合作伙伴，目前主要是以区域+行业的方式，成立六年来，已实现在八大场景落地了将近140种服务。横向，可以在刚刚讲的三大服务平台的基础上不断横向扩展各种场景和行业，纵向，实现各个细分场景的全栈AI能力。 

重点产业如何智能转型？

举个例子，智慧城市里有一个城市治理，要完全实现城市治理的人工智能化、数字化，也许需要50种算法。我们从2-3个案例的落地，可以全部实现50种算法的全栈开发。以后客户在我们整个AI能力体系里按需使用即可，我们横向扩展行业方向，纵向不断完善AI能力，尽可能地做到任何一个细分场景的全栈AI能力，从通用算法到中长尾算法基本全覆盖。

我们举三个例子。

1.城市治理。我们在某市一个区做了3500路摄像头，后来对六个区做了25000路摄像头进行复制，原来城管是通过巡逻车以及城市管理人员进行定量巡逻，加载AI能力之后，从定量巡逻转变为按需巡逻，从事后管理到及时处理的模式，从“看到”到“看懂”，真正实现AI城市治理。

2.智慧社区热点：高空抛物检测。我们联合华为SDC相机共同定义，目前这个场景实现近万路摄像头覆盖，解决问题主要是事故追踪、事前及时提醒。最大的技术挑战是白天和晚上抓到真实抛物的人，且实现抗干扰，我们参与国内基本所有高空抛物的标准，目前在所有主流的测试当中取得了不错的成绩。

3.场景实践，智慧防疫。我们有防控管一体化的防疫指挥调度平台，从各出入口戴口罩的人脸识别、有遮挡的人脸识别，快速检索密接和次密接的人群。目前在智慧防疫里我们覆盖的场景非常广泛，小区-政府-园区-交通站点，有超万个枢纽点。

最后给大家分享一下小视科技。小视科技是2015年成立的，总部在南京，六年的时间，目前的行业规模在近期上市几家公司中，属于收入规模相对较好的一家AI企业。

目前业务覆盖海外4个国家及国内11个省33个市，公司已实现全国数个智慧城市项目、近万个智慧小区、数百个政府园区及交通站点、数万家工地、超200家医院合计数十万个点位部署，服务人数1500万，全年通行人次超30亿。

我们的整体定位，即把AI大底座进行夯实，灵活、快速定制。横向，产品不断丰富，适配国内主流芯片及智能硬件；纵向，全栈AI能力。

最后，我们希望定位好大AI、大应用，联合各位合作伙伴，共同推进数字经济的快速发展。

作者 | 李溪

编辑 | 余快

2021年12月11日，由雷峰网 & AI 掘金志主办的第四届中国人工智能安防峰会，在深圳正式召开。

本届峰会以「数字城市的时代突围」为主题，会上代表城市AIoT的14家标杆企业，为现场和线上观众，分享迎接数字城市的经营理念与技术应用方法论。

在上午场的演讲环节上，中国网络空间安全协会副理事长、前华为全球智慧城市业务部总裁郑志彬为峰会带来了精彩演讲。

过去中国在信息化上有两个典型特点：

1、以前政府做数字化是电子政政务，电子政务就是做底座，做统一的云、统一的政府外网、政府内网，2、各个政府部门做独立的信息系统。

郑志彬认为，目前业内形成了一个共识，未来整个中国数字经济的发展一定是以城市为主体，以如何驱动城市的发展、带动城市的智慧化为主体，让智慧城市和数字经济相辅相成。

基于此，他提出四个关键要素：

一、推动跨层次、跨部门的数据共享开放要走向深水区；

郑志彬认为，国内虽然目前基本上70%、80%的城市都做了数据共享，但活数据少，有价值的数据少，仍然是数据共享的难点、痛点。想把数据共享做好，一定要找一个责任主体，一定要让责任主体对数据共享、对数据的应用负责。

二、跨领域的数据融合应用场景X走向深水区，实现三融五跨的目标；

过去智慧城市主要强调“1+1+N”：一个智慧城市，一定有一个大的云中心、一个指挥中心、N个应用。但单个领域的数据应用不叫智慧，只有跨部门、跨领域的数据应用才叫智慧。下一阶段，智慧城市业务框架应该步入1+1+N+X阶段，通过跨领域的数据融合应用场景X，走向深水区。

三、数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式；

信息化的世界已经是过去式，未来是数字化的世界，数字化的世界是真正提供解决物理世界全新的解决方式。在他看来，数字化不是信息化的简单的升级，过去大家做了几十年的信息化，是把原来各种各样的流程，变成自动化。但今天的数字化是要把物理世界的问题数字化

四、智慧城市的可持续性发展步入深水区，从独立建设走向持续运营服务；

打个比方，本来两栋高大上的楼，一栋只是建得很漂亮，环境很好，没有人用，建起来就建起来。可能过三年就变成烂尾楼一样。如果持续有人用、持续有人运营，它就像非常好的新开发的博物馆一样，总是有人使用。

传统做建设的模式存在的问题是，仅仅建设不做运营，导致数据共享很难、数据开放应用很难、跨部门协作很难，所以只有运营不断循环，有真正构建智慧城市的运营商，才能使城市的数据发展有生命力。

以下是郑志彬演讲全文，雷峰网AI掘金志作了不改变原意的整理与编辑：

我的主题分为两部分：

一、中国智慧城市发展历程及成果

这张图你们应该在不同场合都看过，对于从事IT、数字化科技的人员非常幸运，因为过去十年整个数字科技快速崛起。 

2010年在北美证券市场全球排名前十的企业中，只有两家做数字科技的企业：微软和移动。但十年以后的2020年有七家，这个数字是2020年7月份的排名，是真实数据。进一步的，十年之前做数字科技的企业市值在整个证券市场占比例是19%，仅仅十年，它就增加到了35%。 

从全球经济走势就能看出，在过去十年，数字科技逐步取代金融能源，成为全球经济增长的核心推动力，也开启了数字科技的第一轮社会经济价值突破。 

随着云计算、大数据、物联网、人工智能等数字科技的广泛规模应用，未来十年将带来更加庞大的数字化发展机遇。

中国这十年发展很快，我们通过两条主线驱动整个数字科技的发展，一条是以城市数字化为主线，中国以强大的国家发展主义全面推动并引领全球数字化科技的发展。

从2008年IBM提出智慧地球之后，到2012年，中国住建部主导整个智慧城市的试点，乃至2014年八部委推动智慧城市发展，到2018年中国已经有600多个智慧城市，超过全球60%。到2021年又站到了新的起点，智慧城市从试点走向城市数字化转型或数字化改革，真正为中华民族伟大复兴战略提供核心支撑。

第二条主线是数字经济。在中国，数字经济的推动发于2016年，G20峰会上第一次提出“数字经济”，彼时对数字经济的认识是“好的发展机遇”，但到2021年，仅仅五年，数字经济已经被中国政府认为是“全球的未来发展方向”。今年6月份，国家统计局正式把数字经济作为大的分类，其中有115个大类，449个中类。而中国制造2025、5G、人工智能、大数据......每一个都与数字经济息息相关，国家用两条主线带动各个领域的发展规划驱动整个数字科技往前走。 

智慧城市和数字经济相辅相成，数字经济经历了两化、三化到四化，今天的数字经济包含了数字产业化、产业数字化、数据价值化、数字化治理，这也恰恰是智慧城市建设的内涵。

现在大家有一个共识，未来整个中国数字经济的发展一定是以城市为主要载体，以如何驱动城市的发展带动城市的智慧化为主体，智慧城市建设和数字经济发展相辅相成。

中国智慧城市建设十年，确实收获了很多成果。

100%的城市已经开始建设类似“最多跑一次”的互联网+政务平台，让老百姓办事更简单。 

95%以上的城市（均指地市级）已完成以云计算统筹IAAS层资源，部门独立机房基本被整合，打破机房孤岛。

95%以上的城市都已经大力推进数据集中、数据统筹，75%都建立了数据共享交换平台 

75%的城市已经建设了本地城市APP平台，或多或少服务于市民日常生活，比如现在深圳很多事务可以在“i深圳”APP上办理。

40%以上的城市开始着手建设了IOC或大屏，作为的城市数据大脑平台。

30%城市开始建立面向智慧城市统一的时空信息平台，服务于智慧城市各部门。 

25%的城市已建立城市级统一视频云平台，统一了各个部门的分散视频，实现了视频资源的分享应用，让AI造福民众各项服务，而仅仅两三年前视频监控仅仅是为公安的安防服务。

10%的城市已经开始建设“一网统管”的综合性城市运行管理平台，提升城市治理能力。

在这十年我们成功探索了大统筹、大联接、大融合的中国智慧城市发展建设模式，智慧城市也从单一的电子政务走向系统的数字政府。 

大统筹：城市是高度复杂的有机生命体，城市现代化治理和发展需要通过一体化进行统筹规划和建设。 

大联接：整合政务、视频、物联网等维度数据，通过IOC智慧大脑联接各行业应用，从打破孤岛走向联接孤岛。 

大融合：从云的融合走向数据的融合，打造智慧城市的共性能力平台，发挥跨领域数据应用的价值，提升城市各行各业的服务能力。

中国政府的传统信息化有如下典型特点：

政府的信息化是电子政务，电子政务就是建设统一底座，统一的云、统一的政府外网、统一的政府内网，然后各个政府业务部门建设独立的信息化系统。 

开始建设智慧城市之后，我们要做大统筹、大联接、大融合，除了传统底层的基础能力之外还要建立统一的共性能力平台和城市智慧大脑。

现在很多地方提的数据中台是不是共性能力平台？数据中台仅仅是共性能力平台的一部分，除了数据中台，还需要建设人工智能中台、物联网中台、视频共享中台。

在这些平台之上还要需要建设聪明的大脑，真正运营指挥的大脑，而不是简单视觉呈现的大脑。

实现这种能力需要各种各样的联接，只有真正把共性能力平台、底层基础设施、各行各业的应用连接起来，进一步各个业务部门的数据汇聚到智慧大脑，发挥决策的作用，这样智慧城市才是一体化的。

上面这张图阐释了这么多年我们如何去做大统筹、大联接和大融合。

2021年是非常重要的一年，中国开启了新的数字化征程，今年政府推动数字化方面有很大的变化，而这个变化以广东、浙江、上海三个省市作为起点。2021年1月份马兴瑞省长在《求是》上发表文章《加快数字化发展》，2021年2月份浙江提出数字化改革，2021年3月份上海提出做全域数字化转型。

今年也是“十四五”的规划年，各个省基本都是以发展数字经济、提高城市发展品质、数字化发展等为主题，推动城市数字化转型。所以我们说中国未来五年到十年将进行全面数字化转型，数字化深入到企业、城市、个人方方面面将是主流趋势。

二、突破智慧城市中国模式的四个关键要素

在原有基础上，如何突破现有中国智慧城市的局面，走向更高的高度？我提出要考虑四个关键要素，这四个关键要素都是基于我们的实践得出。

关键要素一：推动跨层次、跨部门的数据共享开放要走向深水区。

现在基本上70%到80%的城市都做了数据共享，但依然存在难点、痛点，为什么他们做了数据共享还有问题？ 

2015年，当时我作为整个贵州省大数据规划的总架构师参与了贵州省大数据生态体系建设，当年贵州省委书记提出数据共享是常态，不共享是例外，但真实情况是，能共享、有价值、活数据非常少。大部分地方的活数据少，有价值的数据少，这是现状。我们需要正视数据共享的难点痛点，破解当前大部分城市数据共享面临活数据少、价值数据少的现状，解决城市大脑决策、数据交易等更多业务浮于表面的困境。 

怎么解决数据难、数据少，让数据决策通过跨数据共享之后更加有效？我认为，想实现真正的数据共享，一定要找一个有担当的责任主体，一定要让责任主体对数据共享、对数据的应用负责任。

比如去年我在北方的一个城市，与当地的大数据局局长交流，他表示“大数据局不要有任何数据，我们不建大数据中心，只建交换平台，所有部门交换数据，我们就提供交换机制。比如环保局需要公安局的数据，我把需求扔给公安局，公安局直接把数据给环保局就可以。”

这种大数据局是不作为的，他们的大数据也不会发挥任何作用。实际情况也是这样，最后他们做了智慧大脑指挥中心，只是汇聚各个部门数据罗列了一些数据应用。

今年我也非常高兴看到某中部地区的大数据局很有担当，其局长表态明确：一定要建真正的大数据中心，并且对整个城市大数据的质量、大数据的使用负责。所有可共享的数据都放到大数据中心来，并根据他们定义的应用规则共享数据。

未来想要做好数据共享，有一个非常重要的管理模式，数据共享平台要从分布式共享走向集中式共享，因为集中才会有责任主体，因为有责任主体才有可能定义规则、才有可能真正使得数据共享。

下面举两个案例。

今年我给一些地市的市委书记、市长讲课时提到，哪个部门以安全的原因说数据不能共享，绝大多数一定是借口，是他屁股的位置有问题。实际上我真实的看到一些案例，在一些城市开放了大量数据，用了好多年，没出任何安全问题。

这个城市采用了”集中式”的数据交换模式，明确了数据开放共享的责任主体问题，已有106个业务部门的数据汇集到大数据中心，通过数据开放共享真正的便民利民。

他们搭建的新生入学系统，联接了教育、公安、户籍、房产、国土、大数据局等多个部门数据。新生入学前两个月，基于大数据获取每个片区师资和待入新生等真实情况，通过有效算法根据均衡分配的角度对学区片区进行区域调整及教师资源调整，最大条件满足新生便利上学和优势教资资源匹配的目标。 

学区房动态调整，根据每年新生不同的情况，初生小孩入学不同的情况调整小区，提高新生家长的满意度。系统试用了一年多已发挥成效，极大减少了家长对新生入学的焦虑。 

在这个城市的大数据平台这套系统当前已汇聚了60亿+的活数据量，日交换超过130万+次，向所有部门开放提供了1145个数据服务接口。当前已经实现了公安数据的1200多个数据字段，社保的1100多个数据字段的开放共享。  

还有一个反面的案例，2021年年初，某个中部城市的市长刚上任，想要为老百姓做点好事，他提出“出生一件事”，他希望小孩出生，通过手机APP半天内可以把小孩所有证件办好。

作为市长重点推进的头号工程，大数据局和各部门非常重视，但在推进过程中却发现了大问题，当前大量数据全部留存在省一级的平台，上下数据不互通，省平台的数据不回流给市平台。这样带来一些问题。

比如，尽管已完全提交了材料，但因为省公安厅的身份证是定期发放，并非实时发送。原来新生儿的身份证在本地办，上午办理下午就可以拿到身份证，如果通过统一平台去办，在整个业务中，市平台只是作为流程中转，所有处理流程在省平台终结。带来问题是，由于数据不落本地，省公安《户口本》证照数据通常是批量签发，导致新生儿户口本时间通常需要1—N天（最长可能达7天以上），好的“出生一件事”变成“烦恼一件事”。 

因此，数字化转型走到深水区，如何做到数字共享、如何做到左右上下的数据互通很重要。 

关键要素二：跨领域的数据融合应用场景X走向深水区，实现三融五跨的目标。

过去十年建设，已形成了1+1+N的智慧城市业务框架。任何智慧城市一定是“1、1、N”，一定有一个大的云中心，云中心上有各种平台，有N个应用，还有一个智慧大脑。“1+1+N”的重点是建立联接，经过近3-4年的实践，1+1+N模型逐渐发展成熟，得到很多业内认可。下一阶段，智慧城市应步入1+1+N+X的阶段。2015年，我当时主管华为的全球智慧城市业务，那年参加了英国格拉斯哥的智慧城市项目，他们有个很好的理念，“单个领域的智慧不叫智慧，只有跨数据、跨领域的智慧才叫智慧”。中国从去年开始，一些城市也都逐步接受了这个理念。

去年我们在两个城市重点做了跨域数据融合应用，目标是实现技术融合、业务融合、数据融合、跨层级、跨地域、跨系统、跨部门、跨业务的三融五跨目标。

这张图左边，是去年我们和深圳政数局合作的应用场景，由政数局牵头，每个业务部门提应用场景，应用场景只考虑跨部门场景，最后梳理出来110多个场景。这里有了几个典型案例，比如危化品全流程监管由安监牵头，涉及6个部门的数据；健康态势动态分析与预警涉及8个部门的数据；社保待遇领取人员无感认证涉及7个部门的数据。 

我们在福建也做了这种跨领域场景的梳理，像资金惠民涉及20多个部门数据。通过跨域数据的应用才能让数据的价值发挥更好，让补助真正发到老百姓手里。

未来智慧城市走向深水区，一定要把跨部门的数据、跨城区的数据综合应用起来。

关键要素三：数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式。

今年在很多场合我都提到，我们不要再提信息化，信息化已经是过去完成式，未来只有数字化。 

数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式。过去几十年我们考虑信息化，只有一个目标，把原来各种各样的业务流程变成自动化、信息化。 

今天谈数字化，是数字孪生，是把物理世界数字化之后，从“人的认知世界”变为“机器的认知世界”，所以数字化的核心就是要提供一种全新解决物理世界的方法。 

比如滴滴，没有滴滴的时候打车是能看到车才能打到车，有滴滴之后每个人、每辆车都是平台上一个点的数字，通过数字世界连接人和车，通过数字世界告诉人，车在什么地方，告诉车，人在什么地方。

这是我们在河南做的试点，我们已经把全域做了数字化改造，图片中亮的所有地方都是路灯、垃圾筒、市政的设施，所有地下管网、这栋楼中所有的东西进行了数字化。

进一步我们运用“5G+AI+无人机+大数据”的实践案例，通过数字科技的应用提供了全新解决传统问题的方式。 

这是在江苏做的两个实际案例，一个是夜间偷鱼。原来夜间两点偷鱼无风险，巡防人员难以察觉，现在夜间偷鱼有风险，有了自动启停无人机的巡防，通过视频红外技术拍照，无人机通过5G把视频实时回传到云中心做计算，识别出非法偷鱼后会报警，无人机随时可以帮助巡防人员抓获违法者。 

另外一个案例是城市乱堆垃圾，原来城市环境监控有死角，完全依赖于人员巡查力度，现在通过高科技快速做到无死角巡查。 

关键点四：智慧城市的可持续性发展步入深水区，从独立建设走向持续运营服务。

今天我们看到，传统智慧城市模式出现了问题，仅仅建设不做运营，数据共享很难、数据开放应用很难、跨部门协作很难，还有很多其他问题。城市的数字化转型要从项目建设走向项目运营，智慧城市的可持续健康发展呼唤智慧城市运营商。 

如何迈向智慧城市的运营？真正解决城市数字化转型，不是简单的技术问题。

首先，它需要资金，一个智慧城市需要几十亿的投入，需要资本加入，资本需要考虑运营模式，未来如何长期运营能够收回成本。 

其次，产业发展的诉求，一个城市光建设不行，没有产业是很难实现可持续发展。通过智慧城市建设项目换“产业落地”；通过智慧城市建设带动数字经济，提升城市竞争力。 

再者，业务成效诉求。建设要有成效，结果要有预期，关注数字化转型的业务成功，要求运营商对智慧城市建设的效果和成功担责；

最后，持续发展诉求。成立专业的智慧城市运营公司，政府向其购买服务；部门、市民可持续服务获得；投入产出的正向循环，资源和能力变现（数据、流程等）。

什么叫运营？本来两栋高大上的楼，一栋只是建得很漂亮，环境很好，没有人用，可能过三年就变成烂尾楼。如果持续有人用、持续有人运营，它就像非常好的新开发的博物馆一样，总是有人使用。

在新的历史时期，如何推动中国数字化转型，如何构建数字智慧城市的中国模式，我想用习近平主席在第三十四次集体学习的讲话与大家共勉，你们看到这句话会觉得确实很振奋，他提到“当今时代，数字技术、数字经济是世界科技革命和产业变革的先机，是新一轮国际竞争重点领域，要站在统筹中华民族伟大复兴战略全局和世界百年未有之大变局的高度，统筹国内国际两个大局，发展安全两件大事，充分发挥海量数据和丰富应用场景优势，促进技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济”。

城市是一个复杂综合体，场景多样且破碎，催生出一个巨额的增量市场。

定制化，还是通用平台标准化？

对于这个问题，不同的企业有着极具差异化的解题思路。并且，这些思路都已经有了实际落地案例。

AI企业们勇立潮头，通过一个又一个优秀案例，展示技术改变未来的宏大图景。

碎片化场景中，哪些企业走在了同行前列？

作为最早一批关注人工智能的行业媒体之一，雷锋网于今年6月重磅启动了第四届「2021最佳AI数智化年度榜」评选计划。

本次评选，雷峰网从AI+智驾、企业服务、未来城市、金融、医疗、芯片等10多个行业1000多个报名公司当中，经四个月的调研，和专家评审团长达一个月的集中评审，最终筛选出91家数智化领航企业，及其数智化标杆项目，予以嘉奖。

其中，在「AI+未来城市」领域，海康威视、宇视、云天励飞、紫光华智、芯翌科技成功入选2021年度最佳城市场景之王榜单，分别获得该领域的最佳智慧能源解决方案奖、最佳智慧社区解决方案奖、最佳智慧城市治理解决方案奖、最佳城市数字孪生解决方案奖、最佳数字政府解决方案奖。

最佳数字政府解决方案奖：芯翌科技

近年来，芯翌科技聚焦城市治理相关场景，全力打造了视频全要素治理平台等核心产品，以行业创新性视角深耕数字政府服务领域，助力推动城市数字化转型，目前已经服务了上海及多个地级市政府用户。

与视频服务垂直赛道上的其他玩家相比，芯翌科技独树一帜地构建了以城市视频基座为核心的数字政府解决方案。

该方案针对城市管理部门对于视频管理和视频共享的需求痛点，基于统一技术规范，实现异构视频资源全量汇聚和视频能力统一归集，构建集全要素治理、精细化管理和智能化应用为一体的视频大基座。

在此基础上，芯翌科技通过共享服务形式进行统一赋能，为各业务系统提供视频调阅和视频计算能力，支撑各委办局视频应用的开展，满足政府在实现高效治理方面的实际需求，推进业务和视频的创新融合。

最佳智慧社区解决方案奖：宇视

当前，许多社区人员鱼龙混杂，管理难度大、安全防范设施欠缺、治安环境差、服务手段落后，导致人民的生活品质低，严重影响居民生活获得感、安全感、幸福感。

宇视深植智慧社区建设，创新提出"5+X"建设理念，即智能人员管理、智能车辆管理、智能视频管理、智能门禁、智慧社区管理平台5大核心系统，合入消防、防疫、物业等各类X项应用，实现小区"人、房、车、网"等立体化管理，构建安全、舒适、便利的社区生活环境。

以人为本，为民解忧，是智慧社区建设的重要价值所在。宇视力求尽己所能，帮助广大小区建设更安全、更智能、更惠民的社区管理体系，为基层社会治理提能增效减负，守护安全美好生活。

最佳智慧能源解决方案奖：海康威视

海康威视是以视频为核心的智能物联网解决方案和大数据服务提供商，聚焦于智能物联网、大数据服务和智慧业务，通过构建开放合作生态，为公共服务领域用户、企事业用户和中小企业用户提供服务，致力于构筑云边融合、物信融合、数智融合的智慧城市和数字化企业。

海康威视依托多年在视频图像处理、云计算、大数据分析、AI深度学习等领域强大的技术创新优势，对能源行业用户需求的进行深度挖掘、研究、论证，开发具有行业竞争力的产品及解决方案，为电网公司、发电集团、石油石化、化工原料制造、燃气供热、煤矿冶金和农业等能源行业用户及合作伙伴提供产品和业务解决方案等一站式服务。

未来，海康威视将结合全栈光谱物联能力，在多维感知设备的支撑下，持续深耕能源行业。通过不断创新的技术和方案，助力能源企业加快实现数字化转型的步伐。

最佳智慧城市治理解决方案奖：云天励飞

过去，在城市治理中，由于城市治理场景多、复杂，传统的人工巡查方式不仅需要投入大量的人力，且在面对各类城市安全隐患和违规事件时，存在“发现难、取证难、预防难”等痛点难点，导致城市治理效能难以提升。

2020年云天励飞先后在深圳是龙岗区、龙华区建设了城市治理平台，对全区算力资源、算法及数据进行统一调度和统一监控，为城管、市监、交通等单位提供AI治理服务，并实时提供预警信息，以AI赋能快速响应城市治理问题，真正实现了对违法违规事件实时发现，实时处理，变被动为主动。

龙岗区AI算法训练和赋能平台以盘活视频资源，提升数据开放利用水平为目标，在赋能城市治理的基础上，拉通AI产业生态。该平台未来计划接入视频17万余路，覆盖各类算法100余类，同时支持算法训练服务。

龙华区智能运算能力平台已经实现对国家公布的65类社会治理场景中20多类场景的识别，涵盖工地安全帽、人脸识别、危险品车辆、横幅标识等，识别准确率达90%以上，平均日推送、闭环治理事件300余件。在AI赋能的支持下，龙华区“党建+科技+治理”多元共治模式被省政府发文全省推广，并被国家发改委列为深圳经济特区创新举措和经验做法。

最佳城市数字孪生解决方案奖：紫光华智

紫光华智具备先天性的AI、云计算、大数据等技术基因，凭借在AI视觉领域的深耕与探索，构建城市视觉中枢，通过数字原生组织实现数字化转型，服务百行百业。

紫光华智提供多维感知、智能视频云、视图解析、算法仓、视图大数据、视图数据安全等产品和服务，以视频、图片为核心，通过对人、车、事、物智能分析，进行数据治理，建立城市数据湖，助力实现市域治理和政府服务的数字化、智能化、精细化、现代化。

紫光华智推出云智原生的软件系统和分层解耦的架构设计，以“全面云化、应用驱动、软件定义、开放生态”四大技术战略为支撑，软件定义全面开放硬件能力，AI开放平台开放AI能力，数据中台、AI中台、业务中台三大中台全面开放应用能力，充分赋能数字孪生城市。

罗马的建成非一日之功，需要精准的施工图纸，和不断地努力。

智慧城市建设亦离不开行之有效的技术架构。

当AI与IoT的深度融合成为现实，智慧城市这座摩天大楼也终于找到技术基底。

面对城市AIoT这个万亿市场，不少企业摩拳擦掌，要在时代浪潮下，踏浪前行，留下足迹。

他们有的是以技术出身的纯正AI公司，有的是传统企业经历过技术转型之后的翘楚，还有不为人所知却提供技术底层支撑的巨头......

在这些乘风破浪的先行者中，哪些是其中的优秀代表？

作为最早一批关注人工智能的行业媒体之一，雷锋网于今年6月重磅启动了第四届「2021最佳AI数智化年度榜」评选计划。

本次评选，雷峰网从AI+智驾、企业服务、未来城市、金融、医疗、芯片等10多个行业1000多个报名公司当中，经五个月的调研，和专家评审团长达一个月的集中评审，最终筛选出91家数智化领航企业，及其数智化标杆项目，予以嘉奖。

其中，在「AI+未来城市」领域，旷视、希捷科技、亚略特、君正、闪马智能成功入选2021年度最佳未来城市AIoT榜单，分别荣获最佳城市AIoT大数据平台奖、最佳城市 AIoT智能存储奖、最佳城市AIoT边缘计算奖、最佳城市 AIoT智能芯片奖、最佳城市交通大脑解决方案奖。

最佳城市AIoT大数据平台奖：旷视

作为一家聚焦物联网场景的人工智能公司，旷视基于自研的新一代AI生产力平台Brain++，构建了软硬一体的AIoT产品体系，包括AIoT操作系统、AI重新定义的硬件和AI重新定义的行业应用。

旷视主要面向消费物联网、城市物联网和供应链物联网三大核心场景，提供经过验证的行业解决方案，为企业的降本增效、城市运行质量和效率以及消费者体验赋能。

例如，针对城市治理难题，旷视推出了“万象”城市管理视频智能分析识别系统，和软硬一体化城市综合治理解决方案，依托存量的视频监控网络或全新部署智能设备，通过图像识别、视频结构化等图像感知技术，可对辖区内的对象进行特征检测，通过打通城市管理部门"智能识别、智能预警、智能研判、智能转发"的业务闭环，做到感知、分析、服务、指挥、监察"五位一体"，帮助城管部门高效处理问题。

针对城市复杂、长尾且碎片化的新需求，旷视可基于人工智能生产力平台Brain++和Objects365通用物品检测数据集，为行业客户用相对更低的成本在本地实现定制算法的研发。

目前，旷视城市治理相关产品与解决方案已在北京、上海、浙江、湖北多地上线。未来，将帮助更多城市加强基础设施智慧化管理与监控服务，助力市政公用设施智慧化改造升级。

最佳城市AIoT边缘计算奖：亚略特

亚略特深耕生物识别十数年，是一家场景化AI核心技术、解决方案提供商，凭借“芯片、算法、引擎、应用、平台、智造”六位一体的综合能力，携手合作伙伴为信息安全、公共安全、智能教育、智能政务等智慧城市的多个行业提供技术赋能。

在边缘计算专业赛道，亚略特凭借对场景需求痛点的深刻理解，根据《网络安全法》、《个人信息保护法》的最新要求，推出了软硬一体化的涵盖前端AI边缘计算网关和后端大数据实时管理平台的一体化综合边缘计算解决方案。

该方案融合了人脸、口罩、帽子、防护服、人员聚集、越界等社会治理事件AI分析算法，集成了视频接入、行为分析、生物特征比对、数据安全汇聚等轻量化、模块化的边缘计算服务能力，可对视频流进行实时分析预警，解决巡检模式不及时、有疏漏的问题。同时边缘计算可有效减少系统对中心端的依赖性、提高信息反应速度，解决数据资产归属不清问题，降低了系统接入难度，提高了数据安全保障。

目前，亚略特AI边缘计算解决方案已在多个省市的冷链监管、食品安全溯源、公共安全等应用场景落地，为多个行业的数字化转型升级提供了新的技术服务手段。

最佳城市交通大脑解决方案奖：闪马智能

闪马智能是一家聚焦城市空间管理的AI中台公司，以新一代的视频智能分析人工智能核心体系，化所见为所知，通过接入城市摄像头、线上视频资源，结合AI视频智能分析算法，来实时发现异常事件，掌握城市运行态势，实现监控设备利旧赋能、视频资源再利用，同时结合时空数据管理，为城市治理赋能。

在业务场景方面，闪马智能面向道路交通、工作学习、生活娱乐、城市环境、互联网信息等五大空间，赋能公共安全、交通出行、高速公路、建筑工地、工业工厂、银行服务、互联网等行业，打造未来城市智能。

其自主研发新一代的人工智能全栈技术，从底层核心算法指令集平台到前沿算法研究与开发，从视频时空大数据平台到高效、完整的云原生行业应用服务，以全新的人工智能技术架构内核，打造下一代的人工智能高性能、高弹性、高可靠的系统。

此外，闪马智能颠覆传统人工智能公司的算法模式，以“Vision Mind”视频智能分析平台和ATOM深度学习平台，建立了完整的“AI工业化”体系，实现算法模型快速迭代及各类应用场景的快速迁移，快速打造城市空间管理系统。

最佳城市 AIoT智能存储奖：希捷科技

智能物联成为未来城市发展的趋势，将产生巨量数据。如何将这些数据有效利用起来，让存储、传输及应用，在云边端之间实现融合贯通，显然需要存储企业的技术赋能。

希捷作为存储巨头，有着40余年的专业经验和技术，为数据端-边-云协同发展提供针对性的多层存储架构，能够同时兼顾不同存储位置的优势，降低迟延和费用，提升城市的管理和服务能力。

在端侧，希捷推出了酷鹰系列监控硬盘，适用于网络视频录像机和数字视频录像机在监控立杆上采集存储数据，之后传输到边缘的控制平台中进行安全存储、实时预览、录像回放、文件管理、大数据汇总以及与总控对接等多种功能，以实现快速响应和决策。

另一方面，为了通过数据存档和分析以探索更深入的趋势信息，需要将数据上传到云，相关管理人员可以分析从摄像头收集的数周或数月的视频和数据。比如，交管部门可以通过分析交通摄像头的数据来识别整个城市的交通高峰时间和交通模式。

在云端，希捷企业级大容量硬盘以及存储系统能够为智慧城市构建强大、安全的数据池。让海量数据存储、分析、共享和调取更为高效，充分发挥数据在智慧城市建设中的作用。

最佳城市 AIoT智能芯片奖：君正

北京君正智能视频产品线一方面立足本土，一方面走向全球市场，深耕智能安防和AIoT视觉物联网，持续为AIoT行业提供“视觉芯片，AI算力，AI平台Magik和解决方案”等多重价值，打造“领先+普惠”的端级AI应用生态平台，已成为AI视觉领域全球领先的供应商。

通过多年技术积累，北京君正在视觉领域拥有全球领先的嵌入式CPU技术、影像技术、人工智能技术、多媒体编解码技术和低功耗技术等多项核心技术，目前已经大规模落地了完整系列的视觉AIoT芯片，覆盖从低端到高端，从前端后后端，从轻度智能到高算力等各种应用场景。

其视觉AIoT技术广泛应用在视频监控，城市安防，运营商，智慧家庭，低功耗视频，视频会议，智能行车等多个细分市场。并获得多数国内外知名品牌的认可，成为全球IPC芯片市场最为主流的供应商之一。

随着安防行业和视觉物联网的发展，AI算力和开发平台将成为产品的基础属性，君正将继续聚焦核心技术研发，未来从不同维度持续赋能安防监控，智慧家庭以及城市AIoT。

高新兴的股吧一片狼藉，哀嚎遍野，不少股民心念俱灰，直言“亏损跑了，耗不起”。

翻开高新兴历史股价，这家以通信设备运维业务出圈的企业，1997年成立，2010年上市，首跌三年，随后暴涨两年。

2015年之后，高新兴股价持续走低，至今已跌去历史高位的87%，无数追高买进的股民，一套就是6年，却仍然看不见曙光。

股价从某种程度上代表着主力资金及市场对该公司主营业务、经营业绩的认可：价高被看好的概率更大，价低则难免遭人议论，尤其是常年不见起色的股票。

高新兴从默默无名到创业板上市，且在首跌三年之后，还能暴涨两年，都说明其本身并非一无是处。

但2015年之后，股价长期低迷没有起色，却是为何？

10年转型三次，次次“蹭热点”

高新兴最早做通信运维业务，直接甲方是三大运营商。

彼时国内通信工程如火如荼，三大运营商跑马圈地，基站机房全面铺开。通信工程本身属于重资产项目，运营商除了花钱买设备，还要保证这些设备能长期稳定运行，从而催生出通信运维的需求。

高新兴正是踏着时代东风，花了十年时间，将自身的通信运维业务做到业内前三，另外两家是以能源与通信硬件见长的艾默生和中兴通讯。

与后两者相比，高新兴几乎没什么名气，外界也不了解，直到2010年在创业板上市，才渐渐走进公众视野。

而让高新兴真正破圈的，是上市之后，便立即着手向“大安防”转型，并在后几年里连续中标平安城市项目，一时间风头无两。

这里解释下为何高新兴如此迫切希望转型。

一来因为基站建设在经历高速增长之后逐渐放缓，传统的通信运维业务增量空间在2010年前后已经开始缩小。

二来因为电信运营商处于垄断地位，运维服务商的议价能力较弱；加上运营商为降低成本，实行招标制，导致运维服务商的产品净利润进一步下探。（2010年毛利率为49.12%，2012年下降至11.5%，数据来源：公司年报）

三是市场增长缓慢的同时，竞争日趋激烈，而作为乙方，在议价能力弱的背景下，为了拿到项目，只能压缩利润，以较低的价格报价。

作为上市公司，在传统业务利润率下降的情况下，寻求新的增长点是必然。通过资本市场筹集资金，公司能够快速切入另一个市场更为广阔的赛道，这也是高新兴能快速向“大安防”转型的原因之一。

说来凑巧，高新兴本身具有安防的基因。

在基站/机房的运维中，动力环境集中监控系统属于必不可少的产品，主要是监控各项设备的运行参数、环境诊断、记录并分析数据等等，以此来保证设备的正常运行，高新兴恰好有相关业务。

做原来的业务自然是驾轻就熟，所以向“大安防”转型，对于高新兴而言，属于有的放矢，而非盲目扩张。

在这第一次转型中，高新兴以平安城市为核心，交通、金融为两个方向，形成以传统运维业务为基础，“大安防”为发展核心的策略。

从2011年到2015年，高新兴先是与美国 CalSys Inc.合资成立广州高凯视，后者主要做智能网络视频芯片，相关团队曾研发过世界唯一的超低延时视频芯片；然后斥资数亿先后拿下鑫程电子、创联电子和重庆讯美电子，以切入高速公路、铁路的监控运维市场，与金融安防领域。

这次转型的效益直接体现在业绩上，在经历转型第一年的亏损之后，高新兴的利润便一举反正，首次实现过亿净利。

事实上，随着平安城市、雪亮工程等国家级项目的铺展，安防迎来了一个黄金期。此时的安防企业正在极速扩张：2011年，海康实现营收52.31亿元，比2009年翻了一番；而大华的营收则增长了164%；宇视也拆分独立，进攻安防。

如果高新兴朝着安防领域深耕，如今的安防格局或有变数，但历史总不能假设。相反，高新兴是一家很奇怪的公司：每次的转型方向都能卡上点，但经营计划却少了持续性。

安防战略之后，2015年12月，在《2016-2018年发展规划》中，高新兴提出：成为聚焦公共安全的大数据技术领导者，并向跨系统的大数据运营商迈进。此时距离国务院印发《促进大数据发展行动纲要》不过3个月。

这就是高新兴的第二次转型，与之配套的动作是：2015年5月，以1.8亿元的价格收购国迈科技（一家数据安全产品及解决方案供应商）。

不得不说，高新兴的嗅觉和判断非常灵敏。

高新兴的计划是，在实际项目中积累了大量数据，如果把数据运用起来赋能原有的安防和通信业务，不单能提升既有产品竞争力，还能形成新的业务增长点，即提供数据运营服务。

但它低估了数据运营的难度。

首先，数据是个敏感话题，不论是从集采、到开发利用和保护（安全），都面临着法律上的审核，而当时的相关法律法规尚未完善，还处于探索期；其次，数据跨部门流通、共享不单单是技术问题，而且是行政问题，实现难度很大；最后，严格来说，数据运营前期属于重资产模式，需要大量的设备投入，投资回报周期较长。

不过这次转型并不彻底，没有按照规划铺开，高新兴并没有全面向数据公司转，而是把数据作为一块单独的业务进行发展。在年报里，也没有披露数据业务的营收情况。

2017年伊始，高新兴开始第三次转型，提出了“一横四纵”战略，即以“物联网、大数据、人工智能技术”为横，贯通到“公共安全、大交通、通信、金融”四大纵向业务，将自身打造成一家快速响应市场需求的“产品型公司”。

对应的资本动作是，2016年以1.48亿元收购中兴智联84.86%的股权，次年再以总价近8亿元拿下中兴物联。前者是机动车电子标识解决方案提供商，以超高频RFID技术闻名业内，后者则是车联网通信技术及解决方案服务商。

第三次转型跨度很大，非常彻底，即从项目集成商到以产品和解决方案为主的供应商。整个公司研发架构全部调整，形成人工智能、AR视频、智能交通等四大中央研究院和5个产品研发群。

次年，高新兴调整组织架构，形成物联网、公共安全、平安城市及智能交通三大事业群，并进一步收缩业务，重点聚焦车联网和公安执法规范化两大垂直应用领域。

在这三次转型中，第一次转型让高新兴实现了规模化扩张；第二次转型虎头蛇尾，无果而终；第三次转型非常彻底，其结果还有待检验。

从每次转型方向来看，高新兴的战略选择实际上并无大碍，反而非常适应形势，每次都能“蹭”上政策热点，但跟着政策反复调整业务，对于企业而言或许并不是好事。

因为切换业务方向意味着经营计划、资源投入以及商业模式的重新改变，最好的方式是投资并购，这也是高新兴快速切入新领域的基本手段。

投资并购需要资金，对于上市公司而言，通过增发、银行贷款等方式融资并不难，但难就难在判断兼并对象是否具备发展的潜力，具有商誉减值的风险。

比如高新兴，在一系列溢价并购之后，因目标公司营收不及预期，2019、2020年分别计提商誉减值10.24、5.7亿元，其净利润也转正为负。

财务报表难看，市场对股票的信心也就越低，并且融资难度也会增加。虽然每次都能卡点找到风口，却因步子太大，投资并购没有实现经营计划的可持续性，导致进入恶性扩张循环。

这或许正是高新兴所面临的困境。

从项目集成商到产品型公司，高新兴缺了什么？

这个问题或许可以换另一种提法：高新兴的安防业务为何没做起来？

前面提到，高新兴宣布“大安防”战略时，海康也刚登陆A股，大华也正处于扩张阶段，至于宇视，才拆分不久。而今后三者都成为世界级安防巨头，前者却被边缘化。

同样的市场和机遇，却有着不同的结果，显然，这是有原因的。

高新兴不断踩热点、跳跃反复，导致其经营计划没能贯彻执行，业务无法全面推进，是其落后于其他安防厂商的表面原因。

但核心原因却是公司的基因决定的：集成商。

“集成商和一般厂商的区别，产业链上下游的角色倒是其次，集成商也有技术产品，只不过更侧重于集成业务，这是一个度的问题。”一位从业者表示。

这个“度”干系着公司的发展方向，因为集成业务相对来说对自身技术和产品的依赖不那么高，而是“吃项目”。

早期，通过拉关系、找熟人，能拿到项目，一些集成商活得很滋润；但当政府实行招标采购，走流程之后，一批没有技术的集成商倒闭了，剩下的都是集成商中的佼佼者。

这些剩下来的“强者”，在平安城市规模化铺开的时候，有渠道还有技术，往往也能吃下不错的项目。

当平安城市建设进入稳定期，甚至是精细化治理时期，不论是新建项目还是旧项目改造，不仅要求产品技术质量高，而且要求提供运维服务，针对整个项目做全生命周期管理。

“整个市场，由原来的项目驱动，到产品和技术驱动，这对集成商的影响非常之大。”

这一点体现在安防行业最为明显：曾经许多集成商，要么被收购，要么出局，还有的吃剩饭。

高新兴之所以进行第二次转型，乃至“无果而终”，很大程度上也是基于这个原因。

而集成商要向产品型公司转型，最为核心的问题是资金。

以项目为主的集成模式，首先议价能力低，毛利率不高；其次整个项目周期长，回款慢；最后，竞争激烈，财务、管理等成本增加。

其结果就是：现金流极其缺乏。

高新兴的财务数据确实很迷：营收净利增长，现金流却一直很糟，除去16、17年为正以外，其余年份基本为负。（16年为合并创联电子、国迈科技以及中兴智联等公司所致）

与之相对应的是，不断攀升的应收帐款：2012年2.58亿元；2014年2.8亿元；2016年6.6亿元；2018年17.32亿元；2020年16.67亿元。

在权责发生制原则下，应收帐款实际上影响着营收与净利润，这或许能解释高新兴营收增长但现金流却不佳，以至于股价长期低迷这一现象。

没有钱（现金流），怎么转？

高新兴延续了此前的做法：通过融资（举债），并购相关标的，切入新赛道。

但新赛道的选择也出现了偏差：16年正是AI开始蔓延的年份，高新兴选择了大数据，不得不说是一种遗憾。因为在此之后，安防与AI的深度结合，开启了安防的新时代。

虽然大数据的应用也愈发广泛，但AI显然对高新兴的既有业务更具帮助，何况高新兴也没有彻底向数据型公司转，即便后来也布局AI，却没有形成较强的竞争力。

这其实反映出集成商转型的通病：现金流无法支撑起转型，研发技术需要成本和周期，而转型涉及整个公司的业务线的再调整，风险较高，因而许多公司的转型都是浅尝辄止，形成死循环。

高新兴就是诸多安防集成商转型陷入困境的缩影。

错过了AI、也错过了AI安防，更是因为自身属性的限制，错过了一次重大转型的机会。

压舱车联网，这次能成功吗？

2019年9月，高新兴发布了一则公告，将通过发行股份的方式，收购“埃特斯”51%的股权，收购价格大概在1.88-2.04亿元之间。

这家公司的主营业务为ETC车载OBU相关产品，而当年恰好是国家大力推进ETC的元年。

高新兴卡点的能力确实不一般。

2017年，高新兴在短暂的“数据转型”之后，以总价近12亿元的价格拿下中兴物联和中兴智联，马不停蹄地切入物联网。

经过两年的调整，高新兴最终将业务收缩至公安执法规范化和车联网两个垂直应用领域，收购“埃特斯”既可以说是蹭热点，也可以说是其车联网战略的一部分。

车联网虽说是时代的又一个风口，但这块业务真的好做吗？

未必。

首先，车联网本身由技术驱动，包括大数据、人工智能、5G、V2X等等，对企业的技术实力要求很高，如果只是做项目集成，必然会步入此前安防的后尘：不赚钱；

其次，车联网领域的竞争非常激烈，互联网、ICT、AI公司集体跨界，安防、传统智能交通企业蓄势待发，市场竞争充分；

最后，目前车联网的相关项目还处于试点阶段，而且项目成本之高，尚不知盈利“拐点”；

值得一提的是，这次收购并未成功，而是以某些原因为由终止交易。从后续ETC的发展来看，在经历过一轮政策刺激之后，以ETC为主营业务的公司（如金溢科技）确实迎来了一个短暂的春天，但第二年随即宣告结束。

“现在有很多公司在做车联网相关的业务，但有业务布局和技术储备是一回事；技术实现落地应用是另一回事；而把产品做出性价比，并且提升议价能力，才是最紧要的事。”

某从业人员表示，车联网现在处于“小而美”的阶段，如果要实现“大而优”，就必须考虑成本、落地条件、技术标准等等一系列要素，现阶段并没有找到一条合适的商业化路径。

由此看来，高新兴能否在车联网领域建立起属于自己的城堡，还要打个问号。

结语

在梳理高新兴财务数据的时候，AI掘金志发现一个很有趣的现象。

从2014年首次减持股份开始，高新兴实际控制人在近7年时间里，持有的股份从48.10%，降到了当前的18.34%；其中大约有14.5%的股份处于质押状态。

而根据公告，本次减持若结束，其持有的股份进一步降到16.5%。

结合近三年现金流净额几乎都为负，及其他财务数据，似乎可以得出一个结论：

对于那些想要入场的股民，需要提前保持观望，谨慎入场。

但万事皆有例外。

当下智能驾驶的火热，车联网成为又一个千亿风口。

多次转型的高新兴，或可基于自身技术优势和经验，成功突围。

期待它「涅槃」的那天。雷峰网雷峰网

城市数字化转型已过时，数智化成为行业新宠。

一字之差，不只是概念之别，技术、产业、市场需求都发生了质变。

数智化催生出万亿蓝海市场，碎片化场景给AI带来新考验，新的商业模式正在形成。

在城市数智化转型中，AI应该扮演怎样的角色？

这是个必须回答的问题。

时代背景下， 企业也需要新的方法论，来实现技术价值的商业闭环。

基于此，雷峰网AI掘金志再次站在技术、产业和商业格局最前沿，在深圳举办第四届「中国人工智能安防峰会」。

今日，来自14个标杆企业的代表共聚一堂，他们有的来自顶尖的AI公司，有的则是浸淫行业的老手，还有专业投资人，更有十年磨一剑的城市AIoT大佬。

他们的讨论很广泛：AI、大数据、元宇宙、智能网联......无一不是时下最热门、最重要的话题。

会上，他们百家争鸣，给线上线下观众们提供了一场完美的思想盛宴。

以下是本次大会的精彩回顾：

上海科技大学副教务长、IEEE Fellow虞晶怡:未来的城市元宇宙里的渲染、建模和隐私保护

作为上午场的开场嘉宾，虞晶怡从深度学习的角度，从建模、渲染以及最重要的隐私保护三个方面分享了对未来城市元宇宙的理解。

虞晶怡提到，他所研究的计算机视觉领域一个非常重要的任务，就是完成物理世界向数字世界的映射。为了完成这个映射，产生了非常多的概念，比如最早的数字孪生，到现在的元宇宙。但无论是什么概念，归根到底需要解决几个核心问题：

三维建模如何完成？图像分析如何完成？隐私保护如何完成？

虞晶怡教授从四个方面出发阐述了对以上问题的理解：

计算成像、三维重建、智能融合、隐私保护。

2D计算成像。过去几年，编码成像取得了很大的进步。在图像质量方面，利用编码成像可以在高速和离焦的情况下获得更好的图像。

虞晶怡指出，做智慧城市离不开三维重建。计算机视觉界已经做了很多年，其中最为出色的解决方案来自谷歌的“一日建模”。具体有三个步骤：通过针对大量图像进行位置猜测，再通过特征提取获取精确的相机位置，再对图像特征进行匹配和三维确认，最后得到模型，这个方式在大规模城市重建中非常常用。

基于神经网络深度学习的最新方法，即2D+3D融合。因为很多智慧城市模型并不精确，将城市进行三维重建后，把二维的贴图与三维模型融合，可以得到多视角视频。

最后，虞晶怡教授着重分享了隐私保护，他认为重建做得无论多好，最重要的是保护隐私。

宇视科技总裁张鹏国：一场演讲道出九大热门概念本质

作为下午场的开场嘉宾，张鹏国分享了对眼下最热的十大概念理解。

第一个谈到了元宇宙。他预测至少几年内，元宇宙概念会更大。他用了中国给婴儿取好养活的名字的现象来比喻。他认为，一般来讲，一个概念的名字越大，它越不容易指引前进的方向。

虚拟的世界和现实的世界，都是真实的世界。核心取决于装备的路径更长，还是内容/生态的路径更长

对于碳达峰和碳中和，他认为这是构建人类命运共同体、高质量发展的必由之路。双碳背景下清洁能源科技蕴藏着新机遇。路径很清晰，重头戏是绿色能源，但技术、成本方面的过程很艰苦有很长的路要走。

对于V2X，他强调聪明的车一定需要智慧的路。路侧设施的终极目标是“道路全覆盖，要素全感知”，雷视融合是最佳答案。

V2X需要翻越的三座大山：从学术研究概念到产品和解决方案；从政府投资驱动到商业模式自闭环；从试点用户到海量用户。

大数据当前还只是个技术，既不是产业，也不是行业。大数据领域成长的三原则：像老人一样，坚持逻辑，坚持常识；像中学生一样，空杯、兴趣、疯狂、心脑手脚一起联动；像小学生一样，本能地、积极地拥抱变化，重建新的体系。

他认为软件定义的基础在于标准化的硬件设施、开放的API接口和弹性的应用需求。软件定义永远无法打败“碎片化”，成本是决定因素。

数字孪生是元宇宙的一个小子集。数字孪生的变现路径要长于元宇宙，这是由2B2G和2C业务的本质决定的。数字孪生的用户价值发掘还不够，要服务于机器智能，不要仅仅服务于人的视觉感受。

智慧城市是个复杂系统，当前概念很多，可惜落地一般。主要矛盾在于基础设施和应用系统反复迭代 VS 人民群众不断增长的服务需求。任何小城市都比任何大企业更常青，运营服务是值得思考的问题。

企业数字化转型应警惕被复杂的概念所迷惑。他认为，企业的数字化转型是一种管理创新，所有的管理必须要服务于经营，不能降本增效的创新都是伪创新。

张鹏国表示，AIoT是所有“新概念”的最佳试炼场，AIoT赛道的坡足够长，雪足够厚，而宇视科技，将坚持AIoT技术战略100年。

最后，张鹏国以孔子的八个字作结束语：勿意，勿必，勿固，勿我。

海康威视EBG解决方案部总裁李亚亚：AI要服务行业，而非颠覆行业

物联+AI，是实现数字化转型的重要桥梁。

海康威视打造产业实践所需的技术支撑体系，基于体系化的智能设备和软件技术架构，支持算法模型和智能应用，轻松便捷的部署和应用，服务各个行业，以开放融合的态度，迎接AI产业的新融合、新发展。

智能物联技术是数字化转型中重要的技术之一，数字化转型的一个特征是物信融合。海康威视在产业实践中，通过物联+AI，在数字车间、产线合规、巡查巡检、智能考勤等方面助力企业实现数字化转型。

“要把智能物联，以及其他技术嵌入价值链，去服务行业，才能把事情做好，而不是仅仅通过技术创新或者颠覆。”

大华股份研发中心副总裁兼先进技术研究院、智慧城市研究院院长殷俊：智能时代，碎片化、业务定制化成为趋势

大华构建了AIoT、物联数智平台两大核心技术体系，并于今年10月，进一步正式发布“Dahua Think#”战略。

殷俊认为，行业智能化时代，对AI的需求呈现爆发式增长，碎片化、业务定制化成为了必然趋势。

殷俊强调，人工智能不仅仅是算法，而是最终要实现端到端的智能，从感知智能、数据智能到业务智能进行闭环。在数据智能和感知智能之间，要不断进行数据汇聚和迭代。通过经验自主学习，让设备形成智能运维、多传感器协同学习、专家经验自动调优等方法实现自治系统，不断提升感知智能的精准度以及数据的丰富度。

因此，仅算法领先还远远不够，业务智能背后是全流程的业务智能化升级，是端到端的智能解决方案。目前，面向千行百业的智能需求，大华构建了点、线、网的业务架构体系。

此外，殷俊介绍到，当前，预训练大模型的研究是行业热点，但其需要高昂的成本以及庞大的算力支撑，同时在视觉领域，目前商业应用还不是非常成熟，算力成本依然很高，大规模产业化需要控制和降低算力消耗，这一点非常重要。

华为机器视觉副总裁张爱军：构建智能世界有三个“万物”定义

张爱军提到，从2016年，华为就把整个企业的愿景从丰富人们的沟通与生活变成把数字世界带入每个人，每个家庭，每个组织，构建万物互联的智能世界。

华为从技术角度进行了“智能世界”的定义：一是万物感知，二是万物互联，三是万物智能。

张爱军指出，随着交互方式将发生巨大变化，催生新型移动物联网蓬勃发展，未来整个智能世界最核心的数据交互主体将不再是人与人的交互，而是物与物的交互。机器视觉将成为5G时代的“智能手机”，行业数字化感知入口。

对于当前产业发展历程，张爱君提出两个观点：

1、智能感知的进程进入第二波增长曲线，未来感知系统会拥有主动的感知能力。

2、纯粹的、被动的感知产业生态，可能会快速进入以企业生产业务流程为主导的感知体系，智能感知进入千行百业将变成非常重要的模式。

张爱军还分享了华为机器视觉的战略：加速视觉感知进入企业生产流程，助力“智慧管理和运营”，支撑战略落地上，华为有四个核心点。

一是关键技术。华为在计算机视觉赋能上的镜头、图像传感等都在进行关键技术研究。

二是标准规范。标准规范最核心的是通过更加客观数字化的模式来衡量一幅图片、一段视频是不是真正有效的为未来的人工智能和机器视觉来使用。

三是评价体系。手机行业的评测模式让整个产业界非常有序发展。新的机器视觉产业需要类似的评价体系，让智能时代的图像质量评价更为客观。

四是开放生态。提供一套生态架构，让开发者便捷开发、一站式交易，自由的沟通和交流。

小视科技副总裁段伟芝：从物理世界到数字世界，必然有一部分先转型，一部分后转型

在段伟芝看来，从驱动因素看，我国智慧城市建设经历了3个阶段：

第一，行业应用进行驱动。该阶段主要参与方是国外的高科技企业，构建的方式是通过单个系统，解决单个问题；

第二，以4G、云计算为驱动，国家开始进行重点项目建设，智能化逐渐起步；

第三，以人工智能、大数据、5G等技术驱动，国家开始牵头，各部委进行联合，行业推动各个系统进行统一，城市大脑开始逐步形成。

在现阶段，资源、技术、信息、要素等全面数字化，大平台开始走向集约，真正走向融合创新的数字化阶段。

在这个过程中，人工智能作为物理世界和数字世界的连接，是必不可少的一部分。但同时，人工智能的落地应用非常具有挑战性。

段伟芝表示，人工智能要实现落地，一要有行业经验，懂得业务场景；二要养成培育，不断训练算法；三是全产业链协同，这是一个复杂的过程。

基于此，段伟芝判断，中国人工智能的发展必然带来两个结果：

A：从物理世界到数字世界，必然有一部分先转型，一部分后转型；

B：只有真正实现大量算法的规模化量产及应用，城市数智化转型才算完成。

中国网络空间安全协会副理事长、前华为全球智慧城市业务部总经理郑志彬：智慧城市只建设不运营，就会烂尾

过去中国在信息化上有两个典型特点：

1、以前政府做数字化是电子政政务，电子政务就是做底座，做统一的云、统一的政府外网、政府内网，2、各个政府部门做独立的信息系统。

郑志彬认为，目前业内形成了一个共识，未来整个中国数字经济的发展一定是以城市为主体，以如何驱动城市的发展、带动城市的智慧化为主体，让智慧城市和数字经济相辅相成。

基于此，他提出四个关键要素：

一、推动跨层次、跨部门的数据共享开放要走向深水区；

郑志彬认为，国内虽然目前基本上70%、80%的城市都做了数据共享，但活数据少，有价值的数据少，仍然是数据共享的难点、痛点。想把数据共享做好，一定要找一个责任主体，一定要让责任主体对数据共享、对数据的应用负责。

二、跨领域的数据融合应用场景X走向深水区，实现三融五跨的目标；

过去智慧城市主要强调“1+1+N”：一个智慧城市，一定有一个大的云中心、一个指挥中心、N个应用。但单个领域的数据应用不叫智慧，只有跨部门、跨领域的数据应用才叫智慧。下一阶段，智慧城市业务框架应该步入1+1+N+X阶段，通过跨领域的数据融合应用场景X，走向深水区。

三、数字化转型不是信息化的简单升级，是提供全新解决物理世界问题的模式；

信息化的世界已经是过去式，未来是数字化的世界，数字化的世界是真正提供解决物理世界全新的解决方式。在他看来，数字化不是信息化的简单的升级，过去大家做了几十年的信息化，是把原来各种各样的流程，变成自动化。但今天的数字化是要把物理世界的问题数字化

四、智慧城市的可持续性发展步入深水区，从独立建设走向持续运营服务；

打个比方，本来两栋高大上的楼，一栋只是建得很漂亮，环境很好，没有人用，建起来就建起来。可能过三年就变成烂尾楼一样。如果持续有人用、持续有人运营，它就像非常好的新开发的博物馆一样，总是有人使用。

传统做建设的模式存在的问题是，仅仅建设不做运营，导致数据共享很难、数据开放应用很难、跨部门协作很难，所以只有运营不断循环，有真正构建智慧城市的运营商，才能使城市的数据发展有生命力。

旷视科技高级副总裁、城市业务事业部总经理陈雪松：AI的价值闭环，实质是生产力关系的重构

在陈雪松看来，以一网统管、一网通办为代表的城市治理体系，其实是传统安防领域向整个社会职能转变，和城市提升中自然而然的转型，从广度和深度上对城市管理水平、技术能力发展和体系建设提出新的要求。

他认为，城市治理体系是由点到面的，不能走安防体系的老路。

传统安防向基础设施转变的过程中，要结合原来已有的体系做智能化升级，再加上现有的资源体系，做自动化改造才能形成全覆盖。

作为城市治理不可或缺的技术，AI的价值不在于算法多优秀，而是给客户创造价值。当技术穿过决策，走向执行，就形成了完整的生产力闭环，从而产生客户价值。

当前的城市治理，面临三个难点：

1、发现难，摄像头虽然很多，但没有形成面的覆盖；

2、管理难，尚未形成智能化闭环；

3、管理统筹难，除了技术手段，体制机制也需要跟上时代变革。

“目前的城市治理，是以发现和决策执行为核心，本质是响应机制。”

陈雪松表示，区域城市数据覆盖起来以后，更多是基于感知能力和区域运行状态进行事件的预测和处理，这是未来城市治理的重点。

云天励飞首席科学家王孝宇：在AI研发和应用上，数据的重要性远高于模型

王孝宇认为AI的研发模式有两大关键点：一是用什么样的数据训练模型；二是模型如何基于数据得到更好的结果。

过去的研发模式大都以模型为中心，依赖专家，找数据、标注数据，然后让AI博士调参，如同工业化时代的“拧螺丝钉”，导致AI无法大规模产业化。

同时，过去的研发范式，大都集中于用更好的技术建立更好的模型。但几年之后，业界发现所用的技术越来越趋同，标准化的条件成熟了。

事实上，对比不同研发模型，可以发现对AI研发和应用来说，高效地获取最好的数据，比模型本身要重要得多。

究其原因是技术迭代快，容易被赶上，但数据迭代慢，因此如何在最短时间内得到可以使模型达到最优效果的数据集，这才是最重要的。

因此鉴于人力成本和模型标准化条件的成熟，云天励飞在内部打造了一套标准化、流程化、平台化的模型研发方式。

云天励飞大规模算法研发的流程是：

第一步，获取初始模型。通过分布式标注平台定义任务，再利用被千亿、百亿级的数据训练出来的大模型和无监督学习，配合少量数据的标注，得到不错的初始模型。

第二步，数据迭代。在海量还没有标注好的数据中，用技术、算法找到真正有用的数据，用主动学习算法做数据择优。

第三步，模型训练。在云天励飞的平台上用一键化方式，替代百万薪酬的博士来调参数、挖数据，降低对训练模型人员的从业要求。同时让数据、研发轨迹、开发技巧都沉淀在平台上，动作可复用，流程可追溯，降低AI人员高流动性带来的负面影响。

他认为视觉AI目前还处在拓荒阶段，是一片沙漠，没有变成绿洲，只有等到其变成绿洲时，才能“长”出很多AI企业，而云天励飞建立的这套平台，就是加速沙漠变绿洲的驱动底座。

希捷科技全球高级副总裁暨中国区总裁孙丹：元宇宙、脑机接口、数字孪生，基础都是海量数据

孙丹提到，疫情让诸多活动停滞了，但数字化转型在提速。

孙丹重点分享了对数字孪生的理解。她认为，数字孪生对智慧城市、企业数字化转型具备非常大的价值。

城市与新区、园区与建筑、交通与车辆、工业与能源、水与环境，数字孪生已经广泛应用于多个行业。

数字孪生不只是构建一个与现实世界一模一样的数字虚拟世界，而是结合物联网、区块链等技术之后，可以通过软件的应用去管理和统筹，实现智能管理。

比如港口货物的堆放、货物运输，比如碰到危机的处理，通过在系统里设计某些定义规则，实现完全的智能管理，而不只是一个三维重建。

她指出，无论是数字孪生还是元宇宙，又或是脑机接口、AIoT，底层都是数据。

有专家指出，数据的好坏决定智能的高地，数据可以理解为奶粉，如果加三聚氰氨，小孩会越吃越笨，好的奶粉小孩会越来越聪明。

通过机器学习沉淀好数据，得到的结果越来越智能，这是核心。

换句话说，所有企业最核心的是，数据如何贯通采集、存储、分析、变现。数据成就当下和未来。

全球数据爆发式增长。元宇宙、脑机接口、拓展现实的基础都是海量数据。如何成立、管理数据是非常大的挑战。比如一系列的数据归属问题、数据安全问题、数据孤岛问题。

希捷的目标，就是通过技术创新降低存储成本、数据运营成本。做数据新基建的一块砖，帮助政企的数字化转型。

科大讯飞副总裁 、科大讯飞大数据研究院执行院长谭昶：智慧城市是在一团乱麻里提纲挈领

谭昶以交通行业为例，分享了人工智能如何服务于城市数智化转型。

交通的数智化转型有四大特征，即能感知、会思考、可成长、有温度。在此过程中，行业本身有自己内在的运行规律，所以不能像互联网一样“一张白纸好作画”，而是在一团乱麻里提纲挈领、纲举目张解决问题。

他认为，交通全链条分为建设和生产运营两部分。首先要进行感知，其次要有管控手段，而管控最终是为人服务的。在这个闭环里，需要算法和数据以及具体场景的深度融合，才能不断提高交通治理水平。

同时，在他看来，人工智能要创造价值，并不完全依赖于技术进步，而是如何把技术与应用实践结合起来。对于传统行业，AI要做到精细化，这是内在规律。

“交通的未来，一是智能化，二是一体化，三是个性化。”谭昶表示，AI和信息化工具的助力，是实现交通精细化管理的关键，智慧城市也暗合这些特点。

亚略特公共安全与智慧城市事业群总监郭景玉：数字城市建设的根本目的是，要重构社会生产与社会组织的关系。

郭景玉认为，人工智能时代数字城市建设的根本目的是要重构社会生产与社会组织的关系，人在参与社会活动过程中所产生的各种数据构成了数字城市建设的核心要素。

郭景玉指出，“边”和“安”的主要作用有：一是成为数字城市信息汇聚的抓手，二是缓解中心化计算的压力，三是满足《网络安全法》和《个人信息保护法》等安全要求。

在信息汇聚上，很多企业采用了传统的端到云的模式，但该模式存在问题。不同于此，亚略特构建的体系是以边缘网关为核心的数据汇聚体系。

一是，边缘网关是靠近社会应用端的设备，可以很方便地进行对接，同时在数据安全保障方面，亚略特安全网关里是硬件级的安全加密机制。

二是整个汇聚体系是以部署到端的网关为抓手，所有的汇聚体系的平台都隐藏到网关后面，安全性、隐蔽性会更好。并且亚略特网关通过两个双网口的互不干扰的方式串联不同的网络，来避免网络向外暴露的问题。

在信息安全保障方面，亚略特基于生物识别模组外设并结合系统登陆、应用授权、云桌面管理等软件一体化的策略，开发了亚略特生物识别安全框架。

亚略特生物识别安全框架不仅能够无缝对接WBF，还可以无缝对接windows10的window hello，实现跨平台、跨操作系统、跨应用系统的诸多限制，弥补传统口令认证的方式存在的安全风险和缺陷，从而提高了整个电脑和应用系统的安全性，做到人与系统间的识人认证的结果，从而构建了真正可信的数字身份识别。

腾讯云鼎实验室数据安全总监谢灿：数字经济发展与数据安全并重

谢灿提到，中国从的《个人信息保护法》到《数据安全法》，再到2019年的《密码法》，在法律法规层面，我国加大了数据安全合规管控。全球各国广泛推出数据安全管制法规，标志着数据安全合规时代的到来。

数字经济时代数据安全合规背景下，企业数据安全需求发生变化，主要在数据安全和隐私保护两个方面。

之前行业更多地谈网络攻击、数据防泄露，现在行业必须把隐私保护，比如数据的过度收集、数据滥用、数据泄露纳入安全规划。也就是说，行业需要在数据安全得到保护以及合规性指导下释放数字经济生产力，以数据安全治理为中心的数据安全建设新理念。

行业从主要谈网络安全，比如静态数据安全防护，到后续更多地谈数据全生命周期、数字化业务发展，兼顾安全、合规与成本。

数据安全新挑战以及数据安全技术落地重点，同时也是数据安全的难点在于以下几个方面：

一是数据资产化，迫使安全管理机制优化；二是IT架构快速变化，导致安全防御体系失效；

三是算力持续增长，使得传统安全算法滞后；四是攻防节奏加快，让行业快速部署及应急响应能力亟待提升。

例如，传统数据安全方案上线动辄数月，往往也需要业务系统进行改造适配，且在海量数据量场景下，甚至给业务带来20%-30%的业务损耗，已经无法匹配数字经济时代下，数据合规与新IT架构下的数据安全战略诉求。

这就需要行业形成一体化、自动化、高性能、快部署、免改造的实现方式。目前已经有成熟方案，例如在腾讯工业云平台Wemake的数据加密中，通过应用腾讯云安全访问代理CASB的加密方案，一天就完成了上线，业务性能损耗在5%之内。

灼识咨询合伙人赵晓马：智慧城市将向以人为本、城市新型需求驱动的“人本城市”演变

赵晓马指出，从中国、美国、日本城市化发展历程和特点看，改革开放40年以来，中国城市化进程速度世界领先。

各类智慧城市建设方案凭借其技术先进性、强感知能力、数据资源高效应用等特点可以解决大量城市现存问题。

与此同时，智慧城市以其数字化、绿色化的特点为“碳中和”目标实现助力。

但同样不可忽视的是，在智慧社区、智慧商业等场景中，仍存在系统割裂、数据孤岛、信息综合利用程度低等问题。比如，割裂的单点解决方案，数据不打通，形成数据孤岛。

这就要求智慧城市割裂的单点解决方案要逐步转变为全场景，一站式的完整解决方案。

未来的城市将遵循以下规律：

从信息城市（以信息化为中心，互联网驱动，强调各业务、各部门内部的数字化、信息化）到智慧城市（ 以应用场景为中心，AI、物联网等技术驱动，强调各系统、各场景内部的智能化）到人本城市（以人为中心 ，城市新型需求驱动，强调全系统、全场景的融合协同）。雷峰网雷峰网

在2021的秋冬之际，没有一个词能够火得过“元宇宙”。

当AI行业进入阶段性瓶颈，元宇宙概念的出现，给了科技巨头、AI公司们一个全新的增长点，模式更ToC，更具技术创造力，与企业们的耦合性更强。

乘着元宇宙的扶摇东风，AI行业的春天又要来了？

一般意义上，现代的AI功能大致可以分为四类：计算机视觉、机器学习、NLP和语音识别。

不少人认为，在城市载体之上，四种功能相互组合、变化，再与元宇宙中的诸多要素相碰撞、融合，终形成与现实分庭抗礼、甚至水乳交融的“第二现实”。

观察时代的变迁，城市的发展是最直接的参照坐标。城市革新，旧时代赋予的要素开始缩减，新时代的要素正在增加。

当元宇宙遇见数字城市，能有什么故事？

在此新旧交替的节点，2021年12月11日，由雷峰网 & AI 掘金志主办第四届「中国人工智能安防峰会」将在深圳正式召开。

过去四年，城市的变革悄然印刻于「中国人工智能安防峰会」之上。

中国人工智能安防峰会在此过程中成为中国最具影响力的安防、城市AIoT、智能视频高端论坛。峰会举办四届，已打造成行业口碑、传播声量、演讲质量、观众职级、参会门槛最高的论坛。

第四届人工智能安防峰会倒计时在即，以下预告，或许能成为你绝对不能错过此次峰会的理由。

带劲的主题、带感的赛道

今天的产业AI场，手快不一定截胡，但落后一定挨打。数字时代来临，倒逼着所有参与者实时进化。当一个舞台的大幕落下，新的舞台也在同时诞生。

平安城市的存量迭代，数字城市的增量开启。

数字城市在哪里？

在公安、交通、政务、电力、物流、安检、教育、工厂、医疗、金融、文旅、城管、钢铁、港口、养殖、水务、农业、边海防等场景里。

本届峰会以「数字城市的时代突围」为主题，「场景化AI落地之王的道与术」为主线，网罗ToG与ToB市场中最热、最火的细分场景，挑选领域内的14家标杆企业，分享场景化AI落地的道与术。

核心主题之下，分设两大细分主题：

上午场，城市AIoT「技术之王」，视频物联新征程

下午场，城市AIoT「场景之王」，数智转型星变量

14家标杆企业聚首，从ToG到ToB，行业头部大咖现场梳理企业数字化成长路线图，城市+AIoT，两大航道+多重视角，一次阅尽数字化落地隐秘绝技。

最新的概念、最火的议题

今年最火热的话题是什么？答案里肯定有元宇宙（Metaverse）。

百度百科对元宇宙的定义是：利用科技手段进行链接与创造的，与现实世界映射与交互的虚拟世界，具备新型社会体系的数字生活空间。

细看，似曾相识的定义里，与孪生城市有不少共通之处。

元宇宙与城市将如何融合？

上海科技大学副教务长、CVPR 2021程序主席、IEEE Fellow虞晶怡将以《The Future of MetaCity: Modeling, Rendering, and Privacy Protection》为主题发表精彩演讲，带来对MetaCity的理解与思考。

宇视科技总裁张鹏国对行业走心的思考，常携炸裂魔力。

每年安博会前夕，他的千字总结，总能如一滴冰水落入滚油，瞬间在行业里起势炸锅。

这次，张鹏国又将带来哪些深刻、独到见解？

他将以《AIoT：穿越概念的迷雾》为题，现场详解元宇宙、V2X、碳中和、碳达峰、数字孪生、软件定义等眼下十大最热概念，分享对整个行业的深入思考和研判。

数字浪潮之下，希捷全球资深副总裁暨中国区总裁孙丹将从存储视角，带来《数据为匙，开启元宇宙与智慧城市之门》的主题演讲。

中国网络空间安全协会副理事长郑志彬，曾任前华为战略部副总裁、全球智慧城市业务部总经理，长期从事数字政府、智慧城市、数字化转型、网络安全、云计算、通信等领域的业务研究，对智慧城市有着深刻的理解。

此次大会上，郑志彬将从全球视角出发，带来主题为《数智城市的中国模式》的演讲，在会上，他将分析中国智慧城市过去的得与失，也将分享突破智慧城市中国模式的四个关键要素。

几个月前，扎根深圳的AI独角兽云天励飞IPO首发过会，这次，云天励飞首席科学家王孝宇将以《城市进化论：AI的颠覆与思考》为题，梳理CV商业化新趋势。

其他嘉宾的话题不一一列举，此次峰会，最新、最热的话题讨论，丰富、饱满的议题设置，摈弃陈词滥调、行业常识，展开激烈的论点交锋、思维碰撞，构造出一个丰富而立体的思维场域。

超高嘉宾规格、超10位总裁级人物满能登场

历届安防峰会皆有一位开创性学术概念代表的IEEE Fellow坐镇。

从第一届的「数字视网膜」高文院士、到第二届的「三维重建」权龙教授、再到第三届的「联邦学习」杨强教授，都曾在中国人工智能安防峰会上作为开场嘉宾发表精彩演讲。

这一次，虞晶怡院长（IEEE Fellow）将作为上午场开场嘉宾重磅出席并带来精彩分享。

除了顶级学术专家虞晶怡坐镇，其他嘉宾也都颇具份量。

创立十周年之际，宇视超额完成对赌，在双喜之年，张鹏国将出席此次峰会。

值得一提的是，这是张鹏国近十年来首次参加公开场合的媒体类会议，会上他将分享对整个行业的深入思考和研判。

另外，孙丹也是首次出席中国人工智能安防峰会，她诠释全球存储巨头眼中的真实数字城市场。

恰逢海康、大华二十不惑之年，业绩增长喜人，成功转道智慧物联后，海康威视EBG解决方案部总裁李亚亚、大华股份研发中心副总裁兼先进技术研究院、智慧城市研究院院长殷俊将呈现出更多落地成果及行业思考分享。

科大讯飞、腾讯云首度登台峰会，科大讯飞副总裁、科大讯飞大数据研究院执行院长谭昶和腾讯云鼎实验室数据安全总监姬生利将重磅出席。

旷视科技高级副总裁、城市业务事业部总经理陈雪松，有17年的传统安防行业深厚积淀+AI企业4年，作为行业与技术双栖专家，陈雪松将带来《如何提升城市“数智治理”精度与温度》的演讲。

今年以来，AI企业们陆续迎来好消息，云从、旷视、云天励飞、格灵深瞳、奥比中光等均首发过会，业内有不少称2021年为“AI企业IPO元年”。

在此节点，灼识咨询合伙人赵晓马将从IPO咨询视角带来独特见解。

作为一家AI初创公司，小视科技成立来，大受市场和客户认可，其产品、技术进展速度惊人，在巨头林立的AI市场，小视科技执行副总裁段伟芝将在会上发表精彩主题演讲。

华为机器视觉曾率先提出“软件定义摄像机”架构并引领行业，这次，华为机器视觉副总裁张爱军将阐述华为对智慧城市的深刻洞察。

作为重磅嘉宾之一，亚略特公共安全与智慧城市事业群总监郭景玉将在会上发表精彩主题演讲。

郭景玉是生物识别专家，在公共安全行业人口信息化领域深耕多年，是国家人口基础信息库总体规划设计参与人之一。

更多精彩内容，将在明天现场呈现，敬请期待。

参会详情

主办方：雷锋网 & AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店（深圳市南山区海德一道88号）

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，小视科技执行副总裁段伟芝将在会上发表精彩主题演讲。

段伟芝是人工智能领域战略专家，具备优质的宏观视野、丰富的行业认知及敏锐的分析判断，在战略规划、生态合作、资源整合等方面拥有卓越能力。

小视科技，致力于以计算机视觉技术来解决行业痛点，为智慧城市、智慧社区、智慧军工 、智慧园区、智慧校园、互联网人工智能SaaS服务等场景提供全链的人工智能服务。经过多年积累，已获得核心技术专利及软著240余项，近100篇论文被CVPR等顶尖学术会议及期刊收录。

目前，小视科技已与各地政府、华为、三大运营商、BAT等上千家用户单位合作，提供AI产品与服务。

其在建设的某区级智慧社区项目，覆盖全区1000余小区，惠及300万居民，是全国大规模智慧社区标杆。

段伟芝认为，未来AI不是主角，场景才是，必须深入到场景。

AI落地应遵循反向倒推逻辑。换句话说，AI在概念上可以高精尖，但业务上需从底层一点点往上爬。

她指出，行业资源、行业认知和公司能力，这三点决定了选择什么行业、能不能在行业里玩、以什么样的逻辑玩，三者缺一不可。

基于此，小视选择了智慧社区、城市治理、互联网应用这三条赛道，以在细分场景玩精、玩透、玩出水平为座右铭。

对于现在大热的“生态”理念，段伟芝阐述了小视的理解。

生态是一个过程，不是短时间能健全，也不是短时间可看到效益，它耗费时间和精力，有些AI公司可能出于资本方变现压力，更愿意力推基本面，而非慢慢培养整个生态体系。在周守业看来，生态的培育，不应贪大求快，而在稳扎稳打。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，CIC灼识咨询合伙人赵晓马将在会上发表精彩主题演讲。

赵晓马拥有近 15 年专业顾问和咨询服务经验，见证和参与过近 300 家优秀企业在境内外资本市场的融资里程碑事件和首次公开募股。

专注于人工智能、物联网和高端制造业务，为企业发展、投融资和资本市场活动提供战略咨询、商业尽调和 IPO 行业顾问服务。

CIC灼识咨询的研究覆盖科技、互联网、金融等200个细分领域，拥有超过1000家企业的咨询服务经验，数据库覆盖超过30万名行业专家，凭借深厚的行业理解和专业知识，帮助客户解决上市融资过程中面临的挑战和问题。

赵晓马认为，除了工业互联网，车联网、远程医疗、远程控制、智慧城市等也都是未来重要的5G应用场景。

他指出未来5G应用的场景非常广阔，但大规模应用需要基于一系列商业、运营和技术能力。在网络建设上，如果要面对所有应用场景，为了效率和成本，需要按需配给，给特定产业以不同的网络服务，这也是“5G网络切片”。

赵晓马进一步表示，运营商面临的课题是如何匹配端到端的定制化网络切片，而企业面临的课题是后续如何运维管理。这一系列产业链里的角色分配、协同关系和利益分配都需要明晰的收费体系和商业盈利模式去驱动和支撑。所以发展5G需要配合物联网、云计算、人工智能等技术的协同发展，才能实现价值变现和规模应用。

此外，5G基站设备成本高企、运营商背负了巨大考核压力以及专业人才供给缺口都是5G应用亟待解决的问题。基站覆盖是5G发展的基础，没有网络基础，应用落地也是空谈。

相比4G基站，5G基站规模化还有一定距离。较高的建设成本与较高的基站耗电量，均使得5G运营成本高企。

赵晓马直言，目前5G的发展阶段很难找到一个普适各行业的解决方案，所以5G应用在其他行业的推广方式会以“先易后难”、“以点带面”的方式展开：先与信息化技术匹配度较高并对5G技术接收度较高的行业展开单点合作，再逐渐向其余领域推进5G应用落地。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，腾讯云鼎实验室数据安全总监姬生利将在会上发表精彩主题演讲。

姬生利负责腾讯云原生数据安全产品研发和解决方案设计，在云主机安全和数据安全领域有深入研究。

腾讯在2019年发布了云原生数据安全中台，提供云上合规的密码计算资源池、密码应用中间件和云原生数据安全能力，为业务上云提供一站式的数据安全解决方案。

其产品包括密钥管理系统KMS，凭据管理系统SSM，云加密机CloudHSM，国密SDK，云访问安全代理CASB等。

姬生利指出，数据已经作为新的生产要素成为驱动经济发展的新引擎。

然而在数据驱动的过程中，数据安全问题也日益凸显，并成为企业上云发展的最大威胁。日渐复杂的云上安全态势、政策法规和企业自身业务良性发展的要求、用户对数据安全和隐私安全的意识提升等多方面因素下，如何保证云上数据安全已经成为云厂商和企业的头号难题。

姬生利认为，云原生的架构带来了数据安全策略的演进。企业需要更好地贴近数据、贴近云平台，由云平台提供各类原生的工具和服务集，最大化地降低企业上云后数据安全的开发成本。

但目前国内外云厂商普遍未提供云原生一体化的数据安全治理工具，云租户需要借助外部工具碎片化实现云上数据安全保护的技术落地。

此外，在高机密数据的加密方案上，各大云服务商目前主流的数据加密方案普遍要求云租户具备一定的密码方案设计以及开发能力，在实际落地时存在较高的使用门槛。

腾讯安全云鼎实验室提出了“云数据安全中台”的解决思路，通过基于商用密码技术的数据加密软硬件服务（CloudHSM /SEM）、密钥与凭据管理系统（KMS/SSM）以及云访问安全代理（CASB）三大核心能力，为企业提供便利的一站式云上数据分级、加密和动态脱敏方案，保障数据在识别、使用、存储过程中的安全。

目前，腾讯云数据安全中台已广泛应用在智慧城市、政务云、金融云等多个行业领域。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，亚略特公共安全与智慧城市事业群总监郭景玉将在会上发表精彩主题演讲。

郭景玉是生物识别专家，在公共安全行业人口信息化领域深耕多年，是国家人口基础信息库总体规划设计参与人之一。

近年来，参与编制了国家身份证、居住证及人口管理等20余项国家与行业标准。

亚略特聚集生物识别领域已经有17年，通过指纹、人脸、虹膜、情绪、行为等多模态生物识别核心技术驱动人工智能产业应用。

作为一家人工智能公司，亚略特已经实现盈利，每年将20%的收入投入研发，定位是以人的数字身份为核心，通过场景化的AI智慧解决方案，为人提供可靠的更便捷的服务。

郭景玉认为，是否有用户买单决定技术是否有用。在他看来，AI企业都会经历三个阶段：技术、产品输出、场景输出。

亚略特并不孤立地对待三个阶段，致力于通过产品、场景，让技术实现其价值。为此，亚略特在行业早期就开始进行技术产品化、场景化，实现商业变现。

亚略特认为，AI不是飘在空中的概念，而是实实在在的用户价值。

AI也不是简单的几套算法和几种硬件，而是对用户、场景需求深度理解，技术落地不仅是“AI+”，更应该是“场景化AI”。

目前，亚略特落地的数字化城市综合治理领域包括：智慧交通、智安小区管理、阳光餐饮食品安全、城市公租房管理、智慧园区管理、疫情防控、智慧酒店等等场景。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，云天励飞副总裁郑文先将在会上发表精彩主题演讲。

郑文先先后在深圳市政府办公厅、市科技信息局、市科技创新委、南山区科技创新局工作，有十多年的科技管理经验。

现全面负责云天励飞的战略规划制定、运营管理、区域拓展、公共事务、品牌策划和知识产权等工作。

目前云天励飞已实现IPO过会，将继续依托依托一流的国际化专家团队和“全栈式”AI 技术平台，为行业提供先进、具有性价比的产品和解决方案。

郑文先认为，2020年到2030年是第四次工业革命的开局十年，也是人工智能发展非常关键的十年。

在以往安防业务的基础上，云天励飞将业务范围逐渐拓展到城市治理，以及与人更加密切相关的场景。因此，目前云天励飞主要聚焦两大领域，数字城市和人居生活。

数字城市之下，有智慧安防、智慧交通、城市治理、疫情防控等，人居生活主要包括，智慧社区、智慧园区、智慧泛商业等领域。

在智慧城市时代，他们提出了自进化城市智能体。

自进化城市智能体的诞生，被认为是云天励飞面向城市级场景的里程碑事件，也是其自我革新的又一个重要节点。

在郑文先看来，中国发展人工智能有独特的优势，中国有广阔的场景和应用空间，因此人工智能的发展要走‘群体智能’的路线。云天励飞的自进化城市智能体正是基于“把一个城市当做一个智能体”的理解诞生。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

2021年12月11日，由雷峰网AI掘金志主办的「第四届中国人工智能安防峰会」将在深圳拉开帷幕。

作为重磅嘉宾之一，旷视高级副总裁、城市业务事业部总经理陈雪松将在会上发表精彩主题演讲。

陈雪松曾任中国电子科技集团公共安全信息化事业本部主任、国信安信息科技公司总经理。

在传统安防行业有17年的深厚积淀，于2017年加入旷视。

陈雪松带领旷视城市业务团队在全国范围展开深入布局，业务覆盖公共安全、城市管理、交通管理等领域，核心产品和解决方案已落地全国 150+个城市和全球 30+个国家和地区。

作为人工智能行业的务实者与领跑者，旷视将坚持软硬一体化的产品策略，以成熟的技术能力，向客户提供AIoT软硬一体化解决方案，助力客户实现降本增效。

陈雪松认为，AI给安防行业的改变是规模效应和业务逻辑。

规模的梯度递增意味着形成整个社会面的活动态势，各行业的边际效应开始显现。

行业需求和行业积累是规模效应的内因。

城市的智能化途径有二，前端的智能摄像头和后端的智能化平台。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。

陈雪松指出，城市AIoT行业正呈现边界溢出效应。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。

对于是否可用，是否好用，最终关注的还是用户的价值体现，行业更加务实。

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。

参会详情

主办方：雷峰网& AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店

专享福利：进入大会主页 https://gair.leiphone.com/gair/gair2021，可购买399元限时早鸟票和业内代表限量免费票 https://gair.leiphone.com/gair/gair2021/ticket。

12月11日，雷峰网AI掘金志将在深圳举办第四届中国人工智能安防峰会。

近几年，我们作为行业变迁的核心“随队摄影师”，记录下了中国AI安防行业的高光时刻。

数字化时代，我们邀请您一起见证入局者们书写数字城市历史的细节。

聚光灯下，和数字城市领域的标杆企业进行一场深度对话。

大会以「数字城市的时代突围」为主题，会上14家标杆企业，为近千名现场听众和线上数十万用户，分享迎接数字城市的经营理念与技术应用方法论。

第四届「中国人工智能安防峰会」

本届「中国人工智能安防峰会」相比前三届：有些相同，又有太多不同。

相同的是：本届峰会在嘉宾邀请、内容审定、观众招募、整体传播上依旧延续了前三届的高水准。

不同之处主要包含十点。

峰会十大看点

• 学术研究承担探索未来、独立思考、打破常规的使命，我们把眼光从常见任务的性能角逐中移开，看看学术大牛虞晶怡结合元宇宙为我们详解数智城市的挑战与机遇，梳理CV商业化新趋势。

• 创立十周年之际，宇视超额完成对赌，此次更是宇视总裁张鹏国近十年来首次参加公开场合的媒体类会议，这次，张鹏国将现场详解元宇宙、V2X等眼下十大最热概念。

• 恰逢海康、大华成立二十周年，业绩增长喜人，成功转道智慧物联后，又将呈现出哪些落地成果及行业思考。

• 前华为全球智慧城市总架构师，郑志彬或将带来更多中国版智慧城市的沉淀与思考。

• 新基建启动键按下，商汤、旷视、云天励飞、小视、亚略特等行业佼佼者如何做差异化竞争？

• 高站存储视角，希捷科技全球副总裁孙丹眼中的真实数字城市场是什么样的？

• 腾讯云、科大讯飞首度登台，他们的重磅出席释放了什么信号？

• AI企业IPO元年，灼识咨询将从IPO咨询视角带来哪些独特视角？

• 最新、最火的赛道，城市+AIoT，两大航道+多重视角，行业头部大咖现场梳理企业数字化成长路线图。

• 丰富、饱满的议题设置，观点交锋、思维碰撞、刷新认知，从 To G到 To B，一次阅尽数字化落地隐秘绝技。

我们通过多纬度、多角度的的议题设置，理性的思考和行业敬畏感的信念，摈弃陈词滥调、行业常识，展开激烈的论点交锋、思维碰撞，构造出一个丰富而立体的思维场域。

AM：城市AIoT「技术之王」，视频物联新征程

9:20-9:55 《The Future of MetaCity: Modeling, Rendering, and Privacy Protection》

虞晶怡：上海科技大学副教务长、CVPR 2021程序主席、IEEE Fellow

虞晶怡，现任上海科技大学信息学院执行院长、IEEE CVPR 2021、IEEE WACV 2021和ICCV 2025的大会程序主席。

专注于计算机视觉和成像领域的探索，入选IEEE Fellow。

2016年创立「叠境数字」，致力将学术成果转化为落地应用，以计算机视觉技术、光场技术和深度学习技术为核心，赋能企业及智慧城市建设。

9:55-10:20 《智能物联助力数字化转型》

李亚亚：海康威视EBG解决方案部总裁

2009年加入海康威视，十余年来一直专注于金融、教育、医疗、建筑、工商企业等多个行业的产品研发、业务设计、行业解决方案等工作。现任海康威视EBG解决方案部总裁。

数字经济正在蓬勃发展，在数字与智能技术驱动之下，产业变革加速推进。海康威视积极拥抱数字化浪潮，依托业务、产品和技术创新，与合作伙伴一起构建数字化转型产品、解决方案与服务体系，致力于成为用户场景智联的首选合作伙伴、设备设施物联的重要供应商，物信融合构建数字孪生的创新合作伙伴。

10:20-10:45 《数智物联发展的驱动力》

殷俊：大华股份研发中心副总裁兼先进技术研究院、智慧城市研究院院长

曾带领团队获得数十项世界级AI竞赛冠军。

工作期间授权170余项国内专利、 14项国际发明专利。

主导研发的HDCVI技术被列入一项视频监控国际标准和一项国内标准，荣获2015浙江省科技进步奖一等奖。

随着AIoT的进一步深入，大华股份的业务不断伸展，基于视频，开拓了机器视觉及机器人、汽车电子、智慧存储等新兴视频物联业务，帮助城市、企业和消费者生活实现数字化转型和智能化升级。

10:45-11:10《智见不凡  共创数智未来》

张爱军：华为机器视觉副总裁

华为机器视觉副总裁张爱军，担任中关村中安公共安全视频智能应用技术联盟副理事长、智能视频大数据产业联盟专委会主席。

曾率先提出“软件定义摄像机”架构并引领行业，对人工智能AI、视频大数据在各行业的应用有深刻的洞察。

同时，对视频编解码、大数据、云计算、AI技术具有深入的研究，是华为机器视觉产业首席战略和产品规划专家。

华为机器视觉整合联接、计算、云、终端等技术优势，以云服务为核心，构筑出最强“端边云”协同解决方案和最佳商业模式，引领产业方向。

同时，面向交通、园区、教育、金融等行业提供软件定义摄像机、智能视频存储、一站式智能视频算法商城等产品，携手算法、应用、硬件等领域的合作伙伴，推动千行百业智能化升级。

11:10-11:35 《智慧视觉新阶跃：从全场景智能底座出发》

周守业：小视科技执行总裁

周守业曾任多家大型股份制企业国内、国际高管，拥有突出的业务拓展能力及丰富的团队建设、综合管理、大型项目操盘等经验。

小视科技，致力于以计算机视觉技术来解决行业痛点，为智慧城市、智慧社区、智慧军工、智慧园区、智慧校园、互联网人工智能SaaS服务等场景提供全链的人工智能服务。经过多年积累，已获得核心技术专利及软著240余项，近100篇论文被CVPR等顶尖学术会议及期刊收录。

目前，小视科技已与各地政府、华为、三大运营商、BAT等上千家用户单位合作，提供AI产品与服务。

其在建设的某区级智慧社区项目，覆盖全区1000余小区，惠及300万居民，是全国大规模智慧社区标杆。

11:35-12:00 《数智城市的中国模式》

郑志彬：中国网络空间安全协会副理事长、前华为全球智慧城市业务部总经理

长期从事数字政府、智慧城市、数字化转型、网络安全、云计算、通信等领域的业务研究。

拥有发明专利150+项目，获得国家技术发明奖二等奖二次（2013,2020），多次获得省部级科技进步一等奖。

同时兼任发改委数字中国研究院常务副理事长，广东省数字政府改革建设工作专家组委员，深圳市“数字政府”建设专家委员会委员， 山东省电子政务和大数据专家咨询委员会委员、内蒙古自治区发展咨询委委员等。

PM：城市AIoT「场景之王」，数智转型星变量

13:40-14:10 《AIoT：穿越概念的迷雾》

张鹏国：宇视科技总裁

张鹏国从事安防行业20余年，先后就职于中国航空计算技术研究所、华为、H3C等公司。

2011年创立宇视科技并任总裁，带领宇视从默默无闻的小公司成长为世界第四、中国第三的视频监控巨头。

如今的宇视，正在以惊人的速度茁壮成长，掘金城市AIoT。

值得一提的是，这也是他近十年来首次参加公开场合的媒体类会议，会上他将分享对整个行业的深入思考和研判。

14:10-14:35 《如何提升城市“数智治理”精度与温度》

陈雪松：旷视科技高级副总裁、城市业务事业部总经理

曾任中国电子科技集团公共安全信息化事业本部主任、国信安信息科技公司总经理。

在传统安防行业有17年的深厚积淀，于2017年加入旷视。

带领旷视城市业务团队在全国范围展开深入布局，业务覆盖公共安全、城市管理、交通管理等领域，核心产品和解决方案已落地全国 150+个城市和全球 30+个国家和地区。

作为人工智能行业的务实者与领跑者，旷视将坚持软硬一体化的产品策略，以成熟的技术能力，向客户提供AIoT软硬一体化解决方案，助力客户实现降本增效。

14:35-15:00 《城市进化论：AI的颠覆与思考》

郑文先：云天励飞副总裁

先后在深圳市政府办公厅、市科技信息局、市科技创新委、南山区科技创新局工作，有十多年的科技管理经验。

现全面负责云天励飞的战略规划制定、运营管理、区域拓展、公共事务、品牌策划和知识产权等工作。

目前云天励飞已实现IPO过会，将继续依托依托一流的国际化专家团队和“全栈式”AI 技术平台，为行业提供先进、具有性价比的产品和解决方案。

15:00-15:25 《如何做好数据浪潮的后备军团》 

孙丹：希捷科技全球高级副总裁暨中国区总裁

孙丹是2020年及2021年福布斯中国区杰出商界女性之一。

曾就职于IBM，担任IBM系统与科技事业部大中华区System x总经理。

2013年加盟希捷，带领希捷在云存储、安防监控领域不断深耕，产品影响力得以大幅提升，在机械硬盘、固态硬盘和存储系统方面取得行业用户的认可和好评。

此外，在她的努力下，希捷倡导成立了安防监控存储联盟，加入到深圳市智慧城市协会，推动整个存储行业，乃至整个数据圈产业的健康良性发展。

15:25-15:50  《人工智能赋能交通的实践与思考》

谭昶：科大讯飞副总裁 、科大讯飞大数据研究院执行院长

谭昶博士毕业于中科大，主要从事数据挖掘和推荐系统技术的研究和推广应用。目前负责科大讯飞公司智慧城市、计算广告和个性化推荐方向的大数据核心技术研发及应用推广工作。

科大讯飞在语音语言、自然语言理解、及其学习推理等核心技术上拥有国际前沿技术水平，致力于让机器“能听会说，能理解会思考”。

基于自研的讯飞开放平台，科大讯飞持续拓展行业赛道，现已推出了覆盖智慧教育、智慧城市、智慧医疗等多个行业的智能产品及服务。

15:50-16:15 《云边端安的大观视界——智慧城市如何从管理人到服务人》

郭景玉：亚略特公共安全与智慧城市事业群总监

在公共安全行业人口信息化领域深耕多年，是国家人口基础信息库总体规划设计参与人之一。

近年来，参与编制了国家身份证、居住证及人口管理等20余项国家与行业标准。

亚略特是全球领先的人工智能和生物识别核心方案提供商，拥有200多项国际领先的多模态生物识别技术专利，为外交部外国人来华生物识别签证项目提供核心技术方案，并在多个国家承建过公民身份生物特征项目，为全球30多个国家、超20多亿人口提供生物认证产品和服务。

16:15-16:40 《数智城市云原生数据安全的三要素》

姬生利：腾讯云鼎实验室数据安全总监

姬生利负责腾讯云原生数据安全产品研发和解决方案设计，在云主机安全和数据安全领域有深入研究。

腾讯在2019年发布了云原生数据安全中台，提供云上合规的密码计算资源池、密码应用中间件和云原生数据安全能力，为业务上云提供一站式的数据安全解决方案。

其产品包括密钥管理系统KMS，凭据管理系统SSM，云加密机CloudHSM，国密SDK，云访问安全代理CASB等。

16:40-17:05《智慧城市的数智基础平台》

赵晓马：灼识咨询合伙人

赵晓马拥有近 15 年专业顾问和咨询服务经验，见证和参与过近 300 家优秀企业在境内外资本市场的融资里程碑事件和首次公开募股。

专注于人工智能、物联网和高端制造业务，为企业发展、投融资和资本市场活动提供战略咨询、商业尽调和 IPO 行业顾问服务。

CIC灼识咨询的研究覆盖科技、互联网、金融等200个细分领域，拥有超过1000家企业的咨询服务经验，数据库覆盖超过30万名行业专家，凭借深厚的行业理解和专业知识，帮助客户解决上市融资过程中面临的挑战和问题。

参会详情

主办方：雷锋网 & AI掘金志

会议时间：2021年12月11日

会议地点：深圳中洲万豪酒店（深圳市南山区海德一道88号）