10月29日，在CPSE安博會高端訪談的現場，圍繞人工智能和安防等相關問題進行了探討。此次會談由CPS中安網總經理楊儒主持，邀請的嘉賓有：觸景無限科技(北京)有限公司CEO肖洪波、商湯科技南區銷售總監陳治華、深圳云天勵飛技術有限公司產品總監程冰、北京曠視科技有限公司解決方案總監安洋、蘇州科達科技股份有限公司智能事業部總經理晉兆龍(以上排名不分先后)。
以下內容，在不影響嘉賓意思的語境下，有所更改。
主持人：大家怎么理解AI和安防落地相比其它行業會更快?
晉兆龍：我們在安防行業耕耘了很多年，對此有一個深切的體會。從原來傳統的智能算法開始，安防行業對于智能的需求是非常迫切的，也是一直存在的，只是原來的算法沒法滿足這種高端的需求，包括到現在深度學習出來之后，其實還有很多用戶關于智能方面的應用需求還是被壓制的。隨著技術的前進，包括我們對行業應用深刻的理解，從數據量的爆發到運算平臺的成熟，到客戶對這個應用理解不斷地深入，包括很多現在技術上無法完美解決的東西，客戶也能通過他自身的不斷認識提升，能夠得到一些容忍或者說一些變通的處理方法。
總體上來講，智能或者AI為安防行業的應用賦能了很多東西，從這個角度上來講，加快了智能的發展和演進。同時，本身安防行業大量的視頻監控也具備大數據應用的基礎，我覺得這是兩個相輔相成的促進。
安洋：首先為什么人工智能在安防行業落地很快，我認為它有基礎，現在全國已經有2500萬+的攝像機，這些攝像機都不需要再改造，大部分就可以用來做人臉識別，所以它可以很快的落地，因為它不需要很多的基礎建設。第二是有需求，原因是現在公安的很多傳統的老三樣的手段，比如說敲門、查身份證、蹲點，這些手段已經無效了，所以急需一些基于人臉、基于人形的方法來幫助他提高破案率，所以是有強烈需求的。第三就是技術的成熟和規模化的應用，現在這么多的攝像機，技術也成熟到了一定程度，機器視覺的識別率已經高于人類的識別率，所以在這種大數據的情況下，人工本來就看不過來，機器又比人看得準。所以我們一直有一個理念，越來越多的攝像機不是給人看的，是給機器看的，而在見效快、有基礎、有需求的情況下，所以AI落地安防很快。
程冰：剛才各位都提到了現在的攝像頭數非常多，比較適合應用人工智能技術，我覺得這是其中一個方面。其實需求是從十幾年前一直都存在的，包括以前大家也有做人臉識別，也有做各種生物識別的，這幾年才非常火。我們覺得有三個方面的因素，第一方面是算法性能的提升，這兩三年做AI的公司基本上都采用深度學習的技術，這個技術比以前的算法提升了10%到20%。第二，我們覺得是算力的提升，包括這幾年的GPU、FPGA這些在計算加速方面得到了大面積的推廣，成本也做得比較低，也便于一些AI公司做數據的訓練，所以算力也讓技術得到了快速的進步。第三，客戶的認知的改變，以前客戶覺得你的準確性要非常高，大數據也是這幾年普及的，我們把AI和大數據融合之后，從大數據里面能找到目標的概率提升，這樣就能幫助客戶解決他切身需要的問題，所以他的認知度有一個提升。
陳治華：這件事情我覺得首先要感謝領導，他們在很多的大會上都講到人工智能，尤其是在去年6月15號，在百萬公安干警大會上，當時都講到了人工智能，我們公安部門應該用人工智能手段提升我們的偵查破案的效率，解決當前警力不足的問題，這是開啟了大規模應用的一個點，這是我最明確的感受。這個點結束之后，我再去拜訪公安局的時候就非常受歡迎，他們主動找我跟他們交流，我覺得這是很重要的一個點。包括今年十九大的會議上也提到了人工智能。
另外一點就是算法的突破，這個算法的突破為我們打開了一個瓶頸，深度學習為什么這么火?因為它是一種明確的方法，在人工智能領域發展了幾十年，為什么人工智能一直進步很慢，可能就是大家沒有找到打開這個門的鑰匙，這個鑰匙就是深度學習，商湯在2010年的時候，我們的創始人就用深度學習的方法在視覺領域進行突破，這是很重要的一點。
還有一點就是算法的提升，其實這種規模化的應用，云計算在公安的落地也就變成可能。今天算法突破之后，它就是一個二進制的數據，就不再是一張張的人臉，它可能是一個數據集，這些數據集就可以分析和應用。因為是數據，它不再是傳統的非結構化數據，結構化數據是可以分析和利用的，這時候就可以產生很多有意思的事情，比如說布控、檢索、軌跡還原、同型高頻，這都是數據應用的一種。這么大的應用就需要很大的運算能力，所以需要云計算。所以我覺得云計算這樣一個概念在公安的大規模應用，就把安防的產業有很大的提升，這種大規模應用一定會帶來安防產業從平安城市到智慧城市的升級，我非常看好未來整個安防落地的情況。
肖洪波：主要有幾個方面促進了現在人工智能的發展：
一、不僅僅在安防行業，現在很多其他行業都在做和人工智能的結合。我記得去年我參加EVS(全球嵌入式智能會議)，大家還在討論要不要在前端做人工智能，但今年大家都不討論了，今年討論的是怎么在前端做人工智能。
二、深度學習的出現，某種程度上降低了圖象算法研究的門檻。我記得我當時在UIUC的研究所里面做圖象搜索，大家要定義它的特征，做PCA分析，再做底層的搜索，我們大概花了兩三年的時間，做出來一個覺得還不錯的算法。但是現在你找一個實習生，他只要有比較好的數據，他可以很快地做出來比我們當時幾個很頂級的博士做出來的效果還要好的模型。所以說它從某種程度上降低了算法進入的門檻。
三、算法的提升。2014年，我們和英特爾合作，基于它的平臺做的前端處理，完全可以做到1080P的圖象全幀率的處理，而且功耗在5瓦以內，它的前端的運算力得到了極大的提升。你只要把這個模型做有效的壓縮和優化，你在前端也可以跑得很快。
主持人：大家剛才聊的自己的產品或方案，我們聊具體一點，這些能幫用戶解決哪些場景的問題?能幫他們解決哪些痛點?
肖洪波：我們關注的主要是在嵌入式這一端，另外我們也是一個中間提供商，我們并不做最終的產品，我們提供的主要是模組的解決方案。所以我們的客戶更多的是攝像頭的企業，我們提供解決方案給他。整個產業鏈的發展一定是大家關注在自己更核心的點上，大家進行合作。
我們非常愿意和大家展開這種合作，我們解決的問題是什么呢?我們的攝像頭以前在出廠的時候沒有針對場景進行優化，后來，我們就開始在數據的源頭這一塊做人工智能。根據這個場景可以優化、調節前端的抓拍，這樣可以根據你關注的目標，通過最前端這一塊給你做優化，這是我們關注的點。我們只是在嵌入式這個環節去用人工智能幫助我們的客戶能夠把前端的圖象非常優化、非常清晰地給它抓下來。
以前很多時候并不是我們識別這些算法不好，而是說我們的圖象質量有問題。因為它中間還有通過網絡的傳輸、壓縮，我們希望在那個壓縮之前就把檢測的這些圖象提取出來，這是我們的切入點。所以我們也是非常希望和廣大的廠商一起合作，這是我們的出發點。
陳治華：商湯在市場上主要是兩大部分，一個部分就是在規模化應用，面對集成商這個部分，我們會提供端到端的解決方案，比如說大規模應用上，結合了我們的人工智能、云計算技術，加上我們的數據處理技術，可能提供一個完整的后端解決方案，這是我們在大規模應用上，可以和廣大集成商一起做的事情。
另外一個部分，我們會把這些能力跟廣大的廠商合作，我們在后端會給很多合作伙伴提供一些后臺的引擎。我們可以把高性能的GPU的服務器和算法結合好的產品提供給合作伙伴，讓他們在更多的領域做垂直化的應用，因為我們不可能做很多的領域，所以我們會在垂直化的領域做一些應用。
還有一個是前端的產品，我們也會前置到芯片里面，我們也會開發出一些FPGA的芯片，提供給一些硬件廠商，比如說不僅僅是在安防領域，可能還在輔助駕駛、機器人等等領域。
程冰：現在AI確實幫助客戶解決了很多的問題，一個是解決了效率的問題，原來我們的客戶要在視頻里面找什么東西，需要大量的人力，包括國內一些典型的案件，要花費上百人從視頻里面尋找線索。
第二個是準確度的提升，在以前我們要辨認一個人和另外一個人是不是相似，其實你拿著兩張照片，很難通過人工就辨認得清楚。但其實有的時候，機器在這種準確性上還超過了人眼，它能夠給到你一個相似度的閾值，這個閾值到達一定程度之后，就可以給人眼一個參考。
第三是在節省人力方面，例如現在有巡邏機器人、安保機器人，人工智能通過物體檢測、人的檢測，大大節省了保安的人力和物力。
安洋：剛才各位伙伴也提到了，現在用戶分兩類，一類叫做懂人臉，一類叫做不懂人臉，從儀式上、應用上幫助那些沒那么懂人臉的用戶更了解人工智能，這是一個方向。第二個方向是從公安的角度來看，我認為它有三個方向要掌握，一是他要知道要保護哪些人，我們在大城市級的應用里面找到好人，二是要知道防范哪些人，這些人我不知道是好人還是壞人，我要把他防起來，三是要打擊壞人，對已經知道的壞人我要快速抓捕掉。現在的發展階段是倒著來的，我們現在抓了好多壞人，曠視試圖提供這種大的解決方案，幫助他找到哪些需要防范的人，哪些是需要確定保護的人，這是一個方面。
另外一個方面，現在大面積的人工智能、人臉識別上了之后，對算法和云計算等等廠家來說都是面臨一個巨大的挑戰，因為不僅僅是你是億級庫，現在可能已經到了千億級的水平，曠視希望基于現有的網絡和前端計算力把算法前置化，這樣能大規模的節省用戶的基礎投資，最快速的見效，讓現有的攝像機和即將上馬的攝像機具有智能化的能力，這是解決他的兩個痛點問題。
第三個問題是隨著計算力的提升，他的硬件成本也在不斷地下降，有了深度學習之后，我們的門檻其實是在降低，在這兩個環境條件下，可以支持用戶更大規模的去做，這樣能回應到我提的第一個問題，就是說在整個城市級、國家級的層面上，我們要知道保護誰、防范誰、打擊誰。
晉兆龍： 科達為什么在2014年提出實施前端智能?就是意識到光靠后端智能是無法解決很多問題的，這是一方面。第二方面，我們在端到端的智能解決方案中會碰到很多問題，比如說我們的深度學習出來之后，它要凌駕在什么樣的平臺上運行，總是要有一個載體的，這種載體是不是通過通常的載體就能實現?我覺得可能不是很完美的解決，科達可以推出深度學習的計算平臺，跟這個算法做完美的切合。
另外我們隨著深度學習發展之后，它會產生大量的數據，我們是不是單一的解決這樣一個點的問題?比如說我們是不是只關注人臉，只關注車牌，只關注車型?這些都不是，我們最終從用的角度上來講，我們是要把人、車這些有效的元素用到實際的工作當中去，比如說公安行業，最實在的就是案件，我們如何把人、車和案件關聯，這里面會涉及到一些數據的應用問題。另外這些數據的元素很多，我們需要有專門的方案解決問題，這是從端到端解決問題。
大數據出來之后，數據是海量的，如何進行千億級或者更大規模的數據的碰撞分析，涉及到數據的存儲、使用、訪問、快速的檢索。并且公安行業里面有一個很特殊的存在，就是這些目標的快照都是一些小文件，這些半結構化的數據都是一些二進制的數據，這都是一些語義數據，如何把這些元素混雜在一起做綜合的碰撞，綜合分析，這是非常大的挑戰。不光規模大，而且數據種類元素多，所以科達會提出分布式的數據庫，這個數據庫會有效地解決問題，最終為了更好地解決問題，這是一個比較系統的東西。
反過來講，我們如何來滿足客戶的需求，可能每個點都要做深入的深耕，但是我們覺得更重要的是，你如何全系統地、一系列地從端到端的推出這么一個完整解決方案，每個解決方案都可以解決其中一部分問題。
主持人：如果AI要推動監控行業變革的話，還會遇到哪些困難?簡單的舉一兩個點。
晉兆龍：我覺得AI現在具備了一個大規模應用的基礎，這個基礎包含兩部分，一部分就是我們的物質基礎已經存在了，比如說大規模的視頻監控、算法、各種資源，這是一個物質基礎。還有一個是我們的客戶應用基礎，客戶已經對這個東西有深刻的認識，并且他認為是可以幫助他落地的，我覺得這兩個技術的存在，對我們推進智能化的發展是至關重要的。
安洋：談到這個話題，我覺得有兩個方向，一個方向是，現在不管人臉還是結構化，這些信息能夠提高識別率，幫助他解決一個點的問題。能不能解決他真正的業務問題，可能未必。比如說在地鐵，在社會面上，是不是我把這個人認出來了我就能抓到他?其實不是，我們應該在這個方向上跟客戶一起努力打造基于他的人工智能的戰法和部署，實現精準警務，這是一個方面。
第二個方向是大規模的應用了之后，這些大數據應該怎么用，它們之間建立的關系應該是什么。很多人抓了車、抓了臉、抓了背影、抓了屁股，這些人、物體怎么連起來，我覺得這也是一個很大的挑戰。
程冰：談瓶頸我覺得還談不上，發展空間還非常大，困難也是有一些的，像我們從人臉切換到人像特征等等，這個過程中深度學習很火，但是數據還是非常難，投入成本也非常高，目前也沒有非常好的標準，包括國外的測試庫，數據量還是非常少的，LFW也就6000多組，所以我們覺得數據非常難。
第二個就是在算法的實際的水平和落地的能力上面，我們自身也在做一些服裝、人像的特征，我們還在做一些步態的識別，我們覺得在這個推廣的過程中確實還是挺困難的，它的準確度還很難達到一個客戶想要的水平。就像我們前幾年非常火的一個谷歌眼鏡，他們最后也是承認了一個錯誤，覺得它推出的時間節點過早，當前客戶想要的更多，這個產品還無法滿足客戶想要的東西。
其實我們在AI上也有這樣的問題，我們覺得很多技術都開始起步了，其實能落地的技術確實還要一個過程，客戶的認知也有一個過程，太早的推出市場，可能就像10年你去推人臉識別一樣，可能客戶最后直接給你一個閉門羹，認為你是騙子。
陳治華：這個問題我的感受比較深刻。第一個部分是難點在算法精度部分，剛才我們也聽到幾位同行在聊算法的門檻低了，但是里面的難點就更多了，也就是精度的部分還有問題。比如說我們今天的人臉布控，我們可能在做1比N(N值在20萬、30萬)，商湯正在挑戰N值千萬級的人臉布控，就是我要把人臉做到千萬級，做實時的比對，可能算法的精度差一兩個點，可能就找不到了，這是第一個部分的難點。第二個難點就是抓拍庫的問題，以深圳市局為例，可能是2萬路的建設規模，未來是千億級的數據，就算是熱數據三個月，可能也是百萬級以上的數據搜索，這個時候精度如果差兩三個點，可能也找不到了。算法精度的提升是永無止境的，這是第一個部分。
第二個部分是我們正在挑戰那些低像素的，它的像素已經低到20×20以下，到10×10的情況，這樣一些領域的圖片的還原，比如說我們公安有一些畫像大師，通過一點點的像素能把人像還原出來，商湯正在挑戰這個領域，可能這個像素只有幾個點，但是我往往發現我跟你認識，但是拍得再模糊的照片，我也能大概認出是你，目前機器是做不到的，商湯正在挑戰這種超分辨率的技術，在這個方面把他還原出來。
第三個部分，我跟很多公安局聊，往往一些不太明顯的信息是破案的線索，比如說在視頻結構化這個領域，很多邊緣的影像，它反倒會影響破案，這個部分也是算法的挑戰，所以我覺得算法挑戰是一個永無止境的話題。
另外一個方面是人工智能的應用，剛才我說人工智能的應用是把小麥加工成面粉，原來可能是小打小鬧，我們搞幾個機器就夠了，現在一個城市要做幾萬路攝像頭，它的并發可能是幾百、幾千個并發，這種運算就很驚人了。原來CPU超算中心解決的是文本的數據，今天面對非結構化的數據，可能需要GPU的超算中心，商湯自己本身就有4個超算中心，同時我們也在跟一些公安局在建設GPU超算中心，解決運算的問題。因為要解決幾萬人同時吃面條的問題，如果幾萬人都要吃面條的時候，其實是一個很大的工程問題，我覺得這個問題也是一個巨大的挑戰。
肖洪波：每一項新的技術出來的時候，我們往往在近期之內會高估它的作用，而在長期又忽略它的作用。其實我覺得有一天我們不再談論人工智能的時候，可能那時候就是人工智能真的落地了。剛才晉總說得特別好，人工智能什么時候能可運營化是最重要的。人工智能可運營化之后對你的業務會產生很大的影響，你的業務流程、職責設定甚至新業務的形態都會受到影響。
另外一點，剛才幾位也都提到了，我們算法的發展還是在不斷向前的，包括深度學習，其實它的理論現在也沒有特別成熟，還有非常多的新理論出來，我覺得我們大家也會一起努力，把這些人工智能的技術能夠真正幫助我們的客戶去做一些業務方面的創新，這是最重要的。(
10月29日，在CPSE安博會高端訪談的現場，圍繞人工智能和安防等相關問題進行了探討。此次會談由CPS中安網總經理楊儒主持，邀請的嘉賓有：觸景無限科技(北京)有限公司CEO肖洪波、商湯科技南區銷售總監陳治華、深圳云天勵飛技術有限公司產品總監程冰、北京曠視科技有限公司解決方案總監安洋、蘇州科達科技股份有限公司智能事業部總經理晉兆龍(以上排名不分先后)。
以下內容，在不影響嘉賓意思的語境下，有所更改。
主持人：大家怎么理解AI和安防落地相比其它行業會更快?
晉兆龍：我們在安防行業耕耘了很多年，對此有一個深切的體會。從原來傳統的智能算法開始，安防行業對于智能的需求是非常迫切的，也是一直存在的，只是原來的算法沒法滿足這種高端的需求，包括到現在深度學習出來之后，其實還有很多用戶關于智能方面的應用需求還是被壓制的。隨著技術的前進，包括我們對行業應用深刻的理解，從數據量的爆發到運算平臺的成熟，到客戶對這個應用理解不斷地深入，包括很多現在技術上無法完美解決的東西，客戶也能通過他自身的不斷認識提升，能夠得到一些容忍或者說一些變通的處理方法。
總體上來講，智能或者AI為安防行業的應用賦能了很多東西，從這個角度上來講，加快了智能的發展和演進。同時，本身安防行業大量的視頻監控也具備大數據應用的基礎，我覺得這是兩個相輔相成的促進。
安洋：首先為什么人工智能在安防行業落地很快，我認為它有基礎，現在全國已經有2500萬+的攝像機，這些攝像機都不需要再改造，大部分就可以用來做人臉識別，所以它可以很快的落地，因為它不需要很多的基礎建設。第二是有需求，原因是現在公安的很多傳統的老三樣的手段，比如說敲門、查身份證、蹲點，這些手段已經無效了，所以急需一些基于人臉、基于人形的方法來幫助他提高破案率，所以是有強烈需求的。第三就是技術的成熟和規模化的應用，現在這么多的攝像機，技術也成熟到了一定程度，機器視覺的識別率已經高于人類的識別率，所以在這種大數據的情況下，人工本來就看不過來，機器又比人看得準。所以我們一直有一個理念，越來越多的攝像機不是給人看的，是給機器看的，而在見效快、有基礎、有需求的情況下，所以AI落地安防很快。
程冰：剛才各位都提到了現在的攝像頭數非常多，比較適合應用人工智能技術，我覺得這是其中一個方面。其實需求是從十幾年前一直都存在的，包括以前大家也有做人臉識別，也有做各種生物識別的，這幾年才非常火。我們覺得有三個方面的因素，第一方面是算法性能的提升，這兩三年做AI的公司基本上都采用深度學習的技術，這個技術比以前的算法提升了10%到20%。第二，我們覺得是算力的提升，包括這幾年的GPU、FPGA這些在計算加速方面得到了大面積的推廣，成本也做得比較低，也便于一些AI公司做數據的訓練，所以算力也讓技術得到了快速的進步。第三，客戶的認知的改變，以前客戶覺得你的準確性要非常高，大數據也是這幾年普及的，我們把AI和大數據融合之后，從大數據里面能找到目標的概率提升，這樣就能幫助客戶解決他切身需要的問題，所以他的認知度有一個提升。
陳治華：這件事情我覺得首先要感謝領導，他們在很多的大會上都講到人工智能，尤其是在去年6月15號，在百萬公安干警大會上，當時都講到了人工智能，我們公安部門應該用人工智能手段提升我們的偵查破案的效率，解決當前警力不足的問題，這是開啟了大規模應用的一個點，這是我最明確的感受。這個點結束之后，我再去拜訪公安局的時候就非常受歡迎，他們主動找我跟他們交流，我覺得這是很重要的一個點。包括今年十九大的會議上也提到了人工智能。
另外一點就是算法的突破，這個算法的突破為我們打開了一個瓶頸，深度學習為什么這么火?因為它是一種明確的方法，在人工智能領域發展了幾十年，為什么人工智能一直進步很慢，可能就是大家沒有找到打開這個門的鑰匙，這個鑰匙就是深度學習，商湯在2010年的時候，我們的創始人就用深度學習的方法在視覺領域進行突破，這是很重要的一點。
還有一點就是算法的提升，其實這種規模化的應用，云計算在公安的落地也就變成可能。今天算法突破之后，它就是一個二進制的數據，就不再是一張張的人臉，它可能是一個數據集，這些數據集就可以分析和應用。因為是數據，它不再是傳統的非結構化數據，結構化數據是可以分析和利用的，這時候就可以產生很多有意思的事情，比如說布控、檢索、軌跡還原、同型高頻，這都是數據應用的一種。這么大的應用就需要很大的運算能力，所以需要云計算。所以我覺得云計算這樣一個概念在公安的大規模應用，就把安防的產業有很大的提升，這種大規模應用一定會帶來安防產業從平安城市到智慧城市的升級，我非常看好未來整個安防落地的情況。
肖洪波：主要有幾個方面促進了現在人工智能的發展：
一、不僅僅在安防行業，現在很多其他行業都在做和人工智能的結合。我記得去年我參加EVS(全球嵌入式智能會議)，大家還在討論要不要在前端做人工智能，但今年大家都不討論了，今年討論的是怎么在前端做人工智能。
二、深度學習的出現，某種程度上降低了圖象算法研究的門檻。我記得我當時在UIUC的研究所里面做圖象搜索，大家要定義它的特征，做PCA分析，再做底層的搜索，我們大概花了兩三年的時間，做出來一個覺得還不錯的算法。但是現在你找一個實習生，他只要有比較好的數據，他可以很快地做出來比我們當時幾個很頂級的博士做出來的效果還要好的模型。所以說它從某種程度上降低了算法進入的門檻。
三、算法的提升。2014年，我們和英特爾合作，基于它的平臺做的前端處理，完全可以做到1080P的圖象全幀率的處理，而且功耗在5瓦以內，它的前端的運算力得到了極大的提升。你只要把這個模型做有效的壓縮和優化，你在前端也可以跑得很快。
主持人：大家剛才聊的自己的產品或方案，我們聊具體一點，這些能幫用戶解決哪些場景的問題?能幫他們解決哪些痛點?
肖洪波：我們關注的主要是在嵌入式這一端，另外我們也是一個中間提供商，我們并不做最終的產品，我們提供的主要是模組的解決方案。所以我們的客戶更多的是攝像頭的企業，我們提供解決方案給他。整個產業鏈的發展一定是大家關注在自己更核心的點上，大家進行合作。
我們非常愿意和大家展開這種合作，我們解決的問題是什么呢?我們的攝像頭以前在出廠的時候沒有針對場景進行優化，后來，我們就開始在數據的源頭這一塊做人工智能。根據這個場景可以優化、調節前端的抓拍，這樣可以根據你關注的目標，通過最前端這一塊給你做優化，這是我們關注的點。我們只是在嵌入式這個環節去用人工智能幫助我們的客戶能夠把前端的圖象非常優化、非常清晰地給它抓下來。
以前很多時候并不是我們識別這些算法不好，而是說我們的圖象質量有問題。因為它中間還有通過網絡的傳輸、壓縮，我們希望在那個壓縮之前就把檢測的這些圖象提取出來，這是我們的切入點。所以我們也是非常希望和廣大的廠商一起合作，這是我們的出發點。
陳治華：商湯在市場上主要是兩大部分，一個部分就是在規模化應用，面對集成商這個部分，我們會提供端到端的解決方案，比如說大規模應用上，結合了我們的人工智能、云計算技術，加上我們的數據處理技術，可能提供一個完整的后端解決方案，這是我們在大規模應用上，可以和廣大集成商一起做的事情。
另外一個部分，我們會把這些能力跟廣大的廠商合作，我們在后端會給很多合作伙伴提供一些后臺的引擎。我們可以把高性能的GPU的服務器和算法結合好的產品提供給合作伙伴，讓他們在更多的領域做垂直化的應用，因為我們不可能做很多的領域，所以我們會在垂直化的領域做一些應用。
還有一個是前端的產品，我們也會前置到芯片里面，我們也會開發出一些FPGA的芯片，提供給一些硬件廠商，比如說不僅僅是在安防領域，可能還在輔助駕駛、機器人等等領域。
程冰：現在AI確實幫助客戶解決了很多的問題，一個是解決了效率的問題，原來我們的客戶要在視頻里面找什么東西，需要大量的人力，包括國內一些典型的案件，要花費上百人從視頻里面尋找線索。
第二個是準確度的提升，在以前我們要辨認一個人和另外一個人是不是相似，其實你拿著兩張照片，很難通過人工就辨認得清楚。但其實有的時候，機器在這種準確性上還超過了人眼，它能夠給到你一個相似度的閾值，這個閾值到達一定程度之后，就可以給人眼一個參考。
第三是在節省人力方面，例如現在有巡邏機器人、安保機器人，人工智能通過物體檢測、人的檢測，大大節省了保安的人力和物力。
安洋：剛才各位伙伴也提到了，現在用戶分兩類，一類叫做懂人臉，一類叫做不懂人臉，從儀式上、應用上幫助那些沒那么懂人臉的用戶更了解人工智能，這是一個方向。第二個方向是從公安的角度來看，我認為它有三個方向要掌握，一是他要知道要保護哪些人，我們在大城市級的應用里面找到好人，二是要知道防范哪些人，這些人我不知道是好人還是壞人，我要把他防起來，三是要打擊壞人，對已經知道的壞人我要快速抓捕掉。現在的發展階段是倒著來的，我們現在抓了好多壞人，曠視試圖提供這種大的解決方案，幫助他找到哪些需要防范的人，哪些是需要確定保護的人，這是一個方面。
另外一個方面，現在大面積的人工智能、人臉識別上了之后，對算法和云計算等等廠家來說都是面臨一個巨大的挑戰，因為不僅僅是你是億級庫，現在可能已經到了千億級的水平，曠視希望基于現有的網絡和前端計算力把算法前置化，這樣能大規模的節省用戶的基礎投資，最快速的見效，讓現有的攝像機和即將上馬的攝像機具有智能化的能力，這是解決他的兩個痛點問題。
第三個問題是隨著計算力的提升，他的硬件成本也在不斷地下降，有了深度學習之后，我們的門檻其實是在降低，在這兩個環境條件下，可以支持用戶更大規模的去做，這樣能回應到我提的第一個問題，就是說在整個城市級、國家級的層面上，我們要知道保護誰、防范誰、打擊誰。
晉兆龍： 科達為什么在2014年提出實施前端智能?就是意識到光靠后端智能是無法解決很多問題的，這是一方面。第二方面，我們在端到端的智能解決方案中會碰到很多問題，比如說我們的深度學習出來之后，它要凌駕在什么樣的平臺上運行，總是要有一個載體的，這種載體是不是通過通常的載體就能實現?我覺得可能不是很完美的解決，科達可以推出深度學習的計算平臺，跟這個算法做完美的切合。
另外我們隨著深度學習發展之后，它會產生大量的數據，我們是不是單一的解決這樣一個點的問題?比如說我們是不是只關注人臉，只關注車牌，只關注車型?這些都不是，我們最終從用的角度上來講，我們是要把人、車這些有效的元素用到實際的工作當中去，比如說公安行業，最實在的就是案件，我們如何把人、車和案件關聯，這里面會涉及到一些數據的應用問題。另外這些數據的元素很多，我們需要有專門的方案解決問題，這是從端到端解決問題。
大數據出來之后，數據是海量的，如何進行千億級或者更大規模的數據的碰撞分析，涉及到數據的存儲、使用、訪問、快速的檢索。并且公安行業里面有一個很特殊的存在，就是這些目標的快照都是一些小文件，這些半結構化的數據都是一些二進制的數據，這都是一些語義數據，如何把這些元素混雜在一起做綜合的碰撞，綜合分析，這是非常大的挑戰。不光規模大，而且數據種類元素多，所以科達會提出分布式的數據庫，這個數據庫會有效地解決問題，最終為了更好地解決問題，這是一個比較系統的東西。
反過來講，我們如何來滿足客戶的需求，可能每個點都要做深入的深耕，但是我們覺得更重要的是，你如何全系統地、一系列地從端到端的推出這么一個完整解決方案，每個解決方案都可以解決其中一部分問題。
主持人：如果AI要推動監控行業變革的話，還會遇到哪些困難?簡單的舉一兩個點。
晉兆龍：我覺得AI現在具備了一個大規模應用的基礎，這個基礎包含兩部分，一部分就是我們的物質基礎已經存在了，比如說大規模的視頻監控、算法、各種資源，這是一個物質基礎。還有一個是我們的客戶應用基礎，客戶已經對這個東西有深刻的認識，并且他認為是可以幫助他落地的，我覺得這兩個技術的存在，對我們推進智能化的發展是至關重要的。
安洋：談到這個話題，我覺得有兩個方向，一個方向是，現在不管人臉還是結構化，這些信息能夠提高識別率，幫助他解決一個點的問題。能不能解決他真正的業務問題，可能未必。比如說在地鐵，在社會面上，是不是我把這個人認出來了我就能抓到他?其實不是，我們應該在這個方向上跟客戶一起努力打造基于他的人工智能的戰法和部署，實現精準警務，這是一個方面。
第二個方向是大規模的應用了之后，這些大數據應該怎么用，它們之間建立的關系應該是什么。很多人抓了車、抓了臉、抓了背影、抓了屁股，這些人、物體怎么連起來，我覺得這也是一個很大的挑戰。
程冰：談瓶頸我覺得還談不上，發展空間還非常大，困難也是有一些的，像我們從人臉切換到人像特征等等，這個過程中深度學習很火，但是數據還是非常難，投入成本也非常高，目前也沒有非常好的標準，包括國外的測試庫，數據量還是非常少的，LFW也就6000多組，所以我們覺得數據非常難。
第二個就是在算法的實際的水平和落地的能力上面，我們自身也在做一些服裝、人像的特征，我們還在做一些步態的識別，我們覺得在這個推廣的過程中確實還是挺困難的，它的準確度還很難達到一個客戶想要的水平。就像我們前幾年非常火的一個谷歌眼鏡，他們最后也是承認了一個錯誤，覺得它推出的時間節點過早，當前客戶想要的更多，這個產品還無法滿足客戶想要的東西。
其實我們在AI上也有這樣的問題，我們覺得很多技術都開始起步了，其實能落地的技術確實還要一個過程，客戶的認知也有一個過程，太早的推出市場，可能就像10年你去推人臉識別一樣，可能客戶最后直接給你一個閉門羹，認為你是騙子。
陳治華：這個問題我的感受比較深刻。第一個部分是難點在算法精度部分，剛才我們也聽到幾位同行在聊算法的門檻低了，但是里面的難點就更多了，也就是精度的部分還有問題。比如說我們今天的人臉布控，我們可能在做1比N(N值在20萬、30萬)，商湯正在挑戰N值千萬級的人臉布控，就是我要把人臉做到千萬級，做實時的比對，可能算法的精度差一兩個點，可能就找不到了，這是第一個部分的難點。第二個難點就是抓拍庫的問題，以深圳市局為例，可能是2萬路的建設規模，未來是千億級的數據，就算是熱數據三個月，可能也是百萬級以上的數據搜索，這個時候精度如果差兩三個點，可能也找不到了。算法精度的提升是永無止境的，這是第一個部分。
第二個部分是我們正在挑戰那些低像素的，它的像素已經低到20×20以下，到10×10的情況，這樣一些領域的圖片的還原，比如說我們公安有一些畫像大師，通過一點點的像素能把人像還原出來，商湯正在挑戰這個領域，可能這個像素只有幾個點，但是我往往發現我跟你認識，但是拍得再模糊的照片，我也能大概認出是你，目前機器是做不到的，商湯正在挑戰這種超分辨率的技術，在這個方面把他還原出來。
第三個部分，我跟很多公安局聊，往往一些不太明顯的信息是破案的線索，比如說在視頻結構化這個領域，很多邊緣的影像，它反倒會影響破案，這個部分也是算法的挑戰，所以我覺得算法挑戰是一個永無止境的話題。
另外一個方面是人工智能的應用，剛才我說人工智能的應用是把小麥加工成面粉，原來可能是小打小鬧，我們搞幾個機器就夠了，現在一個城市要做幾萬路攝像頭，它的并發可能是幾百、幾千個并發，這種運算就很驚人了。原來CPU超算中心解決的是文本的數據，今天面對非結構化的數據，可能需要GPU的超算中心，商湯自己本身就有4個超算中心，同時我們也在跟一些公安局在建設GPU超算中心，解決運算的問題。因為要解決幾萬人同時吃面條的問題，如果幾萬人都要吃面條的時候，其實是一個很大的工程問題，我覺得這個問題也是一個巨大的挑戰。
肖洪波：每一項新的技術出來的時候，我們往往在近期之內會高估它的作用，而在長期又忽略它的作用。其實我覺得有一天我們不再談論人工智能的時候，可能那時候就是人工智能真的落地了。剛才晉總說得特別好，人工智能什么時候能可運營化是最重要的。人工智能可運營化之后對你的業務會產生很大的影響，你的業務流程、職責設定甚至新業務的形態都會受到影響。
另外一點，剛才幾位也都提到了，我們算法的發展還是在不斷向前的，包括深度學習，其實它的理論現在也沒有特別成熟，還有非常多的新理論出來，我覺得我們大家也會一起努力，把這些人工智能的技術能夠真正幫助我們的客戶去做一些業務方面的創新，這是最重要的。
(新聞稿 2017-12-18)