□ 文/鄧曄

作者單位：天地偉業(yè)技術(shù)有限公司

人工智能技術(shù)的歷程

2017年，國(guó)務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》、《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃》等政策文件，提出我國(guó)新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)任務(wù)和保障措施。明確了計(jì)算是AI發(fā)展的重要推動(dòng)力，人工智能是目前人類社會(huì)面臨的最重要的技術(shù)變革，也是國(guó)家發(fā)展的重大戰(zhàn)略機(jī)遇。規(guī)劃中多次提出要重點(diǎn)對(duì)人工智能的計(jì)算的理論與模型、芯片與系統(tǒng)、平臺(tái)與環(huán)境等進(jìn)行深入研究提前布局創(chuàng)新突破。

如果說(shuō)第一次工業(yè)革命是信息化、第二次工業(yè)革命是電氣化、第三次工業(yè)革命是信息化，那么第四次工業(yè)革命就是智能化，人工智能就是新時(shí)代的電力。

1956年特茅斯會(huì)議，計(jì)算機(jī)科學(xué)家首次提出“人工智能”的概念，希望用計(jì)算機(jī)構(gòu)造與人類智慧類似的機(jī)器，并在科研實(shí)驗(yàn)室中不斷探索研究。由于受到算法、算力等多方面因素的影響，人工智能技術(shù)和應(yīng)用發(fā)展經(jīng)歷了多次高潮和低谷。2006 年以來(lái)，以深度學(xué)習(xí)為代表的機(jī)器學(xué)習(xí)算法在機(jī)器視覺(jué)和語(yǔ)音識(shí)別等領(lǐng)域取得了顯著成功，識(shí)別準(zhǔn)確性大幅提升，令人工智能再次受到廣泛關(guān)注。另外，云計(jì)算、大數(shù)據(jù)等技術(shù)在提升運(yùn)算速度和降低計(jì)算成本的同時(shí)，也為人工智能的發(fā)展提供了豐富的數(shù)據(jù)資源，協(xié)助訓(xùn)練出更加智能的算法模型。

作為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，人工智能在孕育新技術(shù)新產(chǎn)品的同時(shí)，也對(duì)傳統(tǒng)行業(yè)進(jìn)行了巨大賦能，推動(dòng)經(jīng)濟(jì)結(jié)構(gòu)的重大變革，實(shí)現(xiàn)社會(huì)生產(chǎn)力的整體提升。人工智能將人從枯燥的勞動(dòng)中解放出來(lái)，越來(lái)越多的簡(jiǎn)單性、 重復(fù)性、危險(xiǎn)性任務(wù)由人工智能系統(tǒng)完成，減少人力投入和提高工作效率。人工智能還可以在教育、醫(yī)療、養(yǎng)老、環(huán)保、安保、司法等領(lǐng)域得到廣泛應(yīng)用，提高公共服務(wù)精準(zhǔn)化水平和人民生活品質(zhì)；人工智能可對(duì)基礎(chǔ)設(shè)施和社會(huì)安全運(yùn)行的態(tài)勢(shì)準(zhǔn)確感知和預(yù)測(cè)，主動(dòng)做出決策反應(yīng)，提高社會(huì)治理能力和水平。

不同的人工智能方法幫助解決不同類型的問(wèn)題，經(jīng)典機(jī)器學(xué)習(xí)適于統(tǒng)計(jì)問(wèn)題和推薦引擎。深度學(xué)習(xí)適于圖像/語(yǔ)音識(shí)別、自然語(yǔ)言處理、模式識(shí)別檢測(cè)，推理適于供應(yīng)鏈、數(shù)據(jù)庫(kù)欺詐檢測(cè)、波動(dòng)分析，新興方法適于生物序列對(duì)比等。簡(jiǎn)單說(shuō)，人工智能是能夠感知、推理、行動(dòng)和適應(yīng)的計(jì)劃；機(jī)器學(xué)習(xí)是性能隨時(shí)間推移和數(shù)據(jù)增加而逐步提升的算法；深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支，通過(guò)多層神經(jīng)網(wǎng)絡(luò)在海量數(shù)據(jù)中進(jìn)行學(xué)習(xí)。

▲人工智能/機(jī)器學(xué)習(xí)/深度學(xué)習(xí)的關(guān)系

機(jī)器學(xué)習(xí)是通過(guò)各種算法從大量的數(shù)據(jù)中學(xué)習(xí)和訓(xùn)練如何完成任務(wù)，然后對(duì)真實(shí)世界中的事件做出決策和預(yù)測(cè)。機(jī)器學(xué)習(xí)比較適合的應(yīng)用領(lǐng)域是計(jì)算機(jī)視覺(jué)，需要手工開(kāi)發(fā)編寫各種算法，模型仍然是人工的，存在知識(shí)獲取難、知識(shí)領(lǐng)域窄、推理能力弱，實(shí)用性差等問(wèn)題。隨著計(jì)算處理能力和學(xué)習(xí)算法的發(fā)展，多層人工神經(jīng)網(wǎng)絡(luò)推動(dòng)人工智能進(jìn)入繁榮期。人工神經(jīng)網(wǎng)絡(luò)是從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種模型，按不同的連接方式組成不同的網(wǎng)絡(luò)，它是模仿大腦的神經(jīng)元之間傳遞和處理信息的模式，每個(gè)神經(jīng)元通過(guò)某種特定的輸出函數(shù)，計(jì)算處理來(lái)自其它相鄰神經(jīng)元的加權(quán)輸入值。神經(jīng)元之間的信息傳遞的強(qiáng)度，賦予加權(quán)值，算法不斷自我學(xué)習(xí)和調(diào)整這個(gè)加權(quán)值。神經(jīng)網(wǎng)絡(luò)算法的核心就是計(jì)算、連接、評(píng)估、糾錯(cuò)、反復(fù)訓(xùn)練，主要特點(diǎn)是非線性、分布式、并行計(jì)算、自適應(yīng)、自組織。

▲深度學(xué)習(xí)對(duì)比傳統(tǒng)機(jī)器學(xué)習(xí)

由于神經(jīng)網(wǎng)絡(luò)依賴海量數(shù)據(jù)和大量運(yùn)算進(jìn)行調(diào)制訓(xùn)練，對(duì)于計(jì)算速度、網(wǎng)絡(luò)速度、內(nèi)存容量、數(shù)據(jù)規(guī)模等各方面提出了更苛刻的要求。而1999年nvidia推出的GPU芯片，在設(shè)計(jì)時(shí)，最底層的算術(shù)邏輯單元擅長(zhǎng)大規(guī)模并行計(jì)算，特別適合神經(jīng)網(wǎng)絡(luò)所需要的大量矩陣計(jì)算操作。2007年，nvidia推出了cuda并行計(jì)算開(kāi)發(fā)接口，使得開(kāi)發(fā)者可以更方便地使用GPU開(kāi)發(fā)應(yīng)用軟件。憑借GPU的爆發(fā)，人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了多層多元拓展，2012年，通過(guò)“丟棄算法”和“激勵(lì)函數(shù)”優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)，贏得ImageNet冠軍，證明了機(jī)器學(xué)習(xí)能在可控的計(jì)算成本內(nèi)快速輸出更加準(zhǔn)確的結(jié)果。

2015年以來(lái)，全球數(shù)據(jù)井噴式的爆發(fā)（年均增速都在40%以上）、GPU計(jì)算能力的飛速增長(zhǎng)和深度神經(jīng)網(wǎng)絡(luò)算法的突破，使得并行計(jì)算變得更快速和更有效，人工智能開(kāi)始全面爆發(fā)。深度學(xué)習(xí)使得機(jī)器學(xué)習(xí)拓展了人工智能的領(lǐng)域范圍，讓幾乎大部分機(jī)器輔助功能都變?yōu)榭赡?，比如無(wú)人駕駛汽車、無(wú)人機(jī)、語(yǔ)音識(shí)別、欺詐檢測(cè)、產(chǎn)品推薦等方面。在圖像分類、物體檢測(cè)、圖像語(yǔ)義分析、人臉識(shí)別、光學(xué)字符識(shí)別等計(jì)算機(jī)視覺(jué)領(lǐng)域，深度學(xué)習(xí)的應(yīng)用尤為廣泛，在一些場(chǎng)景中甚至可以比人做得更好。其中，深度學(xué)習(xí)對(duì)圖像解析的突出作用使得視頻監(jiān)控系統(tǒng)得到了跨越式發(fā)展，視頻監(jiān)控的核心需求是在圖像中準(zhǔn)確快速地發(fā)現(xiàn)目標(biāo)，人工智能將傳統(tǒng)的錄像回放轉(zhuǎn)變?yōu)閷?shí)時(shí)預(yù)警布控，為大數(shù)據(jù)分析研判提供了重要技術(shù)支撐。

▲人工智能平臺(tái)架構(gòu)

深度學(xué)習(xí)平臺(tái)的現(xiàn)狀

深度學(xué)習(xí)的應(yīng)用主要來(lái)自三個(gè)方面：巨大的標(biāo)記數(shù)據(jù)樣本（圖像和語(yǔ)音）、先進(jìn)的算法/模型/軟件（神經(jīng)網(wǎng)絡(luò)算法CNN和RNN以及深度學(xué)習(xí)框架）和高性能計(jì)算（數(shù)據(jù)樣本多/模型訓(xùn)練時(shí)間長(zhǎng)/參數(shù)更新快速同步）。

▲深度學(xué)習(xí)的三駕馬車

除了數(shù)據(jù)之外，算法和算力分別從軟件和硬件兩個(gè)維度撐起了人工智能平臺(tái)的巨大生態(tài)。

算法方面，目前CNN的深度學(xué)習(xí)框架主要包括：加州大學(xué)伯克利分校維護(hù)的Caffe、谷歌維護(hù)的Tensorflow、微軟研究院維護(hù)的CNTK、分布式機(jī)器學(xué)習(xí)社區(qū)維護(hù)的MXNet以及百度維護(hù)的PaddlePaddle等。CNN分為模型訓(xùn)練和應(yīng)用推理兩個(gè)環(huán)節(jié)：模型訓(xùn)練是獲取推理模型，應(yīng)用推理是根據(jù)訓(xùn)練模型和輸入數(shù)據(jù)獲取計(jì)算結(jié)果，如圖片分類。不同環(huán)節(jié)采用不同的計(jì)算架構(gòu)：模型訓(xùn)練使用CPU+GPU計(jì)算架構(gòu)，應(yīng)用推理可以采用CPU+FPGA、計(jì)算架構(gòu)等。主要因?yàn)椋篏PU算法實(shí)現(xiàn)架構(gòu)成熟，適合較復(fù)雜的訓(xùn)練算法，F(xiàn)PGA可靈活實(shí)現(xiàn)多任務(wù)處理且運(yùn)行能效更好。

以Caffe為例，其特點(diǎn)是上手快（模型與相應(yīng)優(yōu)化都是以文本形式而非代碼形式給出）、模塊化（設(shè)計(jì)上力求模塊化，允許對(duì)新數(shù)據(jù)格式、網(wǎng)絡(luò)層和損失函數(shù)進(jìn)行擴(kuò)展）、表示和分離（模型定義寫進(jìn)配置文件，根據(jù)網(wǎng)絡(luò)需求調(diào)度內(nèi)存）、測(cè)試覆蓋（每個(gè)模塊對(duì)應(yīng)一個(gè)測(cè)試）、開(kāi)放性（公開(kāi)的代碼和參考模型）

算力方面，當(dāng)下實(shí)現(xiàn)深度學(xué)習(xí)的高性能計(jì)算硬件平臺(tái)主要包括GPU、ASIC、FPGA，GPU因?yàn)橄劝l(fā)優(yōu)勢(shì)占據(jù)較大市場(chǎng)份額，F(xiàn)PGA正試圖在云端服務(wù)器發(fā)力，ASIC難度更高但更適用于深度學(xué)習(xí)算法。算力需要具備并行性、多線程、高內(nèi)存帶寬等特性，而且由于數(shù)據(jù)的訓(xùn)練時(shí)間長(zhǎng)，需要低功耗的硬件架構(gòu)。三類平臺(tái)和傳統(tǒng)CPU平臺(tái)的性能對(duì)比如下：

▲算力平臺(tái)對(duì)比

GPU是目前深度學(xué)習(xí)訓(xùn)練系統(tǒng)比較成熟和廣泛的硬件平臺(tái)，最初為處理圖形而設(shè)計(jì)具備了大規(guī)模的獨(dú)立神經(jīng)元，相比CPU的串行邏輯，GPU更擅長(zhǎng)高度并行的密集計(jì)算，有很多計(jì)算核心是為矩陣運(yùn)算專門優(yōu)化，并且GPU為適應(yīng)復(fù)雜多層網(wǎng)絡(luò)，提供15TFLOPS的單精度浮點(diǎn)計(jì)算能力和900GB/s帶寬。通常，訓(xùn)練平臺(tái)采用CPU+P4/P40/P100/V100等GPU卡組建集群和數(shù)據(jù)中心，應(yīng)用程序的串行部分在CPU上運(yùn)行，計(jì)算任務(wù)繁重的部分由GPU加速，CPU與GPU通過(guò)PCIE總線通信，此外，邊緣端的推理應(yīng)用可以采用Jetson方案。GPU主要通過(guò)專用編程框架CUDA軟件開(kāi)發(fā)，CUDA不需要借助圖形學(xué)API，采用通用計(jì)算并行架構(gòu)和C語(yǔ)言進(jìn)行開(kāi)發(fā)，降低了難度。

FPGA適合的應(yīng)用場(chǎng)景包括：計(jì)算密集型高、實(shí)時(shí)性要求高、任務(wù)可并行處理以及大量重復(fù)性計(jì)算。CPU可以實(shí)現(xiàn)的功能，都可以用FPGA靈活實(shí)現(xiàn)，且單顆功耗較GPU低。對(duì)復(fù)雜系統(tǒng)進(jìn)行合理的軟硬件設(shè)計(jì)，由CPU和FPGA合作完成系統(tǒng)功能也是目前比較流行的方案。FPGA的開(kāi)發(fā)方式主要包括OpenCL和VHDL，前者的開(kāi)發(fā)效率會(huì)好一些。FPGA要在人工智能計(jì)算中發(fā)揮更大作用，還需要提高計(jì)算能力（浮點(diǎn)運(yùn)算能力和改進(jìn)算法）和易用性（更加通用高性能的神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)架構(gòu)）

ASIC是指專為AI應(yīng)用設(shè)計(jì)的專屬架構(gòu)的處理器芯片，能效最高，量產(chǎn)后平均成本低，最具代表性的ASIC芯片是谷歌的張量處理單元TPU、英特爾的Xeon Phi KNL、高通的神經(jīng)網(wǎng)絡(luò)處理器和華為海思，打敗圍棋世界冠軍李世石的AlphaGo采用了谷歌的TPU產(chǎn)品，寒武紀(jì)、地平線等國(guó)內(nèi)ASIC芯片公司針對(duì)機(jī)器視覺(jué)也推出了專用芯片。相比GPU和FPGA的靈活性，定制化的ASIC一旦制造完成就不可再更改，由于AI算法迭代快速，需要設(shè)計(jì)公司具備ASIC芯片研發(fā)、底層硬件編程和算法框架等多重能力，門檻較高，且ASIC開(kāi)發(fā)周期長(zhǎng)、一次性成本高，導(dǎo)致開(kāi)發(fā)風(fēng)險(xiǎn)比較大。

CPU主要是以intel第二代MIC架構(gòu)Xeon Phi融合處理器為主的深度學(xué)習(xí)訓(xùn)練系統(tǒng)，針對(duì)高度并行工作負(fù)載設(shè)計(jì)的向量處理單元、片上高速內(nèi)存和集群模式，提供AVX-512指令集實(shí)現(xiàn)向量化計(jì)算，并且支持Caffe框架。

人工智能與安防行業(yè)的結(jié)合

經(jīng)過(guò)十多年的平安城市建設(shè)，中國(guó)已經(jīng)成為全世界最大的安防市場(chǎng)，視頻監(jiān)控作為安防系統(tǒng)中不可或缺的重要組成，正日益發(fā)揮更加重要的作用，在平安城市、雪亮工程等重點(diǎn)建設(shè)項(xiàng)目的背景下，安防已成為人工智能最為重要的落地場(chǎng)景之一。隨著平安城市建設(shè)的推進(jìn)和深化，目前新建監(jiān)控項(xiàng)目已基本實(shí)現(xiàn)高清化，隨著建設(shè)規(guī)模的逐步擴(kuò)大和人工智能、云計(jì)算、大數(shù)據(jù)技術(shù)的興起，平安城市應(yīng)用正逐步向警務(wù)云、大數(shù)據(jù)應(yīng)用等方向轉(zhuǎn)變。高清監(jiān)控視頻信息作為公安最重要的數(shù)據(jù)資源之一，遍布城市大街小巷的攝像頭，每天都會(huì)產(chǎn)生大量視頻資料數(shù)據(jù)，不僅為社會(huì)治安穩(wěn)定發(fā)揮作用，也為智慧城市和物聯(lián)感知提供信息支撐，但這些圖像資料目前還僅停留在事后查看的層面，沒(méi)有被充分利用起來(lái)，如何能夠被用戶快速消化使用，成為更有價(jià)值的情報(bào)數(shù)據(jù)呢？讓用戶從這些數(shù)據(jù)中自行尋找線索，不僅占用了大量的人力、物力和時(shí)間，同時(shí)由于個(gè)人能力的差異也會(huì)導(dǎo)致針對(duì)信息的認(rèn)知偏差。例如針對(duì)卡口實(shí)現(xiàn)了主干道的車輛識(shí)別，覆蓋面有限，其他活動(dòng)目標(biāo)及特征無(wú)法獲取，大多依靠人工進(jìn)行收集和處理，難以結(jié)合時(shí)空數(shù)據(jù)進(jìn)行快速檢索和分析研判。

如何解決海量視頻監(jiān)控?cái)?shù)據(jù)與人力分析瓶頸之間的矛盾是產(chǎn)業(yè)技術(shù)升級(jí)的主要方向。安防行業(yè)多年前就將智能化作為主要發(fā)展趨勢(shì)，視頻分析是人工智能的重要熱點(diǎn)之一，人的信息獲取絕大部分是從圖像中來(lái)，從技術(shù)成熟度和應(yīng)用場(chǎng)景看，圖像智能的發(fā)展更接近實(shí)用，進(jìn)步也更快速。

今天，城市里的數(shù)據(jù)非常豐富，其中攝像頭的數(shù)據(jù)量非常大，可以挖掘出巨大的價(jià)值，可以解決城市管理中的諸多難題。我們希望把視頻圖像里面的內(nèi)容和目標(biāo)自動(dòng)轉(zhuǎn)換成結(jié)構(gòu)化數(shù)據(jù)，讓每個(gè)人都能直接理解人/車/事這幾類主要信息，車：車型、車款、車牌號(hào)碼、車輛顏色、行駛方向、行駛速度，人：步行、騎車、性別、年齡、上身、下身、背包拎包，事：擁堵、逆行、徘徊、奔跑、劇烈運(yùn)動(dòng)、交通行為。有了以上數(shù)據(jù)就能進(jìn)行決策和優(yōu)化，比如根據(jù)交通流量?jī)?yōu)化紅綠燈配時(shí)系統(tǒng)，比如在視頻中搜索可疑車輛（肇事）和可疑人（失蹤），比如挖掘數(shù)據(jù)之間的關(guān)系和規(guī)律，找到數(shù)據(jù)之間背后的原因，還可以進(jìn)行趨勢(shì)預(yù)測(cè)，比如半小時(shí)甚至更長(zhǎng)時(shí)間后的車流和路徑規(guī)劃。但原先的智能分析技術(shù)一直存在識(shí)別準(zhǔn)確率低、場(chǎng)景適應(yīng)性差、識(shí)別種類少等問(wèn)題。深度學(xué)習(xí)通過(guò)大量數(shù)據(jù)訓(xùn)練來(lái)建立輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的映射，通過(guò)人工智能來(lái)自動(dòng)處理海量監(jiān)控視頻數(shù)據(jù)，解決了以往的技術(shù)瓶頸。以平安城市為例，針對(duì)道路監(jiān)控等相對(duì)標(biāo)準(zhǔn)場(chǎng)景的視頻，可進(jìn)行人臉動(dòng)態(tài)識(shí)別和機(jī)非人實(shí)時(shí)結(jié)構(gòu)化分析和特征信息提取，轉(zhuǎn)化為公安所需的情報(bào)線索。

目前，安防行業(yè)中基于深度學(xué)習(xí)的人工智能產(chǎn)品，以天地偉業(yè)為例，主要識(shí)別方向包括：車輛分析、人員分析、行為分析和圖像分析，產(chǎn)品形態(tài)分為前端智能和云端智能。

前端產(chǎn)品主要是用于邊緣節(jié)點(diǎn)計(jì)算的AI攝像機(jī)（人臉識(shí)別攝像機(jī)/卡口電警攝像機(jī)），在采集視頻和圖片的同時(shí)，依靠?jī)?nèi)置的算力芯片和智能算法，為云端的數(shù)據(jù)中心提供結(jié)構(gòu)化的數(shù)據(jù)，可以減少云端分析處理的計(jì)算資源壓力和網(wǎng)絡(luò)帶寬等系統(tǒng)成本。缺點(diǎn)是前端設(shè)備空間有限、功耗成本較高，導(dǎo)致有限的硬件資源只能運(yùn)行相對(duì)簡(jiǎn)單、對(duì)實(shí)時(shí)性要求高的算法。

云端產(chǎn)品主要是智能NVR、人臉識(shí)別比對(duì)服務(wù)器、車輛結(jié)構(gòu)化分析服務(wù)器和視頻結(jié)構(gòu)化分析服務(wù)器，智能NVR是在集中存儲(chǔ)圖像的基礎(chǔ)上，通過(guò)集成深度學(xué)習(xí)算法實(shí)現(xiàn)了針對(duì)視頻內(nèi)容的智能分析和信息提取，比如小型比對(duì)庫(kù)的人臉識(shí)別/車輛識(shí)別等，適合中小型項(xiàng)目使用。后三類智能服務(wù)器通過(guò)在X86服務(wù)器集成高性能GPU芯片和深度學(xué)習(xí)算法，專門對(duì)人臉特征、車輛特征、機(jī)動(dòng)車/非機(jī)動(dòng)車/行人的全目標(biāo)特征進(jìn)行快速提取和準(zhǔn)確識(shí)別比對(duì)，比如1億人臉底庫(kù)的識(shí)別比對(duì)、卡口過(guò)車圖片的二次特征提取和以圖搜車、行人的衣著體貌特征識(shí)別和以圖搜人等。云端產(chǎn)品能根據(jù)客戶需求靈活配置硬件資源，可以運(yùn)行復(fù)雜，業(yè)務(wù)響應(yīng)置后的算法，且升級(jí)維護(hù)比較方便。

▲步行街人臉動(dòng)態(tài)布控

▲道路監(jiān)控視頻的機(jī)非人全目標(biāo)特征結(jié)構(gòu)化

隨著智能需求日益增多，更多數(shù)據(jù)的采集和計(jì)算未來(lái)都將在前端進(jìn)行邊緣節(jié)點(diǎn)計(jì)算，前端初步處理分析后回傳到云端進(jìn)行深度分析，前端智能和云端智能并不矛盾，可根據(jù)客戶的具體需求靈活組合，實(shí)現(xiàn)更智能的分布式計(jì)算，提供差異化的智能解決方案。一般來(lái)說(shuō)，檢測(cè)、跟蹤、去重、摳圖等相對(duì)通用的應(yīng)用以及拌線、越界、徘徊、計(jì)數(shù)等行為分析類的應(yīng)用適合放在前端，而提取細(xì)節(jié)特征、識(shí)別比對(duì)等以及涉及敏感信息的復(fù)雜應(yīng)用適合放在云端，要結(jié)合實(shí)際設(shè)計(jì)，實(shí)現(xiàn)資源利用最大化。

算力發(fā)展引領(lǐng)安防感知

▲邊緣節(jié)點(diǎn)計(jì)算的價(jià)值

深度學(xué)習(xí)的迅猛發(fā)展，依賴快速發(fā)展的 GPU芯片技術(shù)和平臺(tái)生態(tài)，隨著人們逐漸認(rèn)識(shí)到專用計(jì)算芯片對(duì)人工智能的重要作用，圍繞 AI 任務(wù)進(jìn)行專有加速的芯片越來(lái)越多，但無(wú)論是 AlphaGo 背后的谷歌 TPU 還是加入了全新 Tensor Core 結(jié)構(gòu)的英偉達(dá) Tesla V100，這些芯片都是為服務(wù)器端進(jìn)行設(shè)計(jì)的，芯片面積較大（英偉達(dá) Volta 的 Tensor Core 面積有 800 平方毫米，只有靠領(lǐng)先性能降低數(shù)據(jù)中心的集群成本），因此也面臨著來(lái)自英特爾Nervana和Arria10/Stratix10等FPGA更低功耗更低成本計(jì)算平臺(tái)的威脅。

針對(duì)前端和移動(dòng)端設(shè)計(jì)的AI芯片在功耗和性能上正在不斷發(fā)力，目前的實(shí)現(xiàn)方式主要有兩類，即FPGA和ASIC。FPGA的代表如 Xilinx 主推的 Zynq平臺(tái)，而 ASIC的代表如華為海思的3559A和英特爾Movidius的Myriad。對(duì)于安防監(jiān)控系統(tǒng)中負(fù)責(zé)前端感知的攝像機(jī)，通過(guò)ASIC架構(gòu)的AI芯片進(jìn)行圖像內(nèi)容的特征提取和結(jié)構(gòu)化描述，為實(shí)戰(zhàn)應(yīng)用提供可直接查詢檢索和分析研判的線索，這無(wú)疑將盤活原先靜態(tài)存儲(chǔ)的海量視頻數(shù)據(jù)，為破案預(yù)警和城市管理提供巨大的廣闊的應(yīng)用前景。對(duì)于華為海思，3559A芯片的推出，意味著基于視頻監(jiān)控領(lǐng)域絕對(duì)領(lǐng)先的市場(chǎng)份額，海思龐大的開(kāi)發(fā)制造生態(tài)鏈，擁有了推動(dòng)產(chǎn)業(yè)升級(jí)變革的重磅武器，3559A集成了H.265視頻編碼，提供了高效豐富的計(jì)算資源（包括雙核A73和雙核A53、集成的GPU支持OpenCL、集成智能分析加速引擎和雙核CNN）。目前即將上市的基于3559A的AI攝像機(jī)主要以人臉識(shí)別攝像機(jī)和車輛電警卡口攝像機(jī)等行業(yè)高端應(yīng)用為主，高性能的算力和成熟的算法將可以在前端實(shí)現(xiàn)人臉特征提取比對(duì)和車輛子品牌年款/年檢標(biāo)/打電話/安全帶等功能，而這些原先只能在云端GPU服務(wù)器進(jìn)行提取和運(yùn)算。當(dāng)然，由于信息安全風(fēng)險(xiǎn)和暫時(shí)缺乏統(tǒng)一標(biāo)準(zhǔn)等問(wèn)題，具備AI深度學(xué)習(xí)的前端智能產(chǎn)品和云端智能產(chǎn)品各有擅長(zhǎng)且長(zhǎng)期共存。

▲基于海思3559A的天眼交通相機(jī)

AI感知不是終點(diǎn)，只是起步

安防行業(yè)的發(fā)展中，人工智能將發(fā)揮至關(guān)重要的作用。行業(yè)應(yīng)用離不開(kāi)人工智能，人工智能也離不開(kāi)行業(yè)應(yīng)用，人工智能要落地，一定要深入到行業(yè)中。

智慧城市的信息感知，目標(biāo)是全面、全量、實(shí)時(shí)。一方面，通過(guò)邊緣節(jié)點(diǎn)計(jì)算和云端計(jì)算把非智能的設(shè)備和系統(tǒng)轉(zhuǎn)變成具有強(qiáng)大人工智能的設(shè)備和系統(tǒng)，讓機(jī)器替換人力。另一方面，人工智能平臺(tái)不僅需要感知，還需要數(shù)據(jù)分析挖掘，因?yàn)槌鞘泄芾淼膯?wèn)題復(fù)雜度、數(shù)據(jù)數(shù)量級(jí)以及可能產(chǎn)生的價(jià)值和影響力無(wú)法估量?；谌斯ぶ悄艿拇髷?shù)據(jù)平臺(tái)， 通過(guò)面向AI的大數(shù)據(jù)治理技術(shù)將海量多源異構(gòu)數(shù)據(jù)治理成行業(yè)知識(shí)，再基于知識(shí)圖譜數(shù)據(jù)庫(kù)完成行業(yè)知識(shí)圖譜存儲(chǔ)，通過(guò)機(jī)器學(xué)習(xí)、符號(hào)推理等技術(shù)可以主動(dòng)分析挖掘隱藏在人的行為背后的行業(yè)知識(shí)。目前的人工智能行業(yè)場(chǎng)景中，知識(shí)圖譜是技術(shù)難度較大的技術(shù)領(lǐng)域。以公安場(chǎng)景為例，案件發(fā)生后，最困難的是如何找到線索，為了把涉及案件和人的所有要素全部串聯(lián)起來(lái)找到互相關(guān)系，首先就是把系統(tǒng)中的基本數(shù)據(jù)概念化、符號(hào)化，按照人、事、地、物、組織五要素分類，通過(guò)知識(shí)圖譜進(jìn)行邏輯推理和情報(bào)研判。

從感知智能到認(rèn)知智能，人工智能將通過(guò)關(guān)鍵技術(shù)的持續(xù)突破推動(dòng)行業(yè)跨越式發(fā)展。