前言：不同於技術的單點突破，人工智能作為一項賦能型技術，技術本身的演化是一方面，但落到實際行業領域中，仍然需要綜合考慮場景的適用性、應用成本以及技術的泛化能力等問題。面對豐富且零碎的行業場景，如何推進AI的賦能作用，這是一個關鍵問題。本次我們有幸邀請到海康威視高級副總裁、研究院院長浦世亮先生參與到a&s系列訪談中，訪談內容涵蓋了浦院長對AI落地應用的現狀、遭遇的瓶頸問題、AI賦能方式以及未來的趨勢預判等全方位的觀點分享。
Q：a&s總經理、總編輯 關玉娟
A：海康威視高級副總裁、研究院院長浦世亮
前言：不同於技術的單點突破，人工智能作為一項賦能型技術，技術本身的演化是一方面，但落到實際行業領域中，仍然需要綜合考慮場景的適用性、應用成本以及技術的泛化能力等問題。面對豐富且零碎的行業場景，如何推進AI的賦能作用，這是一個關鍵問題。本次我們有幸邀請到海康威視高級副總裁、研究院院長浦世亮先生參與到a&s系列訪談中，訪談內容涵蓋了浦院長對AI落地應用的現狀、遭遇的瓶頸問題、AI賦能方式以及未來的趨勢預判等全方位的觀點分享。
Q：a&s總經理、總編輯 關玉娟
A：海康威視高級副總裁、研究院院長浦世亮
Q：您如何看待近年來人工智能在安防領域的落地應用現狀？
A：這一輪人工智能熱潮發展至今已有四五年的時間，對於安防產業而言，人工智能並不是新鮮的技術訴求，因為在很久以前行業就被這樣的需求所驅動，視頻監控從“看得清”到“看得懂”，需求一直存在，因為這是用技防去替代人防的一個核心能力。但很久以來產業仍處於一種技術與用戶需求或方案需求之間存在巨大鴻溝的狀態。
在深度學習出現之前，人工智能在安防領域的應用十分受限，沒有辦法大規模推廣，基本只有車牌識別的應用相對成熟，因為它的應用場景相對規範。人臉識別雖然應用需求廣泛，但由於場景的複雜性，極大地限制了人臉識別的大規模普及應用。
然而這一輪人工智能技術的發展，使得現有的人工智能尤其在計算機視覺領域的性能實現了極大的突破，所以我們現在會更泛化的去看待安防領域的人工智能。它並不僅僅侷限在安全管理上，視頻監控其實更多是一種視覺傳感器的角色，有了AI加持之後，它可以提取更豐富的數據信息，把物理世界進行數字化轉化，然後為包括安防和更多其他實體經濟的行業領域賦能。
Q：當前階段，人工智能的實際效能和用戶真實需求之間大概契合到了什麼程度？
A： 當下人工智能雖然泛化能力提升了很多，但仍然處於有監督學習的階段，自主學習技術還不成熟，致使現階段的人工智能更多隻適用於受任務限制和場景約束的場景。
以智慧城市這個大的應用領域為例，智慧城市中所有的問題無法用一套統一的算法去解決，而是要輔以具體任務和場景進行約束，比如具體的交通違法處理、智慧停車等場景，在詳細地瞭解了場景的實用需求之後，通過充分的數據採集、樣本訓練，針對場景開發的AI算法才能實現更好的效能和作用。
現階段，人工智能主流的應用方式是基於監督學習，用海量數據驅動算法。半監督學習或自主學習是學術界的研究熱點，但在行業領域，目前仍是弱人工智能的應用。
Q：弱人工智能這幾年提升比較明顯的技術點以及應用最為成熟的細分場景主要有哪些？
A：人工智能已成熟落地應用的行業領域其實非常多，比如智慧社區，僅就小區物業而言，人工智能便可應用於社區安全管理、消防管理、人員/車輛管理、高空拋物、垃圾清運等系列環節的管理；在商超零售領域，基於AI技術的商品防損、貨架盤點、智能零售貨櫃等細分需求也多達幾十種。另外在金融、教育、司法、醫療等眾多行業領域，AI的應用需求相當廣泛，且以碎片化的形式存在。
“場景”和“碎片化”是人工智能產業應用中的兩大關鍵詞，不論是“AI+行業”還是“行業+AI”，它背後其實體現的是兩種技術思路和商業思路，前者是利用AI去顛覆行業，後者則是通過AI來為行業賦能。由於AI應用場景相當碎片化，其中需要大量的行業應用知識和領域知識，所以真正能夠發展得比較好的應該是“行業+AI”，即把AI作為一種工具去賦能這個行業的用戶，然後基於用戶所掌握的行業應用知識，來完成技術的效能轉化。
2017年，國務院在最新一代人工智能發展規劃中稱，到2030年中國人工智能產業競爭力將達到國際領先水平，人工智能核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。這個數字看起來非常遙遠，但真正進入到行業中去了解，10萬億產業規模其實未來可期。
這也引出了海康威視對於人工智能業務的未來戰略，面對如此豐富和零碎的行業場景，相比於用項目式的方式一個個去幫用戶解決問題，平臺式的賦能方式更能夠促進萬眾創新和群智的湧現。怎樣才能使數量眾多的傳統產業用戶受益於人工智能技術的發展?我們將算法、產品、雲服務等提煉成一套通用、靈活又方便調用的體系來完成對人工智能的集成，通過這種方式將技術分享出去，讓“天下沒有難做的AI”。AI開放平臺為用戶提供了人工智能技術平臺和應用工具，基於平臺的能力，用戶可以自己操作、便捷快速的滿足AI應用需求。
Q：人工智能落地應用面臨的主要瓶頸問題有哪些？
A：當下AI開放平臺品類繁多，並不是說隨便給用戶一套平臺工具，用戶就可以上手用，其中仍存在著一些瓶頸：
第一是數據瓶頸。人工智能由海量的數據來進行驅動，首先要保證數據的體量規模，其次數據要是被人為標定監督過的。作為平臺提供商，首要任務是幫助用戶突破數據瓶頸。
第二是算法瓶頸。當前階段的AI算法人才資源仍比較稀缺，用人成本高昂。但人工智能技術研發，算法人才是關鍵，算法團隊的組建是必不可少且需要長期高成本投入的環節，對於大量傳統企業而言，這也是一個極大的考驗。
第三是計算資源和訓練資源。人工智能算法訓練必須基於相關的並行訓練系統，通過海量數據的導入進行算法訓練，期間還需要做各種調試，這對並行訓練系統的性能水平有很高的要求，這種計算資源和訓練資源也是一個顯著的瓶頸。
第四是產品端的瓶頸。現在大量的人工智能系統應用主推的是雲端方案，並不是因為雲端方案應用效能最好或是成本最低，而是因為雲端方案對於硬件產品的要求相對最低，因為大量的用戶（集成商）甚至AI初創企業，並不具備硬件產品資源，在沒有更多方案可供選擇的時候，雲端方案或許並非最優解但是是時下的選擇。
最後是系統，要有完整的人工智能解決方案，系統集成與應用開發資源投入是很大的，這也是一個瓶頸。
只有突破了這五大瓶頸，我們才能真正的落實AI在實體行業中的賦能作用，而這也是海康威視決定構建AI開放平臺的主要目的。
Q：海康威視AI開放平臺如何實現這五大瓶頸的突破？
A：首先是數據瓶頸的突破。在學術界，ImageNet數據集的推出對於人工智能的學術研究具有強大的推動力，但在工業界和實體行業，還沒有出現適用的數據集來助推行業人工智能的發展。至此，我們希望能夠做實體行業的領域模型。可以預想，未來物理世界所感知到的信息都可以用各種領域模型去描述，當然，這種領域模型和最終的應用場景之間還是會有一點差距，但我們有一種技術叫遷移學習。在相關領域模型基礎之上，系統神經網絡已經對某類場景有較強的感知能力，通過少量的用戶自我數據，再通過遷移學習方法便可以在這個模型上很好地進行算法訓練。
通過系列測試實驗，在很多領域上我們已有的領域模型基本可達80%甚至更高的檢測精度，用戶只需要提供少量的場景數據，精度可提升到95%以上，對於用戶而言，這是一個0到1的突破。這是海康威視AI開放平臺解決數據問題的第一點。
第二點，我們用了大量諸如圖像三維建模這一類虛擬現實技術構建了一個虛擬數據生產引擎，主要是幫助那些數據量少、數據獲取難的行業解決數據樣本採集難的問題。比如商超零售領域貨架補貨環節，傳統的做法是上新貨後人工從各個角度、各種擺放位置拍攝做數據採集，但這個工作量很大，每上一次新貨或換一個位置，用戶需要重複操作很久。但通過虛擬數據生產引擎系統，用戶只需拍少量幾張圖片上傳，系統便可自動生成各種角度、各種大小、各種擺放位置的貨品圖片，這種方式可以進一步的幫助用戶突破數據瓶頸。
其次是在算法層面的突破。以前人工智能算法訓練首先要設計神經網絡模型框架，然後人工調參，但現在我們可以通過機器自動完成建模，在這個過程中，通過龐大的計算力完成各種模型結構的自動調整、測試和訓練，這正是當下學術界熱門的網絡架構自動搜索技術方向。海康在這方面投入了重大資源，相關技術能力已經上線到我們的AI開放平臺，這項能力的推出，將極大地簡化算法訓練、算法生成的技術門檻。
與此同時，海康還推出了一種自動編譯工具，可以幫助用戶在平臺上進行很好的算法優化。邊緣智能的當下，由於受功耗和成本的限制，很多邊緣類產品往往只能在一些計算資源和內存資源比較受控的計算平臺上運行，如何在這些平臺上做算法優化是一項強大的考驗。通過自動編譯工具可以把各種優化方法做成軟件工具，讓用戶隨取隨用，無需再另外投入資源去做工具開發。
第三在計算資源方面，我們已經在螢石雲上開放了海康內部的並行訓練系統，可以讓用戶共享我們的計算資源，基於高性能並行訓練系統，更好的輔助算法訓練。
最後在產品層面，海康開放了整個前後端的基礎產品，包括操作系統，可以幫助沒有產品資源的用戶乃至AI創業公司能夠基於海康的一系列硬件產品去實現他們自己的算法，自建自己的智能產品。
通過上述這一系列從數據、算法、計算資源到硬件產品瓶頸的突破和能力的開放，海康威視希望可以真正幫助實體行業的合作伙伴貫徹AI能力的落地應用。
Q：從用戶角度而言，用戶該如何共享海康AI開放平臺的這一系列能力？
A：舉個最直接的例子：比如一家連鎖商店的老闆需要通過AI技術檢測商鋪門口是否堆有垃圾，但商戶本身沒有任何技術能力。這種情況下，只需要商戶註冊成為海康AI開放平臺的合作伙伴，在線上傳幾十張自己拍攝的店門口的垃圾圖片，並通過平臺上的標定工具標定垃圾信息，同時選定攝像機，將標定後的垃圾數據進行算法訓練後關聯到選定攝像機，商戶即可自行給普通的攝像機DIY出可實現垃圾堆疊檢測的AI能力，整個過程只需20分鐘左右。
我們的意願，一是讓任何沒有算法基礎但有行業經驗的用戶能夠DIY出端到端的AI系統解決方案的能力，二是讓有算法能力但沒有硬件產品的AI創業者能夠基於海康的軟硬件實現他們自己算法能力的輸出。
人工智能產業擁有如此龐大的經濟體量和市場潛力，一定會有越來越多的企業和人才加入到這個產業當中，我們希望能夠通過我們的開放平臺，為更多有不同需求的企業、團隊及個人解決AI落地的困境。
自2017年開始上線，目前海康AI開放平臺已經面向環保、餐飲、製藥、物流、零售等全行業開放，積累了豐富的實用案例。
Q：平臺開放一年多來，您的感受和總結是什麼？
A:我們認為這是AI賦能實體行業的一條非常正確的道路。當然這個過程中也經歷過曲折，包括前期需要花時間對用戶及市場進行教育，讓社會和行業對於AI有更為客觀理性的瞭解。同時，在沒有先例可以借鑑的行業市場，一門心思扎進來探索這條路是否正確，這也是一個忐忑的過程，好在我們已經摸清楚了方向，並且堅信這是一條非常正確的路。
在面向全行業推出AI開放平臺的過程中，通過各類合作伙伴的不斷加入及反饋，帶來各類數據的接入、標註，算法及需求也在持續豐富，整個開放平臺的AI算法、編譯工具、神經網絡模型，軟硬件產品等也都在不斷演進升級，在開放平臺這個龐大的載體之上，供需雙方之間可以構成一個互為驅動力的良性循環。
Q：海康AI開放平臺可為用戶提供數據、算法、訓練資源及產品等一系列服務，這其中的商業模式如何設計，用戶需要為哪些服務付費？
A：實際上我們沒有過多就模式而模式。AI開放平臺的宗旨，就是能幫助用戶落地AI能力，解決實際問題。把用戶服務好了，平臺自然能夠實現商業價值。
目前平臺的SDK都是免費的，用戶只需要在AI開放平臺上註冊成為海康威視的合作伙伴就可以享受免費SDK支持。另外，我們已經開放了並行訓練系統給到合作伙伴，因此，用戶也可以免費調用我們開放平臺的訓練資源。
我們正在思考更多樣的合作形態，比如輔助合作伙伴共建某些行業領域的算法模型產品、建立算法商店等等，這些我們也正在嘗試中。通過我們的努力，用戶獲得的收益會更大。
目前涉及到付費的服務，主要針對那些需要調用我們的雲平臺做一定規模或比較高頻數據分析的用戶，因為這個過程有大量計算資源和能耗的成本，還有就是如果要把算法部署到我們的邊緣硬件產品，產品是需要收費的。
Q：要真正展開應用，數據融合必不可少，推進物信融合在當前階段是否仍存在難點？
A：物聯網和信息網，這兩張網之間確實仍然存在信息孤島的問題，與此同時，信息維度和數據維度都還不夠，導致相關應用無法很好的展開。我們也看到了這個問題，所以希望通過AI Cloud物信融合數據架構能夠很好地促進物信兩網之間的數據融合。
AI Cloud架構中設有數據資源池和計算資源池。數據資源池主要起到數據治理和數據匯聚的作用，可以將物聯網和信息網的數據放到資源池進行治理和匯聚。
物聯網本身是非結構化的信息，未經處理很難和信息網上結構化的信息進行融合，所以首先需要通過人工智能技術對物聯網中視頻信息進行結構化處理，結構化後的物聯網數據再和信息網數據進行融合，便可以碰撞出非常多的應用。
比如交通行業，傳統模式中的交通管理很多是基於浮動車和地感線圈檢測來實現，但這種數據採集方式由於頻率關係可能並沒有十分精準，如果利用路面廣泛覆蓋的攝像頭進行車輛動線數據的採集，基於攝像頭7*24小時且覆蓋面廣的特性，則能夠極大的完善數據的豐富性。如果再基於這些豐富的視頻數據和雷達、微波等信息進行融合，便可以實現在各種天氣、光照條件下對於路面過車情況的精準判斷，更好地輔助交通管理。
Q：這一套下來，可以看出海康已經能夠解決AI落地應用的很多重要瓶頸問題，接下來，你們的重點研究方向會是什麼？
A：首先第一點，公司當下及未來依舊會深耕人工智能核心技術。人工智能還有很多需要解決的問題，比如如何加強人工智能的自主學習能力，讓AI從感知智能上升到認知智能？或者是如何在攝像機上去做更多維度的感知信息的融合，將視頻“視覺”能力進一步優化等，這些都是我們在人工智能領域將會繼續研究的方向。
另外，從視頻感知，到智能物聯，再到物信融合，當下的海康威視已經從安防公司變成視覺公司繼而成長為一家大數據公司，在整個數據服務裡面，如何基於多維度的信息去構建數據認知的能力，讓系統能夠實現自我決策和判斷，這個過程中，無論是技術研發還是業務探索都任重道遠。
未來，我們將主要專注於在這兩方面持續發力。
Q：從您的經驗來看，您如何預估未來幾年人工智能技術和應用的發展態勢？
A：基於人工智能場景化和碎片化的特點，它的發展將會是一個滲透的過程，發展速度會很快，但可能會相對線性一點，不過隨著AI開放平臺價值的湧現，人工智能的線性發展，將呈現更多維度的發展方向，預計未來3-5年，人工智能技術的普及和落地應用的成熟度都將升級到一個全新的階段。
Q：籍由這次訪談，您最想傳達出什麼樣的訊息？
A：任何技術的發展都會帶來生產力的提升，而最終能否讓每個人受益並不是取決於技術本身，而是取決於技術共享的方式。
從我的角度來說，AI的確是未來一個巨大的技術應用趨勢，將會對我們的產業和經濟帶來巨大的推動力。如果希望技術能夠更快的發展，讓更多的人和產業從中受益，那麼它一定是一個可以開放共享、生態共建的模式。海康威視正好擁有這樣能力開放的資源和基礎，同時，我們也非常願意去開放共享我們的能力，也希望聯合產業生態一起去共同推進人工智能賦能百業的價值實現。
編後語：
過去幾年時間裡，人工智能在行業領域的落地應用進展並沒有想象中的順利，用戶苦於技術無法更好的契合實際應用需求，投入產出不成正比，而廠商則困擾於場景的過於碎片化，導致AI泛化能力不夠。究其原因，一是人工智能依舊弱人工智能的技術階段，二是由於所有的人工智能應用還是場景化、碎片化的應用，無法形成合力。
對於相當冗長的人工智能產業鏈而言，算法、產品、算力、數據、行業經驗等資源大都掌握在不同企業手中，而要促進產業的共同發展，開放的心態和開放的AI能力平臺已然成為必須。進入到物聯網時代，只有利用智能產業鏈的多方鏈條，相互協同，共同助推人工智能在實體行業領域的發展及應用，才能真正讓人工智能技術像電力技術和信息技術一樣，無處不在，賦能全行業。