編輯語:10月29日—11月1日, 全球最大規模的社會公共安全博覽會“深圳安博會”召開, 全球各大廠商火力全開, 展示各自在AI、大資料、雲技術、物聯網等前沿技術的新品或研究進展。 大大小小展位, 不掛“人工智慧/AI”就好像落後了, 然掛了就是技術領先企業嗎?如何用AI賦能人臉抓拍識別?伺服器換做人工智慧伺服器, 就能邁上一條設備大賣的康莊大道嗎?
本文是觀察者網向宇視科技總裁張鵬國先生的約稿, 從工業党和企業經營者角度回答公眾對AI、大資料等話題的疑惑, 並詳細敘述如何權衡輕重取捨以及分配戰略資源。
張鵬國先生的文章可濃縮為以下核心觀點:1、 視頻監控的建設, 中國成為世界上最安全、犯罪率最低的地區, 未來中國安防市場前幾名就是全球安防市場前幾名, 放眼全球安防市場, 無論技術、服務還是成本, 中國公司都是降維攻擊;
2、中國在人工智慧這盤棋中已經贏下兩盤, 分別是資料和演算法, 目前中國公司在算力這個領域比較被動一些, 都由美國公司在做。 算力的市場激烈程度也許比摩爾定律更為慘烈。
3、人臉識別和人工智慧在安防行業的應用還是有段距離的,
以下為文章全文
文 工業黨、宇視科技總裁 張鵬國
編輯 陳燕妮 溫剛
安防行業, 未來中國市場前幾名就是全球市場前幾名
一直以來, 我們習慣於媒體語境矛盾的“西方輿論屢戰屢敗, 中國穩穩向前發展”。 然而近年來, 西方媒體在評價中國成就有了有趣的風向變化, 中國建成“世界最先進視頻監控系統”就是其中之一, 這使得中國成為世界上最安全、犯罪率最低的地區。
在美國長驅50公里也很難見到一個攝像頭, 而“深夜擼串”幾乎是中國獨有的生活體味, 為治安所困擾的西方理解起來很難, 側面說明中國安防企業能為世界作出貢獻的潛力仍大。
“任何時候都拿數字說話”是企業經營的重要守則。 在過去五年裡, 宇視經歷了人員規模4倍增長、收入7倍增長, 持續在全球視頻監控市場排名挺進——2014年第12位, 2015年第8位、2016年第7位、2017年將會是全球第5位。
為什麼會有這樣大的變化?
國家體制。 歐洲是若干民族國家, 現狀只相當於中國的春秋戰國時期;中國兩千年來一直是大一統國家, 大一統國家有強大的國家體系, 互聯網的成功、基礎設施建設的成就如高鐵公路無不如此, 視頻監控就是重要管理手段之一, 推動中國成為全球最平安、犯罪率最低的地區。
人工智慧。 很多人都在談人工智慧, 過去兩三年, 技術上的確也得到了快速提升。 剛性需求和技術蛻變的完美結合產生了AI+安防。 但人臉識別演算法嚴格意義上說就是中介軟體,
AI這盤棋中有三個關鍵要素, 資料、演算法、算力, 個人按它們的優先排序應該是資料、演算法、算力。 雖然目前中國公司在算力這個領域比較被動一些, 都由美國公司在做。 算力的市場風險巨大, 它的戰鬥激烈程度和反覆運算速度都還是摩爾定律, 也許比摩爾定律更為慘烈。
所幸的是, 中國在人工智慧這盤棋中已經贏下兩盤, 分別是資料和演算法, 這個要素的核心是擁有龐大的人口數量、使用者量及圖像採集點, 有了海量資料之後反復篩選、過濾、疊加、組合, 都會對演算法有階段性的提升, 所以說資料和演算法是中國未來很長一段時間內在人工智慧領域的競爭。
目前人工智慧的成本(攝像頭用人臉識別)大概是三五千元,希望中國公司突破之後能將之大幅下降,這樣相關技術的使用在市場上推行將變得非常快速,相信中國公司會很快做到這個程度。
AI在安防行業落地的障礙,價格昂貴這個要素非常突出,其次障礙在於組織架構。
從第一點來看,中國原有的IT部門都是建立一個一個的“煙囪”。煙囪式架構也就是垂直的體系結構,每一個IT系統都有自己的存儲和IT設備,以及獨立的管理工具和資料庫,不同的系統不能共用資源,不能交付和訪問,形成了資源孤島和資訊孤島。
第二點是資料管理權問題。大資料的業務有幾個要素,及時性、關聯性、時空的一致性。但這三點恰恰是大數據的三個硬傷。人工智慧最後要解決的問題就是海量資料,如今各個廠家大量攝像頭部署在全國各個角落,組織建設的時候資料就存在甲方使用者那邊,如果再回收過來,如何保證這些資料的關聯性、完整性、時空一致性。
另外,為什麼要給乙方?王紹光教授將之形容為“1853年清政府允許曾國藩練私兵”,這是管理中的“失位”,是個非常複雜、棘手的問題,這樣看來AI雖然很熱,但在部署的路上還得花些功夫。
2017年7月,公安部在浙江宇視科技開展視頻網路安全專項調研
AI時代,把落地的事情解決好的公司才真正走得遠
現在在這個行業有一句很經典的話,外行看門道,內行看笑話。如今我們採集到的圖片可能是幾千萬甚至上億條,但對於這些圖片中最枯燥(第一步)的工作就是找人把這些人臉標注出來,解決“This is”的問題。如果第一步都要依賴人去做標注,那麼人臉識別和人工智慧在安防行業的應用還是有段距離的。
如何理解在《深圳安博會淺見一二三》(觀察者網注:宇視科技公眾號發佈的張鵬國觀展21條心得,點擊量10萬+,全文附在本文末尾)筆記中“會棄子的公司最後才會存活?”
元末,陳友諒是深得民心、治軍嚴謹的英主,但朱元璋以弱勢兵力最終書寫歷史絕非巧合,領導者最重要的素質之一就是取捨能力。陳友諒在決戰時閃電東進,卻以60萬人全部咬住朱元璋屯糧的洪都,給朱元璋在後方以三個月的準備機會。
這種發狠血拼,就像一個糾結蠅頭小利卻錯過大項目的暈頭老闆。在陳友諒一生的各種戰役裡,充滿了種種奇襲爭勝的妙筆,但從沒有棄子爭先的大局觀。陳友諒輸得不冤,朱元璋贏得不是運氣,因為朱元璋知道哪個是戰略市場,哪一個非戰略市場,才會做戰略放棄。
今天就是歷史的重複,黑格爾說,一切偉大的世界歷史事變和人物都出現兩次;馬克思補充說:第一次是作為悲劇出現,第二次是作為笑劇出現。安防企業要儘量避開這些大坑:
大資料的某些應用、以及做大資料的公司90%都已經不在了。究其原因,要避免掉進管理定制的陷阱,很多技術原本很牛的軟體發展商最後都變相轉為“軟體外包公司”。在A客戶這邊做的系統在B客戶那邊要改;在B客戶那邊改完之後 ,去C客戶還得改……
在軟體行業有一個“10%的規則”:利潤只有5%~8%,任何一個專案軟體有10%的修改就賠錢。所以說超過10%定制的項目很難交付,而定制低於5%就有利潤。但是在大資料行業,定制高達30%~70%。
在固定通道做人臉識別是容易的,但在一個人流車流龐大、光照條件多變的大場景下,如特大城市的地鐵或大廣場,做大規模的超越人臉識別(視頻結構化)的業務還有很多挑戰,核心是計算能力還需再提升。我相信在算力反覆運算的過程中,中國有些晶片公司會快速趕上來,同時大幅拉低單路部署成本。
在如今這個喧囂的節點上,把落地的事情解決好、把產品反覆運算好,把演算法反覆運算好的公司才真正走得遠。
目前人工智慧的成本(攝像頭用人臉識別)大概是三五千元,希望中國公司突破之後能將之大幅下降,這樣相關技術的使用在市場上推行將變得非常快速,相信中國公司會很快做到這個程度。
AI在安防行業落地的障礙,價格昂貴這個要素非常突出,其次障礙在於組織架構。
從第一點來看,中國原有的IT部門都是建立一個一個的“煙囪”。煙囪式架構也就是垂直的體系結構,每一個IT系統都有自己的存儲和IT設備,以及獨立的管理工具和資料庫,不同的系統不能共用資源,不能交付和訪問,形成了資源孤島和資訊孤島。
第二點是資料管理權問題。大資料的業務有幾個要素,及時性、關聯性、時空的一致性。但這三點恰恰是大數據的三個硬傷。人工智慧最後要解決的問題就是海量資料,如今各個廠家大量攝像頭部署在全國各個角落,組織建設的時候資料就存在甲方使用者那邊,如果再回收過來,如何保證這些資料的關聯性、完整性、時空一致性。
另外,為什麼要給乙方?王紹光教授將之形容為“1853年清政府允許曾國藩練私兵”,這是管理中的“失位”,是個非常複雜、棘手的問題,這樣看來AI雖然很熱,但在部署的路上還得花些功夫。
2017年7月,公安部在浙江宇視科技開展視頻網路安全專項調研
AI時代,把落地的事情解決好的公司才真正走得遠
現在在這個行業有一句很經典的話,外行看門道,內行看笑話。如今我們採集到的圖片可能是幾千萬甚至上億條,但對於這些圖片中最枯燥(第一步)的工作就是找人把這些人臉標注出來,解決“This is”的問題。如果第一步都要依賴人去做標注,那麼人臉識別和人工智慧在安防行業的應用還是有段距離的。
如何理解在《深圳安博會淺見一二三》(觀察者網注:宇視科技公眾號發佈的張鵬國觀展21條心得,點擊量10萬+,全文附在本文末尾)筆記中“會棄子的公司最後才會存活?”
元末,陳友諒是深得民心、治軍嚴謹的英主,但朱元璋以弱勢兵力最終書寫歷史絕非巧合,領導者最重要的素質之一就是取捨能力。陳友諒在決戰時閃電東進,卻以60萬人全部咬住朱元璋屯糧的洪都,給朱元璋在後方以三個月的準備機會。
這種發狠血拼,就像一個糾結蠅頭小利卻錯過大項目的暈頭老闆。在陳友諒一生的各種戰役裡,充滿了種種奇襲爭勝的妙筆,但從沒有棄子爭先的大局觀。陳友諒輸得不冤,朱元璋贏得不是運氣,因為朱元璋知道哪個是戰略市場,哪一個非戰略市場,才會做戰略放棄。
今天就是歷史的重複,黑格爾說,一切偉大的世界歷史事變和人物都出現兩次;馬克思補充說:第一次是作為悲劇出現,第二次是作為笑劇出現。安防企業要儘量避開這些大坑:
大資料的某些應用、以及做大資料的公司90%都已經不在了。究其原因,要避免掉進管理定制的陷阱,很多技術原本很牛的軟體發展商最後都變相轉為“軟體外包公司”。在A客戶這邊做的系統在B客戶那邊要改;在B客戶那邊改完之後 ,去C客戶還得改……
在軟體行業有一個“10%的規則”:利潤只有5%~8%,任何一個專案軟體有10%的修改就賠錢。所以說超過10%定制的項目很難交付,而定制低於5%就有利潤。但是在大資料行業,定制高達30%~70%。
在固定通道做人臉識別是容易的,但在一個人流車流龐大、光照條件多變的大場景下,如特大城市的地鐵或大廣場,做大規模的超越人臉識別(視頻結構化)的業務還有很多挑戰,核心是計算能力還需再提升。我相信在算力反覆運算的過程中,中國有些晶片公司會快速趕上來,同時大幅拉低單路部署成本。
在如今這個喧囂的節點上,把落地的事情解決好、把產品反覆運算好,把演算法反覆運算好的公司才真正走得遠。