海康总裁胡扬忠:开放会是安防业的新生存之道

3月29日机器之心消息,“智涌钱塘”2019 AI Cloud生态大会在杭州举行,杭州海康威视数字技术股份有限公司等承办。大会以“数据智理、AI赋能”为主题,深入探讨人工智能大数据在各行各业的应用和发展趋势。

去年,海康威视发布了AI Cloud开放平台,基于云边融合的网络架构,通过边缘节点、边缘域、云中心三层有机结合,满足边缘感知,按需汇聚、多层认知、多层应用的业务需求。

WechatIMG8b028d4b65b1e8749d0ffedd4d7e6032.jpeg

今年,海康总裁胡扬忠在智能物联的基础上首次提出“物信融合”概念,物联世界与信息世界融合的数据架构将产生价值密度更高的数据资源。他认为,智能物联是拥有智能的物体互联成网,它们将成为智能化时代的基础设施;物信融合,是智能化时代的数据经络,物信融合是需求、是趋势、是必然。

胡扬忠谈道,智能应用将是智能化时代的发展引擎。过去是由应用产出数据;未来,基于海量数据将产出应用。这其中包含单场景应用,在单场景构建从感知到应用建立闭环,感无所感;时空域应用,从感知到汇聚到应用构建闭环,知所未知;宏观综合应用,从宏观多维数据进行洞察,察所未察。

胡扬忠认为,开放融合将成为安防产业的新型业态,“过去,开放是合作的游戏规则;未来,开放是共赢的生存之道。”

以下为胡扬忠演讲全文,经机器之心编辑:

现在的杭州就是古时候的钱塘,说到钱塘,很多人都会想起白居易的诗,《钱塘湖春行》,其中有一句:乱花渐欲迷人眼,浅草才能没马蹄。说明当时诗人骑马出游,农耕时代标志性工具就是马。

18世纪发明了蒸汽机,第一次工业革命来临,人类进入机械化时代,出行的交通工具标志性变化就是蒸汽火车。19世纪发明了发电机、电动机,第二次工业革命来临,人类进入电气化时代,出行交通工具标志性变化就是汽车。20世纪发明了电子计算机,第三次工业革命来临,人类进入信息时代,出行交通工具标志性变化就是高铁。21世纪,物联网大数据云计算,特别是人工智能技术的发展,第四次工业革命来临即将开启人类智能化时代,出行标志性变化就是对国内交通工具智能化管理,也就是智能交通。

刚才郑院士展示了自动驾驶,大家对自动驾驶充满期待。出行只是人类生产生活的一个方面,即将来临的智能化时代,我们居住的这座城市也将变成智慧城市。智能交通、智慧医疗、智慧教育、智慧零售、智慧社区、智能制造、智能家居、智能安防等等,人工智能作为一项技术应用范围非常广泛。在智能城市中,智能作为一种能力将赋能所有的行业,存在于城市的每个地方。也就是说,泛在智能是智能化时代的核心特征。如果说过去人工智能的运用可以看为“X+AI”,比如设备+AI、场景+AI,那么未来,AI将无处不在,和我们的生活、生产方方面面紧密相关。

泛在智能有两个基本的组成部分,那就是智能物联和物信融合。物联网人工智能的结合,将推动物联网跨越式发展,智能物联是方向、是趋势、是必然。物联网实现智能之后,只是单独服务行业、服务人类的作用还不够,也需要与互联网、信息网紧密结合,才能更好实现与人的全面互动。因此,物信融合是需求,是趋势,也是必然。智能物联网将成为智能化时代新的基础设施,就像当年的铁路网、电力网、通讯网一样,智能物联网的建设、应用、维护将带来产业发展的又一波浪潮。在这个浪潮中最显著的变化,过去人们用终端上网,未来万物皆在网上。

智能物联,简单说就是有智能功能的物体互联成网。今年政府工作报告中讲到“智能+”,也就是用人工智能为行业赋能。对于制造业,为生产机器赋于智能,是工业互联网的关键基础能力。对于交通行业,为车辆和道路设施赋予智能,是智能交通的关键基础设施能力。对于社区,为园区停车场、商超、物业等各类设施赋予智能,是智能社区的关键基础能力。智能物体之间的互联,让人类生产和生活环境变成一个巨大的经络体系,物体世界之间的联系和协同为智能化时代提供了可能。而智能物体与信息系统之间的联系,就是要实现物信融合,物信融合是智能化时代的数据经络。过去,互联网实现了人人互联,物联网实现了物物相连。未来,智能物联网与信息网将实现充分的融合,而数据是人与物对话的共同语言。

前年,我们提出了AI Cloud是基于云边融合的网络架构,通过边缘节点、边缘域、云中心三层有机结合,系统满足边缘感知,按需汇聚、多层认知、多层应用的业务需求。在智能化时代,打通物联世界和信息世界的是数据,我们构建物信融合数据平台,实现两网之间数据打通,为上层应用提供数据服务。从计算的角度看,智能化时代一定是采用云边融合的方案,AI的智能感知一定是在边缘计算为主,智能认知会在边缘域和云中心完成。

一方面,即使云端计算能力足够强大,但有些数据只需要局部处理、局部应用,不需要把这些数据传到云中心。如果把这些数据传到云中心进行智能计算,那么应用的效果反而会降低。另外一方面,由于智能物联网的规模过于庞大,把这么多数据都送到云中心是不经济的,不现实的。带宽的增长赶不上物联数据的增长,比如产业界谈到的视频云,在云端很少处理连续视频,主要是在处理已经经过边缘计算处理过的半结构化数据和视频片段。从视觉来看,数据是按需汇聚的,只有将物联网数据按照信息网要求的模式进行组织,并且在信息网中实现融合,才能使物联数据很好的为信息系统所使用,为用户所使用。反之,只有结合信息网中应用需求,才能更加有效、有针对性对智能物联网中数据进行治理和汇聚。泛泛处理物联数据,应用效果无法尽如人意。

尽管数据是用户的核心资产,但应用永远是用户的出发点和关注点。只不过过去更多是从应用中产生数据,未来随着智能物联网感知到的大量数据,通过物信融合实现和信息网的融合,数据的挖掘、利用将带来更大的空间。那么我们将迎来数据应用时代,在智能化时代,智能应用将成为重要的发展引擎。推动数据的汇聚和利用,也推动采集数据的智能物联网建设和发展。

人工智能与物信数据相遇,应用的能力和服务的范围会得到巨大的拓展,会产生面向两类网络、多个层级、多个任务域的大量智能应用。从整体上来看,智能应用可以分为三类:第一类应用在边缘节点上,人工智能和单场景数据相结合,实现了感所无感。也就是过去不能感受的,现在能感受到。比如我们感受到在一个场景下过了哪些车,走过了多少人,哪些货物在货架上,等等,这是泛在智能感知的重要基础,是从智能感知到智能应用的小闭环。第二类应用,在边缘域。人工智能与时空数据域相结合,实现了知所未知。也就是过去不知道的,现在可以知道了。比如我们知道某一个城区在过去一个月里面交通状况。第三类应用,在云中心。人工智能与多维数据相结合,实现了察所不察。也就是过去无法洞察的,现在可以洞察了,这是智能预见能力的重要基础,从数据汇聚、数据挖掘,再到综合应用的闭环。

对数据的应用和分析中可以看出,过去物联数据相对来讲价值密度比较低,某个时间节点的物联感知数据包含的信息量比较少。未来,随着智能物联网感知能力提升,以及智能应用需求的牵引,物信数据融合能力增强,数据价值密度会大幅度提高,数据安全和隐私保护需求愈发强烈。因此,数据保护将愈发重要。可以毫不夸张的说,数据保护将成为智能化时代的护航之舰。

有权威机构预测,到2020年,全球物联网设备数量将超过200亿,智能物联网将出现终端数量更庞大、终端类型更多样、终端性能更强大、网络架构更复杂、数据内容更广泛、业务应用更多元的特点。因此,需要从终端、网络、数据、平台、服务、应用等个层面,加强安全防护和隐私保护。在用户数据安全防护和隐私保护方面,我们将严格按照产品和服务所在国家和地区的个人隐私保护法律法规执行。

多年来在用户数据安全防护和隐私保护方面,我们在不断努力。我们的产品通过了多个权威组织的安全认证,成为全球安全应急响应组织First的成员。今天下午,我们也将发布《安全白皮书》,公司内部制定了用户数据安全和隐私保护企业标准,并与所有可能接触用户数据的员工签订了《用户数据安全与隐私保护协议》。

为了实现开放融合,我们也建立了自己的开放体系。在产品方面,我们推出了边缘设备开放平台。也就是基于设备操作系统的边缘设备的能力开放,提供AI算法训练开放平台,实现了基于自主学习和群智演进的AI算法训练开放。我们提供萤石开放平台,实现基于互联网设备服务和应用能力的开放。我们提供行业开放平台,实现面向行业的基础设施,数据服务和应用的能力开放。

在服务方面,我们提供一体化运维服务平台,支持加盟运维模式的一体化运维服务开放。我们提供物联资源部件评估能力开放,支持更多产品纳入评估体系,期望更多的同行共同完善物联资源能力评估模型。在基础标准方面,我们将把与合作融合相关的企业标准体系开放出来。海康威视自成立起就一直秉承工程师文化,工程师文化就是产品文化,就是工匠文化。

比如我们在黑光相机开发过程中,不但解决了设计上很多问题。为了保证工艺精度、制造质量,我们还研制了专用的生产设备,历时五年。再比如车牌识别的研发,从最早用模式识别的方式来做,到后来用深度学习的方式来做。前后十几年的时间,从几个人的团队到几百人的团队。从只支持国内车牌识别,到现在支持一百多个国家车牌识别,我们一直在坚守、坚持以产业发展为伴。

17年来,海康威视得到了众多用户和合作伙伴的大力支持和帮助。我们无以为报,只有尽力做好自己的事。这几年来也和用户、合作伙伴,以及一些非盈利机构开展一些回馈社会的工作。比如我们与绿色江河环境组织保护合作,针对斑头雁的跟踪保护,将定制视频产品应用于高寒高海拔无人区,助力斑头雁的保护行动。比如我们和英特中国一起,将智能设备应用到东北虎的林区,助力东北虎的保护行动。心存感恩,回报社会,这些公益活动我们还将继续坚持下去。

海康威视非常幸运在过去这些年得到了用户伙伴的大力支持和帮助,我们从视频感知,到智能物联,再到物信融合,海康威视已经成为一家大数据公司。在智能化的浪潮中,海康威视会在用户的指导下和更多合作伙伴一起迎接智能化的新时代,迎接科技创新者最好的时代。见远,行更远。

产业安防海康威视
1
相关数据
海康威视机构

海康威视是以视频为核心的物联网解决方案提供商,为全球提供安防、可视化管理和大数据服务。海康威视全球员工超25000人(截止2017年6月30日),其中研发人员超10000人,研发投入占企业销售额的7-8%,绝对数额占据业内前茅。海康威视是博士后科研工作站单位,在国内设有五大研发中心,在海外建立蒙特利尔研发中心和硅谷研究所,海康威视拥有视音频编解码、视频图像处理、视音频数据存储等核心技术,及云计算、大数据、深度学习等前瞻技术,针对公安、交通、司法、文教卫、金融、能源和智能楼宇等众多行业提供专业的细分产品、IVM智能可视化管理解决方案和大数据服务。在视频监控行业之外,海康威视基于视频技术,将业务延伸到智能家居、工业自动化和汽车电子等行业,为持续发展打开新的空间。海康威视在中国大陆35个城市设立分公司及售后服务站,在境外,设立香港、荷兰、南非、印度、迪拜、美国、加拿大、巴西、俄罗斯、新加坡、意大利、澳大利亚、法国、西班牙、波兰、英国、韩国、哥伦比亚、哈萨克斯坦和土耳其等33个分支机构。海康威视产品和解决方案应用在150多个国家和地区,在G20杭州峰会、北京奥运会、上海世博会、美国费城平安社区、韩国首尔平安城市、巴西世界杯场馆、意大利米兰国际机场等重大安保项目中发挥了极其重要的作用。海康威视是全球视频监控数字化、网络化、高清智能化的见证者、践行者和重要推动者。连续六年(2011-2016)蝉联iHS全球视频监控市场占有率第1位,硬盘录像机、网络硬盘录像机、监控摄像机第1位 ;连年入选“国家重点软件企业” 、“中国软件收入前百家企业” 、A&S《安全自动化》“中国安防十大民族品牌”、CPS 《中国公共安全》“中国安防百强”(位列榜首);2016-2017年, A&S《安全自动化》公布的“全球安防50强”榜单中,蝉联全球第1位。2010年5月,海康威视在深圳证券交易所中小企业板上市,股票代码:002415,长期位居中小板市值前3位。基于创新的管理模式,良好的经营业绩,公司先后荣获“2016CCTV中国十佳上市公司” 、“中国中小板上市公司价值十强” 、“2016年A股上市公司未来价值排行以及A股最佳上市公司”榜首 、“第六届中国上市公司口碑榜最佳公司治理实践奖” 、“中国中小板上市公司投资者关系最佳董事会” “上市公司金牛投资价值奖”和“最佳投资者关系管理奖” 等重要荣誉。海康威视秉承“专业、厚实、诚信”的经营理念,坚持将“成就客户、价值为本、诚信务实、追求卓越”核心价值观内化为行动准则,不断发展视频技术,服务人类。

www.hikvision.com
来也机构

「来也」是国内领先的人工智能交互平台,由常春藤盟校(Ivy League)归国博士和MBA团队发起,核心技术涵盖自然语言处理(NLP)、多轮对话控制和个性化推荐系统等。公司已获得数十项专利和国家高新技术企业认证。 来也的愿景是通过AI赋能,让每个人拥有助理。C 端产品小来是智能化的在线助理,通过业内创新的AI+Hi模式,提供日程、打车、咖啡、差旅和个性化查询等三十余项技能(覆盖400w用户和数十万服务者),让用户用自然语言发起需求并得到高效的满足。B端品牌吾来输出知识型的交互机器人和智能客户沟通系统,帮助各领域企业客户打造行业助理。目前已经在母婴,商旅,金融和汽车等行业的标杆企业实现商业化落地。

https://www.laiye.com/
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

数据挖掘技术

数据挖掘(英语:data mining)是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的数据集中发现模式的计算过程。 数据挖掘过程的总体目标是从一个数据集中提取信息,并将其转换成可理解的结构,以进一步使用。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

操作系统技术

操作系统(英语:operating system,缩写作 OS)是管理计算机硬件与软件资源的计算机程序,同时也是计算机系统的内核与基石。操作系统需要处理如管理与配置内存、决定系统资源供需的优先次序、控制输入与输出设备、操作网络与管理文件系统等基本事务。操作系统也提供一个让用户与系统交互的操作界面。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

推荐文章
暂无评论
暂无评论~