[热点聚焦]人工智能如何落地安防?需先迈过算力这一关

ihHXMlfZ

随着技术水平的不断提升以及在社会生活各个领域中的应用，人工智能已经不再被视为一种“魔法”，而成为赋能社会各行各业的生产力。百度创始人李彦宏坦言，现阶段“人工智能不再讲究酷炫，而是要讲究如何扎扎实实地推进和落地。”

! S* t! {/ f1 S; }
- [! |! z9 y. v8 ]) s; J9 Y4 o( k 
如果说AI是蒸汽机与内燃机，那么AI算力则是“煤炭与石油”——AI 应用建立在算力之上，若没有算力可“烧”，AI将是空中楼阁。OpenAI的一份全球AI算力供需研究报告显示，AI算力需求量每三个半月就会翻一番，从2012年到2018年，全球算力需求增长了30万倍。
! O$ }4 J, H+ p2 Y 算力缺乏阻碍智能摄像头发展
& A# y' G3 b; s, C 
/ x$ x' U& t. A; R# k( B0 h8 Q交通、零售、物流、智慧城市……传统的安防行业正因为人工智能而拓展到更多维度。然而，当下AI算力却捉襟见肘，无法满足特定计算需求。受到算力、算法和技术标准等因素的制约，安防监控视频的快速处理和深度利用仍需要大量使用人工分析。
, z, w+ a! E6 w4 ^9 E! o, V 算力的缺乏也导致智能安防摄像头普及速度低于预期。目前常见的智能摄像头大多应用于基本监控场景，要对复杂场景进行多目标的实时识别和分析，终端算力还无法支持。因此，目前的摄像头可以算作前端智能化，而非智能前端化。当然，也可以将视频送到云端去处理，但这样又会带来高延迟和数据安全性的问题。
 “未来的市场必定是数据规模和计算能力的角逐。” 浪潮商用机器有限公司OpenPOWER产品营销部总监张琪表示。谁能够在解决算力不足问题的同时又能够更好降低功耗与成本，谁就能在AI浪潮下占领安防鳌头。
. H, _7 U# m& i/ J  [1 f 多技术结合缓解难题
! R! S6 h6 e2 x0 Z  X) |4 M 
% z: ?9 @! l9 C0 s2 }9 ?& M8 {AI算力不足的问题正在不断被相关企业解决。例如集合了云端计算、边缘计算、端侧计算的一体化部署方案，能一定程度上缓解摄像头算力不足的难题。
4 \, k; x- T/ {. | AI无论应用于消费还是行业场景，其未来的算力是多点协同性质的。这就要求针对不同问题场景提供不同解决方案，这些方案需要能够解决针对异构的适配能力和迁移能力，以便更好地前向兼容。
 例如某些To B场景中，将摄像头额外叠加AI算力形成“胖终端”，通过外设将图像识别置于本地，一方面降低时延，一方面减轻了对于网络连接和容量的需求。
 这些方案的设计本质上就是要解决一个问题——分配好终端和云端分别需要完成的任务。但业界对AI算力应更多部署在前端还是后台尚无统一意见。
 将合适的算力放到合适的位置
 
2 T" u. {5 Y' U0 d: Q要解决好算力问题，安防领域需要云边端协同发展，将合适的算力放到合适的位置。当然，算力并非孤立存在，其他因素也将影响算力的使用。例如若没有进行存储优化，那么芯片实际能够提供的计算力其实会大大低于理论值。
& ]9 I3 \4 o- o7 B- s# g& Y 那么，如何分配算力并平衡好其他影响因素？海康威视的AI Cloud架构或许可以提供思路：利用云计算中心弹性分配计算服务器、存储服务器的资源，够按需调度智能算法和大数据算法。
/ S$ @$ k  O9 [6 C1 ]1 r 由于人工智能技术整体发展还处于初级阶段，智慧安防行业也随之面临很大的不确定性，而这也为各种安防企业提供了巨大的舞台，舞台上将呈现怎样精彩的表演？令人期待！
5 g$ ^8 _2 ~* R) h  i. f来源：http://mp.weixin.qq.com/s?src=11&timestamp=1567413461&ver=1827&signature=yM8fAjbYCculqAtUv*JyI9-8ODQZQDLXq1AkXt3lIvE-O4ZaqLJDrGOqlPwJDt1VoKzPPQy8jVu9Q*WhxgWBJXlijfU2eW-1JjqWsDrRGtl*QGoLsqA9*pnMjCknwYdG&new=1
# g- l4 \2 Y4 Y' \' N免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！