人工智能企业的落地策略

人工智能企业的落地策略

图|太古计算机总经理陈伟

陈伟说，“传统的监控系统，如果没有监控中心专人值班，基本上等于摆设，只能起到一定的威慑作用和事后视频取证的作用。而如果有专人值班的情况，往往又是项目比较大，监控画面比较多，必须设专门的监控中心，那么，值班人员面对几十上百个甚至几百个监控画面，他们也想看完所有的监控画面，但是有心无力，根本不可能关注到所有画面，等于还是起不到值班的作用。

在AI智能行为监控系统的核心设备中，主要只有三种：前端行为采集摄像机，机房录像存储NVR，机房行为预警服务器。而传统的综合平台、上墙高清解码器、流媒体服务器、网络键盘等类似这类的控制设备，在AI智能行为监控系统架构中是完全可以不用的，系统的自动检测和自动弹屏预警，完全替代了人眼查看和人工调度。”可见AI智能行为监控的必要性。

在谈到AI智能行为监控系统的应用场所时，陈伟介绍说，“其主要功能是增加了对视频中的人的动作的识别，达到了提前预警的目的。它可以广泛应用与社会治安、小区、工厂、酒店、学校、医院、养老机构、公园、广场、旅游区、监狱、客运公交、地铁、机场、海关、施工工地等领域。

但是，由于每套AI智能行为监控系统，都需要一台服务器，相对来说，小型店铺、家庭等监控点数量较少的场所，成本会提高，这类小型项目慎用。”

图|嘉楠科技AI首席技术专家黄锐

另外在主题演讲的时候，黄锐还介绍到了开发板和应用案例，如60帧每秒-实时同时跟踪多张人脸，人脸关键点检测等等。

苏亮亮：人脸识别产品落地路径

图|宇泛智能COO苏亮亮

苏亮亮认为，现阶段，优秀产品对硬件、算法、应用的强依赖，在硬件上，宇泛智能具有产品迭代领先优势，成本优势、灵活优势、深入服务定制的优势；在算法上，宇泛智能具有特定场景特定算法，特定优化，比如工地和学校算法模型不同，大库需要本地与云端结合比对；在应用上，工程方面的优化，持续打磨，丰富的功能和接口。

最后，苏亮亮还介绍了宇泛智能新一代开放平台，包括开放硬件、开放算法、EtherSDK（SDK集成度高，诸多工程方面优化）、AIOT（包含设备管理平台和算法服务）、轻量级解决方案（包含人员管理、权限管理，本地和云端比对自由切换）。

刘子威：人工智能技术在美容领域的实践

图|和而泰智能数据与人工智能实验室总监刘子威

在会议上，和而泰智能数据与人工智能实验室总监刘子威首先谈到的是，国内美容市场的情况，他说，目前国内美业市场规模已超一万亿，实体门店已超二百万，中国女性月均美容消费能力为100-500元，男性对美容行业关注度也日益增长，男女性对美容行业关注度的人群比例为1:8。

美业大致可分为四类，包括美发、美容美体、美甲美睫、医疗美容，据刘子威介绍，“四美”市场规模预计为1.12万亿元，较去年整体年增速15%，而这部分还没包括属于制造业的化妆品护肤品的销售。

刘子威认为，过去，美业提供的服务属于典型的“非标”，难以规模化，从业人员普遍的文化水平较低，专业能力不高；未来，在“消费升级”和“产业升级”的双重驱动下，产业格局正在发生巨大的变化。

针对上述问题，和而泰从智慧门店切入，推出轻量级AI拍照测肤方案和基于知识图谱的护肤推荐方案。刘子威介绍到，AI拍照测肤、AR彩妆已经在美容院、化妆品门店得到应用，并且他们正在尝试将AI拍照测肤方案，用在百果园门店。

王军：AI城市大脑城市发展芯动力

图|云天励飞首席方案总监王军

在此次论坛上，云天励飞首席方案总监王军重点介绍了“深目”，这是一套全球最大的动态人像识别系统，并例举了三大成功案例，一是“深目”在嫌疑人搜索和身份落地中起了关键作用，为案件侦破赢得了宝贵时间；

二是天图案-AI黑科技一网打尽自行车盗窃，全案共打掉团伙13个，抓获犯罪嫌疑人318名，全区此类警情同比下降32.55%；三是行人闯红灯抓拍取证系统，深圳交警2017年4月上线首套云天“深目”行人闯红灯取证系统以来，有效规范了行人出行习惯，减少了交通事故的发生。

王军告诉大家，云天励飞通过“五位一体”模式做AI，包括自研视觉芯片、人像大数据、精准算法、实战应用、专业服务体系。王军认为，做AI需要从实战中来，到实战中去，以系统了解行业需求，以芯片解决场景痛点，以服务赋能全行业。

如何构建以人为本的AI城市大脑，从应用层面来讲，王军介绍了云天励飞的三大应用场景，AI+新警务、AI+新治理、AI+新零售。

AI+新警务：构建城市安全盾牌

AI+新治理：打造2公里智慧生活圈

AI+新零售：从万货商店到每个人的商店

王军表示，未来，AI将在赋能百业，实现物理世界的信息结构化。

邓志东：计算机视觉和深度学习现状和未来

图|清华大学教授邓志东

在此次人工智能论坛上，清华大学教授邓志东主要分享了两部分内容，一是深度学习赋能的计算机视觉；二是探索具有认知理解能力的人工智能视觉。所有分享内容重点经邓教授总结如下：

在大数据和超强计算能力的支撑下，基于深度学习的计算机视觉更加接近于人的视觉感知能力；

开放环境下不存在完备大数据，但须尽可能多地运用标签大数据，并且还要考虑到数据与性能的长尾效应，因此产业应用中亟需发展基于小样本的深度学习视觉方法；

须突破多模态视觉融合技术，进一步增强视觉感知的用户体验；

大数据人工智能视觉尚缺乏认知理解能力，已成为目前人工智能前沿探索中面临的一个重大技术挑战；

结合具有自主学习能力的概率图模型或知识图谱，发展具有认知理解能力的计算机视觉技术，可望成为人工智能技术与产业的核心赋能力量；

轻量化、低功耗、低成本人工智能必将成为发展智能物联网的基础。