青岛华智锦人工智能科技有限公司

华显光电(00334)宣布，与鸿海旗下云智汇科技(01037)达成逐步建设智能工厂合作方案，全面优化产能效率，助公司提升管理创新与决策能力。

华显光电响应「中国制造2025」的国家战略，为增强自动化工厂收集及分析数据能力，满足客户对智能产品日益增长的需求，持续改进生产技术。近日与鸿海旗下云智汇达成了逐步建设智能工厂的合作方案，该项目第一阶段已于今年5月于惠州正式启动，并预计惠州产线改造工程将于今年年底完成。在「工业4.0」的推进下，智能工厂已成为智能制造重要的实践领域。

透过与鸿海科技集团的合作，华显光电将在现有的生产线基础上，更新设备数据收集及分析能力，发展大数据应用，逐步实现人机互联。预期该项目将有助华显光电进一步增强产线的透明化管理，提高产品质量，同时有效降低成本，实现业务可持续发展。

　　3月9日，智东西主办的GTIC 2018全球AI芯片创新峰会在上海召开，业内专家齐聚一堂，论道AI芯片、技术、应用。在这一轮兴起的人工智能浪潮中，安防是最为火热、最频繁地被人提起的落地行业。本文根据宇视副总裁兼首席架构师姚华的演讲整理，详细解读了AI+安防的发展现况，并着重分析了当下人工智能与安防融合所面临的七大挑战。

一、监控将成为生活的基础设施

与美国的治安相比，在中国深夜撸串有一种深深的优越感，这主要得益于中国有遍布的摄像头和监控系统。

从2017年开始，AI成为安防技术与政策中最热的关键词，我们可以看到诸如大联网、大数据、人脸智能、视图解析、物联网等技术对整个公共安全系统带来了效率提升与功能扩展。

目前，国家加大了对公安的信息系统要求。国家在996号文档中提出到，2020年在全中国建设一个遍布所有区域的基于摄像机的IoT（物联网）网络，只要中国有人活动的地方就有摄像机，来给我们带来安全。

未来，中国有人的地方就会有监控。监控将会与水、电、路、路灯等一同成为我们生活的基础设施。与此对应的是，我国已经建成了世界上最大的视频监控网——“中国天网”，视频摄像头超过2000万个，利用AI和大数据进行警务预测。此外，在新一代信息基础设施的建设中，也会布局大量的摄像头，从而提升整体存储能力，比如视频等信息的存储由30天变成90天。

二、AI加速安防IT化转型

宇视成立之初就是IP数字技术，推进安防IT化。安防行业在IT化的过程中，安防IT化1.0把模拟系统转化为数字化系统。随后安防行业又将IT化推进到2.0，包括车辆大数据、视频网闸、场景智能的融合。当AI出现的时候，AI正加速安防IT化3.0转型。

融合AI后的安防IT化3.0将看得更清、更广、更准、更稳、更懂。

AI进入安防，首先使摄像机看得更加清楚，从原来的D1（微光）到现在的8K全天候的超高清信息。中国也是全球唯一一个大规模视频联网的国家，并建设了非常完善的联网标准，因此整个安防系统可以看得更广。

以前我们靠人眼来监测，随着视图智能分析技术的到来，我们现在可以靠机器来看，并且看的效果更加准确。在大数据技术的帮助下，就能够看得懂智能分析得到的结构化的数据。此外机器还要看得“稳”，数据安全非常重要。因为有了AI，有了深度学习，整个安防IT化正在从2.0到3.0跨越。

三、AI对安防带来七大挑战

尽管AI+安防的未来充满前景，但当下AI也为安防监控系统带来全流程的挑战。

所谓“全流程的挑战”，是因为AI出现以后，摄像机的前端采集，不再只有视频，还有图片和结构化的信息。存储到后台后，将面临综合的智能分析，包括边缘计算、云端计算，这个业务流程都发生深刻的变化。

具体而言， AI对安防带来的挑战概括为七大方面：

第一，来自前端的挑战。比如在路面复杂环境中的人脸识别，复杂光线、遮挡的人脸、运动状态等都是人脸识别的“杀手”。此外，在前端算力方面，现在算法还要与硬件进行适配，前端的算力要强，功耗就高。如何做好结构化信息的算力、功耗与成本的平衡，应用到各种（极端）场景下稳定工作，都是前端的挑战。

第二在于存储的挑战。现在中国只要有案件发生，基本38小时就可以找到罪犯，这得益于我们建设了一张非常卓越的“天网”系统。但随着AI的应用，存储对象也由视频变为视频+图片+结构化以及半结构化的信息，各类数据混存模式下，大量小文件导致普通存储性能下降。AI激活了原始数据，导致写读需求大幅上升，变成1:1，这对整个硬件系统带来巨大挑战。

同时，分析、清洗后产生的新数据，价值大幅提升，也对可靠性要求更高，如何用较低的成本获得可靠的保存，产生更高的价值也是我们面临的问题。

第三，AI对图像智能分析的挑战。目前算法和硬件的匹配都不一致，并不能够实现软件定义芯片。比如对人的监测，可能包括人脸、性别、年龄等信息，而对车辆的监测则包括车牌、车标、车身颜色等，监测对象与场景的不同需要，提出了对多种智能算法并存的需求。

譬如，在地铁和商场两个场景中，地铁的人脸识别需求集中在上下班的高峰期和晚上需要外出采购以及娱乐的时间；而商场在营业期间人脸识别使用多，在我们上下班期间不怎么使用。这就涉及一个问题，如何让后台的机器和IT系统做到资源的合理分配。

第四，AI在摄像机中产生了大量结构化与半结构化数据，又对大数据形成挑战。以宇视参与的一个大型游乐园项目为例，其每年的数据量有200亿。面对百亿级数据，如何高效响应，这很重要。此外，规模增长的数据量带来系统级的机房空间扩张和投资压力，这时系统轻量化又十分重要。

第五，AI对安防行业标准的挑战。AI进入安防，推动简单的视频业务向复杂视图信息应用升级。目前来看，每个标准的演化都需要时间成熟。GA/T1400标准很多接口、检测方法等都需要大量时间来完善。

第六，AI对业务应用的挑战。当AI进入安防业务后，业务的个性化和不确定性会对业务厂商产品的标准化产生矛盾。打个比方，乔布斯的iPhone给我们生活带来多大变化，AI也会给安防带来多大变化。

第七，AI对信息安全带来挑战。目前视频专网缺乏安全准入控制，黑客可轻易入侵核心服务器和存储，这对安防带来巨大的安全挑战。试想，如果淘宝停运一天对我们会有什么影响？难以想象。