云從聯合創始人溫浩：泛在智能城市下的人機協同平臺 丨CCF-GAIR 2019

7月12日-7月14日，2019第四屆全球人工智能與機器人峰會（CCF-GAIR 2019）于深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智能與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智能領域極具實力的跨界交流合作平臺。

7月14日下午，在「智慧城市·視覺智能」專場上，云從聯合創始人溫浩帶來了題為《泛在智能城市下的人機協同平臺》的主題分享。

溫浩提出，在AI大規模落地過程中，一定要構建感知、認知、決策的智能經濟的AI閉環，創業公司也必須在感知、認知、決策環節均有涉及。

而場景上，可分為邊緣場景和云端場景，但邊緣場景和云端要根據場景進行智能的分配。

邊緣端和終端承載需要本地實時響應的推理任務，并獨立完成數據收集、環境感知、人機交互以及部分決策控制。

邊緣端如自動駕駛場景中，斷網下進行獨立的本地處理；智能安防中，要對超大數據量本地處理；移動互聯網場景，要保證低功耗和數據安全；智能家居和智能制造場景，要求異構和實時響應。

云端則負責承載智能數據分析、模型訓練和部分對傳輸帶寬要求不高的推理任務。

溫浩認為，目前AI還并不成熟，很多產業中的需求也很多樣，AI企業發展到后期，一定要聚焦、一定要做重、一定要控制好成本、一定要深入行業。如果還靠著不斷招人、發論文，也許估值會越來越高，但后期也一定會跌得越慘。

目前行業有個通病：對于學術的看重好像勝于一切。

如果AI公司能夠靠著科學家團隊走出來，當年微軟亞研基本覆蓋了中國AI圈的大半壁江山，后面的結果大家也看到了；再比如Google X部門 ,全球技術大牛云集，后面的產品做得好嗎？銷售了幾臺？

通過微軟亞研和GoogleX的例子可以表明：技術不是一切，通過大批學術人才去落地產品根本行不通，技術好不代表產品好，但產品好一定要求技術好。

在今天這一節點上，包括云從在內，或許并不應該太過關心技術的領先性，也非利用技術賺取多大的利潤，而是在業務線和技術體系無限擴大、無限縱深時，如何管理好N個愈加獨立的行業事業部和數千人團隊，是我們需要過的第一道難關。

在這一塊，云從會學習華為，去打造一個IPD（Integrated Product Development）管理系統 ,華為當年也花了20億元從IBM引進了一套類似系統。

引入IPD體系被認為是成就華為最重要的變革，它集中了若干工具、流程與方法，其核心思想包括：研發是一種投資行為、基于需求進行研發、跨部門協同、結構化流程等等。

它能夠對市場迅速反應，縮短開發周期，減少報廢項目，減少開發成本，提高產品的穩定性、可生產性、可維護性。

就像車企造車，每年十幾款新車型，不可能做到每一款新車的每一個部件都單獨研發，所以需要一個平臺，去模塊化組裝。如此，有利于用最低的成本、用快的速度交接出質量最好的產品。

管理也可以成為產品，要幫助部門工作流程化，不斷可以迭代改進，要不得的是沒有總結，沒有升華，總是在重新開始，最終整個部門都困在原地。

與此同時，還應該實現“人機協同”。

人機協同有幾個階段，第一是要做人機交互，首先讓機器知道你是誰，這也就是為什么要先做人臉識別的原因。

第二步做人機融合，如銀行的產品經理，只能設計十幾種產品，但基于大數據和AI，他可以針對每個小微企業設計成百上千種AI的金融產品。    

然后是人機共創，未來就可以創造一些新的場景、新的業務，新的服務、新的流程。如零售門店可以進行二次陳列，和精準引流，這就是人機共創。

以下是云從聯合創始人溫浩大會現場全部演講內容，雷鋒網作了不改變原意的整理及編輯：

今天看到這么多參與大會的同學、觀眾們，大家的熱情讓我挺驚訝的，這個大會辦得很好，邀請了很多平時都難以見到的大咖。

前面幾位大咖都是講學術內容，我今天從產業視角跟大家分享一下云從在人工智能產業落地方面的心得，希望能給大家帶來一些思考。

首先解釋一下人工智能，其實中國的先賢們在這方面已經有過很多思考、總結了，2000多年前荀子已經提出來“智能”這個概念。

他說“知之在人者謂之知”，這句話的意思是說我們能夠感受事物、認識事物的能力叫做知覺；“知有所合謂之智”，如果和客觀規律符合，能夠推而廣之，把事物認知清楚，這就是智的概念。

還有一個是“能之在人者謂之能”，人生來都有很多本能，我們都知道天冷了要加衣服，渴了要喝水，“能有所合者謂之能”，如果這個能力能夠高效地形成一個方法，這時候就是一個穩定的能力，這就是處理事物的能力，可以推而廣之，讓所有人都能學習。

所以，我們既要認識事物，也要處理事物，這是人的智能的概念。

那么，我們該如何讓人工智能落地呢？

從傳統經濟到數字經濟再到互聯網+，我們有了電商、娛樂、游戲、虛擬貨幣，20年時間里，數字經濟為我們的生活帶來了非常大的改變。

人們現在叫車方便了、網上購物方便了，很多信息都可以實時、便利獲得，但是做到這里夠不夠？明顯是不夠的。

這么多數據匯集在一起，我們需要做更加智能的東西。譬如，叫車方便，但車還需要人開，所以要做自動駕駛，所以今天，我們提出了智能+經濟。

智能+經濟通過什么來改變呢？

處理事物之前首先需要認識事物，我們的人臉、人體、語音、文字，都是可以通過感知去收集的，將這些信息提取之后，可以借助語言理解去知曉其中內涵。

之后，知識圖譜可以將這些知識歸納起來，通過機器學習把模型訓練出來，從而做到認知。當然，這個認知過程可以是線下的，也可以是線上的，只要有規模數據就可以運行。

最后，系統需要做決策，也就是說不僅要認識事物，還要處理事物。處理事物就要把相關信息反饋回去，比如說給商家，以提升促銷；給銀行，以降低風險；給汽車導航，以把人安全、快捷地送到目的地。

以上這些步驟的組合便是AI落地的閉環。所以說，AI創業公司，如果要想真正落地，感知、認知、決策三個階段都要涉及，否則場景價值很小。

現在我們都在講云、邊、端，其實它就是整個智慧城市的基本架構。

每個城市都會有一個城市大腦，它在云端，會將數據融合、集中處理，然后進行算法訓練；端上就會有各種各樣的智能設備做萬物感知、萬物計算。

隨著5G時代的到來、IoT的成熟，得益于算力的可動態分配，云邊端的協同是可以期待的。

目前云從在很多場景里面都會做基于類似智能的服務。

在金融領域，我們提供VIP的識別、刷臉支付、刷臉取款、刷臉購物，這些智能服務目前都可以在銀行里體驗到。

再來就是銀行里面對機房或者是ATM機的管控、運維，這些屬于認知層面、決策層面的。

在機場，所有的安檢通道都可以進行人臉比對，當用戶進入候機樓之后，系統可以把相關人的登機口信息推送到他的手機上。

在學?；蛘呤情_放場景中，利用行人的軌跡分析、行人的識別技術，可以實現實時、在線追蹤。

在開放道路上，可以實現車牌、車型、車標、顏色的區分，可以為公安民警精準地追蹤到每一輛車的軌跡。

在自然場景下的OCR，可以對包括零售店廣告、文字進行識別；除了室內，還可以做室外比較密集的場景識別、人體追蹤等等。

在零售店，我們還做了一些基于AR的體驗，比如說基于二維視頻的3D人體建模，我們做到了200幀每秒，40多毫米的誤差，達到世界第一，利用這個技術可以做虛擬試衣。

另外，還有智慧能源行業的安全管理，比如說安全帽、工作服、防火等等方面的管理。

除此之外，還包括人員的精細管理、場站周界入侵、車輛監控、異響檢測、設備狀態檢測等等，這些都是智慧城市里各行各業都可以用得上的視覺認知和決策場景。

找到了這些場景之后，我們需要做些什么呢？

首先需要將計算做分配，每個場景里的計算要求是不一樣的，比如說在自動駕駛場景下，需要斷網下獨立本地處理；比如說智能安防場景下，需要超大數據量本地處理；而在移動互聯網方面，實時性要高、功耗要低。

所以，面對不對的場景，需要不同的算法、不同的芯片，也就是說：芯片與算法的結合肯定是未來的一個大趨勢。

比如說AI安防市場，最早的攝像機只是做一些ISP、圖像處理；后面升級為網絡攝像機，做一些網絡編解碼、數字傳輸；今天的AI安防攝像頭，需要做本地結構化，由于它一天會產生20GB的數據，這對于帶寬和存儲都是很大挑戰，也就是說必須要做結構化提取。

上圖是我們的一個800萬像素的全功能AI相機，它可以做到同時檢測200個以上人臉，最大支持30萬人臉庫。

現在來說，其實AI發展還不是太成熟，很多產業的需求是非常多樣的，這時候該怎么辦呢？

在未來的30年內，云從認為技術趨勢應該是人機協同。

人有人的優勢，人有創造力、有抽象力，我們可以從書本上學習知識、推而廣之；而機器的計算力、大數據分析能力明顯高于人類。

人機協同發展可以分為幾個階段，第一個是要做人機交互，首先要讓機器知道你是誰，這也是為什么我們要先做人臉識別的原因。

除了它有比較成熟的算法，更關鍵的是它有一個視覺入口?；ヂ摼W世界，每個產業都需要找到正確的入口，APP是一個入口，手機也是一個入口，而視覺技術就是AI的入口，它可以知道你是誰，后面才可以做一系列交互動作。

第二步需要做人機融合，我們現在有很多事情可以讓機器和人一起去做，比如說銀行的產品經理，他可以根據他的經驗、能力，設計一個產品的風控，但他最多只能設計十幾種產品；基于AI，可以針對每個小微企業設計成百上千種AI金融產品，這就是人機融合。

如此，便可以做得更高效、更精準、更有價值，這是在未來10年中，大家可以看到的應用，目前很多工作都可以與機器協同完成。

再來就是人機共創，AI落地之后，未來我們可以創造一些新的場景、新的業務、新的服務、新的流程，這叫人機共創。

那么，做到這三步是不是就夠了呢？還需要做到“三化”：行業化、場景化、個性化。

行業化方面我們剛才舉了很多例子，每個行業的需求都是不一樣的，人臉識別在金融和安防里面的應用是完全不一樣的。安防要求的是開放場景、快速搜索；金融要求的是百萬分之一甚至千萬分之一的誤識率及及活體檢測。

第二是要場景化，每個場景都要有具體的解決方案；第三是個性化，這是大數據時代最大的利處，每個人都可以得到精準的服務。

接下來談多模態應用，我們做人機交互，為什么要提多模態？

舉個例子，現在大熱的新零售，以后肯定是個技術落地趨勢。（雖然現在做稍微早了一些，目前的技術貨損率比雇一個店員更高，還不如不做。）

但就技術層面來看，AI未來可以做些什么？

其實新零售可以分為人、貨、場三個方面，貨有一套供應鏈，場就是現在的電商一直在做的事，比如說把信息流提到線上去它會更高效，但線下做也有它的好處，可以在真實場景中體驗產品。

還有就是資金，在線上更便捷，但是在線下更安全、可靠；還有一個就是延時，線上是有延時的，線下是沒有的。

所以，我們認為AI應該圍繞人去建設的，我們有很多與人相關的技術，可以將流量變成轉化率，然后變成客單價，再來提高復購率。

在人的方面，我們可以做很多事情，比如做前端感應、廣告推薦，它會根據用戶的年齡、屬性、會員，分析你可能愛好的東西，或者你上次買過什么東西，之后把信息推薦出來，后臺會做一個數據建模。

再比如做游戲引流，可以在用戶玩游戲的過程中，送打折劵的形式去采集數據，之后做產品推薦。

后臺用戶的特征建模，可以從5個維度，幾十個特征去分析，我們通過雙塔稀疏神經網絡做深度學習，從200個廣告里面提取用戶感興趣的100個廣告，這100個廣告在線下就可以完成，等用戶到店后就可以推送10個精準廣告。

回到店里的時候，當用戶從進店那一刻開始，系統就開始關注你：是不是熟客、是不是VIP、是男是女，把這些信息都推送過去，廣告推薦就通過神經網絡做這樣一些推薦，如果此前有購物信息就會更加精準。

傳統的線上電商，都有一套跟蹤模型，從用戶瀏覽、點擊、放到購物籃，最后生成訂單、支付，它是有一套轉化模型的，叫漏斗模型；而線下是沒有的，線下都是靠經營主自己的腦袋，靠自己的經驗去決定的，而這種方式的效率是非常不高的。

剛才我講的銀行融合是一個人機共創的例子，現在還可以做二次陳列。

我們可以通過一些購物小票去做一些引流動作：通過對購物小票的分析去重新擺設商品，計算出單坪空間的更多價值。

現在AI主流的玩法不外于B端或者C端，這些都不重要，重要的是云和端的產品和服務如何更好結合在一起，最終達到人機協同。

所以，云從現在全力打造一個人機協同平臺，面向包括金融、安防、零售、電力等各個行業。目前已經有400多家銀行、70%的樞紐機場、一萬多路公安視頻都與云從有深度合作。

今天我的分享就到這里，謝謝大家。雷鋒網

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。