本文摘自雷锋网，原文链接：https://www.leiphone.com/category/smartcity/po6HayTcvvXOmcA8.html，侵删。
“现场几乎已经看不到跟AI无关的企业了。”
这是今年众多与会者参加深圳安博会最直观的感受。
不少人谈到，AI不再是镜中月、水中花，已经在众多细分领域落地。
2021年的深圳安博会似乎并没有大的新概念出现，但不同技术间融合的趋势愈加明显，不同业务整合趋势也渐强，场景落地更加深入、垂直。
每个时代都有自己的声音，每个展会都有自己的差异。也许技术落地本就不是滂沱大雨倾注而下而是涓涓溪水悠远长流。
本次安博会与去年有哪些不同，管理者们有着哪些独特的体会？AI掘金志与10位企业高管聊了聊。
旷视资深副总裁曹志敏：碎片化不是负面词汇，它让市场更具机遇和挑战
从今年安博会呈现出几个趋势：
AI已经是必备项，安博会当初只是一个行业概念，现在涵盖了物联网、人工智能、大数据以及视频相关等等领域，已经不能从安防角度看待这个展会 落地应用更加深入，比如不同企业扎根交通领域、能源化工、城市治理等领域，差异化更明显
进入AIoT时代，软硬一体趋势越来越明显，这是因为AIoT应用的场景大多碎片化、分散化，另外，软硬一体可以大大降低成本，传统的信息采集，无论是视图还是非视觉图，采集是采集，传输是传输，最后都在中心计算资源上进行分析处理，集中处理方式难以及时响应，延时高，整体成本较高。
城市AIoT产业角色非常多，上下游产业链非常复杂。旷视想打造AIoT的操作系统，做好各个场景所需的软硬一体的、高性价比的产品，通过一套体系，发挥出旷视擅长的算法能力，缓解场景碎片化。
城市和企业市场各有不同，城市领域，随着城市管理水平越来越高，相关单位对整个城市进行了顶层规划，落地具备很强的引导能力、统筹能力，方案更具标准性、更清晰。尤其是一二线城市，政府有自身的系统工程师、架构师，架构设计的投入资源更多，更系统。
企业领域更碎片化，更关注效益、投入回报时间，多地分管特点明显，周期相对较短，其次，对技术更新态度更开放，解决方案更灵活，可以不断迭代和演进。但方案更灵活并不意味着落地简单，它可能更复杂。同时，企业相对依赖厂商自身能力。
要提醒一点，碎片化不是负面词汇，是客观存在的，甚至让整个产业生态更加繁荣。
它的机遇在于，AIoT产业没有一家企业可以统揽整个产业。谁都有机会往上冲。它的挑战在于，可能一套产品方案只能在很小领域使用，解决这个问题需要企业的行业洞察，找出规律、分层抽象提炼。
苏州科达公共安全行业中心总经理陶宏：碎片化、精细化加剧，需要平衡基础技术与用户个性化的矛盾
AI落地需要回答的一个核心问题，是真正的业绩在哪里、市场在哪里、客户在哪里。有客户才有持续增长点，才有盈利点。
人工智能要想在To B市场想要实现指数级的飞轮式的增长很难，目前没有哪一家实现如此大的增长。
原因之一是To B系统流程关系非常复杂，决策过程非常漫长，一个项目3-6个月、1年是常态，甚至会拉长到2-3年。此外，B端市场场景碎片化、需求精细化，耗费的资源过于分散。
以交通为例，专业性、复杂性非常高，要想快速全国落地，需要非常长时间的论证，比如科达AI超微光卡口，在很多地方落地前都要先进行测试论证比较，最后表现不错，才开始规模化测试。
从另一个层面看，公安、交通以及未来的城市治理，要素就是人、车的识别，目前的落地情况看，我认为人工智能在这些领域已经成功了。
我认为各个行业大致可以分为三类公司：
具备运营优势，体现在供应链，最终体现在成本和价格 具备细分场景落地能力、客户服务个性化能力，细分赛道市场相对小，但强大的场景理解和客户关系让这类公司依然占据一定市场地位 技术极其领先
城市治理领域，业务颗粒度越来越精细，需求越来越碎片化，挑战有二，一是如何满足个性化、定制化的应用需求，二是如何平衡研发资源和敏捷交付速度，解决定制化问题，让定制变得灵活和轻便。这些也是科达思考的问题。
为了平衡行业定制化和AI敏捷交付，2020年科达发布中台战略，打造“一基座三中台”架构，分别是：云平台能力基座、媒体中台、解析中台、数据中台，能够更灵活敏捷的赋能上层业务，近年来，科达进一步提炼客户共性业务，打造出完整的基础组件和公共组件继续做厚中台，为敏捷开发打好基础。
芯翌科技副总裁-产品负责人王夷：未来技术市场的比拼核心是数据的获取能力、加工能力
技术层面，今年的安博会呈现出三个趋势：
以人工智能技术为主的AI中台及算法训练（建模）开放平台将持续进化发展（人工智能技术） 以大数据技术为主并结合业务转型需求的数据融合治理平台，将是产业数字化转型的标配（大数据融合技术） 智慧城市及企业对于实景融合可视化相关需求，将进一步催生以仿真技术、AR技术为主的数字孪生领域技术的发展（数字孪生领域技术）
今年的安博会主要看点在深耕垂直领域的中小企业。AI全面渗透安防后，安防的边界已经模糊，我称之为能力“外溢”，安防十几年积累的产品能力、技术能力和服务能力都会向各行各业“溢出”，从而带来的是新的场景、新的需求和新的方向。
人工智能和数据智能发展的规律何其相似，随着技术的普适、门槛的降低，各厂商争夺的要素不再围绕技术本身，而是垂直行业，从“技术引领业务”回归到“技术赋能业务”，将主体从“技术”还给了“业务”，领导地位从技术厂商还给了传统行业。所以选择行业、深耕行业，为行业提供技术服务，以技术的赋能促进产业的数字化转型和升级仍然是未来人工智能及数据智能生态圈要做的重点工作。
未来技术市场比拼的核心是数据，或者说数据的获取能力、加工能力，技术本身已经不再会成为瓶颈。数据获取能力的高低以及行业数据加工的业务理解水平（Know-How）直接决定着产品及解决方案核心竞争力的高低。
芯翌科技聚焦的城市精细化管理和产业数字化升级，最终会落脚于业务变革和组织变革，这个过程中最难的地方并不是技术本身，而是所有参与者的观念改变，需要打破本位主义思想，重塑治理架构和业务流程，在这个转型的过程中，需要所有参与者对遇到的问题在思考的高度、角度、深度上保持一致，这样才能形成合力，推动升级转型。
中星微技术联席总裁周大良：视频全周期的自主可控、数据安全趋势越来越明显
近年受国际环境影响，整个芯片行业受到巨大影响，尤其是中小企业。
前端IPC芯片，尤其是具备智能处理能力的芯片，400万到800万像素以上、算力2T以上严重缺货，1T算力只能承载少量人工智能算法，不久的将来，2T和4T很快成为主流。
中高端芯片，国内龙头大厂商正常产能需求被优先满足，大量中小企业受到冲击最明显，严重短货。
在近2年的时间里，中低端芯片市场基本切换完成，中高端芯片切换周期更长，产能也非常紧张，依然严重缺芯，甚至有厂商买其他厂商旧摄像机，只为要里面的芯片。
中高端芯片壁垒在于四个方面：
4K以上图像画质 高水平的ISP图像处理能力（ISP是整个芯片中最核心的模块） 解码能力 算力
目前大部分厂商存在一个或多个短板。比如ISP头像素质能力，国内厂商原来主要是低端领域，数据质量要求没有特别高，跟中高端芯片的差距较大。
中星微技术明年会推出一个6纳米的芯片，预计明年下半年流片，价格更便宜（价格拉平到To B和To C摄像机价位)、功耗低、算力2T以上，支持4K。
中星微技术一直对标中高端芯片的能力，推出了新一代768芯片，28纳米的双模芯片，支持H265、国际标准和SVAC、GB35114等国内标准。
近几年随着智慧城市等建设中视频技术大规模应用、联网，网络环境下系统所面临的信息、设备安全威胁与日俱增。随着一些行业数据泄露事件发生，加强信息安全的趋势在各行各业愈加明显。
我们坚定地认为随着个人信息保护法的出台，采集者有责任和义务采用必要的技术手段保护数据安全和个人信息安全，通过加密、认证等技术手段解决问题。
中星微技术一直立足于自主可控、数据安全。
中星微技术的优势之一，是视频数据全过程身份真实、信令可靠、数据完整、数据加密和可信溯源。
我们基于SVAC国家标准，已经开发出自主可控核心芯片，能处理多模态基础信源，支持端边融合协同处理的多种分辨率SVAC系列智能摄像机等。
中星微技术全生命周期智能安全视频解决方案，符合GB35114标准的A级、B级和C级，SVAC国家标准和国密相关标准。
北京君正智能视频副总经理刘远：多样性成为视觉物联网发展的驱动力，未来全力突破专业安防领域
人工智能落地刚刚兴起时，端侧AI芯片算力仅有0.2Tops，云侧AI芯片算力仅有5Tops；如今端侧AI芯片算力已经达到4Tops以上，云侧AI芯片算力也已达到256Tops以上。
视频物联芯片考察本身竞争力、集成方式、开发工具成熟度与易用性、功耗与价格等。端侧芯片，虽然体积小、价格低，但系统复杂度、技术难度丝毫也不低。譬如，OS、安防SDK、ISP、编码皆重要非常，这对芯片厂商提出的综合要求明显提高，需要具备完整能力的芯片。同时，端侧设备，对功耗和价格都非常敏感。
君正多年来一直在强化自身优势基础上，在以上几个方面扩展和突破。
在技术方面，北京君正AI-Engine算力引擎和Magik算法开发平台，AI算力覆盖从0.5TOPS从16TOPS ，已经落地了int4/int8/int16混合量化方法论，最新的AI-ISP也已经成为君正的影像底座基石，第四代ISP引擎预计将于2022年推出新产品。
产品方面，北京君正T21、T31、T40等系统产品构成强大的端侧阵营，以及即将大规模量产的NVR芯片A1，君正用擅长的CPU和低功耗，培育起一个错落有致的芯片产品家族。
眼下君正视觉产品和解决方案落地领域涵盖专业监控、消费类视频、电池门铃、视频门锁、运营商、视频会议、机器视觉、车载监控、工业和医疗等众多领域。精于安防，又超越安防，君正技术和产品的多样性特点正好契合了视觉物联网的发展要求。
此外，君正推出了首款智能安防NVR产品A1，A1芯片已经进入量产，将于2022年早期大批量供货。
至此，君正实现了“安防+AI”完整的技术和产品布局，未来，专业安防领域是君正全力突破的方向，君正也将针对高端AI和下一代低功耗技术市场持续推出创新性产品。
软通智慧安平事业部总经理李巍峰：从“一网通办”到“一网统管”，上海模式将成为全国学习样本
今年安博会很多客户因疫情无法到达现场，但友商之间相互沟通交流咨询比往年要充分。
现场情况看，参展企业没有带来新的技术或者颠覆性解决方案，更多是融合、整合。整个1号馆，几乎没有企业把自己定义为“安防”公司，更多是物联网、机器视觉、智能视觉等公司。我们是以业务场景为驱动的公司，之前就没有把自己定义为安防企业。
对于市场对AI的冷热态度转变，软通智慧作为行业“老同志”，没有感觉太大变化。软通智慧认为，AI作为一个技术基石，要服务场景，场景的客户千差万别，目前还不能规模性落地，复制成本较高，局限于具体场景。
软通智慧以智慧城市为核心，从顶层设计往下拓展公共安全和智能交通，目前重点布局车联网、人工智能计算中心、智能交通等。
智能化维度，人工智能计算中心国产化趋势更加明显。城市交通领域极其复杂，更多不是技术问题，而是城市规划问题。而在智能网联场景，可能80%的道路可以被归类，20%的道路比较难归类，我们就要帮助客户解决20%的部分。
城市治理层面，之前市场更关注“一网通办”，现在更关注“一网统管”。它们的区别在于，“一网通办”其实是To C，是服务民众，注重各类业务办理，但在管理端，各部分较为分散，在整体政府组织机构改革和业务平台搭建以后，很多城市开始提“一网统管”，更To G，将各垂直系统及物联网一网集成，整合数据资源，提升城市的智能感知能力，打造社会治理数字化体系。
上海对整个城市建设的整体规划和布局将成为学习范本，上海模式的“一网统管”应该会逐步往外复制。
当虹科技副总裁汪本义：海量视频数据传输、存储是泛安全领域的两大痛点
在泛安全领域，随着工信部等十部委提出5G应用重点落地垂直行业的要求，超高清视频监控等产品将在智慧城市中加速落地，视频数据的容量将越来越大。
海量视频数据传输、存储压力是两大痛点。我们一直认为，开拓新赛道必须要解决客户的需求和痛点。
因此，当虹科技去年推出了5G边缘计算终端，在画质基本不变的情况下，可将视频压缩到10%的带宽进行传输，降低存储空间和传输带宽成本，解决带宽不足和速度过慢的难题。目前，已在金融、能源、公安、轨交等行业应用。
我们公司定位于大视频领域，主要面向传媒文化和泛安全方向，提供智能视频解决方案和云服务。
就泛安全方向来说，我们比较看好金融、能源、市域治理领域的智能视频处理。
当虹基于“视频+AI+大数据”的能力，让视频从“看得清”向“看得懂”转变，通过“视频+AI”双引擎大幅节约成本。
如今外界环境、市场变化非常频繁，在符合国家政策的前提下，一定要专注，做自己“能力圈”内的事。当虹一直专注于“视频”这两个字，多年来经历了每一代通信技术发展，参与了每一代编码标准制定。
以萨技术副总裁姚巍：企业不再单纯炫技，更注重具体场景的数字化和智能化效果
从今年的安博会来看，有几大趋势：
1、技术和场景的融合度越来越高，厂商们不再单纯炫耀技术能力，而是着眼于具体场景去向大众呈现数字技术加入后带来的改观，企业开始重视具体场景的数字化和智能化；
2、厂商不仅仅关注技术本身的升级与迭代，在业务重塑和业务流程闭环方面也有创新性的尝试。比如以萨打造的“集全息情报、集成指挥、协同流转、合成作战、勤务处置、舆情管控、辅助决策”七大模块于一体的“情指勤舆一体化”解决方案，就吸引了公安客户的广泛关注；
3、客户更看重完整解决方案落地能力，全栈的核心技术能力，持续运营的能力，特别是在平安城市和数字城市这种复杂程度高的大型工程上，简单产品拼凑的集成方案或者标准化方案很难获得客户认可。
我认为所谓的“去安防化”趋势，只是安防融入了更广阔的数字城市、智慧城市概念这意味着AI等数字技术有更广阔的应用场景，同时，AI安防的市场空间依然很大。
这两年市场变化很快，以萨一直以来坚持两个非常重要的价值判断：第一是“坚持以客户为中心”，第二是“通过小场景推动大变革”这两个理念，我们自始至终不会改变，目前我们看到行业里有越来越多的厂商也认识到了这一点，变得更加务实。
另外随着“十四五”规划的逐步推进，我们以萨也感受到数字技术能够结合的场景会越来越多，无论是产业的数字化转型、数字政府建设、智慧城市建设，还是未来的“双碳”目标，人工智能+大数据技术都大有可为。
瑞莱智慧副总裁唐家渝：AI产业从粗放到高质量发展，如何保证AI应用的安全性是重要命题
今年的安博会有两点感受比较明显：
场景化趋势明显，过去大家追求通用的AI能力，现在大家更追求对垂直场景的深入理解 安全治理更受重视，随着数据安全法、算法治理规范等相关条例的出台，人脸识别厂商对安全问题的重视程度提高，开始探索安全可信的方案，比如后端治理上，数据采集后的脱敏存储，结合隐私计算的人脸识别方案，AI安全防火墙、AI换脸检测等
AI落地困境主要有两个方面：技术层面，目前的深度学习技术比较依赖有标注的数据，垂直场景下高质量标注数据缺乏，导致在不同应用场景扩展时存在一定周期，人脸识别领域的标签数据虽然更容易获得，但在趋严的合规要求下，对数据采集、标注、存储等提出更高要求，之前粗放式的应用会受到限制。
相关阅读 >>
消息称第二代骁龙8继续台积电4nm：诡异的1+2+2+3 cpu架构
更多相关阅读请进入《新闻资讯》频道 >>
