借条模板

「借贷宝」 是1.3亿用户信赖的个人间借贷登记服务平台[补欠条]、[打借条]小工具经过5年的用户检验获得了市场的广泛认可。产品优势:法院认、帮提醒、不丢失,免去了手写借条、欠条不规范的潜在风险,保证了民间借贷协议的有效性和公正性,协议云端存储不丢失,超过宽限期系统自动电话提醒避免了债权人频繁催款的尴尬,缓解借款双方的矛盾冲突。点击 立即下载 最新版。

<   扫左侧二维码下载

14 位产业领袖最强输出,论道「城市 AIoT」|第四届中国人工智能安防峰会

发布日期:
2021-12-14

浏览次数:

555

来源:

雷峰网

城市数字化转型已过时,数智化成为行业新宠。

一字之差,不只是概念之别,技术、产业、市场需求都发生了质变。

数智化催生出万亿蓝海市场,碎片化场景给AI带来新考验,新的商业模式正在形成。

在城市数智化转型中,AI应该扮演怎样的角色?

这是个必须回答的问题。

时代背景下, 企业也需要新的方法论,来实现技术价值的商业闭环。

基于此,雷峰网AI掘金志再次站在技术、产业和商业格局最前沿,在深圳举办第四届「中国人工智能安防峰会」。

今日,来自14个标杆企业的代表共聚一堂,他们有的来自顶尖的AI公司,有的则是浸淫行业的老手,还有专业投资人,更有十年磨一剑的城市AIoT大佬。

他们的讨论很广泛:AI、大数据、元宇宙、智能网联......无一不是时下最热门、最重要的话题。

会上,他们百家争鸣,给线上线下观众们提供了一场完美的思想盛宴。

以下是本次大会的精彩回顾:

上海科技大学副教务长、IEEE Fellow虞晶怡:未来的城市元宇宙里的渲染、建模和隐私保护

作为上午场的开场嘉宾,虞晶怡从深度学习的角度,从建模、渲染以及最重要的隐私保护三个方面分享了对未来城市元宇宙的理解。

虞晶怡提到,他所研究的计算机视觉领域一个非常重要的任务,就是完成物理世界向数字世界的映射。为了完成这个映射,产生了非常多的概念,比如最早的数字孪生,到现在的元宇宙。但无论是什么概念,归根到底需要解决几个核心问题:

三维建模如何完成?图像分析如何完成?隐私保护如何完成?

虞晶怡教授从四个方面出发阐述了对以上问题的理解:

计算成像、三维重建、智能融合、隐私保护。

2D计算成像。过去几年,编码成像取得了很大的进步。在图像质量方面,利用编码成像可以在高速和离焦的情况下获得更好的图像。

虞晶怡指出,做智慧城市离不开三维重建。计算机视觉界已经做了很多年,其中最为出色的解决方案来自谷歌的“一日建模”。具体有三个步骤:通过针对大量图像进行位置猜测,再通过特征提取获取精确的相机位置,再对图像特征进行匹配和三维确认,最后得到模型,这个方式在大规模城市重建中非常常用。

基于神经网络深度学习的最新方法,即2D+3D融合。因为很多智慧城市模型并不精确,将城市进行三维重建后,把二维的贴图与三维模型融合,可以得到多视角视频。

最后,虞晶怡教授着重分享了隐私保护,他认为重建做得无论多好,最重要的是保护隐私。

宇视科技总裁张鹏国:一场演讲道出十大热门概念本质

作为下午场的开场嘉宾,张鹏国分享了对眼下最热的十大概念理解。

第一个谈到了元宇宙。他预测至少几年内,元宇宙概念会更大。他用了中国给婴儿取好养活的名字的现象来比喻。他认为,一般来讲,一个概念的名字越大,它越不容易指引前进的方向。

虚拟的世界和现实的世界,都是真实的世界。核心取决于装备的路径更长,还是内容/生态的路径更长

对于碳达峰和碳中和,他认为这是构建人类命运共同体、高质量发展的必由之路。双碳背景下清洁能源科技蕴藏着新机遇。路径很清晰,重头戏是绿色能源,但技术、成本方面的过程很艰苦有很长的路要走。

对于V2X,他强调聪明的车一定需要智慧的路。路侧设施的终极目标是“道路全覆盖,要素全感知”,雷视融合是最佳答案。

V2X需要翻越的三座大山:从学术研究概念到产品和解决方案;从政府投资驱动到商业模式自闭环;从试点用户到海量用户。

大数据当前还只是个技术,既不是产业,也不是行业。大数据领域成长的三原则:像老人一样,坚持逻辑,坚持常识;像中学生一样,空杯、兴趣、疯狂、心脑手脚一起联动;像小学生一样,本能地、积极地拥抱变化,重建新的体系。

他认为软件定义的基础在于标准化的硬件设施、开放的API接口和弹性的应用需求。软件定义永远无法打败“碎片化”,成本是决定因素。

数字孪生是元宇宙的一个小子集。数字孪生的变现路径要长于元宇宙,这是由2B2G和2C业务的本质决定的。数字孪生的用户价值发掘还不够,要服务于机器智能,不要仅仅服务于人的视觉感受。

智慧城市是个复杂系统,当前概念很多,可惜落地一般。主要矛盾在于基础设施和应用系统反复迭代 VS 人民群众不断增长的服务需求。任何小城市都比任何大企业更常青,运营服务是值得思考的问题。

企业数字化转型应警惕被复杂的概念所迷惑。他认为,企业的数字化转型是一种管理创新,所有的管理必须要服务于经营,不能降本增效的创新都是伪创新。

张鹏国表示,AIoT是所有“新概念”的最佳试炼场,AIoT赛道的坡足够长,雪足够厚,而宇视科技,将坚持AIoT技术战略100年。

最后,张鹏国以孔子的八个字作结束语:勿意,勿必,勿固,勿我。

海康威视EBG解决方案部总裁李亚亚:AI要服务行业,而非颠覆行业

物联+AI,是实现数字化转型的重要桥梁。

海康威视打造产业实践所需的技术支撑体系,基于体系化的智能设备和软件技术架构,支持算法模型和智能应用,轻松便捷的部署和应用,服务各个行业,以开放融合的态度,迎接AI产业的新融合、新发展。

智能物联技术是数字化转型中重要的技术之一,数字化转型的一个特征是物信融合。海康威视在产业实践中,通过物联+AI,在数字车间、产线合规、巡查巡检、智能考勤等方面助力企业实现数字化转型。

“要把智能物联,以及其他技术嵌入价值链,去服务行业,才能把事情做好,而不是仅仅通过技术创新或者颠覆。”

大华股份研发中心副总裁兼先进技术研究院、智慧城市研究院院长殷俊:智能时代,碎片化、业务定制化成为趋势

大华构建了AIoT、物联数智平台两大核心技术体系,并于今年10月,进一步正式发布“Dahua Think#”战略。

殷俊认为,行业智能化时代,对AI的需求呈现爆发式增长,碎片化、业务定制化成为了必然趋势。

殷俊强调,人工智能不仅仅是算法,而是最终要实现端到端的智能,从感知智能、数据智能到业务智能进行闭环。在数据智能和感知智能之间,要不断进行数据汇聚和迭代。通过经验自主学习,让设备形成智能运维、多传感器协同学习、专家经验自动调优等方法实现自治系统,不断提升感知智能的精准度以及数据的丰富度。

因此,仅算法领先还远远不够,业务智能背后是全流程的业务智能化升级,是端到端的智能解决方案。目前,面向千行百业的智能需求,大华构建了点、线、网的业务架构体系。

此外,殷俊介绍到,当前,预训练大模型的研究是行业热点,但其需要高昂的成本以及庞大的算力支撑,同时在视觉领域,目前商业应用还不是非常成熟,算力成本依然很高,大规模产业化需要控制和降低算力消耗,这一点非常重要。

华为机器视觉副总裁张爱军:构建智能世界有三个“万物”定义

张爱军提到,从2016年,华为就把整个企业的愿景从丰富人们的沟通与生活变成把数字世界带入每个人,每个家庭,每个组织,构建万物互联的智能世界。

华为从技术角度进行了“智能世界”的定义:一是万物感知,二是万物互联,三是万物智能。

张爱军指出,随着交互方式将发生巨大变化,催生新型移动物联网蓬勃发展,未来整个智能世界最核心的数据交互主体将不再是人与人的交互,而是物与物的交互。机器视觉将成为5G时代的“智能手机”,行业数字化感知入口。

对于当前产业发展历程,张爱君提出两个观点:

1、智能感知的进程进入第二波增长曲线,未来感知系统会拥有主动的感知能力。

2、纯粹的、被动的感知产业生态,可能会快速进入以企业生产业务流程为主导的感知体系,智能感知进入千行百业将变成非常重要的模式。

张爱军还分享了华为机器视觉的战略:加速视觉感知进入企业生产流程,助力“智慧管理和运营”,支撑战略落地上,华为有四个核心点。

一是关键技术。华为在计算机视觉赋能上的镜头、图像传感等都在进行关键技术研究。

二是标准规范。标准规范最核心的是通过更加客观数字化的模式来衡量一幅图片、一段视频是不是真正有效的为未来的人工智能和机器视觉来使用。

三是评价体系。手机行业的评测模式让整个产业界非常有序发展。新的机器视觉产业需要类似的评价体系,让智能时代的图像质量评价更为客观。

四是开放生态。提供一套生态架构,让开发者便捷开发、一站式交易,自由的沟通和交流。

小视科技副总裁段伟芝:从物理世界到数字世界,必然有一部分先转型,一部分后转型

在段伟芝看来,从驱动因素看,我国智慧城市建设经历了3个阶段:

第一,行业应用进行驱动。该阶段主要参与方是国外的高科技企业,构建的方式是通过单个系统,解决单个问题;

第二,以4G、云计算为驱动,国家开始进行重点项目建设,智能化逐渐起步;

第三,以人工智能、大数据、5G等技术驱动,国家开始牵头,各部委进行联合,行业推动各个系统进行统一,城市大脑开始逐步形成。

在现阶段,资源、技术、信息、要素等全面数字化,大平台开始走向集约,真正走向融合创新的数字化阶段。

在这个过程中,人工智能作为物理世界和数字世界的连接,是必不可少的一部分。但同时,人工智能的落地应用非常具有挑战性。

段伟芝表示,人工智能要实现落地,一要有行业经验,懂得业务场景;二要养成培育,不断训练算法;三是全产业链协同,这是一个复杂的过程。

基于此,段伟芝判断,中国人工智能的发展必然带来两个结果:

A:从物理世界到数字世界,必然有一部分先转型,一部分后转型;

B:只有真正实现大量算法的规模化量产及应用,城市数智化转型才算完成。

中国网络空间安全协会副理事长、前华为全球智慧城市业务部总经理郑志彬:智慧城市只建设不运营,就会烂尾

过去中国在信息化上有两个典型特点:

1、以前政府做数字化是电子政政务,电子政务就是做底座,做统一的云、统一的政府外网、政府内网,2、各个政府部门做独立的信息系统。

郑志彬认为,目前业内形成了一个共识,未来整个中国数字经济的发展一定是以城市为主体,以如何驱动城市的发展、带动城市的智慧化为主体,让智慧城市和数字经济相辅相成。

基于此,他提出四个关键要素:

一、推动跨层次、跨部门的数据共享开放要走向深水区;

郑志彬认为,国内虽然目前基本上70%、80%的城市都做了数据共享,但活数据少,有价值的数据少,仍然是数据共享的难点、痛点。想把数据共享做好,一定要找一个责任主体,一定要让责任主体对数据共享、对数据的应用负责。

二、跨领域的数据融合应用场景X走向深水区,实现三融五跨的目标;

过去智慧城市主要强调“1+1+N”:一个智慧城市,一定有一个大的云中心、一个指挥中心、N个应用。但单个领域的数据应用不叫智慧,只有跨部门、跨领域的数据应用才叫智慧。下一阶段,智慧城市业务框架应该步入1+1+N+X阶段,通过跨领域的数据融合应用场景X,走向深水区。

三、数字化转型不是信息化的简单升级,是提供全新解决物理世界问题的模式;

信息化的世界已经是过去式,未来是数字化的世界,数字化的世界是真正提供解决物理世界全新的解决方式。在他看来,数字化不是信息化的简单的升级,过去大家做了几十年的信息化,是把原来各种各样的流程,变成自动化。但今天的数字化是要把物理世界的问题数字化

四、智慧城市的可持续性发展步入深水区,从独立建设走向持续运营服务;

打个比方,本来两栋高大上的楼,一栋只是建得很漂亮,环境很好,没有人用,建起来就建起来。可能过三年就变成烂尾楼一样。如果持续有人用、持续有人运营,它就像非常好的新开发的博物馆一样,总是有人使用。

传统做建设的模式存在的问题是,仅仅建设不做运营,导致数据共享很难、数据开放应用很难、跨部门协作很难,所以只有运营不断循环,有真正构建智慧城市的运营商,才能使城市的数据发展有生命力。

旷视科技高级副总裁、城市业务事业部总经理陈雪松:AI的价值闭环,实质是生产力关系的重构

在陈雪松看来,以一网统管、一网通办为代表的城市治理体系,其实是传统安防领域向整个社会职能转变,和城市提升中自然而然的转型,从广度和深度上对城市管理水平、技术能力发展和体系建设提出新的要求。

他认为,城市治理体系是由点到面的,不能走安防体系的老路。

传统安防向基础设施转变的过程中,要结合原来已有的体系做智能化升级,再加上现有的资源体系,做自动化改造才能形成全覆盖。

作为城市治理不可或缺的技术,AI的价值不在于算法多优秀,而是给客户创造价值。当技术穿过决策,走向执行,就形成了完整的生产力闭环,从而产生客户价值。

当前的城市治理,面临三个难点:

1、发现难,摄像头虽然很多,但没有形成面的覆盖;

2、管理难,尚未形成智能化闭环;

3、管理统筹难,除了技术手段,体制机制也需要跟上时代变革。

“目前的城市治理,是以发现和决策执行为核心,本质是响应机制。”

陈雪松表示,区域城市数据覆盖起来以后,更多是基于感知能力和区域运行状态进行事件的预测和处理,这是未来城市治理的重点。

云天励飞首席科学家王孝宇:在AI研发和应用上,数据的重要性远高于模型

王孝宇认为AI的研发模式有两大关键点:一是用什么样的数据训练模型;二是模型如何基于数据得到更好的结果。

过去的研发模式大都以模型为中心,依赖专家,找数据、标注数据,然后让AI博士调参,如同工业化时代的“拧螺丝钉”,导致AI无法大规模产业化。

同时,过去的研发范式,大都集中于用更好的技术建立更好的模型。但几年之后,业界发现所用的技术越来越趋同,标准化的条件成熟了。

事实上,对比不同研发模型,可以发现对AI研发和应用来说,高效地获取最好的数据,比模型本身要重要得多。

究其原因是技术迭代快,容易被赶上,但数据迭代慢,因此如何在最短时间内得到可以使模型达到最优效果的数据集,这才是最重要的。

因此鉴于人力成本和模型标准化条件的成熟,云天励飞在内部打造了一套标准化、流程化、平台化的模型研发方式。

云天励飞大规模算法研发的流程是:

第一步,获取初始模型。通过分布式标注平台定义任务,再利用被千亿、百亿级的数据训练出来的大模型和无监督学习,配合少量数据的标注,得到不错的初始模型。

第二步,数据迭代。在海量还没有标注好的数据中,用技术、算法找到真正有用的数据,用主动学习算法做数据择优。

第三步,模型训练。在云天励飞的平台上用一键化方式,替代百万薪酬的博士来调参数、挖数据,降低对训练模型人员的从业要求。同时让数据、研发轨迹、开发技巧都沉淀在平台上,动作可复用,流程可追溯,降低AI人员高流动性带来的负面影响。

他认为视觉AI目前还处在拓荒阶段,是一片沙漠,没有变成绿洲,只有等到其变成绿洲时,才能“长”出很多AI企业,而云天励飞建立的这套平台,就是加速沙漠变绿洲的驱动底座。

希捷科技全球高级副总裁暨中国区总裁孙丹:元宇宙、脑机接口、数字孪生,基础都是海量数据

孙丹提到,疫情让诸多活动停滞了,但数字化转型在提速。

孙丹重点分享了对数字孪生的理解。她认为,数字孪生对智慧城市、企业数字化转型具备非常大的价值。

城市与新区、园区与建筑、交通与车辆、工业与能源、水与环境,数字孪生已经广泛应用于多个行业。

数字孪生不只是构建一个与现实世界一模一样的数字虚拟世界,而是结合物联网、区块链等技术之后,可以通过软件的应用去管理和统筹,实现智能管理。

比如港口货物的堆放、货物运输,比如碰到危机的处理,通过在系统里设计某些定义规则,实现完全的智能管理,而不只是一个三维重建。

她指出,无论是数字孪生还是元宇宙,又或是脑机接口、AIoT,底层都是数据。

有专家指出,数据的好坏决定智能的高地,数据可以理解为奶粉,如果加三聚氰氨,小孩会越吃越笨,好的奶粉小孩会越来越聪明。

通过机器学习沉淀好数据,得到的结果越来越智能,这是核心。

换句话说,所有企业最核心的是,数据如何贯通采集、存储、分析、变现。数据成就当下和未来。

全球数据爆发式增长。元宇宙、脑机接口、拓展现实的基础都是海量数据。如何成立、管理数据是非常大的挑战。比如一系列的数据归属问题、数据安全问题、数据孤岛问题。

希捷的目标,就是通过技术创新降低存储成本、数据运营成本。做数据新基建的一块砖,帮助政企的数字化转型。

科大讯飞副总裁 、科大讯飞大数据研究院执行院长谭昶:智慧城市是在一团乱麻里提纲挈领

谭昶以交通行业为例,分享了人工智能如何服务于城市数智化转型。

交通的数智化转型有四大特征,即能感知、会思考、可成长、有温度。在此过程中,行业本身有自己内在的运行规律,所以不能像互联网一样“一张白纸好作画”,而是在一团乱麻里提纲挈领、纲举目张解决问题。

他认为,交通全链条分为建设和生产运营两部分。首先要进行感知,其次要有管控手段,而管控最终是为人服务的。在这个闭环里,需要算法和数据以及具体场景的深度融合,才能不断提高交通治理水平。

同时,在他看来,人工智能要创造价值,并不完全依赖于技术进步,而是如何把技术与应用实践结合起来。对于传统行业,AI要做到精细化,这是内在规律。

“交通的未来,一是智能化,二是一体化,三是个性化。”谭昶表示,AI和信息化工具的助力,是实现交通精细化管理的关键,智慧城市也暗合这些特点。

亚略特公共安全与智慧城市事业群总监郭景玉:数字城市建设的根本目的是,要重构社会生产与社会组织的关系。

郭景玉认为,人工智能时代数字城市建设的根本目的是要重构社会生产与社会组织的关系,人在参与社会活动过程中所产生的各种数据构成了数字城市建设的核心要素。

郭景玉指出,“边”和“安”的主要作用有:一是成为数字城市信息汇聚的抓手,二是缓解中心化计算的压力,三是满足《网络安全法》和《个人信息保护法》等安全要求。

在信息汇聚上,很多企业采用了传统的端到云的模式,但该模式存在问题。不同于此,亚略特构建的体系是以边缘网关为核心的数据汇聚体系。

一是,边缘网关是靠近社会应用端的设备,可以很方便地进行对接,同时在数据安全保障方面,亚略特安全网关里是硬件级的安全加密机制。

二是整个汇聚体系是以部署到端的网关为抓手,所有的汇聚体系的平台都隐藏到网关后面,安全性、隐蔽性会更好。并且亚略特网关通过两个双网口的互不干扰的方式串联不同的网络,来避免网络向外暴露的问题。

在信息安全保障方面,亚略特基于生物识别模组外设并结合系统登陆、应用授权、云桌面管理等软件一体化的策略,开发了亚略特生物识别安全框架。

亚略特生物识别安全框架不仅能够无缝对接WBF,还可以无缝对接windows10的window hello,实现跨平台、跨操作系统、跨应用系统的诸多限制,弥补传统口令认证的方式存在的安全风险和缺陷,从而提高了整个电脑和应用系统的安全性,做到人与系统间的识人认证的结果,从而构建了真正可信的数字身份识别。

腾讯云鼎实验室数据安全总监谢灿:数字经济发展与数据安全并重

谢灿提到,中国从的《个人信息保护法》到《数据安全法》,再到2019年的《密码法》,在法律法规层面,我国加大了数据安全合规管控。全球各国广泛推出数据安全管制法规,标志着数据安全合规时代的到来。

数字经济时代数据安全合规背景下,企业数据安全需求发生变化,主要在数据安全和隐私保护两个方面。

之前行业更多地谈网络攻击、数据防泄露,现在行业必须把隐私保护,比如数据的过度收集、数据滥用、数据泄露纳入安全规划。也就是说,行业需要在数据安全得到保护以及合规性指导下释放数字经济生产力,以数据安全治理为中心的数据安全建设新理念。

行业从主要谈网络安全,比如静态数据安全防护,到后续更多地谈数据全生命周期、数字化业务发展,兼顾安全、合规与成本。

数据安全新挑战以及数据安全技术落地重点,同时也是数据安全的难点在于以下几个方面:

一是数据资产化,迫使安全管理机制优化;二是IT架构快速变化,导致安全防御体系失效;

三是算力持续增长,使得传统安全算法滞后;四是攻防节奏加快,让行业快速部署及应急响应能力亟待提升。

例如,传统数据安全方案上线动辄数月,往往也需要业务系统进行改造适配,且在海量数据量场景下,甚至给业务带来20%-30%的业务损耗,已经无法匹配数字经济时代下,数据合规与新IT架构下的数据安全战略诉求。

这就需要行业形成一体化、自动化、高性能、快部署、免改造的实现方式。目前已经有成熟方案,例如在腾讯工业云平台Wemake的数据加密中,通过应用腾讯云安全访问代理CASB的加密方案,一天就完成了上线,业务性能损耗在5%之内。

灼识咨询合伙人赵晓马:智慧城市将向以人为本、城市新型需求驱动的“人本城市”演变

赵晓马指出,从中国、美国、日本城市化发展历程和特点看,改革开放40年以来,中国城市化进程速度世界领先。

各类智慧城市建设方案凭借其技术先进性、强感知能力、数据资源高效应用等特点可以解决大量城市现存问题。

与此同时,智慧城市以其数字化、绿色化的特点为“碳中和”目标实现助力。

但同样不可忽视的是,在智慧社区、智慧商业等场景中,仍存在系统割裂、数据孤岛、信息综合利用程度低等问题。比如,割裂的单点解决方案,数据不打通,形成数据孤岛。

这就要求智慧城市割裂的单点解决方案要逐步转变为全场景,一站式的完整解决方案。

未来的城市将遵循以下规律:

从信息城市(以信息化为中心,互联网驱动,强调各业务、各部门内部的数字化、信息化)到智慧城市( 以应用场景为中心,AI、物联网等技术驱动,强调各系统、各场景内部的智能化)到人本城市(以人为中心 ,城市新型需求驱动,强调全系统、全场景的融合协同)。雷峰网雷峰网