<mark id="oztn4"></mark>
0
| 本文作者： 劉偉 | 2019-10-29 09:25 | 專題：2019全球AI芯片·城市智能峰會 |
10月27日，由雷鋒網 & AI掘金志主辦的「全球AI芯片·城市智能峰會」，在深圳大中華喜來登酒店盛大召開。
延續雷鋒網大會一貫的高水準、高人氣，「全球AI芯片·城市智能峰會」以“城市視覺計算再進化”為主題，全面聚焦城市視覺與城市算力領域，是業內首個圍繞“算法+算力”展開的大型智能城市論壇。
峰會邀請到了業內極具代表性的14位業內知名專家，世界頂尖人工智能科學家、芯片創業大牛、產業巨頭首席技術高管、明星投資人齊聚，為行業資深從業者們分享前瞻的技術研究與商業模式方法論。
據雷鋒網統計，本次會議共吸引了692位業內人參會，其中包含了64家企業的CEO、371名副總裁及總監級聽眾，與此同時，北京大學、清華大學、哈爾濱工業大學三所高校的深圳研究生院以及香港中文大學、香港科技大學的110多位教授、碩博士生也均參與了本次大會。
以下是本次大會的精彩回顧：
《行人重識別（Re-ID）的挑戰與最新進展》
華為諾亞方舟實驗室首席計算機視覺科學家、IEEE院士 田奇
大會由華為諾亞方舟實驗室首席計算機視覺科學家、IEEE院士田奇教授的精彩演講拉開帷幕，他的演講主題為《行人重識別（Re-ID）的挑戰與最新進展》。
田奇指出，Person ReID的概念于2005年首次被提出，而在2014年以后，行人再識別開始基于深度學習來發展。
對于行人再識別的挑戰，田奇歸納為三大問題：
1．大數據，被采集到的訓練數據無論在時間上、空間維度上和可用量級上都十分有限；標注數據的人力物力和時間成本耗費頗多；
2．行人表觀差異性，包括背景、光線、視角、圖像分辨率，甚至是穿衣打扮上的不同都會帶來影響；
3．非理想場景，在對行人檢測時存在沒有對齊、部分遮擋等問題。
而這一領域的主要進展包括三個方面：一是針對訓練數據不足的情況下，學術界在Benchmark標準數據集有哪些努力。他介紹了現有常用Re-ID數據集，和分別基于圖像、視頻的標準數據集的表現提升情況，并指出基于圖像的再識別增長得很快，現在大家的興趣從圖像更多的轉到視頻上。
第二點則針對特征表示和數據增強，提出了各自的應對方法，其中包括對全域特征和局部特征的全景和背景的解決方案，以及在姿態大幅變化、沒有對齊情況下如何進行特征提取。
三是在數據化學習上的進展，主要是克服數據集和數據集之間由于不同的光照情況、不同的分辨率、不同的位置、不同的季節、不同季節等等造成的差異。
最后，田奇還指出，目前行人再識別的研究新方向仍然與數據集、方法有關，例如數據采集時考慮多方因素和信息融合，進行空間和時間關聯關系的學習等。
《AI構建數字世界的基礎》
大華股份研發中心副總裁、先進技術研究院院長殷俊
隨后大華股份研發中心副總裁、先進技術研究院院長殷俊以《AI構建數字世界的基礎》為主題發表精彩演講。
在殷俊看來，數據世界是四維的：通過感知獲得一維數據，來觀測真實世界；第二維，通過人工智能對感知數據進行特征提取，真實地反映世界；第三維，隨著空間數據的融合，構建空間矩陣，構建與真實場景業務有匹配的數據場景化；第四維，則是全面計算的過程，通過時空數據的維度來構建時空矩陣，充分描述和表達真實世界。
他表示，在二維世界里面，人臉、語音識別或者很多檢測識別真正構筑了二維特征數據的空間，數據的準確率是最高要求。因為只有構建精準的二維數據世界，才能準確表達世界上的萬世萬物。對行人的特征描述，則是典型的應用三維數據來形成更精準的定位。四維空間內，系統可以加入時域的分析，做更多預測、決策和評估的工作。
算力方面，殷俊認為，數據在不斷升遷，算力增加是必然的，往后更需要大算力芯片。而大算力的芯片除了感知之外，還可以在邊緣側提取特征和空間分析；到了中心側，能夠完成二維、三維、四維數據的分析。
同時他也強調，盡管隨著數據遷移，數據大幅度濃縮，從單點來看要求下降，但四維數據要求的路數和要獲得的感知數據更多，網絡成本反而增加。到越高維，網絡代價越高。所以，需要根據業務綜合部署，考量網絡和計算的分布，看到底如何形成最佳的計算網絡。
《基于FPGA定制計算構建AI系統》
賽靈思人工智能研發高級總監 單羿
上午場第三位登臺演講的是賽靈思人工智能研發高級總監、原深鑒科技聯合創始人兼CTO單羿，他的演講主題是《基于FPGA定制計算構建AI系統》。
單羿認為，當前面對大量應用需求和海量非結構化數據時，需要的不是一個通用的處理器架構，而是針對不同領域的專用計算架構（DSA， domain specific architecture），去適配不同的應用和數據結構， “定制計算”由此而來，它也是解決現在智能社會多樣需求的一個重要手段。
他解釋稱，芯片研發周期和實現量產的時間較長，往往在面世后跟不上新興的網絡架構和算力要求，容易造成成本浪費，此時FPGA的硬件可編程性可以有效發揮作用。FPGA硬件可以反復擦寫，降低了一次性投片的成本，同時也提高了面向市場的響應能力。
FPGA在面對AI需求時，存在對于算力、不同場景等多方面的挑戰。對此，單羿稱AI應用包括多種前處理和后處理的需求，FPGA能夠結合其深度學習的能力，加速這些需求，從而構建端到端的優化系統。在水平方向上，賽靈思能夠提供多種加速庫來滿足各種應用需求。在垂直方向上，賽靈思既能為客戶提供針對FPGA友好的參考算法，也能為客戶在保證精度的情況下提供模型優化工具及服務。
當被問到賽靈思的FPGA芯片和海思3559A、3519有何不同，單羿則表示最大的區別在于FPGA本身，賽靈思是可編程的硬件芯片，而海思的是已經配套出來的ASIC。盡管后者同樣可以進行一定程度的編程，但當模型發生較大變化時，他們為AI準備的功能效率可能會降低得比較快，賽靈思可以在硬件上進一步優化，使它快速適應新出現的應用需求。
《AI芯片——智慧城市的核心引擎》
比特大陸AI產品線總裁 阮沈勇
緊接著，比特大陸AI產品線總裁阮沈勇以主題為《AI芯片——智慧城市的核心引擎》的精彩演講延續了大會的熱烈氣氛。
阮沈勇首先回顧了人工智能的歷程，以及比特大陸AI算豐芯片的歷程。緊接著，針對全球互聯網每年產生10的15次方圖片和視頻流，全球安防攝像頭每年產生大于10的17次方圖片和視頻流，人工智能算力需求暴漲，通用GPU芯片沒辦法滿足算力暴漲的需求，需要專用TPU芯片代替通用GPU芯片，因為TPU芯片比GPU芯片性能數量級提升，成本和功耗數量級下降。
阮沈勇介紹了上個月在福州發布的比特大陸第三代AI芯片BM1684，這是國產自研TPU架構的AI芯片，是為智慧城市服務的一顆芯片，成為智慧城市的核心引擎。BM1684芯片算力強，支持2.2T的FP32算力，17.6T的INT8算力，卷積加速模式下，支持35.2T的INT8的算力；路數多，支持960fps的H264/H265的解碼，480幀/秒圖片編解碼；強安全，支持可信區域、安全啟動和加密算法；易擴展，支持16個PCIe3.0通道，2個千兆以太接口，16G的DRAM memory size，客戶可以很方便的開發算法，不需要為外部存儲容量擔心。基于BM1684芯片產品的性能是英偉達GPU P4的3倍。
基于TPU架構的AI芯片，比特大陸開發了板卡、邊緣計算小盒子、服務器等硬件產品。據阮沈勇介紹， 比特大陸只提供硬件和工具鏈，不開發算法，跟算法生態伙伴合作。他指出，比特大陸的平臺是開放的生態系統，已經與許多的算法伙伴合作，支持合作伙伴算法的移植。算法合作伙伴提供算法及應用管理軟件，比特大陸與合作伙伴一起提供解決方案給最終用戶，TPU芯片為城市智能化提供核心計算引擎。
阮沈勇以平安城市為例，解釋了算力按需分配。智慧城市需要2000路視頻或者8000路的視頻結構化，向資源池申請資源，用完后釋放回池，好處是可以為智慧城市的智能交通、移動警務等提供AI計算能力，為傳統應用裝上AI智慧大腦。同樣系統也可以進行單路AI智能分析，簡化管理，平滑擴展。對AI計算資源的統一管理，提高系統資源的利用率。
《視覺計算：AI 算法 vs. AI 芯片》
依圖科技 CTO 顏水成
隨后，依圖科技 CTO、IEEE 院士顏水成發表了題為《視覺計算：AI 算法 vs. AI 芯片》的精彩演講。
在顏水成看來，人類文明變遷的核心點是在于基礎設施的變化，由此帶來的直接影響是人和人之間的溝通效率和方法有顯著提升，溝通更有保障。而視覺智能作為AI的主力軍，也同樣非常依賴于基礎設施的變革。一方面是視覺信號的傳輸，另一方面則是AI的算法和算力。隨著IoT的發展和5G的普及，將會有越來越多的算力用于視覺計算。
顏水成將視覺智能分成5個等級，分別是可記錄——可識別——可關聯——可預判——可規劃，相應地，對基礎設施的需求就會更高。
而基礎設施的提升，關鍵之一是智能密度的提升，從而保障整個服務有更好水平。宏觀上，不再只是為單個攝像頭來提取數據。不同的攝像頭可以進行信息的共享、對話，并基于這種分析形成一種更高的智能。微觀上，則需要提升單位面積智能的算力，即同樣面積的芯片能夠形成的AI能力的容量，既包括能完成的AI計算類型，也包括單位面積能處理視頻的路數。
他總結稱，依圖提出了算法即芯片的思想，是視覺計算的核心驅動力。做一款AI芯片，首先要想清楚它的典型的應用場景，同時也該在芯片設計和未來的AI算法最前沿算法的發展趨勢有一個預判，這樣讓算法和芯片設計能夠相互優化，協同開發，同時又實現其分層解耦。另外，依圖所承建的視覺計算新一代開發創新平臺，將會打造算法及芯片共贏的生態。
《創新管理與企業增長》
遠望資本、迅雷創始人 程浩
上午場的最后，遠望資本、迅雷創始人 程浩在題為《創新管理與企業增長》的演講中，從企業創新管理的角度為與會者提供許多寶貴建議。
程浩認為，AI芯片作為基礎設施，理論上服務很多垂直領域，但如果只做一橫，即只做技術服務商，很容易被合作伙伴替代掉；應當要在服務的這么多垂直領域中，找出創業者自身認為市場空間廣闊、同時也比較擅長的，要深入進去做一縱，打造全棧解決方案，風險就降低很多。
他將創新的法則歸為以下幾點：
1.創新是手段，不是目的，不該為了創新而創新；
2.創新的目的應該是，極大提升效率、極大降低成本、極大提升用戶體驗，三者至少滿足其中一個。如果不能實現極大，那就是漸進式創新；
3.非行業龍頭不該考慮漸進式創新，否則就是為行業龍頭打工；
4.創新是解四元方程式，同時解開多個變量是極其困難的，應當先控制住其他變量（看做定量），先解開最易解的兩個變量。然后按照這個方式，再去逐步解決那些沒有解出來的變量；
5.創新需要天時，一是過去不成熟的市場現在飛速發展了，二是技術成熟起來了，過了可應用門檻。如果一個項目十年前市場和技術都已成熟了，當年沒有人做的原因更可能是需求不夠剛；
6.商業模式創新VS技術創新，前者的優點是易復制、易快速規模化，劣勢是門檻較低；技術創新則相反，投入周期長但競爭壁壘高；
7.創業公司要有持續創新能力，因為大多數企業今天成功的事業，都不是他們最開始干的那件事。最開始想做的事沒有成功，可能是因為未能驗證產品與市場匹配，或是驗證了但不知道怎么商業變現，又或者是市場不夠大，行業天花板有限。能否持續創新是企業從優秀到偉大的分界線。
《AI 下半場》
宇視科技副總裁 閆夏卿
峰會下半場，宇視科技副總裁閆夏卿以題為《AI 下半場》的精彩演講點燃了大會氣氛。
閆夏卿表示，AI 的上下半場主要有三大轉變：一、從對“AI 無所不能”的科幻式理解，轉變成了“AI 無所不在”的應用趨勢；二、從“AI 即算法”的粗暴理解，轉變成了“AI=算法+算力+產品+應用+工程”的綜合立體式理解；三、從對技術指標層面的角逐，轉變成了應用體驗層面的較量。他認為，對AI的討論深入到細節和工程層面，才是行業走向成熟的標志。
閆夏卿表示，我們現在往往很難對一家 AI 公司進行定位，因為算法公司在做芯片，芯片公司也在做算法。但這不會是一種常態，未來整個行業一定會走向開放和產業鏈的形態，上下游將會形成更好的分工和協作關系。這個過程需要全行業的共同努力，需要大家做出更加深入的探討。
從技術維度來看，閆夏卿表示AI技術要取得進一步發展和突破，接下來還有許多難點需要突破：1.低數據量、無監督自學習技術的突破；2.人類常識性只是在AI上的重建的突破；3.行業共建算法生態體系的可能性。這將會是一個漫長的過程，我們要保持耐心。
《用“芯”探索智能邊界》
云天勵飛 CEO 陳寧
隨后，云天勵飛 CEO 陳寧博士作為下午場的第二位演講嘉賓登臺，圍繞《用“芯”探索智能邊界》這一主題發表了精彩演講。
陳寧表示，人類生活的數字化基本上可以分為三個階段：互聯網階段、移動互聯網階段、AIoT階段。這三個階段背后，其實是通信技術的發展。5G和人工智能帶來了端、邊、云的創新機會：更加多元化的終端可以進行AIoT的各類信息采集，催生了多模態計算的需求，同時云邊結合的架構對計算效率和相應速度提出了更高要求。在此背景下， GPU和CPU已經難以滿足快速爆發的AI計算需求，需要更加高效的面向垂直場景的神經網絡處理器。
云天勵飛芯片平臺-Moss于2018年推出了第二代自主知識產權的人工智能芯片DeepEye1000。DeepEye1000是一款異構多核視覺分析SoC芯片，內嵌一顆自定義指令集神經網絡處理器。與通用GPU相比，DeepEye1000單位性能提升20倍，單位能效提升100倍，系統時延降低200倍，具有低功耗、高能效、智升級、可編程等特點，可廣泛用于攝像機、機器人、無人機，以及數字城市、新零售等場景，實現視覺AI城市大腦終端攝像機的安全、獨立、自主、可控。
《AI時代的安防新理念》
天地偉業總工程師 楊清永
緊接著，天地偉業總工程師楊清永以題為《AI時代的安防新理念》的精彩演講延續了會場的熱烈氣氛。
楊清永表示，安防行業從數字時代到智能時代，是一個必經之路。傳統視頻攝像機存儲的是標準視頻流，現在AI攝像機可以把采集到的視頻流進行結構化處理，只向后臺只傳遞結構化的數據。這樣可以有效降低對存儲空間和傳輸帶寬的要求，同時存儲的視頻結構化數據也可以做到秒級檢索，和傳統人工看視頻相比效率提升了不止一萬倍。
隨著AI技術的發展推動安防行業從數字時代進入到智能時代，整個行業的理念也發生了改變：
首先是實戰化理念。AI安防的實戰應用該如何落地呢？首先要找到一個合適的場景，分析其痛點和需求，針對長江設計一套解決方案并部署實施。如果這套系統產生了實戰效果，使用戶滿意了，就可以進行復制和推廣。
其次是低成本理念。現在AI剛在安防行業落地，造價和成本相對比較高。所以低成本方向就成了各家公司研究和發展的一個新方向。楊清永表示，行業可以從這幾個方向來嘗試降低系統成本——協同智能、高集成化、資源和模型的匹配、標準化。天地偉業自主研發的P5智能卡，從性價比上已經全面超越了P4，AI國產化技術正向前邁進。
《人工智能芯片技術發展及應用》
寒武紀副總裁 劉道福
作為大會下半場的第四位演講嘉賓，寒武紀副總裁劉道福以《人工智能芯片技術發展及應用》為主題介紹了他對AI芯片的獨到理解。
演講中，劉道福結合自身產業經歷，多角度分析了智能芯片該如何做到好用和通用。他認為，設計靈活的指令集，設計可擴展性強/高效的架構，提供靈活的運算器方案，支持主流編程架構，在大規模商用中得到反饋和修正等均是做好智能芯片的重要手段。
劉道福表示，傳統ASIC（將一個特定算法硬件化）的思路是無法解決深度學習處理需求的，主要有這么幾個矛盾：第一個矛盾是算法越來越快，復雜度越來越高，硬件的規模是有限的，有限規模的硬件和任意規模算法之間的矛盾要解決。
第二是結構固定的硬件如何應對千變萬化的算法，在任何一個產業最終落地的時候，成本都是產業規模化的一個障礙，深度學習是一個高成本的算法，你怎么用受限的硬件解決大計算量的算法，這是一個很大的問題。
《AI超微光技術與邊緣算力選擇》
蘇州科達首席科學家 章勇
隨后，蘇州科達首席科學家、前博通圖像事業部資深科學家章勇在題為《AI超微光技術與邊緣算力選擇》的精彩演講中介紹了科達最新的AI超微光技術。
章勇表示，目前深度學習技術主要應用于模式匹配和圖像識別，例如人臉識別、車輛特征提取、視頻結構化等。而科達則將這種深度學習技術應用到前端傳感器圖像增強處理技術領域，直接對前端圖像傳感器輸出的裸數據進行圖像恢復，最大化還原低照度環境下的實際圖像效果。
這種處理技術的好處是，它突破了傳統攝像機中ISP技術的局限性。目前ISP由數十個圖像處理模塊組成，數百個參數需要人工根據經驗進行調整，不僅費時費力，而且由于傳統算法的局限性，難以在低照高噪聲的情況下顯示出圖像中有用的信息。而AI超微光技術對傳感器數據直接進行處理，運用神經網絡完成輸入圖像到輸出圖像端到端的非線性映射。不僅如此，相對于增強補光，以及多目多光譜設計的硬件解決方案，獨創的深度學習圖像增強算法，可在大幅減少卡口對補光燈的依賴的條件下，提升圖像亮度，且充分還原物體顏色與紋理等細節信息。
另一方面，這項技術也對邊緣側芯片的算力提出了巨大挑戰。面對市場上琳瑯滿目的芯片，科達結合超微光技術的場景特點，提出了六項邊緣算力芯片的篩選標準————模型運行評分、工具鏈有效性、靈活性、成本、非AI功能、TOPS/W。
依托于精簡優化的算法和所選擇的邊緣算力，蘇州科達創新性地完成了AI超微光在邊緣側的實現任務，已經形成了產品系列并申請了多項專利。
《Designing Heterogeneous IC's for Artificial Intelligence Applications》
全球異構系統架構聯盟主席、華夏芯 CTO John Glossner
隨后，全球異構系統架構聯盟主席、華夏芯CTO John Glossner在大會下半場第六位登臺演講，發表了題為《Designing Heterogeneous IC's for Artificial Intelligence Applications》的精彩演說。
John Glossner主席表示，大量人工智能應用的出現，如無人駕駛、機器視覺、智能手機等等，對于人工智能的發動機——芯片，提出了非常高的要求，包括性能、功耗、成本、應用開發等等。面對大數據、人工智能對計算性能的爆發式需求，各種創新的神經網絡算法及相應的計算實現架構層出不窮，之前的傳統芯片設計架構已經難以滿足應用對計算能力的需求。
正因為如此，不僅眾多創新的芯片公司，甚至包括亞馬遜、百度這些互聯網公司都在開始設計新架構的人工智能芯片。異構計算這種將傳統與創新架構融合、通用和專用計算協同的技術路徑，非常好地滿足了人工智能芯片不僅要性能好、成本低，還要可演進、易開發的設計理念。因此，業界的共識是新一代異構計算架構是未來人工智能芯片設計創新的主要突破口。
異構計算并不是全新的概念，但由于產品設計難度大、生態系統需要重新構建等挑戰，在過去很長一段時間里一直處在不斷演進當中。那么如何推動異構計算的發展，John Glossner主席認為，只有采用建立相關標準和規范、眾多廠商協同合作這一途徑。
作為全球少有的用創新架構來設計CPU，DSP，GPU和AI專用處理器等內核的異構計算芯片公司，華夏芯的目標是為人工智能、深度學習、5G、ADAS、智能物聯網等應用提供一個化繁為簡、降低成本的異構計算芯片設計和開發平臺。華夏芯多款通用和專用處理器IP內核、人工智能芯片和完整解決方案正在進行市場推廣。
《數據智能 孿生城市-數字孿生助力城市治理能力建設》
佳都科技智慧城市業務群副總裁 張進飛
大會下半場第七位登臺演講的是佳都科技智慧城市業務群副總裁張進飛，他的演講主題為《數據智能 孿生城市-數字孿生助力城市治理能力建設》。
張進飛表示，近年來中國城市化加速，給公共安全行業帶來了一系列挑戰：首先，人口流動越來越頻繁，導致管理難度增加；其次，人口大量涌入城市，給城市交通安全帶來巨大挑戰。
與此同時，信息技術的發展也迎來了許多突破：首先，5G和物聯網技術的不斷成熟，解決了前端感知問題；其次，芯片技術發展帶來的算力提升解決了數據認知的瓶頸；最后，后端傳輸能力的提升使得我們可以做城市級的模型。所有這一切共同奠定了數字孿生城市的基礎。
張進飛表示，佳都科技面向城市精細化治理、數字化經濟的趨勢，基于多年深耕社會治安和城市交通的經驗，致力于通過數據智能構建數字孿生城市提升城市治理能力。提供包含物聯數據采集、匯聚、清洗、融合、服務于一體的數據中臺、融合多種人工智能算法和智能調度機制的AI中臺、面對多個典型場景的業務邏輯定義的業務中臺的視頻云+大數據整體解決方案。開放設備接入、數據匯聚、AI能力整合、業務邏輯擴展、云服務接入等能力，支持構建開放的生態鏈體系。推出了面向治安的蜂巢系統、面向刑偵的覓影和明鏡系統、面向指揮以及泛安全監控的明毅系統等，提供端到端的整體解決方案，實現城市治理的全息刻畫、深刻洞察和智慧賦能。
“數據智能，孿生城市”是以數據為核心驅動的，可以憑借統一的數據底層，實現城市數據資源融合、共享，構建人、機、物三元融合的數字化城市鏡像，數字孿生城市通過建設全域數字化標識體系，有望使城市公用設施、交通設施、特種設備涉及的所有城市實體部件具有唯一化、數字化身份標識，并通過統一物聯網感知和管理平臺實現統一的管理控制和動態監測。
《芯片產業趨勢與產業投資》
中歐資本董事長、前華為副總裁 張俊
大會最后，中歐資本董事長、前華為副總裁張俊博士以《芯片產業趨勢與產業投資》為主題，從投資人的角度為與會聽眾提供了一個全新的視角。
張俊博士表示，中美貿易戰倒逼了中國包括芯片在內的技術創新，因此它對中國科技界來說既是危機，也是一次重大機遇。
作為技術派投資的代表，張俊博士介紹到，中歐資本是一家專注0-1原創技術創新、技術控制點的投資公司，聚焦人工智能、物聯網、半導體、5G、工業互聯網等領域，自創立以來，“投資下一個華為”一直是中歐資本的愿景。
隨后他在演講中指出，以AI四小龍為代表的獨角獸企業在過去幾年里已經取得了非常出色的成績，但它們的發展也存在一點隱憂，那就是估值過高。張俊博士認為，創業公司估值過高相當于把自己懸在空中下不來了，是非常危險的。
他預判，明年科技圈將會有兩大泡沫破裂：一個是人工智能獨角獸企業估值過高的泡沫會破裂；第二個是新能源汽車、互聯網造車新勢力的泡沫會破裂。
峰會結束后，雷鋒網 & AI掘金志為賽靈思、寒武紀、云天勵飛授予了「AI芯片最具商用價值獎」，同時也為大華股份、宇視科技、曠視科技授予「AIoT智能城市創新企業獎」，以表彰它們在技術、產品和商業模式上的持續創新。
「全球AI芯片·城市智能峰會」是雷鋒網 & AI掘金志安防團隊繼「中國人工智能安防峰會」、「CCF-GAIR視覺智能論壇」后，全力打造的又一大品牌活動。
在上述三大論壇中，組委會先后邀請到了高文、Demetri Terzopoulos、權龍、華先勝、賈佳亞、孫劍、顏水成、田奇、程浩、張鵬國、浦世亮、殷俊、余虎、李子青、申省梅、王曉剛、楊帆、陳寧、溫浩、陳瑞軍、張永謙、肖洪波、胡大鵬等在產學兩界享有盛譽的權威專家。論壇內容圍繞「攝像機」這一介質入口展開，覆蓋AI安防產品、圖像與視覺智能算法、視頻芯片&服務器、投融資、商業模式等多個維度的主題，旨在打造業內最完整的智能城市論壇體系。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
