曠視那正平：起底城市大腦下的「條」與「塊」 | AI 安防峰會

2020年9月5日，由雷鋒網 & AI 掘金志主辦的第三屆中國人工智能安防峰會，在杭州正式召開。

本屆峰會以「洗牌結束，格局重構」為主題，會上代表未來新十年的15家企業，為現場1000余位聽眾和線上幾十萬觀眾，分享迎接安防新十年的經營理念與技術應用方法論。

在下午場的演講環節上，曠視副總裁、城市業務事業部產品總經理那正平為峰會帶來了精彩報告。

那正平表示，城市治理數字化、智能化浪潮中，無論是智慧城市、城市大腦還是數字孿生概念，核心思想都是先通過物聯網、人工智能等技術形成具象的數字孿生城市，而后抽象出城市運行的內在規律，再通過物聯網體系對實體世界進行動態優化調節，解決城市面臨的安全、出行、環境、產業升級等諸多問題，最終提升城市治理水平。

那正平認為城市大腦和城市大腦操作系統將是未來智能城市的新型基礎設施，并歸納出做好城市大腦和城市大腦的操作系統的幾大要點：深入研究城市發展規律；探尋業務本質；先具象再抽象；腳踏實地，長期主義。

曠視通過分析城市空間和管理對象，指出城市的日常運作管理需要秉持以人為本核心，城市大腦應圍繞條塊結合的方式實現綜合管理，實現條、塊、腦、OS的協同。

城市大腦中的條應用總量少，單體規模大、高并發、數據壁壘強；而塊總量大、IoT種類多，低并發、數據壁壘低，集成聯動潛力大。

基于此，曠視提出：構筑城市大腦需要先圍繞“條”和“塊”打造城市級的超級應用，驗證產品、實現單一場景閉環，從而形成具有曠視特色的軟件和硬件產品矩陣，最終逐漸沉淀出城市級和建筑級AIoT操作系統，實現城市物聯網的閉環。

曠視認為，人工智能產業現在處于并將長期處于初級階段，我們必須正視并不能超越這個初級階段。第二，人工智能產業的主要矛盾是市場日益增長的多樣化需求同落后的算法生產力之間的矛盾，產業需要開源、開放的算法生產力平臺來平衡這一矛盾。

以下是那正平演講全文，雷鋒網AI掘金志作了不改變原意的整理與編輯：

曠視副總裁、城市業務事業部產品總經理那正平

大家好！非常高興今天代表曠視跟大家做交流。雷鋒網人工智能安防峰會今年已經是第三屆了，曠視每年都參加，這是一個很好的盛會，能夠讓我們行業中主要廠商都匯聚一堂，這個大會更像一個武林大會，當然大家不是為了比武，是為了更深入的交流和分享。

前面各位演講嘉賓都已經分享了他們的主張，主要有幾個共同的關鍵詞：一個是AI，第二個是智能，第三個是城市，第四個是安防。我今天代表曠視，分享一下我們對于這幾個關鍵詞的思考。

曠視從2015年進入安防行業布局城市物聯網，入局安防這5年來，AI改變了什么？

傳統安防監控：傳統安防是需要“一人N屏雙班倒”的 ，需要工作人員日夜不停地死死盯住屏幕，近三十年，從“看得到”到“看得遠”，再到“看得清”、“看的懂”，安防行業可以說發生了天翻地覆的變化。AI技術則很大程度上解放了警力、物力，實現了從事后被動取證到實時報警、智能檢索的變革升級。

傳統電力巡檢：“一車兩人三水壺”曾是南方電網深圳供電局傳統人工巡檢線路工作的日常，而這樣的巡檢模式30年不曾有大的改變，人工拍照質檢分析每小時200張，現在AI圖片分析效率提升10倍，每小時達2000張，AI還能快速分類圖片，提升效率。

傳統防疫測溫：“一人一槍一道門”是傳統測溫常用手段，每個通道都需要消耗一個人力和一個測溫槍，而每分鐘只能檢測30人。對于一個城市來說，新冠疫情就是城市綜合發展水平的檢驗棒，后疫情時代，各行各業加速擁抱AI。結合AI技術的測溫產品可以覆蓋多個通道，實現每分鐘300-500人無感測溫通行。

類似這些場景有很多，比如交通管理、實名辦稅、通行管理等業務都得到了10倍到上百倍的效率提升。這些熟悉的場景，都因為AI變得不一樣。

而在這個過程中，隨著城市智能化水平的不斷提升，安防行業也正在從單一的安全管理向更宏觀的城市治理應用方向發展，安防企業也不僅僅局限于公共安全，還包括城市管理、應急指揮、交通管理、安全監察等綜合面。智能安防所產生的海量視頻數據以其真實性、實時性成為公共安全防范乃至城市和社會治理的核心數據，而數據治理水平將成為衡量城市精細化治理的核心能力之一。

近幾年，智慧城市、城市大腦、數字孿生城市概念層出不窮，在數字化、智能化浪潮下，到底什么是城市治理的根本之道？我們對智能城市、數字城市的本質邏輯有幾點思考： 

1. 針對城市的重要方面進行物聯網感知，制造大數據，將物理世界映射至數字世界，形成數字孿生。

數字孿生有兩個流派，一是形似派，通過三維城市、三維建筑讓城市數字化；一是神似派，抓住城市運行的關鍵規律，反映到孿生城市中。

2. 通過分析大數據發現城市運行的內在規律，形成城市大腦，能“洞察出”人們需要但不掌握的知識，從而具備一定程度的智慧。

我們認為所謂“形似派”做單純鏡面映射沒有意義，智慧城市需要思考而非停留在數字孿生的層面。

3. 能將城市大腦的決策，通過物聯網反作用至城市物理實體，實現優化調節，從而具備一定的智能。

我們曾經多次跟中國工程院院士、阿里云創始人王堅探討過，什么是城市大腦？王堅院士說，城市大腦一定是城市的腦子而不是某個人的腦子，因為人可能按照自己的意向想象一個城市的運行，而城市實際的規律可能與常人想象的不同。

智能城市，不僅要能實現感知，還要能發揮能動作用，這就需要AI技術充分挖掘、運用城市物聯網中的數據，洞察城市的內在規律，并通過物聯網再次反作用至物理世界實現優化調解——這才是智能城市真正的城市大腦。

在實操過程，很多城市試圖建設各種各樣的城市大腦系統，還有一些廠商甚至在這個基礎上提出城市操作系統的概念。好的城市大腦和城市操作系統如何評估？

我們發現，行業中無論是我們的用戶、媒體還是友商，對這部分的思考都不夠。比如城市的組成基因是什么？根本目標是什么？具體需要包括哪些評價指標？應覆蓋哪些業務領域？需建設或完善哪些基礎設施？應具備哪些算法能力和數據能力？應支持哪些應用？應接入哪些IoT設備？

關于IoT設備，它是城市視頻中一個最重要的設備，設備里有一目了然的數據，數據鮮活且鏈路較大。

我們也跟王堅院士討論過城市級視覺能力之于城市大腦的意義，有人說視覺類的設備和應用會占到城市大腦80%以上，王院士說應該接近100%。這充分說明了視覺類IoT在城市大腦、在城市運行過程中的重要性。

如何做好城市大腦和城市大腦的操作系統呢？曠視認為：

1. 深入研究：要研發積累好城市大腦操作系統，就必須得好好研究城市，包括城市的組成、城市大發展規律，一城一策、因地制宜地制定智能化升級策略；

2. 探尋本質：城市是一個非常復雜的系統，沒有人可以面面俱到，要抓主要矛盾，抓業務核心本質問題，比如用AI和大數據疏堵是主要矛盾，用AI抓拍闖紅燈行人是次要矛盾；

3. 先具象再抽象：沒有準確的具象就很難有準確的抽象，對AI的感知維度、關聯度和精準度提出高要求，且抽象之后能夠實現業務閉環，可解決業務實際問題；

4. 腳踏實地，長期主義：城市大腦沒有捷徑，需要腳踏實地持續迭代演進，每一步都要走扎實；操作系統是長期的業務積累和應用實踐的結晶，要做長遠的規劃并付諸行動。

在此基礎上，我們對城市空間進行了研究和分析。

首先，從空間上分析，地面上常見的包括樓宇、園區、社區、公共區域、道路等，地面以下還有地下管廊，這些錯綜復雜的區域，路網無限疊加，構成了“城市”這樣一個精密運轉的系統。

其中可以將區域分兩種，一種是公共區域，這里指的是無圍墻部分（沒有邊界的權限限制），它并不是市長或者我們治理過程中最關注的重點；一種是園區和社區（有邊界權限限制），我們把園區和社區再細分，園區是有圍墻的或者類圍墻的，主要是人工作區域，社區是人居住區域，兩者之間有很多不同。

之所以分析這部分內容，是因為我們要抓住城市治理的內在要求和本質，才能分析出比如市長對城市治理的要求、居民的要求、我們的要求等問題，只要理清楚這些問題，才能做好城市大腦。

其次，從城市管理服務對象上分。

城市管理服務的對象無外乎五項：一是人，以人為本，包括常駐的人、流動的人以及一些風險人員和救助對象；二是法人，企業、事業單位、學校、社團；三是車；四是事件和秩序，事件包括各種各樣的報警投訴，秩序包括城市是否整潔有序；五是設施，包括生命線工程、水電煤通信。這些主體決定了城市的豐富性，也是城市中的變量。

一座城市是如何運轉的？城市空間中的各種對象如何交互協作？實際的城市又是如何治理的？這里有一些傳統的概念：“條”管理和“塊”管理。

條就是行政上，政府部門施政時按照條線管理，比如公安、工商、環保、交管、司法，每一條業務就是一個“條”。

塊是園區、社區，包括園區里面有各種公共建筑、車站、碼頭，這些管理單元都是“塊”。

城市的空間也好，城市的管理服務對象也好，市長善政、興業、惠民方面的設想也好，平時是通過條和塊去連接處理的，此前理論界針對條塊關系已經有非常多的探討，在此不做贅述。

基于前面的分析，我們可以看出傳統的城市治理就等于“條管理+塊管理”。曠視認為，在物聯網時代的城市治理中需要實現條、塊、城市大腦和城市級操作系統的協同（“條+塊+腦+OS”），而城市大腦和城市大腦操作系統未來一定是構建智能城市的基礎設施，是城市新基建的重中之重。

那么在構建智能城市的過程中，如何協調城市大腦中條與塊的關系呢？

城市中有很多基礎設施，他們分別服務于條塊管理。

城市大腦中的條應用特點：總量少，單體規模大；

• 覆蓋面廣、數據規模大、計算量大、高并發

• 每一類“條”，感知設備種類相對較少

• 數據壁壘強

城市大腦中的塊應用特點：總量大，IoT種類多，算法多；

• 覆蓋面小，數據規模小、計算量小、低并發

• 感知設備多種多樣

• 數據壁壘低，集成聯動潛力大

所以我們得出結論，城市大腦、條應用和塊應用之間有統籌和被支配關系，發展城市大腦應遵循條塊結合的理念。

基于這些特點，我們在進行城市大腦和城市治理時需要對應設計，將條和塊結合，條塊互通，伸展到城市的每個單元，準確反應內在規律方能形成城市大腦。   

此外，有了城市大腦，支撐條和塊的基礎設施就可以打通，實現更集約的管理。比如城市中的攝像頭，為什么只能給公安用不給城管和交管用？實際上攝像頭作為物聯網的基礎設施，應該給各個委辦局用。除了攝像頭，可能還有充電樁、AI計算/存儲/通信設備等。

除了AIoT設備，數據要素也非常重要，可以說是新的生產資料，實現數據充分應用也是一種能力和基建。

以上是城市物聯網或者說智能城市的條、塊、腦和基建的關系。

基于這樣的構想，曠視構筑了城市大腦全景圖，簡單說就是從超級應用到操作系統的產品路徑。

具體來講，城市物聯網真正形成的過程中，需要通過圍繞“條”和“塊”構建軟硬集成的超級應用，驗證產品、實現單一場景閉環，從而形成具有曠視特色的軟件和硬件產品矩陣，最終從條和塊兩個方向上逐漸沉淀出重量級和輕量級的AIoT操作系統，形成對物理世界的映射，實現對城市全要素、全周期、全場景的數字孿生。

通過城市大腦的操作系統，結合城市級算力、數據等AIoT基礎設施，運營者可以通過城市宏觀大數據、城市微單元小場景數據進一步優化管理，提高效率、體驗和安全性。

圖中可以看出，上層是曠視用來支撐條和塊的超級應用。站在用戶的角度，他們不在乎應用背后使用了什么技術和操作系統，他們只關心應用的成效，而應用是檢驗設備及系統價值最核心的點。所以我們目前主要目標是打磨好面向條和塊的數字化、智能化應用。

作為一個有技術底蘊的廠商，我們目光放得更長遠，關心底層的基礎設施以及生產運用的能力，所以我們歸納了城市大腦的操作系統（OS）。未來將基于條和塊分別去建設城市級的AIoT操作系統、建筑級的IoT操作系統，我們認為只有這兩個結合，才能很好地支撐城市超級應用。 

我們認為互聯網的下一代一定是物聯網，而AI則像互聯網中的引擎一樣，是物聯網中的重要工具和手段。物聯網也像互聯網一樣需要底層的開發語言和開放環境，因此曠視提供了開源框架，因為單靠一家廠商無法構建如此復雜的城市大腦，需要大家一起努力。

這是曠視對城市大腦的一個理解。

下面給大家分享一下曠視最近一兩年在“條”、“塊”、“腦”方面的成果。

一個是條應用，其中一個面向城管業務條線的應用叫萬象。

城市治理離不開城管部門。現在每個城市中每平方公里至少需要1.5/人巡邏和輪訓，一個人至少5、6萬元工資，每產生一條事件和線索的成本高達十幾元，每年的開銷非常大。

后來有的地方為了降低管理成本，開始使用攝像頭，一個人大約能看100條視頻，效率提升不少，但這遠遠不夠。

在視頻圖像分析技術日趨成熟的今天，我們的產品能夠將人力從回看視頻中解放出來，通過算法將城市各種各樣的城管類案件、事件識別出來，只需要人工最后審核一下，這比人工看的方式快10倍不止。

目前，曠視萬象支持30余種城管類的案/事件甄別，并且已經在浙江、上海、湖北等多地落地，也得到了廣泛的好評。

第二個是塊應用，我們舉一個智慧園區的案例。智慧園區最少有幾個板塊：通行和安防，此外還有一些能耗和其他的定制化需求。

我們經過認真研究認為，在園區這種典型的塊應用中應該以人為主要數據，把園區中所有的資源、空間、能耗和服務都精準地投放到人上。

智慧園區的塊應用是曠視在城市物聯網中經驗最多、產品體系最豐富、落地最廣的領域。比如中關村創客小鎮的項目中，我們為客戶提供了完善的智慧園區能力，不僅包括通行、園區，還包括精準服務、提升舒適度等方面。

第三個是城市大腦的應用。2019年，曠視與北京海淀區合作共建海淀城市大腦，目標是打造國內一流的新型城市治理平臺，助力海淀構建AI計算中心，并提供了智慧平臺社區、智慧校園、科技公園等創新應用。

將條塊間的數據脫敏之后，共享數據價值，實現塊和塊、塊和條的連接，以及塊和條的互動。以前政府的數據只有街面數據，將這部分數據連接后，腦發揮了更大的價值。

正如剛剛提到的，要將條和條、塊和塊、條和塊連接，這個過程中就涉及到數據交換，以及一些隱私和數據安全等棘手的問題，這也是整個行業都非常關注的話題。

當然這其中也有一部分誤解，比如大家把視頻等同于監控，把人臉等同于隱私，行業中確實應用邊界不夠清晰，應用方式也有不當之處，這些問題都引起了公眾的擔憂。

曠視作為行業的領跑者和負責任的公司，希望在這個過程中引導行業形成良性的秩序，所以曠視是最早發布《人工智能應用準則》的AI企業。我們希望有明確的準則指導我們的行為，從產品開發到商業應用，再到后續的全鏈條服務都進行不斷規范，并形成行業標準。

這是我們在人工智能宏觀治理方面的工作，在一些細節應用的微觀方面，曠視針對城市大腦應用提出了數據安全保護方案，比如將人和車的相關數據進行分級、脫敏處理，分級上包括L0—L5六個等級。

人：L0，作為物種的人；L1，性別、年齡段；L2，人體、衣著，ReID；L3，行為、動作等；L4，人臉身份實名化；L5，關系圖譜分析等；

車：L0，作為物種的車，機、非；L1，品類、顏色；L2，品牌、子品牌；L3，車牌；L4，車輛內飾（遮陽板等）；L5，司乘人員及行為；

L0是最為基礎的物種辨別；L1是人的性別、車的顏色等基本屬性的識別；L2涉及到人體/車體更細節的信息，比如衣著顏色、車輛品牌等；L3在人的數據中涉及對行為的分析，比如可以應用在安防監控領域，判斷加油站內是否有人抽煙；L4層級才涉及到人的身份信息；L5不僅知道這個人是誰還知道他的關系圖譜。

通過分級我們發現，在條和塊互聯互通的應用中，一般情況下有很多時候數據在L2基礎上做數據交換和脫敏就能解決問題，在一些極端情況下才會涉及到L4和L5等級的數據調用，這就需要更高的權限管理和嚴格數據安全保護機制。所以在AI視覺的應用中，將數據進行分級處理既可以保護隱私，又可以充分應用數據。

這是我們在人工智能應用領域的一些思考。

最后分享一下我們對行業的認知或者是斷言。

我們認為，人工智能產業現在處于并將長期處于初級階段，我們必須正視而不能超越這個初級階段。第二，人工智能產業的主要矛盾是市場日益增長的多樣化需求同落后的算法生產力之間的矛盾。

大家對這兩句話很熟，因為這個句式是受社會主義階段理論和社會主義主要矛盾啟發而來，我們反復思考后認為，人工智能和社會主義都是長期主義，人工智能產業中的問題套用這兩句話同樣非常貼切，此外找不到更好的表述了。

為什么說人工智能將長期處于初級階段？這波人工智能的蓬勃發展最主要是靠深度學習，而深度學習算法是一種場景依賴。理論上講，人眼能夠辨別的東西應該都可以通過AI辨別，但實際上，要實現計算機視覺從人臉識別到萬物識別的落地商用，且應用極其的好，還有相當長的一段路。所以未來將長期處于初級階段。

我們不能寄希望于立馬出現的風口，或者一個超級APP、超級應用，期待他們能解決所以問題，我們需要腳踏實地地做好每件事。這是我們對第一句話的理解。

有了對行業長期性的認知，我們就要沉下心著眼于當下的主要矛盾，并找到解決辦法。現在經過多年的市場培育，原來質疑AI算法的用戶，現在不僅相信，還會給我們提供各種各樣腦洞更大的想法。市場的培育，也催生出很多新需求，這些需求往往非常碎片化、長尾化。

然而我們發現，最近幾年在應用端的人工智能雖然熱鬧，但真正的算法供給能力相較現在的應用需求，可能連1%都不到，比如行業需要的是成百上千種算法，但是目前行業中主流的還是人臉、語音相關的算法。所以說現在的算法供給能力完全跟不上市場中多樣化的需求。

如何平衡市場日益增長的多樣化需求同落后的算法生產力之間的矛盾？

曠視2020年3月對外開源、開放了自主搭建的人工智能生產力平臺Brain++，作為可高效量產算法的AI基礎設施，Brain++凝聚算法、算力和數據三大要素平臺，過去六年的時間Brain++支撐了曠視所有的商業化落地研發，歷經曠視1400+名研發人員和上百種產品的驗證，創新算法從訓練到部署可以縮短80%的時間成本。

曠視將Brain++最為核心的深度學習框架天元MegEngine實現了開源，以期降低算法研發門檻，使其能夠賦能更多企業快速開發出自己的算法，加速產業融合。

以上就是曠視在條的應用、塊的應用、腦的應用、數據保護以及算法和生產力平臺方面的工作進展。最后我再強調一下曠視“1+3”的發展戰略，其中1就是指曠視最為底層的人工智能生產力平臺Brain++，3指曠視將持續聚焦并深化個人物聯網、城市物聯網和供應鏈物聯網三條賽道。曠視將致力于構建連接及賦能百億物聯網設備的人工智能基礎設施，同時也奉行長期主義，我們會一步一個腳印，為人工智能行業可持續發展奉獻自己的一份力。雷鋒網雷鋒網雷鋒網

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。