<mark id="oztn4"></mark>
0
以薩副總裁姚巍
有人說，戰術問題不是問題，錯了也無關痛癢，但戰略錯了，則極可能一去不復回——于個人、于公司如是，于國家更如是。
就AI安防賽道，以薩與其他玩家的戰略打法總是有些異同。
當大多數公司聚焦“人臉”，發力安防時，以薩的技術主體圍繞“車”而展開；當對手們在“人臉”賽道刀劍相爭后、你乏我疲時，以薩的航道又從“車”轉向做“多維數據融合分析”。
“所謂多維數據融合分析，就是打通各類公安與社會前端采集的結構化和非結構化、動態和靜態的多維度數據，將一些數據片段串成一條線去融合分析，從“物理結合”走向“化學融合”。
至于具體數據，它絕不僅僅存在于人臉識別、車輛識別、生物識別、物體識別等AI常規認知領域，還有基于公安業務管理數據的頂層AI應用，一個廣泛的無人區。”
以薩副總裁姚巍向雷鋒網解釋說，“我們以前、現在及未來要做的事情很簡單，就是要為這個社會上的每一個人、每一輛車建立一個‘檔案’， 然后通過AI等技術更好、更快、更全面地識別他們、分析他們。”
成立于2015年的以薩是一家以視頻人工智能為核心的多維數據融合分析解決方案提供商。
目前，以薩的融合產品和解決方案已服務覆蓋包括公安部、北京、廣東、山東、四川、江蘇、安徽、福建等20多個省部級公安機關、900多個縣市區，并拓展服務于社會管理、智能交通、服務民生等領域。
為什么要做多維數據融合分析系統？這是雷鋒網拋出的第一個問題。
“基于單一數據的分析已經難以支撐公安現實所需，未來AI安防賽道的比拼，一定是多維數據綜合能力的較量。”姚巍答道。
近些年，得益于“天網工程”、“雪亮工程” 等項目的落地，中國安防市場具有了其他國家和地區無法比擬的高度動態性和豐富性。
而AI的出現，也的確也讓這個稍顯古老、閉塞的行業革新了生產、作業模式，讓中國成為了世界上最為安全的國家之一。
同時，在警方實戰、破案率得以提升的背景下，犯罪嫌疑人的對抗手段也得以“升級”。他們在犯罪過程中反偵查意識逐漸提高，犯罪的隱蔽性越來越強，作案手法也在不斷升級。
也就是說，往常公安部門常規的破案手段有時會遇到阻礙，破案難度和工作量劇增。
巧婦難為無米之炊，業務能力再強大的民警在這些零碎的信息面前也無能無力，即便通過常規視頻偵查發現了目標，有時候也無法落實嫌疑人的身份。
“這是眼下所有警方都會遇到的一個難題。”
姚巍談到，單一維度的數據分析難以落地人員身份，單一維度的偵查和管控手段容易被犯罪嫌疑人規避，功能單一的系統盲點多，刻畫目標不夠全面，難以進行深度研判和軌跡追蹤。
“多維數據融合分析系統可以很好地解決上述問題。”
他解釋，當數據量越來越大，數據層次越來越豐富，數據的融合應用也將產生更高的應用價值。
多維數據的出發點就是打破各環節之間的數據壁壘，讓數據進行深度融合，挖掘數據背后的價值信息。
比如，某個街道發生了一起刑事案件，通常的解決方法是調取人臉或者車牌，如果所有探頭都未能拍到高清線索，很多時候就會阻礙民警破案進展。
通過多維數據研判，就可以在視頻數據的基礎上擴充數據維度，從而進一步提升識別效果，并在數量級上降低錯誤率。
他介紹，多維目標的智能關聯要打破過去僅僅“電磁—卡口”兩維并軌分析的局限，建立視頻、卡口、人臉、人像、電磁等等多元數據互相碰撞模型。
以“人”的掌控為終極目標，根據屬性關系、時空關系、語義關系、特征關系、行為關系、社會關系、身份關系、通聯關系，進行多維度數據的底層深度關聯分析。
通過對每個目標建立獨特的全維度“信息DNA”，可以實現全維度數據的“核聚變”效能。
后期，將視頻、卡口、人臉、人像、電磁等多前端采集信息一張圖刻畫，跨數據源多種功能深度應用，實現以前人工無法串并分析，只有經過大數據分析庫庫碰撞才能實現的全息研判，實現對異類低密度高價值信息的有效利用度。
以以薩視頻AI多維數據融合分析平臺為例，其打破了多警種資源、跨平臺業務、非標系統等的數據壁壘問題，全面打通了人、車、物多維數據的自動關聯和分析。
同時，它利用AI+大數據技術，對多維數據進行自動關聯匹配，在技術層深化了人工智能應用，實現了視頻監控、卡口數據和人員數據的復合應用，有效提高了在案件研判及事前布控預警中的實戰支撐效能，從而解決單一警種的業務難題。
目前該系統可滿足場景化條件下千億巨量級數據的實時計算、存儲、智能的研判分析實戰升級需求。
姚巍強調，在應用層建設上，必須以實戰需求為導向，實現精準預警、精準打擊、精準防范、精準管理應用。
“實戰能力是檢驗一家AI企業業務優劣的最佳標準。做AI安防，不是一句簡單的口號，需要身體力行地去實戰落地，去產生價值。”
“實戰”、“價值”，這四個字是姚巍對于AI落地安防的理解，也是他常常掛在嘴邊的箴言。
AI安防市場看起來很熱，要做好其實并不容易。比如在產品落地階段，技術提供商需要接觸各種前端廠商、集成商，然后根據用戶的實際需求進行調試、落地。用戶的實際需求都不盡相同，也就是說每個項目都有可能做多次定制化，這對企業的技術能力、產品能力、服務能力都是重大考驗。
姚巍說，技術從實驗室走向工程環境，最難的便是實戰落地。
以薩實現的融合，并不是簡單的多個產品界面組合，而是從規模化應用的角度，建立人—車—物多維應用模型，將過去零散的信息片段串成一條線去融合分析。由傳統合署辦公的“物理”合成作戰，升級為技術手段融合的“系統”合成作戰，形成新的精準防控思路，提高預警預測能力、精確打擊能力和動態管理能力。
在此基礎上，多維數據融合應用的紅利也能更好服務于智慧城市，在綜合治理、政務決策、生產安全、環境整治、安全防控、民生服務等多個領域拓展。
除了談及以薩自身，姚巍還向雷鋒網分享了他對于AI安防行業發展的一些看法。
在他看來，眼下的AI安防產業已經到了細分市場階段。
安防市場發展前期（小眾市場），AI的突然出現會讓傳統耕耘者措手不及，競爭的加劇也會讓很多差異化明顯的產品加速襲來。
在這個過程中，打了勝仗的，大多是善于發現用戶痛點，并能做好準備迎接挑戰與需求的企業。
到了市場發展中期，也就是細分市場階段，市場需求會因為技術、產品的進一步成熟而變得多樣化。不同于小眾市場的是，這是在大規模市場基礎上的多樣化。
在這個過程中，用戶開始慢慢分化，對于技術都有自己的理解、偏好及需求。而此時勝出的選手，會是懂得如何深耕細分市場、不再盲目追求趨同“爆款”的企業。
再往后，也就到了復合市場階段，AI安防需求會高度碎片化。彼時勝出的企業，往往是能夠提供復合型場景化解決方案的企業。
姚巍分析說，現在的AI安防市場剛剛到了第二個時期，需求常常以指數級速度涌現，這個過程會吸引大量投資，產生一些泡沫，這些都是對于市場需求的正常反應。
在這個階段，不同類型的企業在不同層面競爭，商業場景將變得更加復雜。
而這，也正是為什么以薩起初成立便選擇從“車輛識別”賽道攻入，之后發展壯大再做多維數據分析深耕細分市場，為后期做更大、更深布局埋好伏筆（平臺型）。
同時，他也強調，戰略打法只是企業宏觀層面的作戰方針，會讓公司的所有同仁勁往一處使，力往一塊集。從微觀層面來說，還是需要每個人一步一步夯實基礎，包括技術、產品及服務。
“我們現在要做的，便是一步一個腳印地，把“實戰”“價值”這四個字變成現實和信仰。”
另外，采訪最后，他也寄語同仁，在CV賽道的AI企業，需要時刻保持對產品市場成長階段的觀察及判斷，未雨綢繆、從容布局，為下一階段的猛烈競爭而上下求索。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。
