宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

7月12日至7月14日，2019年第四届全球人工智能与机器人峰会(CCF-GAIR 2019)在深圳正式召开。本次峰会由中国计算机联合会(CCF)主办，雷锋同志承办。由深圳人工智能与机器人研究所联合举办，深圳市政府大力指导。是国内人工智能与机器人学界、产业界、投资界三大领域的顶级交流与博览会盛会，旨在打造国内人工智能领域强大的跨境交流合作平台。

7月14日下午，在“智慧城市视觉智能”专场上，云带来了联合创始人的主题分享《泛在智能城市下的人机协同平台》。

文浩提出，在AI大规模落地的过程中，需要构建感知、认知、决策的智能经济AI闭环，初创企业也必须参与感知、认知、决策。

另一方面，场景可以分为边缘场景和云场景，但边缘场景和云场景应该根据场景智能分配。

边缘和终端承担需要本地实时响应的推理任务，独立完成数据采集、环境感知、人机交互和部分决策控制。

在边缘，比如在自动驾驶的场景中，当网络断开时，进行独立的本地处理；在智能安全中，需要对海量数据进行本地处理；移动互联网场景，保证低功耗和数据安全；智能家居和智能制造场景需要异构和实时响应。

云负责承载智能数据分析、模型训练和一些传输带宽要求较低的推理任务。

文浩认为，AI目前还不成熟，很多行业都有很多需求。要解决这个问题，就要实现“人机协同”。

人机协作有几个阶段。首先是做人机交互。首先，让机器知道你是谁，这就是为什么我们应该先做人脸识别。

第二步是人机融合。比如银行的产品经理只能设计十几个产品，但是基于大数据和AI，他可以为每个小微企业设计上百个AI金融产品。

然后是人机共创，未来可以创造一些新场景、新业务、新服务、新流程。比如零售店可以进行二次展示和精准引流，就是人机共创。

以下是雷锋从云联合创始人文浩达的讲话全文。在不改变初衷的情况下编译和编辑：

今天，看到这么多学生和观众参加会议，我很惊讶。大家的热情让我很惊讶。会议组织得很好，邀请了很多平时很难见到的大咖。

以前的大咖都是关于学术内容的。今天，我将从产业的角度与大家分享从云在人工智能产业落地方面的经验，希望能给大家带来一些思考。

首先，我们来解释一下人工智能。事实上，中国先贤已经对这方面进行了很多思考和总结。荀子在两千多年前就提出了“智”的概念。

他说“知是人所知”，意思是我们感受事物、认识事物的能力叫知觉。“知事即智”，如果符合客观规律，可以引申为把事情说清楚，这就是智慧的概念。

另一个是“人的能力叫能力”。人天生就有许多本能。我们都知道天冷的时候需要添衣，口渴的时候需要喝水，“有共同点的人的能力叫能力”。如果这个能力能够高效的形成一个方法，那么这个时候就是一个稳定的能力。这就是处理事情的能力，可以延伸到所有人身上去学习。

因此，我们不仅要知道事情，还要处理事情。这就是人类智力的概念。

那么，我们如何让人工智能着陆呢？

从传统经济到数字经济再到互联网，我们有电商、娱乐、游戏、虚拟货币。在过去的20年里，数字经济给我们的生活带来了巨大的变化。

现在人们打车、网上购物都很方便，很多信息都可以实时、便捷地获取，但这就够了吗？明显的

收集了这么多数据，我们需要做一些更聪明的事情。比如叫车方便，但是车需要有人开，所以我们要自动驾驶，所以今天我们提出了智能经济。

智慧经济如何改变？

在处理事情之前，我们需要先了解事情。我们的脸、人体、声音和文字都可以通过感知来收集。提取这些信息后，我们可以通过语言理解来了解其内涵。

之后，知识图谱可以对这些知识进行归纳，通过机器学习对模型进行训练，从而实现认知。当然，这个认知过程可以是线下的，也可以是线上的，只要有量表数据就可以运行。

最后，系统需要做决策，即不仅要知道事情，还要处理事情。在处理事情时，需要反馈相关信息，例如，反馈给商家，以促进促销；给银行降低风险；引导汽车让人们安全快速地到达目的地。

这些步骤的结合就是AI落地的闭环。所以AI创业公司要想真正落地，必须涉及感知、认知、决策三个阶段，否则场景的价值很小。

现在我们都在谈论云、边缘和端。事实上，它是整个智慧城市的基本框架。

构。

每个城市都会有一个城市大脑，它在云端，会将数据融合、集中处理，然后进行算法训练；端上就会有各种各样的智能设备做万物感知、万物计算。

随着5G时代的到来、IoT的成熟，得益于算力的可动态分配，云边端的协同是可以期待的。

目前云从在很多场景里面都会做基于类似智能的服务。

在金融领域，我们提供VIP的识别、刷脸支付、刷脸取款、刷脸购物，这些智能服务目前都可以在银行里体验到。

再来就是银行里面对机房或者是ATM机的管控、运维，这些属于认知层面、决策层面的。

在机场，所有的安检通道都可以进行人脸比对，当用户进入候机楼之后，系统可以把相关人的登机口信息推送到他的手机上。

在学校或者是开放场景中，利用行人的轨迹分析、行人的识别技术，可以实现实时、在线追踪。

在开放道路上，可以实现车牌、车型、车标、颜色的区分，可以为公安民警精准地追踪到每一辆车的轨迹。

在自然场景下的OCR，可以对包括零售店广告、文字进行识别；除了室内，还可以做室外比较密集的场景识别、人体追踪等等。

在零售店，我们还做了一些基于AR的体验，比如说基于二维视频的3D人体建模，我们做到了200帧每秒，40多毫米的误差，达到世界第一，利用这个技术可以做虚拟试衣。

另外，还有智慧能源行业的安全管理，比如说安全帽、工作服、防火等等方面的管理。

除此之外，还包括人员的精细管理、场站周界入侵、车辆监控、异响检测、设备状态检测等等，这些都是智慧城市里各行各业都可以用得上的视觉认知和决策场景。

找到了这些场景之后，我们需要做些什么呢？

首先需要将计算做分配，每个场景里的计算要求是不一样的，比如说在自动驾驶场景下，需要断网下独立本地处理；比如说智能安防场景下，需要超大数据量本地处理；而在移动互联网方面，实时性要高、功耗要低。

所以，面对不对的场景，需要不同的算法、不同的芯片，也就是说：芯片与算法的结合肯定是未来的一个大趋势。

比如说AI安防市场，最早的摄像机只是做一些ISP、图像处理；后面升级为网络摄像机，做一些网络编解码、数字传输；今天的AI安防摄像头，需要做本地结构化，由于它一天会产生20GB的数据，这对于带宽和存储都是很大挑战，也就是说必须要做结构化提取。

上图是我们的一个800万像素的全功能AI相机，它可以做到同时检测200个以上人脸，最大支持30万人脸库。

现在来说，其实AI发展还不是太成熟，很多产业的需求是非常多样的，这时候该怎么办呢？

在未来的30年内，云从认为技术趋势应该是人机协同。

人有人的优势，人有创造力、有抽象力，我们可以从书本上学习知识、推而广之；而机器的计算力、大数据分析能力明显高于人类。

人机协同发展可以分为几个阶段，第一个是要做人机交互，首先要让机器知道你是谁，这也是为什么我们要先做人脸识别的原因。

除了它有比较成熟的算法，更关键的是它有一个视觉入口。互联网世界，每个产业都需要找到正确的入口，APP是一个入口，手机也是一个入口，而视觉技术就是AI的入口，它可以知道你是谁，后面才可以做一系列交互动作。

第二步需要做人机融合，我们现在有很多事情可以让机器和人一起去做，比如说银行的产品经理，他可以根据他的经验、能力，设计一个产品的风控，但他最多只能设计十几种产品；基于AI，可以针对每个小微企业设计成百上千种AI金融产品，这就是人机融合。

如此，便可以做得更高效、更精准、更有价值，这是在未来10年中，大家可以看到的应用，目前很多工作都可以与机器协同完成。

再来就是人机共创，AI落地之后，未来我们可以创造一些新的场景、新的业务、新的服务、新的流程，这叫人机共创。

那么，做到这三步是不是就够了呢？还需要做到“三化”：行业化、场景化、个性化。

行业化方面我们刚才举了很多例子，每个行业的需求都是不一样的，人脸识别在金融和安防里面的应用是完全不一样的。安防要求的是开放场景、快速搜索；金融要求的是百万分之一甚至千万分之一的误识率及及活体检测。

第二是要场景化，每个场景都要有具体的解决方案；第三是个性化，这是大数据时代最大的利处，每个人都可以得到精准的服务。

接下来谈多模态应用，我们做人机交互，为什么要提多模态？

举个例子，现在大热的新零售，以后肯定是个技术落地趋势。（虽然现在做稍微早了一些，目前的技术货损率比雇一个店员更高，还不如不做。）

但就技术层面来看，AI未来可以做些什么？

其实新零售可以分为人、货、场三个方面，货有一套供应链，场就是现在的电商一直在做的事，比如说把信息流提到线上去它会更高效，但线下做也有它的好处，可以在真实场景中体验产品。

还有就是资金，在线上更便捷，但是在线下更安全、可靠；还有一个就是延时，线上是有延时的，线下是没有的。

所以，我们认为AI应该围绕人去建设的，我们有很多与人相关的技术，可以将流量变成转化率，然后变成客单价，再来提高复购率。

在人的方面，我们可以做很多事情，比如做前端感应、广告推荐，它会根据用户的年龄、属性、会员，分析你可能爱好的东西，或者你上次买过什么东西，之后把信息推荐出来，后台会做一个数据建模。

再比如做游戏引流，可以在用户玩游戏的过程中，送打折劵的形式去采集数据，之后做产品推荐。

后台用户的特征建模，可以从5个维度，几十个特征去分析，我们通过双塔稀疏神经网络做深度学习，从200个广告里面提取用户感兴趣的100个广告，这100个广告在线下就可以完成，等用户到店后就可以推送10个精准广告。

传统的线上电商，都有一套跟踪模型，从用户浏览、点击、放到购物篮，最后生成订单、支付，它是有一套转化模型的，叫漏斗模型；而线下是没有的，线下都是靠经营主自己的脑袋，靠自己的经验去决定的，而这种方式的效率是非常不高的。

刚才我讲的银行融合是一个人机共创的例子，现在还可以做二次陈列。

我们可以通过一些购物小票去做一些引流动作：通过对购物小票的分析去重新摆设商品，计算出单坪空间的更多价值。

现在AI主流的玩法不外于B端或者C端，这些都不重要，重要的是云和端的产品和服务如何更好结合在一起，最终达到人机协同。

所以，云从现在全力打造一个人机协同平台，面向包括金融、安防、零售、电力等各个行业。目前已经有400多家银行、70%的枢纽机场、一万多路公安视频都与云从有深度合作。

今天我的分享就到这里，谢谢大家。雷锋网

关于中美贸易战，这些消息都是假的！搜“中国网”抖音号（787874450），看你想看