AI賦能傳統(tǒng)行業(yè)數(shù)字化轉(zhuǎn)型趨勢下，諸多傳統(tǒng)行業(yè)領(lǐng)域都在積極推進人工智能、物聯(lián)網(wǎng)等數(shù)字技術(shù)的應(yīng)用，以實現(xiàn)生產(chǎn)效率和經(jīng)營管理效能的提升。

　　AI對于簡單、重復(fù)性高的一些作業(yè)環(huán)節(jié)具有最佳的可替代性，能夠?qū)⑷肆τ行Ы夥懦鰜?，并大幅提升傳統(tǒng)模式的生產(chǎn)效率。但像建筑工地、化工廠這類具有較高安全隱患的行業(yè)，他們對于AI很大一部分是出于安全監(jiān)管的需求。

　　一直以來，安全監(jiān)管是很多傳統(tǒng)行業(yè)的痛點。以建筑工地、化工廠為例，僅靠人力無法做到全方位的管理，會存在很多安全隱患。而AI技術(shù)的應(yīng)用，給傳統(tǒng)行業(yè)的安全監(jiān)管也帶來了新的管理手段和思路。

　　如何用AI來優(yōu)化傳統(tǒng)行業(yè)的安全監(jiān)管流程？這個過程又有哪些值得注意的問題？

　　國內(nèi)AI安全智理龍頭企業(yè)中科智云高級副總裁李源博士近期在a&s 『AIoT 創(chuàng)新應(yīng)用話題大家談』直播間，圍繞著“如何用AI賦能傳統(tǒng)行業(yè)的安全智理?”這一主題展開了詳細(xì)的分析和解讀，直播訪談QA如下，as編輯做了不改變受訪人愿意的整理。

　　Q：a&s 執(zhí)行主編 汪琴麗

　　A： 中科智云高級副總裁 李源博士

　　Q：如何看待數(shù)字化轉(zhuǎn)型趨勢？從中科智云的業(yè)務(wù)出發(fā)，您覺得近兩年市場上發(fā)生最顯著的變化是什么?

　　A：數(shù)字化轉(zhuǎn)型是當(dāng)下明顯趨勢，數(shù)字化轉(zhuǎn)型已經(jīng)從錦上添花發(fā)展到了必須要做的階段。伴隨著數(shù)字化轉(zhuǎn)型的深入推進，行業(yè)市場也發(fā)生了一些顯著變化，其中一點就是客戶方對數(shù)字化方案的需求和認(rèn)知更加深刻，愿意積極投入去推進。

　　尤其是在安全監(jiān)管方面，諸如化工廠、建筑工地這類企業(yè)，數(shù)字化賦能之下，安全管理已經(jīng)從被動免責(zé)變成了保障安全生產(chǎn)和提高生產(chǎn)效率的重要措施。這種需求的轉(zhuǎn)變對于AI在行業(yè)領(lǐng)域的應(yīng)用提供了一個更好的市場環(huán)境，但如何去抓住這些市場機會？切實幫助用戶解決實際性的問題，這對于專注在AI安全治理領(lǐng)域的中科智云而言是未來發(fā)展的一個關(guān)鍵點。

　　因此，在這方面中科智云一直在做積累和準(zhǔn)備，深耕行業(yè)多年，公司已經(jīng)推出數(shù)字化治理AIoT平臺“X-Brain” 這一主流產(chǎn)品，能夠很好的結(jié)合不同行業(yè)的場景和痛點，通過這種針對問題的解決方案去提供AI應(yīng)用能力。

　　比如在工業(yè)生產(chǎn)當(dāng)中，既要實現(xiàn)對設(shè)備的安全管理也要做到對人員的安全管理。通過AI視覺技術(shù)方案輔助，幫助運維人員及早發(fā)現(xiàn)安全隱患問題，避免安全事故的發(fā)生。以前通過AI技術(shù)主要做一些違規(guī)行為的檢測和防控，現(xiàn)在更多是從環(huán)境、人員、設(shè)備三方面綜合區(qū)應(yīng)對工廠或建筑企業(yè)的安全監(jiān)管挑戰(zhàn)。

　　Q：上面您所談到的這些變化當(dāng)中，您覺得有哪些是機遇性的東西，又有哪些是挑戰(zhàn)？

　　A：機遇主要是客戶認(rèn)知的改變，安全治理從免責(zé)作用變成了輔助安全生產(chǎn)的有效手段，這在很大程度上能夠拓寬AI安全治理的應(yīng)用機會。

　　挑戰(zhàn)則主要在于，如何讓客戶更好的理解我們的AI安全治理方案，以及如何契合用戶的具體需求去做一些真正能解決實際問題的AI方案。

　　當(dāng)下，要推進AI技術(shù)和應(yīng)用場景的緊密結(jié)合還是存在一定難度，需要有相應(yīng)的解決方案以及相應(yīng)的技術(shù)去解決如何跟場景結(jié)合的問題，這也是我們在技術(shù)上面臨的主要挑戰(zhàn)。

　　針對這些技術(shù)挑戰(zhàn)，中科智云通過多年深耕行業(yè)的經(jīng)驗和積累，在這里很愿意分享一些解決這些難點和技術(shù)問題的方式。

　　單一人臉識別檢測就算一套AI方案的時代已經(jīng)過去，我們要切實地深入到行業(yè)當(dāng)中去，去解決整個安全生產(chǎn)各環(huán)節(jié)可能面臨的所有安全問題。

　　比如像工業(yè)生產(chǎn)中用皮帶輪輸送原材料，如何保障皮帶輪在運行過程的安全，防范諸如皮帶撕裂等異常問題的出現(xiàn)？如何避免因下料口被堵塞而導(dǎo)致的設(shè)備停轉(zhuǎn)問題？以及如何對危險源做精準(zhǔn)識別和管理等等。

　　或者在化工領(lǐng)域，如何用AI技術(shù)實現(xiàn)物品分類擺放？如何實現(xiàn)安全高效的測距工作？這些都是具體而微的需求，也是保障安全生產(chǎn)的關(guān)鍵環(huán)節(jié)。如何通過AI技術(shù)解決這類問題,同時還需要考慮投入產(chǎn)出比,這是現(xiàn)在我們需要面對的一些挑戰(zhàn)。

　　Q：對于這些現(xiàn)實的問題和挑戰(zhàn)，中科智云目前有哪些突破性的方式可以來解決這些問題？

　　A：基于多年在 AI應(yīng)用落地方面的積累，中科智云 “X-Brain” 平臺，該平臺的核心是中科智云領(lǐng)先的全新小樣本計算框架，通過小樣本技術(shù)可以很好的去解決方案定制化和需求碎片化的矛盾。

　　當(dāng)下AI普遍是基于深度學(xué)習(xí)、監(jiān)督學(xué)習(xí)技術(shù)框架，它的優(yōu)點在于網(wǎng)絡(luò)參數(shù)非常豐富，所以精度非常高，但是參數(shù)多也就意味著需要很多樣本。而在工業(yè)生產(chǎn)領(lǐng)域，像皮帶輪撕裂這種事件發(fā)生的概率其實很小，所以能夠采集到的撕裂樣本非常少，這種情況就非常需要用到“小樣本”技術(shù)。

　　小樣本計算框架，只需不到傳統(tǒng)模式10%的樣本，便能完成同等精度的算法的提升，算法所需訓(xùn)練時間也縮短到傳統(tǒng)模式的10%。這很大程度上可以解決由于樣本量少導(dǎo)致的算法不夠精確的問題，同時也能夠快速響應(yīng)這類小眾且碎片化應(yīng)用場景的AI算法需求。

　　目前，中科智云 “X-Brain” 平臺已廣泛應(yīng)用于工業(yè)、建造、交通等不同領(lǐng)域，尤其能自適應(yīng)復(fù)雜多變的環(huán)境和規(guī)則，幫助這些行業(yè)的用戶通過體系化的AI平臺，“扁平快”地去解決所面臨的安全挑戰(zhàn)。

　　Q：目前業(yè)內(nèi)有不少廠商在推自己的AI開放平臺，同樣也是宣揚能夠降低 AI的應(yīng)用門檻。但我們知道，像這樣的AI平臺，算力、算法訓(xùn)練等能力的實現(xiàn)都需要強大的技術(shù)和資源做支撐，每一項AI能力單獨拎出來都是比較難突破的技術(shù)難點，中科智云為什么能做到？

　　A：冰凍三尺非一日之寒，這些技術(shù)的實現(xiàn)主要是通過我們在行業(yè)領(lǐng)域持續(xù)性的探索積累而來。公司從成立開始，就瞄準(zhǔn)了AI技術(shù)應(yīng)用的落地，我們并沒有去趕早期人臉識別的風(fēng)潮，一開始就選擇深入到工業(yè)應(yīng)用、建筑這些對AI有切實應(yīng)用需求的一線場景。

　　“X-Brain”平臺的推出，是公司深耕行業(yè)應(yīng)用多年經(jīng)驗積累的轉(zhuǎn)化。中科智云一直以來都非常重視技術(shù)研發(fā)，我們跟包括牛津大學(xué)在內(nèi)的很多高校以及前沿的研究機構(gòu)都有非常緊密的合作，像前面提到的小樣本、異常檢測等AI技術(shù)，公司其實在很早之前就開始了投入研發(fā)。

　　和其他廠商不一樣的是，我們并不認(rèn)為一個算法能夠跨行業(yè)去通用，所以我們很早就開始研究如何去解決算法和跨行業(yè)的碎片化場景結(jié)合的問題，現(xiàn)在所有的技術(shù)突破都來源于我們持續(xù)的積累。

　　比如“小樣本”技術(shù)研究?，F(xiàn)階段行業(yè)內(nèi)圍繞著AI應(yīng)用，普遍的思路是先收集模型樣本來開展AI算法訓(xùn)練，樣本越豐富，算法也就越精準(zhǔn)。而中科智云從一開始就投入到通用模型的研究當(dāng)中，探索如何通過“度量學(xué)習(xí)”去解決AI模型樣本少，甚至沒有樣本的算法訓(xùn)練問題。

　　當(dāng)然，我們也不奢望訓(xùn)練出來的一個模型就能夠適配所有的應(yīng)用場景，我們的方式是把它做成AI訓(xùn)練平臺上的一個功能應(yīng)用(類似于APP)，通過自主添加一些現(xiàn)場樣本即可變成滿足特定細(xì)分場景的AI算法模型。通過這樣的功能應(yīng)用，甚至都不需要專業(yè)的算法人員來操作，只需要現(xiàn)場實施的工作人員拿手機拍幾張照片，即可快速訓(xùn)練出一套適用的算法。

　　目前業(yè)內(nèi)很多廠商推出自己的AI開放平臺，諸如BATJ等互聯(lián)網(wǎng)企業(yè)主導(dǎo)的AI開放平臺，其優(yōu)勢在于云計算平臺。而這類互聯(lián)網(wǎng)企業(yè)提供開發(fā)框架的目的更多是為盤活它的云計算資產(chǎn)。比如用他們的GPU做訓(xùn)練，來實現(xiàn)他們云存儲產(chǎn)品的銷售。

　　BATJ等企業(yè)著眼的是開放，他們的AI開放平臺面向的用戶也是算法工程師這一類有一定技術(shù)基礎(chǔ)和研發(fā)能力的群體。中科智云關(guān)注的是AI方案能夠真正落地的問題，目標(biāo)用戶是面向工業(yè)、化工領(lǐng)域一線工程師。我們提供的不是編程語言，更多是一個訓(xùn)練平臺，能夠讓即便沒有神經(jīng)網(wǎng)絡(luò)這些技術(shù)知識和編程基礎(chǔ)，也能獲得即拿即用的AI技術(shù)應(yīng)用體驗，通過中科智云提供的AI平臺工具深度結(jié)合一線工程師對行業(yè)應(yīng)用需求的深刻理解，來共同解決工業(yè)、建筑等安全領(lǐng)域AI應(yīng)用落地問題，這也是我們和其他廠商的一個最大的區(qū)別。

　　Q：推進AI商業(yè)化落地一直是AI企業(yè)探索的重點和目標(biāo)，那么中科智云在AI的商業(yè)化落地方面又有哪些見解和經(jīng)驗可以分享一下？

　　A：我們始終認(rèn)為要深耕行業(yè)，就需要最大程度去推進AI技術(shù)和行業(yè)實際應(yīng)用需求的有效結(jié)合。

　　因此，中科智云在推進AI+行業(yè)應(yīng)用方案落地方面主要實行項目制，通過和行業(yè)領(lǐng)先的系統(tǒng)集成商以及獨立軟件開發(fā)商展開深入合作，我們不僅提供平臺工具，同時還會對他們進行培訓(xùn)，幫助這些合作伙伴解決技術(shù)在實際場景應(yīng)用中會遇到的一些具體問題。對于我們而言，這也是提升我們平臺面向不同行業(yè)平臺業(yè)務(wù)實戰(zhàn)能力的很重要的事情，這是我們商業(yè)化其中的一條路。

　　另外一種方式是我們會把前面提到的那些技術(shù)和經(jīng)驗積累固化到“X-Brain” 平臺，平臺對外進行銷售。

　　第三塊，針對性的提供滿足不同行業(yè)應(yīng)用的SaaS服務(wù)，這方面主要由我們的行業(yè)合作伙伴做二次開發(fā)，因為他們對這個行業(yè)需求了解更深入。

　　除此之外，我們還可以提供針對單點應(yīng)用的AI工具，比如軟硬件配套的皮帶輪檢測儀器，用戶可以拿來即用；或者是面向石油行業(yè)，防止非法破壞天然氣管道的專業(yè)監(jiān)測設(shè)備。類似于這類實用性AI設(shè)備，可以很好的幫助一線作業(yè)人員展開安全監(jiān)管作業(yè)。

　　通過“項目+平臺+終端產(chǎn)品”來實現(xiàn)AI技術(shù)變現(xiàn)。

　　Q：AI算法需求呈現(xiàn)高度碎片化，業(yè)內(nèi)有不少企業(yè)提出“軟件定義硬件”的做法，您怎么看待這個概念？

　　A： “軟件定義硬件”某種程度上只是“新瓶裝舊酒”，其實就是邊緣計算，而邊緣計算只是我們部署方式的一種。

　　簡單計算一下，比如一臺邊緣計算設(shè)備能支撐多少路算法，扣除成本，就知道每一路的成本，和服務(wù)器端部署成本作比較，很容易算出哪種方式更具成本優(yōu)勢，我們支持云、邊、端多種部署方式，主要看用戶更傾向于哪種方式。

　　與此同時，我們也會和一些廠商展開合作，將中科智云的AI算法部署到他們的設(shè)備中去。從成本控制和高效響應(yīng)的角度去考慮，軟件定義目前是解決AI應(yīng)用碎片化問題的有效途徑。

　　Q：您覺得一套數(shù)字化方案，比如像化工廠這樣的場景，從方案設(shè)計到落地過程當(dāng)中，最具挑戰(zhàn)性的環(huán)節(jié)在哪里？

　　A：最具挑戰(zhàn)性的環(huán)節(jié)首先是對用戶需求的理解，其次是算法跟場景的適配性，算法泛化能力等問題。

　　但算法泛化能力不足有一個主要前提，即希望通過一套算法去適應(yīng)多個場景，這顯然行不通。

　　但通過專業(yè)的算法訓(xùn)練平臺，可以不用提前訓(xùn)練好一個固定的算法模型，而是在需要的時候結(jié)合現(xiàn)場實際場景，在部署的過程中完成算法的訓(xùn)練，這樣可以最大程度保障算法和場景的緊密結(jié)合程度，提高算法在特有場景的精準(zhǔn)度，通過這樣短平快的方式來解決算法泛化能力不足的問題。

　　Q：我們也了解到中科智云有做一些AI+體育賽事類的項目，這是跟化工廠、建筑工地完全不一樣的場景，體育賽事行業(yè)的安全治理需求主要體現(xiàn)在哪些方面？

　　A：一些大型體育賽事并不是在固定場館進行，比如馬拉松比賽、越野、滑雪這些賽事場地范圍很大，如此大的賽事場地要如何保障賽事運行當(dāng)中的安全，這里就需要用到一些能夠?qū)崿F(xiàn)快速部署、快速適應(yīng)賽事場地的安全監(jiān)管設(shè)備。

　　通過“X-Brain” 平臺，我們可以快速進行部署，提供軟硬一體的專業(yè)安全監(jiān)管設(shè)備及管理平臺。比如在張家口密苑云頂樂園(北京2022年冬奧會和冬殘奧會比賽場地之一)，中科智云與風(fēng)云科技聯(lián)合研發(fā)的智能哨兵機器人，依靠的就是中科智云自主研發(fā)的X-Brian平臺的核心自學(xué)習(xí)框架算法，這款機器人在日常監(jiān)測中能夠自動精準(zhǔn)判斷入侵者的類別，并將監(jiān)測到的情況或者入侵者的行蹤軌跡上傳到后臺指揮中心，有效提高安保工作人員效率，確保冬奧會的賽場安全。它最低的耐低溫超過零下40度，通過以AI替代人力，也降低了對現(xiàn)場保衛(wèi)人員的身體傷害的幾率。

　　Q：不同的垂直行業(yè)，面對的應(yīng)用場景存在很大差異，貴司在垂直行業(yè)市場的拓展邏輯是什么?會選擇哪些行業(yè)優(yōu)先拓展？

　　A：我們主要考慮的是市場大環(huán)境、政策以及行業(yè)應(yīng)用需求幾個方面的因素。

　　比如材料生產(chǎn)、化工這些行業(yè)，近兩年的原材料上漲驅(qū)動著行業(yè)領(lǐng)域正在迎來數(shù)字化轉(zhuǎn)型升級，由此也帶來了更多的商業(yè)機會；碳中和、碳達峰雙碳目標(biāo)背景下，多個行業(yè)領(lǐng)域?qū)⒅泵娴吞辑h(huán)保生產(chǎn)規(guī)定，幫助企業(yè)完成數(shù)字化轉(zhuǎn)型，來優(yōu)化能耗管理，同時實現(xiàn)提質(zhì)增效也是我們探索的方向。

　　Q：您覺得 AI+安全治理市場在未來會呈現(xiàn)怎樣的發(fā)展走勢？

　　A：AI技術(shù)應(yīng)用主要分三個階段：第一個是初嘗試階段，比如前幾年的人臉識別熱潮；第二個階段進入到AI應(yīng)用的定制化階段，即面向不同的應(yīng)用場景量身定制高度匹配的AI算法和軟件應(yīng)用平臺，但由于需求場景的高度碎片化，帶來了高成本投入、需求響應(yīng)效率低等系列問題，這加速了第三階段AI應(yīng)用平臺化階段的到來。

　　工業(yè)、建筑、化工等領(lǐng)域的安全治理，已逐步從原來單一的人員管理、車輛管理延伸到對人、設(shè)備、環(huán)境等全場景要素安全的管理模式。伴隨著人力成本的上漲，以及行業(yè)數(shù)字化帶來的效能的提升，安全管理將逐步從傳統(tǒng)的人防+技防轉(zhuǎn)向更多依賴技防手段，甚至達到無人化管理階段，這是這個行業(yè)市場未來的發(fā)展趨勢。

　　圍繞著AI+安全治理，中科智云始終致力于為這個行業(yè)領(lǐng)域提供一個專業(yè)好用的AI應(yīng)用平臺，通過“X-Brain” 平臺能力協(xié)助行業(yè)內(nèi)系統(tǒng)集成商和獨立軟件開發(fā)商更好的推動AI在安全治理領(lǐng)域的落地應(yīng)用。

　　— END —