标签 人工智能 下的文章

未来一年人工智能技术和市场将会如何发展?而在主要的人工智能趋势中,寻找边缘计算的建模、对数据治理的新关注以及持续的人才竞争。

很多企业都在采用人工智能,但是,很少有人做得很好。实际上,根据麻省理工学院2019年发布的《SMR-BCG人工智能全球执行研究报告》,90%的公司已经对人工智能进行了一些投资,但70%的公司表示,迄今为止,他们所看到的人工智能的影响微乎其微或根本没有影响。

Tetra VX公司产品管理总监Kara Longo Korte表示,展望2020年,首席信息官们将需要更好地评估其人工智能赌注的价值,并证明对业务的投资回报率。这也是Forrester公司分析师对人工智能做出的预测:“我们相信,2020年将是企业聚焦人工智能价值、脱离实验模式、在现实中立足于加速采用人工智能的一年。”

2020年人工智能发展趋势

在人工智能领域,未来一年将是一个活跃的一年,IT领导人应遵循以下几个相关趋势:

1.IT领导者将真正了解如何衡量人工智能的影响

这是一个令人震惊的统计数据:根据麻省理工学院人工智能调查,在过去三年里,只有不到五分之二的公司报告了人工智能带来的商业收益。考虑到大型投资机构在人工智能方面的能力仍在不断提高,这一点在新的一年里需要改变。

实现这一目标的一种方法是改变人们衡量结果的方式。考虑针对易用性、改进的流程、客户满意度等方面的报告。软件供应商Element公司人工智能首席执行官兼联合创始人Jean-François Gagné表示:“首席信息官还需要继续投入更多预算,以了解人工智能如何使他们的组织受益,并实施能够提供真正投资回报率的解决方案。否则就有可能落后于竞争对手。”

2.人工智能有助力运营化

人工智能有潜力成为企业新的操作系统。Gagné说:“在过去的十年里,各组织一直在学习人工智能技术,并开始使用这项技术,但成功地将模型投入生产仍然是一个挑战。今年将是支持有效部署所需基础设施的转折点,提供支持人工智能自适应决策的集成学习环境和数据生态系统。”

3.数据治理将变得更加重要

SPR公司企业架构执行副总裁Pat Ryan表示,2020年将把人工智能投入生产。但这将需要IT与首席数据官的组织合作。Forrester公司在其2020年人工智能预测报告中表示,问题是从复杂的应用程序中获取数据,并说服各种数据工作人员一起努力。”

Ryan表示,随着企业意识到人工智能并不是魔术,而是数学,人工智能和机器学习的魅力将逐渐消失。组织现在也知道需要高质量的数据作为人工智能和机器学习的基础,所以到2020年,人们将看到对数据治理、数据分析人员、数据工程师和机器学习工程师的高度赞赏和需求。

Forrester公司表示,创建一个能够持续管理的数据管道,以推动更成功的人工智能项目。这就是为什么拥有首席数据官(CDO)的公司比那些没有首席数据官(CDO)的公司使用人工智能、机器学习、深度学习的可能性高出1.5倍。

4.人工智能专业人士将大放异彩

在LinkedIn公司的2020年美国15个新兴职位中,人工智能专家位居榜首。LinkedIn公司的数据显示,在过去四年中,人工智能专业人士(包括人工智能和机器学习工程师)的招聘每年增长74%。LinkedIn公司表示,“人工智能和机器学习都已成为创新的代名词,我们的数据显示,这不仅仅是一个热门话题,”旧金山湾区、纽约、波士顿、西雅图和洛杉矶的人工智能市场尤其火爆

5.数据建模将走向边缘

预计2020年将从只使用云计算转向使用云计算边缘混合策略,以实现机器学习(ML)。FogHorn公司负责软件工程的副总裁SenthilKumar说:“能够分析云中的高保真、高分辨率、原始机器数据通常很昂贵,而且由于交通和生态系统的考虑,这种情况不会实时发生。到目前为止,许多组织已经决定使用较小的样本量或延迟时间的数据来进行工作,这可能会提供不完整或不准确的情况。”

Forrester公司分析师Kumar预测说,“到2020年,全球边缘云计算服务市场(分布式边缘计算基础设施上的基础设施即服务和高级云原生编程服务)将至少增长50%。通过实施边缘优先的解决方案,组织可以在本地合成数据,识别核心原始数据集上的机器学习推断,并提供增强的预测能力,通过实时运行机器学习模型的‘边缘化’版本,组织能够对实时事件做出更快的响应,并能够在源代码处对感兴趣的事件采取行动、作出反应、采取行动。”

6.人工智能将用于B2B

B2B销售和服务的复杂性比人工智能消费者的推论更能从人工智能中受益。Globality公司首席收入官Keith Hausmann表示:“机器和深度学习使复杂B2B服务的用户能够通过直观的需求识别过程,以及对潜在贸易伙伴优势和能力的广泛了解,定义复杂需求并将其与理想贸易伙伴相匹配。随着人工智能在每次交互中更好地了解个人偏好和公司要求,特别是组织文化和价值观等无形领域,用户体验将会不断改善。”

7.人机在联络中心融合

TetraVX公司的Korte说:“消费者寻求通过越来越多的数字渠道获得更快的服务的努力,已经使联络中心团队面临挑战,导致团队领导者不得不解决漫长的等待时间、笨拙的客户旅程和不堪重负的代理商。人工智能可以补充代理,使他们能够更好地跨渠道提供及时或明智的响应。”

Korte说,“与任何新技术的实施一样,联络中心的人工智能也面临着自己的挑战。重要的是,组织必须保持人性化的客户服务体验,以确保从外部看,客户的旅程不会显得过于自动化。但要注意:独立的对话式人工智能将在2020年可能会受到冲击。”

Forrester公司指出,企业已采用聊天机器人来降低客户服务成本,但过于雄心勃勃的项目无法解决客户的问题或回答他们的问题。尽管工具集日趋成熟(包括扩展了预先构建的和特定于垂直方向的意图库以及功能强大的自然语言理解(NLU)引擎),但到2020年底,对话式人工智能仍将为不到20%的成功客户服务交互提供动力。”

8.自动化可能会加速

在2020年的词汇表中添加一个新词:Hyperautomation(超级自动化),这意味着应用人工智能和机器学习等先进技术来自动化流程,并通过一系列工具和更高水平的人员来提高水平。Gartner公司将超级自动化评为2020年十大战略技术趋势之一。

Gartner公司表示,目标是更多的人工智能驱动的决策,许多组织创建了自己的数字孪生体,这使他们能够可视化功能、流程和关键性能指标如何相互作用来驱动价值。

9.异构架构将出现

如今,支持人工智能的应用程序和网络依赖于不同的处理架构。根据ABIResearch公司的54项技术趋势观察,这种情况可能在2020年发生改变。ABI研究分析师预测:“下一代以及人工智能和多语言框架的本质将是多模式的,它们的操作可能需要异构计算资源,注意到领先的芯片制造商将离开专有软件栈,开始采用开放软件开发工具包(SDK)和应用程序编程接口(API)方法来开发他们的工具。”

10.将会犯的人工智能错误

正如Forrester公司指出的那样,人工智能不是完美的;它可以使歧视和偏见长期存在。该分析公司预计,,一些备受瞩目的公关灾难可能会因此对一些公司造成伤害,但最终不会摧毁人们对人工智能的信任。

Forrester分析师写道,人工智能可以使歧视永久化,虚假信息的传播、滥用面部识别功能以及过度使用个性化功能可能会伤害、冒犯客户和员工。最后,这些失误将有更大的目的:突出负责任的人工智能开发和部署的重要性。
来源:机房360

来源:雷锋网

如果说前些年的AI更多的是浮于表面,今年的AI大大有所改观。

2019年安博会,AI成为整个行业的核心引擎,以超强马力形成一股无所不在的AI趋势流。

AI上半场,点、线、面的布局已经尘埃落定;AI下半场,智硬件、智系统、智平台则构成了当前安防AI流的主轴线。

从今年的会场盛况来看,这个无比诱人的富矿市场,吸引着越来越多的掘金者。

面对一个稍显固化却又不断更迭的圈层,安防魔力象限里的领导者、挑战者、有远见者,将如何演绎激荡人心的群龙共舞?

同时,他们身处AI流的漩涡中,又透露出怎样的欣喜和焦虑?

梦想与现实的纠葛

此前的AI,被部分人所神话,实验室中的测试数据被直接拽上台面大秀一番,各类神捕、鹰眼产品名称更是眼花缭乱。

渐渐地,AI成了无所不能的代名词。

但是AI在安防的真实应用,还有很多现实问题亟需解决。

宇视CEO张鹏国提到,当前AI落地能力与用户需求存在差距,用户对AI的渴望是无所不能,但AI落地应用还要面对“隐私保护与安全管控、低成本、业务管理创新、流程再造、组织变革”等挑战,很多条件当下并未完全具备。

即使AI得到很好的落地应用,也只是区域性和技术上的成功。

对于安防这个政策市场,To G业务的区域性限制非常强,以AI城市级平台为例,即便在一个城市的公共安全和城市治理中取得巨大社会效益,但也很难在其他城市得到快速的复制应用。

技术创新与暂时的成功营造的梦想,在安防很快就会被现实打击,依靠一套AI方案和几款AI产品,无法在安防好好活着。

能够解决技术落地和区域性问题,也会面临业务逻辑的重新选择。

以安防头部企业为例,推出开放平台,软硬通吃,让自己的软件跑在自己的硬件上,更以傻瓜式的方式,直接跳开集成商,让用户直接使用AI平台,看似没有毛病,但需要面对与集成商决裂的挑战,而丢掉集成商手上的用户资源,并非短时间内就能挽回。

对确定性的得到欢欣鼓舞,对不确定性的失去焦虑不安,是安防厂商的真实写照,而对AI带来变革的任何尝试,都是机遇与风险共存。

黑天鹅式的冲击带来不确定性

相对于技术变革对产业的冲击,政策和资本的手段更能影响安防大格局。

10月初,正当中国安防企业紧锣密鼓准备安博会时,美国商务部的一则实体清单,让不少企业着实捏了一把汗。

芯片、硬盘是受影响最大的关键产品,如果没有英特尔服务器CPU芯片、英伟达的GPU芯片以及希捷、西数的硬盘,安防企业后端产品线的性能,从长远分析会受很大影响。某国产CPU厂商人士认为,现阶段中国安防企业还没有办法完全去美国化。

依图的依芯求索AI服务器,也许可以助力企业摆脱对传统X86 CPU和GPU的依赖,但大面积替换还需要一段时间,而在一些小型、碎片化的场景,性价比太低。

此消彼长,那些没有被列入实体清单的企业,客观事实是利好的,不管是芯片供应,还是产品竞争,注定是几家欢喜几家愁,但同时谁也不能保证自己不是下一个。

资本介入是另外一种看似公平的降维竞争。

安防最有代表性的是宇视联姻千方,不仅资金,还有资源的整合。

今年更上一层,一直在布局城市大脑的阿里,也加入进来,阿里看重的是宇视在公共安全和城市治理的积累,而宇视希望获得阿里在云计算、城市大脑、芯片等领域丰富的资源支持。

双方的整合之快,从双方安博会展出的数据中台、业务中台的双中台战略可知。

中台一直是阿里倡导的技术方案,如今双方在中台战略驱动下,建设IoT引擎、视频云引擎、视觉智能引擎和数据智能引擎等,将可能对视频平台业务带来冲击和改变。

华为的厚积薄发,被视为对众多安防厂商的巨大挑战。

今年华为在AI+视频的基础上,多了5G,让华为安防拿着令人羡慕的好牌。

5G网络的低时延、高网速,对视频数据传输有优势,华为在5G通信、5G芯片等关键领域全球领先,在与其他头部企业竞争中有巨大的优势。

真正让人胆寒的是华为的渠道和生态建设。

从三年前发力渠道建设,到现在可以挑战行业前一、二名的渠道,华为依靠的是自身超强的品牌凝聚力和资源整合力。

华为在AI算法上的策略同样令人侧目。

安博会期间,华为推出了业内首个“智能视频算法商城-HoloSens Store”,为合作伙伴提供多种入驻模式和商业模式组合,实现用户“随意挑、快熟换、放心用”的效果,这可能给依靠AI算法(算法接口调用收费)的公司带来生存挑战。

比特大陆是依靠挖矿机的超强算力,迎合了安防城市级大平台AI算力需求的趋势,顺理成章地将矿机变成了智能服务器。

据比特大陆第三代智能服务器SA5的参数显示,单台SA5可以内置24颗BM1684芯片,算力422Tops,支持384-768路1080P视频,功耗小于700w。

这种跨界所带来的不对称竞争力,是安防企业需要时刻面对的不确定性,也许上个月城市级AI平台能够处理10万路视频,这个月就有平台可以轻松处理100万路视频了。

黑天鹅式的竞争会成为安防常态。

差异化竞争与模仿逆袭交织着

同质化是所有安防厂商的一道伤疤,特别是对深圳的安防厂商而言,更是不堪回首。

如今随着安防网络化向智能化的转型成功,产品方案差异化成为厂商深扎某一两个行业的定海神针。

以云天励飞的城市级AI平台为例,专注于城市级AI安防示范区建设,实现了AI城市级规模场景落地,解决了上万路视频智能分析的瓶颈问题,有效提升了公共安全和城市治理的效率。

但是作为挑战者,任何成功受欢迎的解决方案,都会面临被模仿逆袭的挑战。

只要路子通,不怕没人冲。

远望资本、迅雷创始人程浩对此有着清晰的认知,他在掘金志主办的“全球AI芯片·城市智能峰会”上提出,今天的安防创新创业,如果非行业头部企业,任何渐进式创新,都是在给行业龙头打工。

模仿逆袭是行业纵深战略不可避免的战斗,这一点连AI芯片巨头都不能幸免。

以英伟达TESLA P4显卡为例,在以超强算力作为差异化进军安防的火力点,正遭受来自传统安防厂商天地伟业的挑战,根据视频分析的特点,以有效算力作为资源适配的竞争点,以具备接近TESLA P4算力的国产显卡,在成本、专业度上已经对P4构成挑战。

你可以领先一时,但不可以一直领先,大家卯足劲你追我赶,这就是安防常态。

这种随时都可能被拍在沙滩上的危机感、紧迫感,让拥有差异化竞争优势的企业欣喜,但也伴随着怕被模仿、被超越的焦虑。

今天海康的AI Cloud物信融合理念、大华的HOC城市之心、宇视的全景数智物联、科达的AI实战派、华为的视频+5G+AI、天地伟业的AI视界享未来、旷视的城市物联网操作系统(CityIoT OS)、商汤的智能城市操作系统(AI City OS)、澎思的智能视图大脑等营销理念,虽然核心都有自家祖传功夫,但也自带吸星大法基因。

师夷长技以自强,本身就是中国安防真实的写照。

任何差异化竞争的优胜者,多少都靠啃着同质化的馒头长大,小企业司空见惯,大企业小心翼翼,原始创新和集成创新,像极了交织的DNA存在于安防产业,谁也不能领先。

2020年的AI流趋势

最后,预测一下明年的AI流趋势。

1、AI继续赋能平台、系统应用和前端设备,实体清单加速AI前置和芯片迭代的速度;

2、数据继续增长,AI算力增加是必然的,用户还需要更大算力的AI芯片;

3、AI会进入更多工程化的应用细节,类似科达AI超微光技术会带来更多良性竞争;

4、开放的生态、API与通用平台开始造福用户,但速度不会快;

5、AI应用本身需要不断试错,AI企业只要不作,不骄不躁,不会死掉。