發現一個犯罪嫌疑人，但是視頻沒有捕捉到他的臉。能不能通過衣服的顏色、布料的紋理，查找相似的ID?

有違章或是犯罪行為的車輛，往往會遮擋號牌或是使用套牌，那么用車牌號就不能正確辨識車輛的身份，能不能通過更細致的外觀把它找出來？

視頻識別在我們現實中的應用越來越廣泛，很多我們想得到的、想不到的，AI已經帶給我們越來越多的驚喜與驚嘆。但，這也都是在進程當中，現實的應用場景對AI不斷提出更高的挑戰：以前只要能識別人臉就可以了，現在你要能識別戴口罩的人；以前通過人臉照片追查罪犯，現在看不到臉也能把他找出來；以前通過車牌號碼辨別車輛身份，現在則要通過車身細節去追蹤……

“人們往往高估一項技術的短期表現，而低估一項技術的長期表現。” 已經從事17年計算機視覺研究的格靈深瞳信息技術有限公司CTO鄧亞峰深有體會，AI是一個長跑，自己的實力很重要，陪伴的伙伴也很重要。

從看見到看懂，AI在各行各業中落地才有價值

關于AI，我們常常聽到智慧城市、機器人、自動駕駛、智慧醫療、工業視覺、AR等，這些都是AI的應用場景。如果說到AI的核心技術，主要是三個方向：計算機視覺、語音識別、自然語言理解。也就是說，在三個技術方向上的深入，可以應用到各種場景當中去發揮價值。

再比如在智能商業應用中，通過人臉識別將同一個人多次到店關聯起來，利用人臉將商品購買記錄關聯起來，并形成動線和熱力圖。有時候，通過海量數據匯集后，AI真的可以“比你更了解你”。

“看見”這個世界并不能，但“看懂”這個世界卻非常難。在中國現在有近2億的安防攝像頭，但其產生的視頻數據有80%是冗余信息。AI如何通過深度學習、高性能運算及大數據技術，在這些數據中篩出有用的價值。

格靈深瞳就是一家以“讓計算機看懂世界”為愿景的公司。他們與華為聯合打造的全目標結構化系統，集結構化分析、數據存儲、數據應用于一體的高性能、高密度計算系統，以解決對人體、機動車、非機動車、人臉等全目標的特征識別和快速檢索。其主要功能包括目標檢測、跟蹤、分類、全目標特征識別、以圖搜圖、軌跡分析、綜合布控、違法分析等應用。這個系統能夠有效處理大規模視頻數據，將廣泛具備并發能力強、分析識別準、運算速度快、檢索效率高等優勢，可實現預警、布控、研判等多種應用，提高辦案效率。應用于包括智慧城市、公共安全領域各類場景。

沒必要重復造輪子，讓算法工程師的工作變得簡單而極致

單機實現384路極致高密視頻實時分析，支持圖片分析（檢測、結構化、特征提取）不低于1200張/秒——這些聽起來不明覺厲的技術，是如何在高效的機器視覺系統上實現的呢？

一般來講，高效的機器視覺系統取決于四個關鍵因素：一是核心算法，二是自動化大規模訓練模式，三是智能數據挖掘和標注，四是基于硬件平臺的計算優化。

再看改進后的開發模式，通過設計與開發工具，幫助更好的收集和處理數據，工程師把數據、框架、計算資源都管理起來，使得訓練的效率、資源的使用效率都非常高，工程師的時間都用要高價值的工作內容上。

“通過虛擬化的環境，系統把運算資源、存儲資源運用得更為高效，讓算法工程師的工作變得簡單而極致。” 鄧亞峰總結到。

從前后兩種開發模式對比來看，差別就在于一套大規模訓練平臺。“大部分公司沒必要重新造輪子。”在鄧亞峰看來，打造一個高效的大規模訓練平臺就相當于那個“輪子”，把算法工程師從大量的低端重復性工作中拯救出來。

這恰好就是深瞳大腦的設計思路：構建從“數據->標注->算法->訓練->產品->數據”的一個正循環，在這個訓練框架里可以支持上百卡的集群訓練、支持上億類別任務訓練、支持多達上百層以及數十億參數的深度學習模型。“終極目標是工程師做完這個框架，標注好數據，系統就會算出一個完美的結果。”鄧亞峰表示。

找對那個“關鍵先生”

前面講過，高效的機器視覺系統有四個關鍵因素，其中前三個都是與框架相關的，是靠內部工程師的智慧來解決，而第四個則是如何借助外力，選擇最好的“伙伴”，鄧亞峰認為這一點極其重要：“如何選擇平臺，把計算做到極到，這跟效率和成本都是密切相關的。”

華為Atlas、海思NNIE、Movidius、TPU、NPU……對于工程師而言，當前市場上的選擇比較多。鄧亞峰給出幾個重要的考量標準：性價比如何？開發成本如何？能否提供一整套完整的接口和框架？生態的持續性如何？

在他看來，平臺的完整性和生態的可持續性非常重要。首先，多平臺開發和維護成本很高。如果一個平臺不具備云、端、側完整的能力，那么工程師就需要開發多平臺、維護多平臺。增加一個新平臺，不僅資金成本增加，關鍵是時間成本可能是企業不能承受的。所以，選擇具備云、端、側完整能力的平臺可以減少很多不必要的重復工作。其次，要選擇一個立足于長遠發展的生態。如果生態沒有保障，那么可能很多前期的投入就會全部作廢，這是更可怕的事情。

“我們業務的特點是模型非常多，各種各樣的處理需求復雜。Atlas 300有非常多的資源。” 鄧亞峰對雙方聯合打造的解決方案非常滿意，“這已經是行業內非常領先的一個結果。”

華為人工智能計算平臺以強大的算力，有云、邊、端豐富的產品，使得綜合成本更低。鄧亞峰認為更為重要的原因是，華為在生態上有非常大的決心去投入，“我們開發中間也遇到一些困難，華為非常積極地支持我們，跟我們一起聯調。

格靈深瞳去年參加了行業最具挑戰的“非約束性自然環境人臉照片”測試項目，根據全球最權威的人臉識別算法測試（FRVT）公布的結果來看，格靈深瞳獲得了全球第一名的成績。此外，在2019年北京市交管局組織的第一屆交通行為圖像智能識別技術競賽中，格靈深瞳的行為識別算法也獲得了全國總排名第一的佳績。

在懂懂看來，讓格靈深瞳之所以選擇華為，主要是兩個原因：

第一，華為Atlas智能計算平臺的強算力和完整性。這是基于華為昇騰系列AI處理器和業界主層異構計算部件，通過模塊、板卡、小站、服務器、集群豐富的產品形態，打造面向“端、邊、云”的全場景AI基礎設施方案，可廣泛用于平安城市、智能交通、智慧醫療、AI推理等領域。

第二，是華為開放的生態以及對生態伙伴不遺余力的支持。華為Atlas智能計算平臺支持業界主流框架，方便易用的代碼遷移和模型轉換工具，通過靈活的合作方式與業界ISV共建、共贏。也就是說，選擇了華為Atlas智能計算平臺，就是選擇了一個開放的標準，選擇了更多的合作伙伴，選擇了更多的機會。