1997年，IBM的电脑深蓝首次战胜国象棋冠军卡斯帕罗夫，但深蓝只会下国际象棋；随着数据和算力的支持，经过深度学习的快速训练，谷歌阿尔法狗在围棋领域取得了对人类的胜利，但我们问“晚上吃点什么”这样最简单的人类逻辑，它就不知道如何回答了。
人工智能的落地和应用，一项基本常识是不存在所谓的通用人工智能，AI无法解决多种多样不同类型问题；所有的智能都是应用于某一特殊领域的智能，擅长单一方面的技能，即弱人工智能。
因此只有AI和某个行业结合，才能向前发展；人工智能可能会改变几乎所有的行业，而且是”行业+ AI“，而不是”AI+行业“。我们已经处于弱人工智能的时代，在这一轮AI融入场景的浪潮中，最先落地的行业是安防，以视频前端（即室外的IPC网络摄像机，对应的后端指室内的存储和服务器）采集为特征的安防已经构筑了一张真正的物联网，成为AI、AI芯片应用的必争之地。
为什么是安防+AI？
海量部署，需求强劲。2017年全球新增的摄像机大约在1.5亿只以上，使得视频监控由被动防御到主动预警的转变更为迫切。海量的摄像机会导致对类似于视频结构化、人脸、车牌、机动车、非机动车、人数、行为等人工智能的诉求会大大增加，人工智能在安防行业加速落地，海量的摄像机会对安防芯片以及带有AI功能的芯片有大量的需求。
更新换代，周期适度。电信行业的产品特点，基站研发周期5年，设备在网时长或固定资产生命周期5年；企业网行业的交换机研发周期1年以上，设备在网3年；而安防行业的产品研发周期短至3～9个月，设备在网2年。尽管也有因为产品质量优异而在网工作5年以上的佳话，但大部分安防产品比如IPC的行业惯例就是2年更新换代。这种换新速度，使得新技术的应用和迭代的最佳试验场景，当然也导致厂商竞争烈度大、洗牌快速。
图1：有着研发基因看似骄傲的队伍，在看似相近的行业，其实核心规律完全不同，过往经验往往是惯性和陷阱；在实践中能够从大流程到小快灵，脱下西装做泥腿子、走出实验室爬杆子才是技术落地的境界，是成功部署的真正骄傲
三个场景 成功在于需求和“地头力”
十年以前（2010年前后），安防的场景是平安城市，视频建设是看的见/网络化，联网标准从DB33标准到GB/T-28181，从 模拟、数字到网络。
五年以前（2013年前后），安防的场景扩展到智能交通，视频建设是看的清/高清化 ， 清晰度D1→1080P→4K， 编码从H.264到H.265，成像技术 低照度→星光→超星光（曾经的“黑科技”，被中国庞大工业能力所白菜化，在伸手不见五指的夜间对动态目标成像，90%的案件发生在夜间）。
当前（2016年以来），视频的技术方向就是看的懂/智能化 ，基于深度学习的机器视觉分析，广泛应用人脸、车辆、结构化 。不仅仅是安全的属性，在最新的项目部署中，视频已经成功处理着市民的日常琐事，涉及大数据信息管理、应急指挥调度、事件处置分析、智能预警布控、社会服务管理等功能——十年前电信、IT行业一度流行的以WiFi、无线为核心定义的“智慧城市”无疾而终，今天看来是仅仅铺垫了信息管道，而真正的智慧城市在以视频为中心后实现了突破，这是令人振奋的第三场景。
这三个场景是逐级演进的。一个逐渐富裕起来的群体唤醒了安全意识，就产生了平安城市，有了“深夜撸串”的保障；之后全球最大的汽车生产国、最大的新车消费市场在此诞生，我们的汽车社会就催生了智能交通，不再烦恼逃逸和套牌，并在尝试疏导拥堵；老城区人口的增加、卫星城市的建立，公民对于垃圾堆放、违停乱建甚至楼上楼下吵架的“琐事”更为敏感，就需要从管理到服务的第三场景。
这是大数据和弱人工智能一展身手的年代，不过环境也脱离实验室更为复杂，算法只是系统中的一部分，而且实践中的表现偏孱弱：从室内理论走向室外部署，任何在沙发上进行的AI打榜，都不如“脱下西装做泥腿子”，需要“深入田间地头”以业务流程不断对算法修正。商业模式可以有概率引来投资，但绝对无关企业持续经营的护城河，技术、产品和服务才是护城河。
转载请注明：杉德畅刷官网 » 人工智能如何成功部署：脱下西装做泥腿子，还要会爬杆子