AIoT 人人都谈 | AI安全监管，从“治理”到“智能”

2022-08-04

在传统行业人工智能赋能数字化转型的趋势下，许多传统行业都在积极推动人工智能、物联网等数字技术的应用，以提高生产效率和管理效率。

AI对一些简单、重复性高的操作具有最好的可替代性，可以有效解放人力，大大提高传统模型的生产效率。但在建筑工地、化工厂等安全隐患较高的行业，他们对AI的需求很大一部分是出于安全监管的需要。

安全监管一直是许多传统行业的痛点。以建筑工地、化工厂为例，仅靠人力是无法实现综合管理的，还会存在很多安全隐患。人工智能技术的应用也为传统行业的安全监管带来了新的管理方式和理念。

如何利用人工智能优化传统行业的安全监管流程？在这个过程中有哪些值得注意的问题？

博士。近日，国内领先的AI安防智能公司中科智云高级副总裁李源在A&S《AIoT创新应用专题》直播间，聚焦“如何用AI赋能传统行业安防智能？”对这个话题进行了详细的分析和解释。现场采访的QA如下，as编辑做了不改变被采访者意愿的安排。

问：a&s执行主编王勤礼

答：智云高级副总裁李源博士

问：您如何看待数字化转型的趋势？从中科智云的业务开始，您认为这两年市场最显着的变化是什么？

A：数字化转型是当下的一个明显趋势。数字化转型已经从锦上添花发展到了必做的阶段。随着数字化转型的深入推进，行业市场也发生了一些显着变化，其中之一就是客户对数字化解决方案的需求和理解越来越深，并愿意积极投入推广。

特别是在安全监管方面，在化工厂、工地等企业的数字化赋能下，安全管理从被动免责转变为保障安全生产、提高生产效率的重要举措。这种需求变化为AI在行业中的应用提供了更好的市场环境，但如何抓住这些市场机遇？有效帮助用户解决实际问题是中科智云未来发展的重点，专注于人工智能安全治理领域。

因此，在这方面，中科智云一直在做积累和准备，深耕行业多年。公司推出了主流产品数字治理AIoT平台“X-Brain”，能够很好地结合不同行业的场景和痛点，通过这种面向问题的解决方案，提供AI应用能力。

例如，在工业生产中，既要实现设备的安全管理，又要实现人员的安全管理。在AI视觉技术解决方案的辅助下，帮助运维人员及早发现安全隐患，避免安全事故的发生。过去，人工智能技术主要用于检测和预防违规行为。现在更多是从环境、人员、设备三个方面来应对工厂或建筑公司的安全监管挑战。

Q：您在上面提到的变化中，您认为哪些是机遇，哪些是挑战？

A：机会主要是由于客户认知的变化。安全治理从免责转变为辅助安全生产的有效手段，可极大拓展人工智能安全治理的应用机会。

挑战在于如何让客户更好地了解我们的AI安全治理解决方案，以及如何根据用户的具体需求做出一些真正能解决实际问题的AI解决方案。

目前，推动人工智能技术与应用场景的紧密融合仍存在困难。需要有相应的方案和技术来解决如何与场景融合的问题。这也是我们面临的主要技术挑战。

针对这些技术挑战，智云通过多年的行业经验和积累，愿意分享一些解决这些困难和技术问题的方法。

单人脸识别检测一套AI解决方案的时代已经过去。必须真正深入行业，解决整个安全生产过程中可能面临的所有安全问题。

例如，在工业生产中，皮带轮用于运输原材料。如何保证皮带轮在运行过程中的安全，防止皮带撕裂等异常问题？如何避免进料口堵塞造成的设备停机问题？以及如何准确识别和管理危险源等。

或者在化工行业，如何利用AI技术实现物品的分类和摆放？如何实现安全高效的测距工作？这些是具体而细微的需求，也是确保安全生产的关键环节。如何通过AI技术解决这些问题，还需要考虑投入产出比，这些都是我们现在需要面对的一些挑战。

Q：对于这些现实的问题和挑战，智云有哪些突破性的方法来解决这些问题？

A：基于多年的AI应用落地积累，智云的“X-Brain”平台，其核心是智云领先的新型小样本计算框架，可以很好的通过小样本技术来解决解决方案定制化与需求碎片化的矛盾。

目前的人工智能一般都是基于深度学习和监督学习的技术框架。它的优点是网络参数非常丰富，所以准确率很高，但是参数多意味着需要很多样本。在工业生产领域，皮带轮撕裂等事件发生的概率其实很小，所以能采集到的撕裂样本很少。在这种情况下，“小样本”技术就非常必要了。

小样本计算框架只需要传统模式不到10%的样本就可以完成同样准确率的算法改进，算法所需的训练时间也缩短到传统模式的10% 这可以很大程度上解决因样本量小而导致算法不准确的问题，也可以快速响应AI算法在这种小众、碎片化的应用场景中的需求。

目前，中科智云的“X-Brain”平台已广泛应用于工业、建筑、交通等不同领域。以“扁平化和快速”的方式解决安全挑战的平台。

Q：目前业内很多厂商都在推广自己的AI开放平台，也在推广降低AI应用门槛的能力。但我们知道，对于这样一个AI平台，算力、算法训练等能力的实现都需要强大的技术和资源来支撑，而每一个AI能力都是一个难以突破的技术难点。为什么可以做到？

答：冻三尺不是一天的冷。这些技术的实现，主要是通过我们在行业中的不断探索和积累。公司自成立以来，一直瞄准人工智能技术的应用。我们没有赶上早期的人脸识别趋势。从一开始，我们就选择深入到对AI有实际应用需求的一线场景，比如工业应用、楼宇等。

“X-Brain”平台的推出，是公司多年行业应用经验的一次蜕变。中科智云一直非常重视技术研发。我们与包括牛津大学在内的多所大学和前沿研究机构有着非常密切的合作。和前面提到的小样本、异常检测等人工智能技术一样，公司其实早就开始研发了。

与其他厂商不同，我们不相信一个算法可以跨行业使用，所以我们开始研究如何解决算法与跨行业碎片化场景相结合的问题。现在所有的技术突破都来自于我们不断的积累。

例如“小样本”技术研究。现阶段，行业围绕人工智能应用展开。总体思路是先收集模型样本，进行AI算法训练。样本越丰富，算法就越准确。中科智云从一开始就投入了通用模型的研究，探索如何通过“度量学习”解决样本少甚至没有样本的AI模型的算法训练问题。

当然，我们并不期望经过训练的模型能够适应所有应用场景。我们的做法是在AI训练平台上把它做成一个功能性应用（类似于APP），自己添加一些场景。然后可以将样本转化为满足特定细分场景的AI算法模型。通过这样的功能应用，甚至不需要专业的算法人员进行操作，现场实施人员只需用手机拍几张照片，就能快速训练出一套适用的算法。

目前业内很多厂商都推出了自己的AI开放平台，比如BATJ等互联网主导的A​​I开放平台，优势在于云计算平台。这类互联网公司提供开发框架的目的，更多是为了盘活自己的云计算资产。例如，使用他们的 GPU 进行培训，以实现其云存储产品的销售。

BATJ等公司注重开放，其AI开放平台的用户也是具有一定技术基础和研发能力的算法工程师。中科智云专注于AI解决方案的真正落地，目标用户为工业、化工领域的一线工程师。我们提供的不是编程语言，而是培训平台。即使没有神经网络的技术知识和编程基础，也可以获得开箱即用的人工智能技术应用体验。通过中科智云提供的AI平台工具，深度结合一线工程师对行业应用需求的深刻理解，共同解决AI应用在工业、建筑等安防领域的落地问题，也是两者最大的区别。我们和其他制造商。

问：推动人工智能商业化一直是人工智能企业探索的重点和目标。在人工智能的商业化方面，您可以和智云分享哪些见解和经验？

A：我们始终认为，要深耕行业，就需要最大程度地推动AI技术与行业实际应用需求的有效结合。

因此，中科智云在推动AI+行业应用解决方案落地方面主要实施项目制。通过与行业领先的系统集成商和独立软件开发商的深度合作，我们不仅提供平台工具，还为他们提供培训，帮助这些合作伙伴解决技术在实际场景中会遇到的一些具体问题。对我们来说，这也是提升我们平台针对不同行业的业务能力非常重要的事情。这是我们商业化的方式之一。

另一种方式是我们将上述积累的技术和经验固化到“X-Brain”平台中，对外销售。

第三部分是提供有针对性的SaaS服务，满足不同行业的应用。在这方面，二次开发主要由我们的行业合作伙伴来完成，因为他们对这个行业的需求有更深的了解。

此外，我们还可以提供单点应用的AI工具，如滑轮检测仪器配套的软硬件，用户可以立即使用；或对石油行业进行专业监控，以防止对天然气管道设备的非法破坏。类似这种实用的人工智能设备，可以很好地帮助一线操作人员进行安全监管作业。

通过“项目+平台+终端产品”实现AI技术的实现。

问：对 AI 算法的需求高度分散。业内很多公司都提出了“软件定义硬件”的方法。您如何看待这个概念？

A：“软件定义的硬件”在某种程度上只是“新瓶装旧酒”。其实就是边缘计算，边缘计算只是我们的一种部署方式。

例如，只需计算边缘计算设备可以支持多少种算法。扣除成本后，就可以知道各个渠道的成本。将其与服务器端部署成本进行比较。很容易找出哪种方法具有更多的成本优势。我们支持云、边缘和终端的多种部署方式，具体取决于用户喜欢的方式。

同时，我们也会与一些厂商合作，将智云的人工智能算法部署到他们的设备中。从成本控制和高效响应的角度来看，软件定义是目前解决人工智能应用碎片化问题的有效途径。

问：您认为数字化解决方案（例如化工厂）从设计到实施最具挑战性的部分是什么？

A：最具挑战性的部分是对用户需求的理解，其次是算法对场景的适应性，以及算法的泛化能力。

但是，算法缺乏泛化能力有一个大前提，就是希望一套算法能够适应多种场景，这显然是行不通的。

但是，通过专业的算法训练平台，不需要提前训练出固定的算法模型，而是在需要的时候结合现场实际场景，在部署过程中完成算法训练，最大限度地发挥算法的保证和场景的紧密融合程度，提高了算法在独特场景下的准确率，以如此短而快速的方式解决了算法泛化能力不足的问题。

Q：我们也了解到中科智云做过一些AI+体育赛事的项目。这与化工厂和建筑工地完全不同。体育赛事行业的安全治理需求主要体现在哪些方面？

A：一些大型的体育赛事不是在固定的场地举办的，比如马拉松、越野、滑雪等。可实现快速部署、快速适应比赛场地的安全监管设备。

通过“X-Brain”平台，我们可以快速部署并提供软硬件一体化的专业安全监控设备和管理平台。例如，在张家口密苑云顶乐园（北京2022年冬奥会和冬残奥会的一)场馆），中科智云与风云科技联合研发的智能哨兵机器人，依托中科智云自主核心自学习框架该机器人开发的X-Brian平台算法可以在日常监控中自动准确判断入侵者的类型，并将监控的情况或入侵者的行踪上传到后台指挥中心，有效提高安全性。工作人员的高效保障了冬奥会的安全。其最低耐低温性超过-40度，通过AI代替人力，也降低了现场安保人员身体受伤的几率。

Q：不同的垂直行业有非常不同的应用场景。贵公司在垂直行业市场的扩张逻辑是什么？你会选择先扩张哪些行业？

A：我们主要考虑市场环境、政策和行业应用要求等因素。

在材料生产、化工等行业，近两年原材料上涨带动行业迎来数字化转型升级，也带来了更多商机；碳中和、碳达峰双碳目标背景下，很多行业将面临低碳环保的生产法规，帮助企业完成数字化转型，优化能耗管理，实现提质增效，也是我们正在探索的方向。

Q：您认为未来AI+安全治理市场将如何发展？

A：AI技术的应用主要分为三个阶段：第一阶段是初期试验阶段，比如前几年的人脸识别热潮；第二阶段进入AI应用定制阶段学校能耗管理，即针对不同应用量身定制与场景高度匹配的AI算法和软件应用平台，但由于需求场景高度碎片化，带来一系列问题成本投入高、需求响应效率低，加速了人工智能应用平台化的第三阶段。到达。

工业、建筑、化工等领域的安全治理，已从原来单一的人员管理、车辆管理逐步延伸到人、设备、车辆等全场景要素的安全管理模式。环境。随着行业数字化带来的人力成本上升和效率提升，安全管理将逐渐从传统的防空+技防转向更多依靠技防方式，甚至达到无人管理阶段。这是这个行业市场的未来。发展趋势。

中科智云一直致力于为该行业领域提供专业易用的AI应用平台，专注于AI+安全治理，通过“X-Brain”助力行业内的系统集成商和独立软件开发商“平台能力。有利于推动人工智能在安全治理领域的应用。

—结束—