英特爾全面布局安防市場：提供端到端的人工智慧解決方案！

隨著人工智慧（AI）技術的快速發展和逐步落地，已經給眾多行業帶來了巨大變革。

其中，人工智慧對於安防領域的所帶來的變革尤為突出。

2017年10月29日，在2017中國國際社會公共安全產品博覽會期間，英特爾在深圳大中華喜來登酒店召開了主題為「讓人工智慧改變安防」的智能安防高峰論壇，並攜手安防行業合作夥伴，共同探討了人工智慧對安防行業的變革，展示了行業先進的人工智慧安防產品和解決方案。

物聯網時代加速人工智慧在邊緣計算中的應用

我們都知道，目前人工智慧的很多運算處理都是發生在伺服器、數據中心這樣的雲端，因為只有在這樣的一個環境裡面才能提供強大計算力和便利的支撐。

但是，隨著物聯網時代的到來，將會有越來越多的設備和傳感器接入網絡，情況將會發生改變。

根據IDC預測，到2020年全球會有超過500億的智能設備，超過2120億個傳感器。

這也意味著每天都將會產生海量的數據。

如果仍然只是依靠雲端來做數據處理的化，那麼將會有海量的數據需要傳輸到雲端做處理，這對於雲端的計算力和網絡帶寬都帶來了極大的挑戰。

雖然計算力和通信技術也在不斷發展，但是這個速度還是難以趕上數據增長的速度。

所以，邊緣計算，即數據在終端側進行人工智慧分析和處理成為了一個新的趨勢。

IDC預測，到2018年將有40%的物聯網數據需要在邊緣進行存儲處理和分析（足見物聯網對於在終端側部署人工智慧需求的增長之快），有50%的物聯網的網絡會面臨帶寬的問題。

正是由於物聯網所帶來的海量數據的增長以及對於帶寬的極大挑戰，在終端側部署人工智慧已經變得非常必要。

而且，在終端側部署人工智慧，還有著數據處理的實時性更高、低延時，更低的帶寬需求的優勢。

比如無人駕駛，如果在汽車安裝攝像頭，如果車的前方出現一個行人，攝像頭採集圖象，然後對圖象進行相應的壓縮，壓縮以後通過網絡傳到數據中心，進行拍攝的操作，做出相應的判斷，大家把判斷的結果通過網絡再傳到車輛，再採取相應的制動操作，如果按照這樣的方式，當汽車收到制動指令之前，事故可能已經發生。

所以對於這種類似的對時序性要求比較高的應用，必須在邊緣對數據進行人工智慧的處理。

另外，在終端側部署人工智慧也有利於數據隱私的保護。

因為很多用戶是不希望把數據上傳到雲端的，希望這些數據在本地進行處理，本地處理完以後，上傳的是一些是經過處理完以後的特殊的數據，對隱私保護相對比較高的場景，需要數據也在邊緣進行處理。

英特爾物聯網首席技術官張宇表示：「我們認為人工智慧系統一定是一個端到端的系統，邊緣計算在當中會發生非常重要的作用。

我們看到了邊緣計算在未來的發展趨勢，英特爾公司和我們的合作夥伴，在去年的11月份在國內成立的邊緣計算產業聯盟，我們希望在這樣的聯盟的範疇內，合作夥伴一起探討邊緣計算的參考架構以及一些工程和實踐以及人工智慧今後的發展，為國家智能製造2025年提供相應的參考方案。

」

人工智慧快速落地安防市場

雖然現在各行各業都在導入人工智慧，不少手機廠商也紛紛推出了具有一定人工智慧功能的智慧型手機。

但是，相對於普通消費類終端市場來說，安防市場的人工智慧落地卻要更快一步。

因為，普通消費類終端用戶其實目前並不清楚人工智慧到底能做什麼（可能只知道能做人臉識別），到底能夠給用戶體驗帶來什麼樣的提升，而廠商也不了解用戶對於人工智慧的真實需求，所以人工智慧在消費類終端側的應用，還需要廠商與消費者一起來共同探討，從而解決用戶實際使用的問題。

而對於安防市場來說，用戶的痛點是非常明確的，用戶非常清楚自己需要的是什麼，比如通過攝像頭來更好的進行車輛信息檢測、人員檢測、行為分析等等，而這時人工智慧能夠極大的幫助用戶去解決其實際需求，這也使得人工智慧能夠更快的在安防市場落地。

此前在安防市場，人工智慧主要也是被應用在雲端，對於攝像頭的傳輸到雲端的數據進行分析和處理。

不過隨著用戶需求以及市場的迅速增長，海量的攝像頭帶來海量的數據，這不僅對於雲端的人工智慧計算，也對於網絡帶寬頻來了極大的壓力。

根據研究機構的數據顯示，2017年（應該特指中國）安防視頻數據已經達到了859PB，到2020年IP攝像頭數據量將達1億部，75%是攝像頭將會通過網絡連接。

顯然，隨著這些聯網的攝像頭數量的增長，每天所產生的視頻流數據也將會呈現爆炸式增長。

相對於其他物聯網設備來說，網絡攝像頭所產生的數據更為龐大，原有的單純雲端數據處理方式已經難以滿足需求，再加上安防市場的特殊性，這也使得這個市場對於終端側的人工智慧計算需求更為迫切。

所以，人工智慧率先在安防市場快速落地。

英特爾物聯網首席技術官張宇表示：「隨著視頻技術在安防等領域的廣泛使用，在攝像頭端的視頻處理將成為人工智慧的一大應用。

」

英特爾DSS（Digital Security Surveillance）業務總經理Adam Burns表示，人工智慧在安防領域的應用，無論是準確性和靈活度都有非常大的提高。

在多面孔識別的應用中，人工智慧應用已經達到了更高的準確性和靈活性。

在人工智慧在安防領域快速落地的過程中，中國廠商起了很大的推動作用。

英特爾公司物聯網事業部全球數字安全監控市場總監 Todd Matsler告訴芯智訊：「這已經是我第四年參加安防展了，每一年我在跟客戶討論的時候，都會因為中國市場的發展和技術的推陳出新而感到震驚。

我們和中國客戶交流的時候也常常會說，中國的OEM在把人工智慧技術應用到安防領域上做出了長足的貢獻。

」

Adam Burns也表示：「在美國和中國從2012年到2015年，與人工智慧相關的論文發布數都有了長足的增長，另外跨行業的研究也與日俱增。

為什麼英特爾最近在產品研發和客戶關係上都十分重視中國？因為我們知道中美兩國將會是在人工智慧方面引領趨勢的重要市場。

」

安防領域的AI技術趨勢

除了人工智慧在終端側的部署在安防市場的加速推進之外，對於深度學習和人工智慧在安防領域的應用，張宇博士認為還將會呈現出三大趨勢：1、增強學習正快速應用到安防領域； 2.通過網絡壓縮來解決計算冗餘的問題； 3.未來AI算法將會相對固化，專用的AI晶片和伺服器將得到廣泛應用。

「深度學習和人工智慧是未來的計算浪潮，是已經在改變各行各業的競爭優勢的日益重要的來源。

現在正是把深度學習和人工智慧集成到產品、服務和業務流程中的好時機。

英特爾在安防領域深耕已久，正在將全面的深度學習和人工智慧的產品組合、世界級晶片以及成功地推動之前的重大計算轉型的豐富經驗引入到安防領域，推動安防領域的升級和發展。

」張宇博士表示。

從邊緣計算的角度來看，首先能夠提供的計算力是有限的，另外能提供的功耗也是有限的，因而無法無限制的擴大計算能力，所以一定要有一個最優方法。

專用晶片就是一個解決方式。

目前的人工神經網絡中，將近60%以上的計算是消耗在卷積運算中，通過提升這些專用硬體的方式可以提高整個系統的計算能力。

此外，這種專用晶片架構功耗也是比較低的。

這也是為什麼谷歌要採用TPU這樣的方式來處理AI應用。

對於未來人工智慧算法是否都會晶片化的問題，Adam Burns也表示：「不同的算法在不同的架構之中可能會有一些不同的表現。

我們也看到了許多的算法，比如說這些識別算法和分類的算法在許多開源的或者專有的CPU、GPU、專用神經網絡或者FPGA上都能做的很好的。

但是我們也看到實際上隨著架構的疊代，它們可能會有一些越來越專用的任務，但是有一些比較常見的任務，可能就是現在的安全或者其他的要求，現在有許多的功能已經固化或者內嵌到了一些晶片之中，我們現在也看到在人工智慧方面，現在這個趨勢。

未來一些運算量比較大的，比較具有普世性的一些功能，可能會內嵌在這個晶片之中，如果你要對硬體進行編程的話，可以使用像FPGA這樣可編程的一些處理器進行編程，但是另外也會有一些比較專門的要求是需要在其他的平台上面進行運作的。

」

完整的從端到端的人工智慧解決方案

雖然現在邊緣計算以及在終端側部署人工智慧已經是大勢所趨，但是這並不意味著雲端人工智慧就不需要了、就會走向消亡。

雲端人工智慧它能夠把數據源進行匯總，它能夠做一些更綜合的應用。

張宇博士舉了一個比較形象的例子：比如我們要查找一輛車的軌跡，道路上車的運行信息首先是被攝像頭捕捉到的，但是攝像頭捕捉的範圍是有限的，我們只能觀察一個路口或者一個區域，我們只能知道這輛車在這個區域在什麼時候出現，但是我們並不知道這輛車以後去哪了，或者它之前從哪來，這些信息只有在雲端，雲端能跟很多不同的攝像頭相連，通過這些獨立攝像頭提供的雲端所需的精準的信息，才能夠形成一個更全景的圖。

所以我們看到，如果要給用戶提供一個完整的人工智慧服務和解決方案，一定是一種邊緣與雲端協同的端到端的人工智慧解決方案。

「我們英特爾認為，人工智慧系統會是一個端到端的系統，在這個系統裡面會包含不同的網元，從前端的採集、前端的處理，到網絡，到後端的分析，每個階段對計算和存儲的要求也不盡相同，而且它所能夠提供的能力也是不同的。

比如在前端，我們現在通過專用的Movidius處理器給IP Camera提供了人工智慧的服務，因為IP Camear對於功耗的要求更加苛刻。

到了後端的數據中心，英特爾提供的選擇更多，在深度學習方面我們提供的是英特爾的至強、志強融合，在今年年底的時候我們會發布Nervana最新一代人工智慧處理器的產品，在推理計算我們也有很多的用英特爾的至強加上FPGA的方式進行加速。

因此，不用的網元需要有不同的硬體、軟體解決方案來進行支撐。

」張宇博士表示：「在這方面英特爾所提供的解決方案是非常靈活多樣的，能夠根據用戶的需求提供他最適宜的解決方案。

」

雲端計算平台：Xeon/Purley/Nervana/FPGA

眾所周知，目前在伺服器及數據中心市場，英特爾是絕對的老大。

目前在運行人工智慧運算數據中心伺服器中，英特爾的占有率達97%，提供最具彈性且性能最佳化的系列解決方案。

這些解決方案中包括Xeon處理器與Xeon Phi處理器，以及能支持各種對特定運行負載進行最佳化的加速器，包括現場可編程化邏輯閘陣列(field-programmable gate arrays，FPGA)，以及從Nervana所得到的各種技術創新。

今年7月，英特爾還發布了代號為Purley的新一代伺服器平台，為現在持續演進的數據中心與網路基礎架構所量身設計，提供業界最高的能源效益與系統層級效能，效能比上一代平均高出1.65倍。

在人工智慧不斷增加的工作負載下，Purley平台可提供比上一代高出2.2倍的效能。

可能大家覺得CPU並不適合用來做人工智慧運算，英特爾似乎也意識到了這一點，去年英特爾以4億美元的天價收購了機器學習初創公司Nervana。

經過一年多的整合之後，英特爾將會在今年年底推出一款專為深度學習而打造的神經網絡處理器Nervana(NNP)。

英特爾稱利用Nervana處理器可以幫助不同行業發揮最大的性能，找到自身最大價值。

據了解，Nervana處理器摒棄了原來的標準的緩存結構，而是利用軟體實現內存管理，這樣能夠最大的發揮出其性能。

同時，還設計有高速片外互聯通道，可以讓Nervana處理器實現高速的雙向數據傳輸，多個處理器甚至可以組成一個更加龐大的神經網絡系統，可以實現更大的計算量，幫助客戶快速獲取有用數據。

此外，Nervana處理器還採用了英特爾針對還專為人工智慧設計的Flexpoint運算可以實現標量的點乘和加法，而且這種計算單元可以節省下不少的電路電晶體，因此可以提升處理器的密度，並且減少功耗。

英特爾表示，Nervana處理器並非只有一款，多代處理器正在打造當中，在未來這些產品有助於在2020年實現深度計算數百倍的性能提升。

而第一個合作方就是Facebook，雙方將會深入合作應用。

另外對於人工智慧運算來說，近年來FPGA備受追捧。

相較於目前廣泛被用於人工智慧計算的GPU技術來說，FPGA具有更低的延遲，功耗更低，同時更具靈活性。

比如FPGA可以根據特定的應用去編程硬體，而GPU一旦設計完就不能改動了，所以不能根據應用去調整硬體資源。

此外，從算法的層面來看，人工智慧含有許多智能決策的部分，因此需要有很強的平行運算能力。

這些算法進而對處理器結構產生了不同的需求，像是在神經網絡中，卷積運算強調的是平行運算，適合在FPGA上運行，但在傳感器融合的部分，則比較適合在CPU上運行，因其必須將硬體進行分割，再將不同的算法，放到處理器中。

所以，FPGA CPU這種異構架構成為了一種趨勢，特別適合一些需要智能視覺分析、與雲端大數據結合的智能終端。

從英特爾對這些產品定位來看，Xeon Phi Nervana將用於雲端最頂層的高性能計算，而Xeon FPGA將用於雲端中間層/前端設備的低功耗性能計算。

推理系統：Saffron

2015年10月，英特收購了由前IBM知識管理和智能代理中心首席科學家Manuel Aparicio在1999年創立的人工智慧公司Saffron Technology。

Saffron的技術主要是通過模仿人類大腦工作方式的算法來從龐大的數據集裡提取有用的信息。

但和其他人工智慧技術不同的是，該公司專注於研發自家的「聯想記憶」技術，而非像谷歌和Facebook等重度投資的深度學習類人工智慧。

Saffron技術平台運用記憶式推理技巧，以及對異質資料進行透明化分析。

今年，英特爾還發布首款基於Saffron技術的軟體產品——一款人工智慧防洗錢工具，據稱這是市場首次在金融服務行業中使用關聯記憶人工智慧。

這款名為「英特爾Saffron反洗錢（簡稱AML） 顧問」運行在Xeon至強處理器之上。

英特爾表示，Saffron是一套人工智慧「分析平台」，其能夠面向廣泛的應用場景進行定製，比如供應鏈、銀行以及保險等領域的企業。

終端計算機視覺方案：Realsense/Movidius

早在2014年，英特爾就推出了Realsense 3D實感技術，其模組主要由1個色彩傳感器、1個紅外線傳感器和1個紅外雷射發射器，此外還有1個實感圖像處理晶片組成。

RealSense 3D可以實現深度感知、3D成像/建模、內部映射以及運動跟蹤。

此前已經被應用於筆記本電腦、平板電腦以及一些智能硬體當中。

英特爾主要向合作夥伴提供RealSense 3D模塊，使得合作夥伴可以非常容易的實現3D視覺能力。

去年9月，英特爾收購了計算機視覺晶片公司Movidius，開始加碼終端側的人工智慧布局。

Movidius 在計算機視覺方面有很強的技術積累，這家從 2006 年就成立的視覺計算晶片公司花費了9年的時間開發出了低價低功耗高性能的視覺處理器晶片——Myriad 系列 VPU（Vision Processing Unit）。

目前其Myriad 系列 VPU也被眾多的廠商廣泛應用。

比如大疆的Spark無人機，谷歌剛發布不久的Clips相機都採用了Myriad 2系列 VPU。

今年7月，英特爾推出了Movidius神經計算棒，這是世界上首個基於USB模式的深度學習推理工具和獨立的AI加速器。

其可以直接部署到安防監控攝像頭端，實時的對於視頻流進行人工智慧計算加速。

英特爾表示，外形小巧的Movidius神經計算棒可為廣泛的邊緣主機設備提供專用深度神經網絡處理功能力，從而減少開發、調優和部署人工智慧應用的障礙。

在此次的英特爾智能安防高峰論壇上，包括大華、海康威視等在內的眾多英特爾的合作夥伴，都展示了採用了Movidius神經計算棒實現邊緣人工智慧計算的智能安防解決方案。

工具與標準

除了硬體之外，英特爾在整套人工智慧產品組合中還提供了標準統一的軟體優化和編程工具以及智能API，如在所有英特爾硬體架構中都可以使用到的數學函數庫以及數個深度學習框架，來自Nervana的Neon、和谷歌合作的Tensor Flow以及Theano、Caffe、Torch，同時還發布了深度學習SDK。

這些SDK適用於數據中心的科學家，同時也可以給應用開發者在終端使用。

人工智慧生態建設

為了推動人工智慧生態和標準的建立，英特爾還成立了一個人工智慧諮詢委員會，成員均為AI領域的專家，包括來自加州伯克利大學理論神經系統BrunoOlshausen教授以及來研究神經網絡架構的Jan Rabaey教授，來自史丹福大學致力於研究超級計算機的Ron Dror教授。

此外，英特爾還成立了Nervana人工智慧學院，擁有研究人工智慧的英特爾開發人員專區和面向大學生的英特人校園開發人員計劃，致力於為下一代提供研究人工智慧的資源。

同時，英特爾還與包括谷歌在內的業界知名企業組成了人工智慧聯盟，希望幫助企業IT部門根據業務需求構建開放、靈活、安全的多種雲基礎設施。

去年11月份，英特爾還與華為、瀋陽自動化研究所、中國信息通信研究院、ARM、軟通動力等六家單位共同發起了邊緣計算產業聯盟（簡稱ECC聯盟）。

到今天成員單位已經將近120家。

這個聯盟的宗旨致力於邊緣計算的參考，打通邊緣與雲端的互聯，為2025在人工智慧領域的落地提供力量。

10月20日，英特爾公司的全球戰略投資和收購部門宣布向15家科技創業公司進行總額超過6000萬美元的新一批投資。

新一批的投資使得英特爾投資2017年的投資總額超過了5.66億美元。

獲得投資的這15家公司主要聚焦於人工智慧、3D醫學可視化、零售機器人，以及受人類免疫系統啟發的網絡安全技術等方面。

其中來自中國的地平線公司更是全球嵌入式人工智慧行業的領軍企業。

據介紹，地平線將藉助Intel在CPU、FPGA、5G領域的經驗和資源，加快嵌入式AI硬體架構的研發。

端到端的解決方案

通過此次攜手安防領域生態系統合作夥伴，英特爾完成從前端到後端的人工智慧解決方案全面部署。

其中，英特爾Purley平台打造未來伺服器類標杆產品，英特爾Movidius產品與前端、傳輸、機器視覺等事業部門全面合作，加強深度學習技術的探索與合作，打造端到端的人工智慧平台。

而Nervana系列產品在深度學習訓練平台已經取得實質性成果，結合Xeon至強/Xeon Phi至強融合、FPGA 和前端廣泛應用的Movidius靈活部署方案。

英特爾通過提供端到端的人工智慧解決方案，從硬體、庫和語言、框架、工具到應用方案，包括處理器、存儲和互聯技術等，通過一系列的底層軟體庫以及機器學習算法的創新，驅動人工智慧的創新與變革，為安防行業提供快速、精確和可擴展的高能效解決方案。

「在英特爾看來，人工智慧是一個端到端的系統，需要多重的能力，需要的不僅僅是計算能力，還需要通訊能力。

需要的不僅是硬體，同時需要軟體，提供從硬體到軟體，從前端到後端的完整組合，包括通用處理器，也有專門的從事人工智慧的晶片。

用戶可以根據自身要求選擇。

在存儲方面，我們把SSD的存儲速度提高十倍，在通訊方面，英特爾積極參與各種通訊標準的制定，從物聯網的制定到寬頻領域4G，英特爾是技術和產品的積極推動者。

對於開發人員，在開放的環境中實現自己人工智慧的想法。

」張宇博士總結道。

Adam Burns也表示：「英特爾已經在物聯網的計算領域深耕超過30年，我們的人工智慧技術除了應用到工業機器人、機器視覺還拓展到了醫學影像，能夠提高醫學影像的精度；拓展到了零售業，幫助零售業防盜以及提高績效。

隨著人工智慧技術的發展，英特爾一定也會在視頻安防領域大有所為。

」

作者：芯智訊-浪客劍

_____________________________

更多乾貨、爆料、獨家觀點，歡迎訂閱芯智訊

官方微信公眾號：芯智訊