智能视觉|「浪潮云」安晓博:智能视觉助力数字世界构建

2021年,分布式云成为云计算领域关注的热点。经过一年时间的探索与沉淀,分布式云开始从理论走向实践,诸多云计算头部企业夯实分布式基础设施建设、优化分布式资源调度、开发分布式应用,为构建分布式云打下了坚实的基础。

12月15日,以“引领分布式云变革 助力湾区数字经济”为主题的全球分布式云大会在深圳隆重召开,本届大会由全球分布式云联盟、深圳科技交流服务中心、深圳市通信学会、众视Tech联合主办。组委会携手阿里云、腾讯云、Google Cloud、华为云、蚂蚁集团、浪潮云、金山云等海内外顶尖云计算团队和分布式云先锋企业,为粤港澳大湾区数字经济发展注入分布式云动力,更将中国分布式云计算发展推上全新高度!


在16日下午举办的分布式安全存储论坛上,浪潮云高级架构师 安晓博发表了题为《智能视觉助力数字世界构建》的精彩演讲。
智能视觉|「浪潮云」安晓博:智能视觉助力数字世界构建
文章插图

安晓博介绍说,智能视觉已经成为感知物理世界、构建数字世界的重要的技术手段。在新产业、新业态、新商业模型经济建设的背景下,智能视觉广泛渗入数字政府、智能交通、智能制造、智慧金融等各行各业经营管理的主要环节,产业化和规范化发展十分迅速。

但是,目前业界基于智能视觉的应用在实际落地过程中还存在种种困境。首先,智能视觉应用细分领域多样,场景化需求复杂,造成开发落地周期长。

浪潮云深入分析了14个行业领域160多种智能视觉的应用场景,场景化需求占将近90%,意味着能够使用通用基础算法应对的应用场景仅占一成。

安晓博举例说,基于智能视觉的安全生产、质量监测算法在各行各业均有应用,但是不同行业、不同企业对算法应用的需求不尽相同,包括参数指标、环境、流程等;即便是应用最为广泛的人脸识别算法,面对刷脸支付、考勤签到、会员识别、相册分类、人脸布控等多种场景,云服务、智能终端、小程序等众多载体形态,业界也无法做到无差别迁移复制。因此根据不同的应用需求,开发人员需要做大量的场景化适配工作,完成算法开发到落地应用场景这最后一公里往往步履维艰。

另外,智能视觉领域的业务数据规模庞大,多源异构特征明显,并伴随序列性、关联性、实时性等特点,数据处理难度极大。

目前我国现存的视觉采集设备已经超过5亿台,每年产生的数据量超过ZB级,这些数据来源于不同类型的视觉采集设备及业务信息系统、互联网等多个领域,包含人脸、行人、车辆、物品、场景、场所等不同种类的分析对象,并且以视频、图像、语音、文本、时空信息等多种模式形态存在,使得海量、异构的智能视觉数据处理成为行业应用的迫切需求。

同时,智能视觉的数据呈现序列性及实时流动的特点,数据之间存在时间及空间关联性,甚至某些领域还存在业务流程及逻辑关联性,进一步加大了智能视觉数据分析处理的复杂性。

智能视觉|「浪潮云」安晓博:智能视觉助力数字世界构建
文章插图

浪潮云与各行各业的客户共同成长,在智能视觉领域逐步形成了完整的产品体系,并积累了一些最佳实践经验。

针对智能视觉应用场景落地难的现状,浪潮云基于AI Native打造了智能视觉工程化引擎,面向开发者提供算法训练、算法集成等一站式视觉分析应用开发服务;同时,预置在各行各业长期积累提炼的100多种算法模型,面向行业客户提供“预训练+微调”的AI生产赋能模式。