人工智能如何落地安防?需先迈过算力这一关


  随着技术水平的赓续提拔以及在社会生活各个领域中的应用,人工智能已经不再被视为一种“魔法”,而成为赋能社会各行各业的生产力。现阶段“人工智能不再讲究酷炫,而是要讲究如何扎踏实实地推进和落地。”

  假如说AI是蒸汽花键轴机与内燃花键轴机,那么AI算力则是“煤炭与石油”——AI 应用建立在算力之上河北人事考试中心网,若没有算力可“烧”,AI将是蜃楼海市。OpenAI的一份全球AI算力供需研究报告表现,AI算力需求量每三个半月就会翻一番,从2012年到2018年,全球算力需求增加了30万倍。

  算力缺乏阻碍智能摄像头发展

  交通、零售、物流、伶俐城市……传统的安防行业正由于人工智能而拓展到更多维度。然而,当下AI算力却左支右绌,无法知足特定计算需求。受到算力、算法和技术标准等因素的制约,安防监控视频的快速处理和深度行使仍必要大量使用人工分析。

  算力的缺乏也导致智能安防摄像头普及速度低于预期。目前常见的智能摄像头大多应用于基本监控场景,要对复杂场景进行多目标的实时识别和分析,终端算力还无法支撑。因此,目前的摄像头可以算作前端智能化,而非智能前端化。当然,也可以将视频送到云端行止理,但如许又会带来高耽误和数据安全性的题目。

  “将来的市场必定是数据规模和计算能力的角逐。” OpenPOWER产品营销部透露表现。谁能够在解决算力不足题目的同时又能够更好降低功耗与成本,谁就能在AI浪潮下霸占安防鳌头。

  多技术结合缓解难题

  AI算力不足的题目正在赓续被相干企业解决。例如荟萃了云端计算、边缘计算、端侧计算的一体化部署方案,能肯定程度上缓解摄像头算力不足的难题。

  AI无论应用于消耗照旧行业场景,其将来的算力是多点协同性子的。这就要求针对不同题目场景提供不同解决方案,这些方案必要能够解决针对异构的适配能力和迁移能力,以便更好地前向兼容。

  例如某些To B场景中,将摄像头额外叠加AI算力形成“胖终端”,通过外设将图像识别置于本地,一方面降低时延,一方面减轻了对于网络连接和容量的需求。

  这些方案的设计本质上就是要解决一个题目——分配好终端和云端分别必要完成的义务。但业界对AI算力应更多部署在前端照旧后台尚无同一意见。

  将合适的算力放到合适的位置

  要解决好算力题目,安防领域必要云边端协同发展,将合适的算力放到合适的位置。当然,算力并非孤立存在,其他因素也将影响算力的使用。例如若没有进行存储优化,那么芯片现实能够提供的计算力其实会大大低于理论值。

  那么,如何分配算力并平衡好其他影响因素?AI Cloud架构或允许以提供思路:行使云计算中间弹性分配计算服务器、存储服务器的资源,够按需调度智能算法和大数据算法。

相关新闻

< 1234...24 > 前往