泛安防時代下的商業機會

泛安防時代下的商業機會 | 公開課回顧

泛安防時代下的商業機會 | 公開課回顧

商業模式探討

上週,雷鋒網AI掘金志邀請到了雲天勵天首席方案總監王軍做客雷鋒網公開課,以“泛安防時代下的商業機會”為題進行了乾貨分享。

後續將有更多課程上線,添加微信號 suekee777 報名聽課。

王軍認為,泛安防時代,物聯網、5G、大數據、人工智能等技術的應用與結合會讓未來變成全數字化連接的世界,全數字化漩渦將會顛覆所有的行業,並給客戶帶來三大核心價值:成本價值、體驗價值、平臺價值。泛行業的具體落地可以從從五個模型思考:價值鏈、場景數據、模型訓練、低成本、高效率。在這個思路框架上,王軍分享了八個不同場景的落地方案。

以下為王軍分享內容節選,雷鋒網AI掘金志做了不改變原意的編輯。

未來已來,人類將進入第四次工業革命,縱觀四次革命,第一次,機器驅動人力和畜力,即機械化,第二次電氣時代,大規模生產,極大解放了生產力,第三次數字革命,製造自動化,第四次,AI產生,邁向智能化社會化。四次工業革命的底層邏輯就是從機械化、電氣化、數字化到智能化的轉變。

泛安防一個典型的特徵,我把它叫做“全數字化連接”,它實現了物理空間與信息空間的連接,在信息空間完成數據加工後反哺,反向推進物理空間的進化,構成正向循環。

具體來說,物聯網採集數據,在感知層完成數據感知;然後是數據傳輸。過去安防很大一個痛點就是傳輸,5G建設能很好地解決這個問題,5G和物聯網是相輔相成的,5G會帶動互聯網的繁榮,互聯網也促進5G更大規模的使用;

數據傳輸到信息空間後,移動互聯網裡,社交協作、雲計算、大數據完成一個數據存儲,人工智能生俱來儲備大數據的能力,它從大數據裡面挖出有價值的東西,然後再來反哺物理空間,推動機器人和AR/VR的成熟,於是機器人和AR/VR採集更優數據,再來推動物聯網的進一步繁榮。

所以全數字化後的安防機會更大,拓展到全領域的數字化。

泛安防時代的業務趨勢和商業模式

業務趨勢

  • 物聯網

比如傳統零售行業,POS機數據是唯一的線下數據獲取源,商家對顧客逛了多久、喜歡什麼樣的產品、看過什麼商品一無所知,而物聯網將線下零售實體店數字化,尋找數據規律並優化,為更多的客戶服務。

  • 5G

4G改變生活,5G是要改變社會的,因為它的三大特點。

增強型,即超大帶寬,峰值能達到20GB;海量連接,它可以支持100萬臺設備連接/平方公里,什麼意思?可能未來一個井蓋、一棵樹、一個路燈都有各自的IP地址,萬物互聯成為可能;超低時延,為什麼我們戴VR會頭暈,因為延遲跟不上。像自動駕駛、遠程醫療、工業自動化等對時延要求特別高。未來這三大特點將極大改變我們的社會。

  • 移動互聯網

其在全球有將近2萬億的市場,要用流量思維服務線下。對於線下零售商,他們可以模擬線上流量思維,瞭解進店率、停留時間、消費金額,精準瞭解客戶情況。

  • 大數據

傳統大數據並沒有很好利用,主要是數據質量不佳,其次數據模型沒有真正意義上的突破,只是從宏觀去統計,不能精準指導行動,比如深圳男性佔58%,女性42%,這個數據好像也有點用,但實際落地怎麼用?

傳統企業建了很多數據庫,全是一個個“小煙囪”,每個煙囪都意味著部門權力,相互之間不相往來;移動互聯網模式很火,但像小程序跟其他數據庫連不通;企業擔心只用一個雲會被控制,所以很多廠家騰訊雲、阿里雲、華為雲都用,可想而知這幾家雲也想進行協調。

在這三股勢力交織之下,興起數據中臺概念,在大數據基礎上建立數據中臺,讓數據充分利用起來。它像我們的廚房,把菜洗乾淨,然後進行分門別類,好的菜就是有價值的數據。把傳統的數據資產化管理,實現服務化,並最終轉化成利潤。

  • 人工智能

我認為人工智能在未來10年內具備七種顛覆社會的力量。

  1. 自動化處理。去年有部紀錄片叫《美國工廠》,美國人對中國人有意見,覺得是中國人搶了他們的工作,其實是工廠的自動化搶了美國人的工作。

  2. 數字痕跡分析。萬事萬物都有痕跡,利用一人一檔甚至一物一檔,有了檔案後,基於檔案數據可以挖掘出海量信息,優化客戶體驗。

  3. 增強員工能力,給予實時個性化信息提醒,提高生產力。比如,人工智能助手提醒某警察,“按照我的判斷,今天在蓮花山這個片區西面會有很多人,小偷盜竊案風險較高,建議你加強這方面的巡邏”。

  4. 擴大服務市場。人工智能帶來效率的極大提升,工時減少帶來價格下降,價格下降意味著產品普及,普及帶來更廣泛的使用,即需求。所以人工智能會帶來更低的成本、更高的效率。

  5. 人工智能會帶來更多發現與創新,它會發現很多暗知識,拓展新領域,開發新產品,帶來全新的服務。比如罕見癌症的誘因,新冠疫苗的研發。

  6. 機器人。機器人未來有可能替代人類很多工作,但我們又想機器人為我們服務,人類有他們沒有的創新意識。

  7. AR/VR。目前AR的刷新率和分辨率不夠,VR跟身體的互動不一致。但未來AR發展會越來越好,它能鎖定人群,根據地點推薦合適客戶的內容,在現實畫面上疊加元素。蘋果最近發佈的iPad就在後面的攝像頭增加了一個雷達模組,未來AR領域應用會更多。

未來全數字化漩渦將顛覆所有行業。以上七股全數字化領域勢力如果融合在一起,會形成一個巨大的黑洞,並且不同行業在運行的過程中,完成分解、重組,形成新的模式。

業務模式

全數字化給客戶帶來三大核心價值,包含15種業務模式。

成本價值。人工智能、全數字化帶來低成本。比如,買家集中,淘寶把無數的賣家吸引到APP上;價格透明;逆向競拍,拼多多模式,集中買家,以買家的數量逆向擠壓上游商家,倒逼成本下降。

體驗價值,不停提升消費者的體驗。客戶做主;定製化服務;即時送達;還有一鍵下單、自動化處理;化繁為簡。

平臺價值。阿里、華為已經建立很大的平臺了,未來所有的企業都要建立好自己的平臺,下面這個傳統行業轉型分析的表格,首先要對行業未來做預估。比如說我認為書城未來會變成一個線上線下一體的,電子書和實體書混搭的系統,甚至未來書城平臺不是學習的地方,而是城市聚會的場所,是一個生態家園,就像日本的一個鳥屋,大家一起交流,找朋友。

所以如果你要轉型,找到15個對你現有模式的威脅,找到應對的戰略。

泛安防时代下的商业机会 | 公开课回顾

數字化轉型三大核心價值(15種模式)來自思科

探尋行業商業機會的思路框架

我認為思考人工智能全數字化落地需要從五個框架入手。

  1. 價值鏈。行業的價值鏈是什麼樣,正常運營是什麼樣子的。

  2. 場景數據。找到場景數據,提煉出數據模型,時刻記住要更低的成本,更高的效率,唯有性價比才是王道。

  3. 模型訓練。在場景數據和價值鏈基礎上通過精準算法進行模擬訓練。

  4. 低成本

  5. 高效率

  • 智慧社區行業價值鏈分析

我們在探索智慧社區中得到一個重要的經驗教訓。像恆大、萬科這種有格調的社區,不是我們的目標,反而是老舊城中村才是,這些社區可能存在大量陌生人,我們提出一人一檔,它未來可能會成為智慧城市的核心技術。

社區所有人、物的運行可以通過識別環節變成數據,把數據匯成一個整體,找到規律,給小區提供精準的服務。比如老人看護、小孩走丟快速找回等等,都是為了給住戶提升居住價值。

從出入口、單元樓、樓棟、車輛收費出入口、人行道不間斷採集信息,用檔案進行匯聚,和居民身份證、在逃人員、數據庫、水電煤氣等數據進行互動,完成信息的聚合,然後分析,提供更多服務。

舉個例子,302的老太太三天前進入樓棟了,但是她家水電煤氣三天沒有變化,分析老太太可能出事了,趕緊給小區保安提醒,到302家看一下,這才是好的應用。

未來智慧社區會結合房、車、事形成以人為核心的關係圖譜。

  • 製造業價值鏈分析

製造業現在沒有智能化,未來有很大的市場,主要有兩大應用。

機器,要時刻監控機器噪音和運營數據,分析機械運營情況,判斷機器是否出故障,一旦發現問題,第一時間停下來做維護保養;協調機器之間的生產協作,為一些高價值的客戶提供一些個性服務。

  • 醫療健康行業價值鏈分析

未來我們身上會穿戴很多傳感器設備,手機、蘋果手錶、手環,這些傳感器採集我們的生命數據:脈搏、血壓、血氧、血糖等等。根據數據,結合經驗分析和人的干預,掌握人的患病傾向,提供精準的預測及預防對策,這個是剛需,所以醫療領域未來會有大的爆發點。

  • 智能家居價值鏈分析

智能家居未來會在家電裡安裝傳感器,以此分析我們的生活習慣,給我們提供照看、提醒等日常服務,讓我們享受無微不至的照顧。智能家居目前行業還處於探索階段,到底是音箱、路由器、電視接口還是其他的東西,在等待大家開拓。

典型場景實際應用案例分享

接下來我講一下我親身實踐過的八個場景,不敢說很全,但是貴在真實。

  • 平安城市

平安城市是公安自建攝像頭,通過分局到市局完成視頻匯聚,但是海量視頻在市局層面如何被快速查找到是一個痛點。大家別小瞧這一點,很多公安幹警為了找到犯罪嫌疑人的短短10秒鐘視頻,累倒在崗位上。

那如何提升運作效率呢?

雲天勵飛最初也是分析視頻,後來發現此路不通。一是視頻質量不好,不能做智能分析。傳統攝像頭部署的高度都是4米以上,很高,且主要是範圍抓拍,不擅長抓人臉;二是速度慢,視頻量太大了,對性能消耗太高了。

雲天創造性地採用一種方法,在前端相機裡增加抓人臉功能,前端相機在傳送視頻流時,把視頻流里人臉照片切出來,送給後端,在平臺上分析照片,照片不到一兆大小,分析速度極快。

動態人像識別實現時空追溯的原理是,通過動態抓拍進行人像採集,人像檢索進行億萬人臉秒級定位。性能是最大的功能,一定要快。

人像布控階段,根據公安30萬的全國逃犯庫,進行重點人員查詢,1:1、1:N比對軌跡,一旦發現犯罪嫌疑人,立即報警。

數據挖掘,我們運用數據挖掘做同行分析、徘徊分析、碰撞分析、場所分析等,曾在龍崗破獲了一起自行車盜竊團伙案,抓捕了300多人。通過動態和靜態人像結合,過去幾年我們幫助深圳公安破了將近萬起的案件,有力保障了深圳的平安。

在深圳,我們已經建成了全世界最大的城市級動態能像系統,三秒鐘內可以定位某人過去一年在深圳的時空軌跡。根據時空軌跡,點擊某張照片可以跳轉到對應的視頻,這極大地提升了公安的辦案效率。

現在的應用都講視頻結構化,其實就是視頻分析,未來會形成全視頻結構化,即多維信息的整合應用。比如人臉+人體組合搜索,以人搜車,以車搜人多方組合完成破案。全視頻結構化在算法上還沒有真正意義上的突破,但這個絕對是一個大方向。

平安城市另一個問題是傳統社會資源和公安的對接。公安想要實現“發生問題快速找到人”,我們建議與運營商合作,運營商5G網絡是很好的渠道,可以由政府牽頭,運營商給商戶提供補貼,在酒吧、旅館等三小場所裝具備視頻傳輸和人臉抓配功能的攝像頭,這些視頻先傳輸到運營商的雲端保存一段時間,把人臉也給公安備份,這樣公安可以快速覆蓋。

  • 城市級智慧路燈

5G帶寬變寬後,波長變短,所以5G的基站會很密,在城市裡部署大量基站操作難度很大,所以路燈成為很好的載體,未來路燈會成為智慧城市的核心抓手。基於智慧路燈的城市管理將具有監控聯動、人像識別、智能告警以及便民服務整合到一起。比如擺攤告警、車輛過載告警、欺凌告警;同時提供一些問詢、汽車充電等服務。

  • 行人闖紅燈

傳統交警難以高效解決行人闖紅燈問題。我們提出了一個解決方案。在路對面安裝與信號燈相連的高倍人臉抓拍機,紅燈時,抓拍人臉,判定身份,體現及時反饋對行人的威懾效果。

  • 智慧校園

保安如何識別來往的人,學校如何統計在校的情況,提升校園管理效率。首先在校門口,學生到校和離校給家長一個提醒;大門口給保安提醒,校內人亮綠燈,陌生人亮黃燈,嫌疑人員亮紅燈;後勤領域做歸寢統計,盜竊報警。

  • 新零售

對商場管理者,新零售幫助其更好地經營,對店鋪實現有效導流,對顧客更精準的服務。將物理世界中顧客行為轉化成信息世界數據,打通線上線下流量,精準營銷,比如某人一個月去了八次某餐館,餐館可以給此人優惠折扣。為顧客做多維度數字化標籤。這實質是一個數字中臺,通過事實標籤、模型標籤、預測標籤對客戶進行全方位的洞察,比如單身還是情侶,是否有潛在需求。

  • 人臉測溫門禁

主要在四個方面應用,出入管控,進出大廈員工人臉識別,出入身份權限核驗; 訪客管理;無感考勤;會議簽到等。

雲天勵飛的人臉識別測溫面板機出於幾個考量,第一,對平臺的選擇,考慮到安卓系統運行速度較慢,散熱和穩定性不太好,我們用選擇用Linux操作系統,穩定性非常好。

第二,採用自己的芯片,好處是可以在芯片、算法和軟件上調優。比如,對活體調優,實時的跟蹤;在5萬人臉情況下,0.2秒99.99%快速高精度識別,並且性價比高。增加了紅外測溫模組,我們可以在30度~45度範圍下,在100毫秒內完成誤差0.2攝氏度以內的測溫。

  • AI互動屏

未來人工智能一個最明顯的特點就是千人千面,所以未來設備上面會有攝像頭,抓取人臉,進行信息動態交互。

我給深圳書城做過一個AI交互屏產品,有4個功能,根據抓取的人臉數據做個性化智能分析,推薦4本合適書籍;信息推送功能,在區域內向讀者推送每日精句,未來還會推送書籍、排行榜;給讀者提供快速搜索圖書功能;互動遊戲。這種交互屏未來會有越來越多個性化的服務,實現千人千面。

  • 工業檢測

判斷產品是否有瑕疵,沒有瑕疵的可以進行精準檢測,極大提升檢測效率,未來會在工廠很多領域得到應用。比如,深圳一家淤泥處理廠,上游加了藥水,我們對下游照片進行算法分析,將實際照片與標準照片對比,判斷上游藥水量是否合適,並據此調節,這是非常典型的一個監測案例。

未來算法訓練會呈現傻瓜化趨勢,即公司信息化管理人員不需要太多專業知識,通過採集一些照片標註,就可以訓練出一個簡單的算法來部署使用。所以未來會有無處不在的算法、無處不在的智能、無處不在的芯片。

雲天勵飛成立於2014年,致力於通過AI技術進行物理世界的結構化,打造數字孿生城市。作為深圳人工智能獨角獸企業,芯片、算法、大數據平臺三位一體,目前在公共安全、社會治理、新商業、AIoT等領域均有業務佈局,與此同時,以青島、成都、長沙、南京、杭州、上海、北京等10個城市為燈塔,業務輻射到全國及東南亞地區100多個城市。2018年,雲天勵飛獲得了被譽為“中國科學技術最高獎項”的吳文俊人工智能科學技術獎。

【後續將有更多課程上線,添加微信號 suekee777 報名聽課,或收看本節課程視頻。】

泛安防时代下的商业机会 | 公开课回顾泛安防时代下的商业机会 | 公开课回顾
泛安防时代下的商业机会 | 公开课回顾泛安防时代下的商业机会 | 公开课回顾


分享到:


相關文章: