依圖科技 CEO 朱瓏：我們是如何做智慧城市的？

新舊血液不斷融合，舊規則被打破，新邊界因此擴寬。

作為最早一批闖入泛安防戰場的 AI 公司，依圖歷經七年磨礪，先後參與全國近 300 個地市的公共安全建設，終於在前排段位中獲得一席之地。

依圖同時有著傳統安防公司低調收斂的一面，在這個封閉而殘酷的市場，少說多做永遠是第一準則，所以我們很少看到依圖對外談起安防業務。在今天的廈門人工智慧峰會，朱瓏首次系統性地對外解構了當下依圖佈局智慧城市的核心思路，同時透露了將在廈門市推進智慧城市業務的計劃，值得琢磨。

1、從影片和攝像頭的角度來看，智慧城市的管理分為五個等級，從最簡單的代替人記錄、可追溯，到可檢索，可關聯，再到可預判、代替人的決策，最後可規劃、代替人統籌。

2、智慧技術要往下躍遷，最重要的就是提升基礎設施，而智慧技術的基礎設施就是資料、演算法、儲存、算力和傳輸。

3、城市智慧的提升以基礎設施的提升為驅動，比如增加感知的密度，增加演算法的識別能力……逐步累積就能在整個城市規模上實現智慧等級的躍遷。

4、智慧密度的提升分為宏觀和微觀兩個角度。宏觀上，單體智慧要變成群體智慧，識別的內容要匯聚在一起才能形成新的大的智慧體。微觀上，要普及成從一個算力到 1 萬個，甚至 10 萬個，算力要急劇提升，才能有經濟性，高價效比的基礎才能夠普及開來。

以下為朱瓏演講內容，經機器之心編輯。

我先簡單介紹一下我的背景，從中能看出美國研究人工智慧的不同學派。我在美國待了十年，我的三位導師，一個是學理論物理出身的 Alan Yuille，他也是霍金的學生。第二個是我在麻省理工大學人工智慧實驗室讀博士後的老闆 Bill Freeman，他也是在今年 4 月人類首次拍攝到黑洞照片研究小組的領導者。

第三位大家可能比較熟悉了，紐約大學教授 Yann LeCun，他是推動這一輪人工智慧浪潮興起的技術——深度神經網路的其中一位奠基人，他也因此獲得了 2018 年的圖靈獎。由此可見，在美國從物理到深度神經網路再到腦科學，不同領域的頂級專家都在研究人工智慧，他們推動了過去幾十年人工智慧的發展，讓 AI 有了今天這個基礎。

那麼，人工智慧現在處於一個怎樣的狀態？

剛才高文院士有講到人類智慧的演化用了大約 630 萬年。我總結了人類文明的變遷：600 萬年前，人類從直立行走到形成了最原始的社會形態用了，再到 1 萬年前的農業革命，工業革命我們花了 200 年，而人工智慧從一九五幾年開始到現在，也就 60 多年的時間，人類的文明史或者是地球的文明史大致就是這麼一個歷史。

從眼睛看到這個世界的感知智慧到語言也即認知智慧的誕生，到今天很可能出現一個新的物種，那就是機器，它慢慢地具備了人類的智慧。這裡有兩條曲線，黑色的表示從生物自然界產生的人類的智慧曲線，另一條金色代表機器的智慧曲線。 當機器的智慧曲線與人類的智慧曲線交叉甚至超過的時候，文明的形態會是什麼？這非常值得我們遐想和憧憬或者是思考。

我今天給出最重要的一個觀點就是， 文明的變遷靠的是科技的推動，科技推動就是基礎設施的革命。 這裡我列了一些不同文明時代的基礎設施，從剛才談到的發明火到使用文字，農業文明時期有了輪子、道路；工業文明出現了蒸汽機、內燃機，有了鐵路；資訊文明，也就是我們過去 30 年的網際網路時代，出現了計算機、PC、網際網路、手機，人類克服了時空的障礙。這幾個最重要的基礎設施的變革，導致了文明的變遷。

我們現在處於什麼時代？我們這個時代的基礎設施又是什麼呢？過去 30 年，CPU 運算能力提升了 100 萬倍，儲存能力也提升了 100 萬倍，通訊能力也即資料的傳輸速度提升了 100 萬倍。 我們現在是站在過去 30 年的基礎上來看接下來發展的基礎。

智慧時代只談開始的時間可能定義得不清楚，這裡只談 2019 年回溯回去的過去五年，我們發生了什麼、五年前是什麼。

AlphaGo 在 2015 年的時候戰勝人類棋手的那一天，也是機器以計算機視覺為代表超過人類的那一天，大家可能記憶猶新。人工智慧現在已經非常火了，但就是這火的過去五年，機器又發生了什麼呢？

機器的演算法水平又提升了 100 萬倍，什麼意思呢？就是人臉識別為代表的錯誤率又下降了 100 萬，它可以從 1 萬人當中識別、1000 萬人當中識別、 1 億人當中識別出你，10 億人當中識別你，甚至 20 億人當中識別你，這是已經看似超過人類的那個時刻之後，它又提升了 100 萬倍，算力提升了 10 萬倍。

從過去我們用 1 萬量級規模的資料做訓練，到百萬規模的資料做訓練，到現在用 10 億的資料集做訓練，又提升了 1 萬倍，速度是非常快的。

基礎設施現在處於一個什麼水平？當前發展了這麼多，AI 處於什麼樣的一個水平呢？

我這裡用比較通俗的語言講：人不需要思考、本能地一眼瞄過去，能看見的、能說清楚的、能看懂的，這也是機器可以看到的；比如說這裡有人，有座位，這個是機器可以看清楚的。但這麼遠要識別清楚，可能有點難；比如這裡有多少個人？可能要數一數，誰跟誰近，可能要想一想，機器還不一定能做好。機器可以聽懂什麼？

能聽懂一句語音識別，但理解一句話、一個段落可能就變得困難，對一個文章的理解還比較困難。非常低階的智慧機器已經可以或者接近可以了。 我們覺得智慧要往下躍遷，最重要的就是提升基礎設施，我後面會講基礎設施是什麼。

我把機器智慧分成幾個階段：

第一個就是記錄功能，沒有任何的識別能力；第二級是可識別，比如說攝像頭能識別人臉；到第三級可關聯，不同的攝像頭之間識別出來資訊之間的關係是什麼？怎麼判斷？這是有關聯性；第四個是可預測、可預判；第五個是可規劃。大概分這個級別。

我們覺得智慧的提升是在基礎設施的提升上。我舉城市管理的一個例子，因為城市管理當中包括安防攝像頭的覆蓋，把剛才講的五級智慧做一個分類，從最簡單的代替人記錄、可追溯，到可檢索，可關聯，再到代替人的推理，代替人決策，最後到代替人統籌。

右邊這一列是說達到這些級別的提升，我們要怎麼做。攝像頭規模從稀疏分佈到 20 萬級別、人員覆蓋從重點人員進出到人群行蹤的跟蹤，從主幹到到網格化密度。這裡可以看到我們的感知需要增加密度，我們的演算法需要增加識別的能力，慢慢地就在整個城市規模上，有智慧等級的躍遷。

這是一個空間佈局的感覺，當密度達到一定程度的時候，就可以在空間上或者一個關鍵場所的圍欄上，形成自己的新的高階的智慧，比如看軌跡怎麼發生、事件怎麼建模。

我們提了一個概念：基礎設施提升的關鍵在於，提升一個區域或者一個城市的智慧密度。 分兩個維度來解釋，一個是宏觀上，單體智慧要變成群體智慧，一個攝像頭的智慧要變成 1 萬個攝像頭的智慧，他們之間識別出來的內容是能夠匯聚在一起，能夠形成一個新的、大的智慧體。

微觀上，要普及成從一個到 1 萬個，甚至 10 萬個，微觀上的算力要急劇提升，才能有經濟性，或者說價效比較高的基礎能夠普及開來。

這是我們今年 5 月份釋出的 AI 晶片，這是雲端的一個視覺晶片，一塊晶片能夠支撐 50 個攝像頭的算力，那一臺 1U 的伺服器可以支撐約兩百路攝像頭的算力，比同類的市面上最先進的英偉達的方案提高 5 到 10 倍的價效比。

一個是它的能耗降低了非常多，空間降低了非常多，降低多少呢？

一個機櫃能夠支撐一萬路攝像頭的全解析的功能，且機櫃中有空間的限制、電的限制、能源的限制、算力的限制，這是在一個城市在做城市的智慧等級的提升上面，有了非常重要的基礎設施的準備。由此，我們就可以開啟城市管理的豐富的場景。

這裡列了大概 18 個場景，包括機場、火車站等等，可以解鎖更多的應用。我們認為，今天從演算法的成就到演算法的提升，到我們整個城市或老百姓都能感知到，點亮 AI 就是要在基礎設施上做重大的提升。

除了剛才高院士提到的人才資本和政策以外，我們認為基礎設施就是資料、演算法、儲存、算力和傳輸，一定會在未來的幾年會進一步以三倍、十倍的速度再加大速度提升，這才是革命性的，這個會讓智慧文明更快速的到來。

這是我們的一個小小的願景，也是希望能夠在廈門以 10 萬路的視覺中樞為基礎，助力廈門成為全球智慧密度最高、智慧等級最高的城市。謝謝大家。