隨著技術(shù)水平的不斷提升以及在社會生活各個(gè)領(lǐng)域中的應(yīng)用，人工智能已經(jīng)不再被視為一種“魔法”，而成為賦能社會各行各業(yè)的生產(chǎn)力。百度創(chuàng)始人李彥宏坦言，現(xiàn)階段“人工智能不再講究酷炫，而是要講究如何扎扎實(shí)實(shí)地推進(jìn)和落地�！�

如果說AI是蒸汽機(jī)與內(nèi)燃機(jī)，那么AI算力則是“煤炭與石油”——AI 應(yīng)用建立在算力之上，若沒有算力可“燒”，AI將是空中樓閣。OpenAI的一份全球AI算力供需研究報(bào)告顯示，AI算力需求量每三個(gè)半月就會翻一番，從2012年到2018年，全球算力需求增長了30萬倍。

算力缺乏阻礙智能攝像頭發(fā)展

交通、零售、物流、智慧城市……傳統(tǒng)的安防行業(yè)正因?yàn)槿斯ぶ悄芏�拓展到更多維度。然而，當(dāng)下AI算力卻捉襟見肘，無法滿足特定計(jì)算需求。受到算力、算法和技術(shù)標(biāo)準(zhǔn)等因素的制約，安防監(jiān)控視頻的快速處理和深度利用仍需要大量使用人工分析。

算力的缺乏也導(dǎo)致智能安防攝像頭普及速度低于預(yù)期。目前常見的智能攝像頭大多應(yīng)用于基本監(jiān)控場景，要對復(fù)雜場景進(jìn)行多目標(biāo)的實(shí)時(shí)識別和分析，終端算力還無法支持。因此，目前的攝像頭可以算作前端智能化，而非智能前端化。當(dāng)然，也可以將視頻送到云端去處理，但這樣又會帶來高延遲和數(shù)據(jù)安全性的問題。

“未來的市場必定是數(shù)據(jù)規(guī)模和計(jì)算能力的角逐�！� 浪潮商用機(jī)器有限公司OpenPOWER產(chǎn)品營銷部總監(jiān)張琪表示。誰能夠在解決算力不足問題的同時(shí)又能夠更好降低功耗與成本，誰就能在AI浪潮下占領(lǐng)安防鰲頭。

多技術(shù)結(jié)合緩解難題

AI算力不足的問題正在不斷被相關(guān)企業(yè)解決。例如集合了云端計(jì)算、邊緣計(jì)算、端側(cè)計(jì)算的一體化部署方案，能一定程度上緩解攝像頭算力不足的難題。

AI無論應(yīng)用于消費(fèi)還是行業(yè)場景，其未來的算力是多點(diǎn)協(xié)同性質(zhì)的。這就要求針對不同問題場景提供不同解決方案，這些方案需要能夠解決針對異構(gòu)的適配能力和遷移能力，以便更好地前向兼容。

例如某些To B場景中，將攝像頭額外疊加AI算力形成“胖終端”，通過外設(shè)將圖像識別置于本地，一方面降低時(shí)延，一方面減輕了對于網(wǎng)絡(luò)連接和容量的需求。

這些方案的設(shè)計(jì)本質(zhì)上就是要解決一個(gè)問題——分配好終端和云端分別需要完成的任務(wù)。但業(yè)界對AI算力應(yīng)更多部署在前端還是后臺尚無統(tǒng)一意見。

將合適的算力放到合適的位置

要解決好算力問題，安防領(lǐng)域需要云邊端協(xié)同發(fā)展，將合適的算力放到合適的位置。當(dāng)然，算力并非孤立存在，其他因素也將影響算力的使用。例如若沒有進(jìn)行存儲優(yōu)化，那么芯片實(shí)際能夠提供的計(jì)算力其實(shí)會大大低于理論值。

那么，如何分配算力并平衡好其他影響因素？�？低�視的AI Cloud架構(gòu)或許可以提供思路：利用云計(jì)算中心彈性分配計(jì)算服務(wù)器、存儲服務(wù)器的資源，夠按需調(diào)度智能算法和大數(shù)據(jù)算法。

由于人工智能技術(shù)整體發(fā)展還處于初級階段，智慧安防行業(yè)也隨之面臨很大的不確定性，而這也為各種安防企業(yè)提供了巨大的舞臺，舞臺上將呈現(xiàn)怎樣精彩的表演？令人期待！