旷视那正平：起底城市大脑下的「条」与「块」 | AI 安防峰会

2020年9月5日，由雷锋网 & AI 掘金志主办的第三届中国人工智能安防峰会，在杭州正式召开。

本届峰会以「洗牌结束，格局重构」为主题，会上代表未来新十年的15家企业，为现场1000余位听众和线上几十万观众，分享迎接安防新十年的经营理念与技术应用方法论。

在下午场的演讲环节上，旷视副总裁、城市业务事业部产品总经理那正平为峰会带来了精彩报告。

那正平表示，城市治理数字化、智能化浪潮中，无论是智慧城市、城市大脑还是数字孪生概念，核心思想都是先通过物联网、人工智能等技术形成具象的数字孪生城市，而后抽象出城市运行的内在规律，再通过物联网体系对实体世界进行动态优化调节，解决城市面临的安全、出行、环境、产业升级等诸多问题，最终提升城市治理水平。

那正平认为城市大脑和城市大脑操作系统将是未来智能城市的新型基础设施，并归纳出做好城市大脑和城市大脑的操作系统的几大要点：深入研究城市发展规律；探寻业务本质；先具象再抽象；脚踏实地，长期主义。

旷视通过分析城市空间和管理对象，指出城市的日常运作管理需要秉持以人为本核心，城市大脑应围绕条块结合的方式实现综合管理，实现条、块、脑、OS的协同。

城市大脑中的条应用总量少，单体规模大、高并发、数据壁垒强；而块总量大、IoT种类多，低并发、数据壁垒低，集成联动潜力大。

基于此，旷视提出：构筑城市大脑需要先围绕“条”和“块”打造城市级的超级应用，验证产品、实现单一场景闭环，从而形成具有旷视特色的软件和硬件产品矩阵，最终逐渐沉淀出城市级和建筑级AIoT操作系统，实现城市物联网的闭环。

旷视认为，人工智能产业现在处于并将长期处于初级阶段，我们必须正视并不能超越这个初级阶段。第二，人工智能产业的主要矛盾是市场日益增长的多样化需求同落后的算法生产力之间的矛盾，产业需要开源、开放的算法生产力平台来平衡这一矛盾。

以下是那正平演讲全文，雷锋网AI掘金志作了不改变原意的整理与编辑：

旷视副总裁、城市业务事业部产品总经理那正平

大家好！非常高兴今天代表旷视跟大家做交流。雷锋网人工智能安防峰会今年已经是第三届了，旷视每年都参加，这是一个很好的盛会，能够让我们行业中主要厂商都汇聚一堂，这个大会更像一个武林大会，当然大家不是为了比武，是为了更深入的交流和分享。

前面各位演讲嘉宾都已经分享了他们的主张，主要有几个共同的关键词：一个是AI，第二个是智能，第三个是城市，第四个是安防。我今天代表旷视，分享一下我们对于这几个关键词的思考。

旷视从2015年进入安防行业布局城市物联网，入局安防这5年来，AI改变了什么？

传统安防监控：传统安防是需要“一人N屏双班倒”的 ，需要工作人员日夜不停地死死盯住屏幕，近三十年，从“看得到”到“看得远”，再到“看得清”、“看的懂”，安防行业可以说发生了天翻地覆的变化。AI技术则很大程度上解放了警力、物力，实现了从事后被动取证到实时报警、智能检索的变革升级。

传统电力巡检：“一车两人三水壶”曾是南方电网深圳供电局传统人工巡检线路工作的日常，而这样的巡检模式30年不曾有大的改变，人工拍照质检分析每小时200张，现在AI图片分析效率提升10倍，每小时达2000张，AI还能快速分类图片，提升效率。

传统防疫测温：“一人一枪一道门”是传统测温常用手段，每个通道都需要消耗一个人力和一个测温枪，而每分钟只能检测30人。对于一个城市来说，新冠疫情就是城市综合发展水平的检验棒，后疫情时代，各行各业加速拥抱AI。结合AI技术的测温产品可以覆盖多个通道，实现每分钟300-500人无感测温通行。

类似这些场景有很多，比如交通管理、实名办税、通行管理等业务都得到了10倍到上百倍的效率提升。这些熟悉的场景，都因为AI变得不一样。

而在这个过程中，随着城市智能化水平的不断提升，安防行业也正在从单一的安全管理向更宏观的城市治理应用方向发展，安防企业也不仅仅局限于公共安全，还包括城市管理、应急指挥、交通管理、安全监察等综合面。智能安防所产生的海量视频数据以其真实性、实时性成为公共安全防范乃至城市和社会治理的核心数据，而数据治理水平将成为衡量城市精细化治理的核心能力之一。

近几年，智慧城市、城市大脑、数字孪生城市概念层出不穷，在数字化、智能化浪潮下，到底什么是城市治理的根本之道？我们对智能城市、数字城市的本质逻辑有几点思考： 

1. 针对城市的重要方面进行物联网感知，制造大数据，将物理世界映射至数字世界，形成数字孪生。

数字孪生有两个流派，一是形似派，通过三维城市、三维建筑让城市数字化；一是神似派，抓住城市运行的关键规律，反映到孪生城市中。

2. 通过分析大数据发现城市运行的内在规律，形成城市大脑，能“洞察出”人们需要但不掌握的知识，从而具备一定程度的智慧。

我们认为所谓“形似派”做单纯镜面映射没有意义，智慧城市需要思考而非停留在数字孪生的层面。

3. 能将城市大脑的决策，通过物联网反作用至城市物理实体，实现优化调节，从而具备一定的智能。

我们曾经多次跟中国工程院院士、阿里云创始人王坚探讨过，什么是城市大脑？王坚院士说，城市大脑一定是城市的脑子而不是某个人的脑子，因为人可能按照自己的意向想象一个城市的运行，而城市实际的规律可能与常人想象的不同。

智能城市，不仅要能实现感知，还要能发挥能动作用，这就需要AI技术充分挖掘、运用城市物联网中的数据，洞察城市的内在规律，并通过物联网再次反作用至物理世界实现优化调解——这才是智能城市真正的城市大脑。

在实操过程，很多城市试图建设各种各样的城市大脑系统，还有一些厂商甚至在这个基础上提出城市操作系统的概念。好的城市大脑和城市操作系统如何评估？

我们发现，行业中无论是我们的用户、媒体还是友商，对这部分的思考都不够。比如城市的组成基因是什么？根本目标是什么？具体需要包括哪些评价指标？应覆盖哪些业务领域？需建设或完善哪些基础设施？应具备哪些算法能力和数据能力？应支持哪些应用？应接入哪些IoT设备？

关于IoT设备，它是城市视频中一个最重要的设备，设备里有一目了然的数据，数据鲜活且链路较大。

我们也跟王坚院士讨论过城市级视觉能力之于城市大脑的意义，有人说视觉类的设备和应用会占到城市大脑80%以上，王院士说应该接近100%。这充分说明了视觉类IoT在城市大脑、在城市运行过程中的重要性。

如何做好城市大脑和城市大脑的操作系统呢？旷视认为：

1. 深入研究：要研发积累好城市大脑操作系统，就必须得好好研究城市，包括城市的组成、城市大发展规律，一城一策、因地制宜地制定智能化升级策略；

2. 探寻本质：城市是一个非常复杂的系统，没有人可以面面俱到，要抓主要矛盾，抓业务核心本质问题，比如用AI和大数据疏堵是主要矛盾，用AI抓拍闯红灯行人是次要矛盾；

3. 先具象再抽象：没有准确的具象就很难有准确的抽象，对AI的感知维度、关联度和精准度提出高要求，且抽象之后能够实现业务闭环，可解决业务实际问题；

4. 脚踏实地，长期主义：城市大脑没有捷径，需要脚踏实地持续迭代演进，每一步都要走扎实；操作系统是长期的业务积累和应用实践的结晶，要做长远的规划并付诸行动。

在此基础上，我们对城市空间进行了研究和分析。

首先，从空间上分析，地面上常见的包括楼宇、园区、社区、公共区域、道路等，地面以下还有地下管廊，这些错综复杂的区域，路网无限叠加，构成了“城市”这样一个精密运转的系统。

其中可以将区域分两种，一种是公共区域，这里指的是无围墙部分（没有边界的权限限制），它并不是市长或者我们治理过程中最关注的重点；一种是园区和社区（有边界权限限制），我们把园区和社区再细分，园区是有围墙的或者类围墙的，主要是人工作区域，社区是人居住区域，两者之间有很多不同。

之所以分析这部分内容，是因为我们要抓住城市治理的内在要求和本质，才能分析出比如市长对城市治理的要求、居民的要求、我们的要求等问题，只要理清楚这些问题，才能做好城市大脑。

其次，从城市管理服务对象上分。

城市管理服务的对象无外乎五项：一是人，以人为本，包括常驻的人、流动的人以及一些风险人员和救助对象；二是法人，企业、事业单位、学校、社团；三是车；四是事件和秩序，事件包括各种各样的报警投诉，秩序包括城市是否整洁有序；五是设施，包括生命线工程、水电煤通信。这些主体决定了城市的丰富性，也是城市中的变量。

一座城市是如何运转的？城市空间中的各种对象如何交互协作？实际的城市又是如何治理的？这里有一些传统的概念：“条”管理和“块”管理。

条就是行政上，政府部门施政时按照条线管理，比如公安、工商、环保、交管、司法，每一条业务就是一个“条”。

块是园区、社区，包括园区里面有各种公共建筑、车站、码头，这些管理单元都是“块”。

城市的空间也好，城市的管理服务对象也好，市长善政、兴业、惠民方面的设想也好，平时是通过条和块去连接处理的，此前理论界针对条块关系已经有非常多的探讨，在此不做赘述。

基于前面的分析，我们可以看出传统的城市治理就等于“条管理+块管理”。旷视认为，在物联网时代的城市治理中需要实现条、块、城市大脑和城市级操作系统的协同（“条+块+脑+OS”），而城市大脑和城市大脑操作系统未来一定是构建智能城市的基础设施，是城市新基建的重中之重。

那么在构建智能城市的过程中，如何协调城市大脑中条与块的关系呢？

城市中有很多基础设施，他们分别服务于条块管理。

城市大脑中的条应用特点：总量少，单体规模大；

• 覆盖面广、数据规模大、计算量大、高并发

• 每一类“条”，感知设备种类相对较少

• 数据壁垒强

城市大脑中的块应用特点：总量大，IoT种类多，算法多；

• 覆盖面小，数据规模小、计算量小、低并发

• 感知设备多种多样

• 数据壁垒低，集成联动潜力大

所以我们得出结论，城市大脑、条应用和块应用之间有统筹和被支配关系，发展城市大脑应遵循条块结合的理念。

基于这些特点，我们在进行城市大脑和城市治理时需要对应设计，将条和块结合，条块互通，伸展到城市的每个单元，准确反应内在规律方能形成城市大脑。   

此外，有了城市大脑，支撑条和块的基础设施就可以打通，实现更集约的管理。比如城市中的摄像头，为什么只能给公安用不给城管和交管用？实际上摄像头作为物联网的基础设施，应该给各个委办局用。除了摄像头，可能还有充电桩、AI计算/存储/通信设备等。

除了AIoT设备，数据要素也非常重要，可以说是新的生产资料，实现数据充分应用也是一种能力和基建。

以上是城市物联网或者说智能城市的条、块、脑和基建的关系。

基于这样的构想，旷视构筑了城市大脑全景图，简单说就是从超级应用到操作系统的产品路径。

具体来讲，城市物联网真正形成的过程中，需要通过围绕“条”和“块”构建软硬集成的超级应用，验证产品、实现单一场景闭环，从而形成具有旷视特色的软件和硬件产品矩阵，最终从条和块两个方向上逐渐沉淀出重量级和轻量级的AIoT操作系统，形成对物理世界的映射，实现对城市全要素、全周期、全场景的数字孪生。

通过城市大脑的操作系统，结合城市级算力、数据等AIoT基础设施，运营者可以通过城市宏观大数据、城市微单元小场景数据进一步优化管理，提高效率、体验和安全性。

图中可以看出，上层是旷视用来支撑条和块的超级应用。站在用户的角度，他们不在乎应用背后使用了什么技术和操作系统，他们只关心应用的成效，而应用是检验设备及系统价值最核心的点。所以我们目前主要目标是打磨好面向条和块的数字化、智能化应用。

作为一个有技术底蕴的厂商，我们目光放得更长远，关心底层的基础设施以及生产运用的能力，所以我们归纳了城市大脑的操作系统（OS）。未来将基于条和块分别去建设城市级的AIoT操作系统、建筑级的IoT操作系统，我们认为只有这两个结合，才能很好地支撑城市超级应用。 

我们认为互联网的下一代一定是物联网，而AI则像互联网中的引擎一样，是物联网中的重要工具和手段。物联网也像互联网一样需要底层的开发语言和开放环境，因此旷视提供了开源框架，因为单靠一家厂商无法构建如此复杂的城市大脑，需要大家一起努力。

这是旷视对城市大脑的一个理解。

下面给大家分享一下旷视最近一两年在“条”、“块”、“脑”方面的成果。

一个是条应用，其中一个面向城管业务条线的应用叫万象。

城市治理离不开城管部门。现在每个城市中每平方公里至少需要1.5/人巡逻和轮训，一个人至少5、6万元工资，每产生一条事件和线索的成本高达十几元，每年的开销非常大。

后来有的地方为了降低管理成本，开始使用摄像头，一个人大约能看100条视频，效率提升不少，但这远远不够。

在视频图像分析技术日趋成熟的今天，我们的产品能够将人力从回看视频中解放出来，通过算法将城市各种各样的城管类案件、事件识别出来，只需要人工最后审核一下，这比人工看的方式快10倍不止。

目前，旷视万象支持30余种城管类的案/事件甄别，并且已经在浙江、上海、湖北等多地落地，也得到了广泛的好评。

第二个是块应用，我们举一个智慧园区的案例。智慧园区最少有几个板块：通行和安防，此外还有一些能耗和其他的定制化需求。

我们经过认真研究认为，在园区这种典型的块应用中应该以人为主要数据，把园区中所有的资源、空间、能耗和服务都精准地投放到人上。

智慧园区的块应用是旷视在城市物联网中经验最多、产品体系最丰富、落地最广的领域。比如中关村创客小镇的项目中，我们为客户提供了完善的智慧园区能力，不仅包括通行、园区，还包括精准服务、提升舒适度等方面。

第三个是城市大脑的应用。2019年，旷视与北京海淀区合作共建海淀城市大脑，目标是打造国内一流的新型城市治理平台，助力海淀构建AI计算中心，并提供了智慧平台社区、智慧校园、科技公园等创新应用。

将条块间的数据脱敏之后，共享数据价值，实现块和块、块和条的连接，以及块和条的互动。以前政府的数据只有街面数据，将这部分数据连接后，脑发挥了更大的价值。

正如刚刚提到的，要将条和条、块和块、条和块连接，这个过程中就涉及到数据交换，以及一些隐私和数据安全等棘手的问题，这也是整个行业都非常关注的话题。

当然这其中也有一部分误解，比如大家把视频等同于监控，把人脸等同于隐私，行业中确实应用边界不够清晰，应用方式也有不当之处，这些问题都引起了公众的担忧。

旷视作为行业的领跑者和负责任的公司，希望在这个过程中引导行业形成良性的秩序，所以旷视是最早发布《人工智能应用准则》的AI企业。我们希望有明确的准则指导我们的行为，从产品开发到商业应用，再到后续的全链条服务都进行不断规范，并形成行业标准。

这是我们在人工智能宏观治理方面的工作，在一些细节应用的微观方面，旷视针对城市大脑应用提出了数据安全保护方案，比如将人和车的相关数据进行分级、脱敏处理，分级上包括L0—L5六个等级。

人：L0，作为物种的人；L1，性别、年龄段；L2，人体、衣着，ReID；L3，行为、动作等；L4，人脸身份实名化；L5，关系图谱分析等；

车：L0，作为物种的车，机、非；L1，品类、颜色；L2，品牌、子品牌；L3，车牌；L4，车辆内饰（遮阳板等）；L5，司乘人员及行为；

L0是最为基础的物种辨别；L1是人的性别、车的颜色等基本属性的识别；L2涉及到人体/车体更细节的信息，比如衣着颜色、车辆品牌等；L3在人的数据中涉及对行为的分析，比如可以应用在安防监控领域，判断加油站内是否有人抽烟；L4层级才涉及到人的身份信息；L5不仅知道这个人是谁还知道他的关系图谱。

通过分级我们发现，在条和块互联互通的应用中，一般情况下有很多时候数据在L2基础上做数据交换和脱敏就能解决问题，在一些极端情况下才会涉及到L4和L5等级的数据调用，这就需要更高的权限管理和严格数据安全保护机制。所以在AI视觉的应用中，将数据进行分级处理既可以保护隐私，又可以充分应用数据。

这是我们在人工智能应用领域的一些思考。

最后分享一下我们对行业的认知或者是断言。

我们认为，人工智能产业现在处于并将长期处于初级阶段，我们必须正视而不能超越这个初级阶段。第二，人工智能产业的主要矛盾是市场日益增长的多样化需求同落后的算法生产力之间的矛盾。

大家对这两句话很熟，因为这个句式是受社会主义阶段理论和社会主义主要矛盾启发而来，我们反复思考后认为，人工智能和社会主义都是长期主义，人工智能产业中的问题套用这两句话同样非常贴切，此外找不到更好的表述了。

为什么说人工智能将长期处于初级阶段？这波人工智能的蓬勃发展最主要是靠深度学习，而深度学习算法是一种场景依赖。理论上讲，人眼能够辨别的东西应该都可以通过AI辨别，但实际上，要实现计算机视觉从人脸识别到万物识别的落地商用，且应用极其的好，还有相当长的一段路。所以未来将长期处于初级阶段。

我们不能寄希望于立马出现的风口，或者一个超级APP、超级应用，期待他们能解决所以问题，我们需要脚踏实地地做好每件事。这是我们对第一句话的理解。

有了对行业长期性的认知，我们就要沉下心着眼于当下的主要矛盾，并找到解决办法。现在经过多年的市场培育，原来质疑AI算法的用户，现在不仅相信，还会给我们提供各种各样脑洞更大的想法。市场的培育，也催生出很多新需求，这些需求往往非常碎片化、长尾化。

然而我们发现，最近几年在应用端的人工智能虽然热闹，但真正的算法供给能力相较现在的应用需求，可能连1%都不到，比如行业需要的是成百上千种算法，但是目前行业中主流的还是人脸、语音相关的算法。所以说现在的算法供给能力完全跟不上市场中多样化的需求。

如何平衡市场日益增长的多样化需求同落后的算法生产力之间的矛盾？

旷视2020年3月对外开源、开放了自主搭建的人工智能生产力平台Brain++，作为可高效量产算法的AI基础设施，Brain++凝聚算法、算力和数据三大要素平台，过去六年的时间Brain++支撑了旷视所有的商业化落地研发，历经旷视1400+名研发人员和上百种产品的验证，创新算法从训练到部署可以缩短80%的时间成本。

旷视将Brain++最为核心的深度学习框架天元MegEngine实现了开源，以期降低算法研发门槛，使其能够赋能更多企业快速开发出自己的算法，加速产业融合。

以上就是旷视在条的应用、块的应用、脑的应用、数据保护以及算法和生产力平台方面的工作进展。最后我再强调一下旷视“1+3”的发展战略，其中1就是指旷视最为底层的人工智能生产力平台Brain++，3指旷视将持续聚焦并深化个人物联网、城市物联网和供应链物联网三条赛道。旷视将致力于构建连接及赋能百亿物联网设备的人工智能基础设施，同时也奉行长期主义，我们会一步一个脚印，为人工智能行业可持续发展奉献自己的一份力。雷锋网雷锋网雷锋网

雷峰网原创文章，未经授权禁止转载。详情见转载须知。