「浪潮云」安晓博：智能视觉助力数字世界构建

2021年，分布式云成为云计算领域关注的热点。经过一年时间的探索与沉淀，分布式云开始从理论走向实践，诸多云计算头部企业夯实分布式基础设施建设、优化分布式资源调度、开发分布式应用，为构建分布式云打下了坚实的基础。

12月15日，以“引领分布式云变革 助力湾区数字经济”为主题的全球分布式云大会在深圳隆重召开，本届大会由全球分布式云联盟、深圳科技交流服务中心、深圳市通信学会、众视Tech联合主办。组委会携手阿里云、腾讯云、Google Cloud、华为云、蚂蚁集团、浪潮云、金山云等海内外顶尖云计算团队和分布式云先锋企业，为粤港澳大湾区数字经济发展注入分布式云动力，更将中国分布式云计算发展推上全新高度！

在16日下午举办的分布式安全存储论坛上，浪潮云高级架构师 安晓博发表了题为《智能视觉助力数字世界构建》的精彩演讲。

安晓博介绍说，智能视觉已经成为感知物理世界、构建数字世界的重要的技术手段。在新产业、新业态、新商业模型经济建设的背景下，智能视觉广泛渗入数字政府、智能交通、智能制造、智慧金融等各行各业经营管理的主要环节，产业化和规范化发展十分迅速。

但是，目前业界基于智能视觉的应用在实际落地过程中还存在种种困境。首先，智能视觉应用细分领域多样，场景化需求复杂，造成开发落地周期长。

浪潮云深入分析了14个行业领域160多种智能视觉的应用场景，场景化需求占将近90%，意味着能够使用通用基础算法应对的应用场景仅占一成。

安晓博举例说，基于智能视觉的安全生产、质量监测算法在各行各业均有应用，但是不同行业、不同企业对算法应用的需求不尽相同，包括参数指标、环境、流程等；即便是应用最为广泛的人脸识别算法，面对刷脸支付、考勤签到、会员识别、相册分类、人脸布控等多种场景，云服务、智能终端、小程序等众多载体形态，业界也无法做到无差别迁移复制。因此根据不同的应用需求，开发人员需要做大量的场景化适配工作，完成算法开发到落地应用场景这最后一公里往往步履维艰。

另外，智能视觉领域的业务数据规模庞大，多源异构特征明显，并伴随序列性、关联性、实时性等特点，数据处理难度极大。

目前我国现存的视觉采集设备已经超过5亿台，每年产生的数据量超过ZB级，这些数据来源于不同类型的视觉采集设备及业务信息系统、互联网等多个领域，包含人脸、行人、车辆、物品、场景、场所等不同种类的分析对象，并且以视频、图像、语音、文本、时空信息等多种模式形态存在，使得海量、异构的智能视觉数据处理成为行业应用的迫切需求。

同时，智能视觉的数据呈现序列性及实时流动的特点，数据之间存在时间及空间关联性，甚至某些领域还存在业务流程及逻辑关联性，进一步加大了智能视觉数据分析处理的复杂性。

浪潮云与各行各业的客户共同成长，在智能视觉领域逐步形成了完整的产品体系，并积累了一些最佳实践经验。

针对智能视觉应用场景落地难的现状，浪潮云基于AI Native打造了智能视觉工程化引擎，面向开发者提供算法训练、算法集成等一站式视觉分析应用开发服务；同时，预置在各行各业长期积累提炼的100多种算法模型，面向行业客户提供“预训练+微调”的AI生产赋能模式。

在数据处理方面，浪潮云基于多年政企大数据领域的技术沉淀，研发了基于多模态数据处理的数字档案管理平台，汇聚融合了海量的视频、图像、语音、文本等半结构化数据以及属性特征、登记信息等结构化数据，面向业务构建原始库、资源库、主题库等，打造以视频图像为核心数据库及管理工具；并以业务关注目标为核心，从海量数据中萃取高价值信息，构建目标数字化档案。

随着智能视觉在各行业不断深入应用，细分场景对时延、带宽、数据量及经济性等多方面提出了更高的要求。浪潮云借助分布式云的架构优势，不断将计算、网络、存储、安全及各类服务的产品能力扩展至边缘及终端，形成云边端一体化的智能视觉体系。

开发者依托中心云强大的算力及配套服务，快速完成应用场景及模型算法的开发，并通过云管通道下发到边缘节点，赋予边缘端软件定义智能计算能力。边缘节点可通过动态加载算法及服务，满足实时或近实时的视觉计算和数据处理需求，实现智能应用、自主决策。

在智能视觉技术的研发与产品的深度融合中，浪潮云在不断思考、探索、创新。作为新一轮产业变革的核心驱动力，智能视觉让社会的生产生活方式走向数字化、智能化，浪潮云也将持续传递价值，加速智能视觉在各场景中的应用，帮助行业客户走得更快更远。