「AI+大数据」独角兽以萨的蛰伏与荣光
中国人工智能落地路径经历了几年的曲折探索。
2015年,人工智能萌芽初醒,AI企业大多走拿锤子找钉子的路线。
他们最初设想的商业模式,是通过一套标准SDK扫天下,算法的精度成为最显性的标准。
于是早期AI界陷入刷榜竞赛的怪圈,但刷屏2年后落地才发现,在赛事中频频拔得头筹的算法,一旦走出实验室或特定的场景进入实战,根本玩不转。
归根结底,是商业路线出了问题。
下半场, 不再是技术、学术单维的比拼,而是综合能力的较量。
1、AI下半场见真功夫
综合能力具体有哪些维度?
商业模式认知
2019年,人工智能下半场初启,AI企业们逐渐锤钉转换,开始寻求差异化场景战略。
行业选择
AI的前半场由技术驱动,后半场则是场景驱动。未来AI不是主角,场景才是。
当规模化落地的AI给百业换装之时,AI创企得保证不被场景百花丛迷了眼,分辨清哪些是仅能淹没马蹄的浅草,哪些是大有可为的森林。
行业积累
算力、算法、数据之外, 场景和行业知识成了未来决战的关键点 。
产业AI化的前提,在对传统业务流程非常熟悉的情况下,完成信息化的改造,实现信息流通,随后把业务流程中各个环节的数据,予以沉淀和清洗,才能通过数据分析,实现智能化。
而这,就是场景积累、行业知识积累的过程。
工程化能力
技术领先并不意味着AI商业化成功,但如果能商业化,则能证明技术已经领先了。
商业化落地,产品+服务才是核心。而这背后考验的是工程化落地能力。工程化能力意味着快速复制的能力和服务的质量。
AI产业化,不仅在于技术的可实现性,更在于工程落地方案,注重工程现场与算法性能结合。
在AI大军中,有一家企业在每一个岔路口,都选择了适合自己,也被论证是正确的一条路径。
他叫以萨。
当大多数企业醉心于技术的先进性,他们却着眼于市场需求和技术落地的局限性。
以萨成立之初就确立了在场景需求里打磨技术的路线。
在以萨看来,技术、产品谁先谁后,是一个极为关键的问题。
他们一直秉持的理念是:业务是重心,技术是辅助,先找钉子,再制造合适的锤子。
“AI只是一个工具,企业做的是 「产品」 和 「商品」 ,不解决问题的技术没有价值。”以萨副总裁、PBG事业群总经理王堃表示。
现在看来,单创业理念这一点,他们就超前了不少AI企业数年。
当大多数企业从实验室走向市场,“不走寻常道”的以萨从一开始,就扎根市场和客户需求,也比技术导向的企业更理解技术价值的本质。
以萨开发第一版车辆大数据系统时就发现单有人工智能远远不够,结合大数据,从海量数据中挖掘价值,深度结合业务,才能解决客户问题。
由于基于办案民警的实际使用痛点,并在速度、性能上有大幅提升,神眼车辆大数据系统一经推出,便在业内一炮走红。
虽然以客户需求为导向,但以萨并非毫无原则。
以萨会要求工程师、产品经理们成为业务专家,深入一线中,他们对客户业务的理解甚至超过不少客户本身。因此客户的要求并非全满足,他们会通过多维度视角对反馈进行评估。
行业选择上,以萨创立后不久就确定了方向: 安防和交通 。
几年前,AI从实验室出走,寻找优质落地的场景,在万千产业大地上空来回盘旋,似命中注定般最终大都落在了安防和交通,而以萨没有走过弯路。
今天,AI技术与场景的融合日渐娴熟,AI应用悄无声息地渗透至城市生活的细枝末叶。
当一个舞台的大幕落下,新的舞台也在同时诞生。
在十四五规划里,在近几年的各地一号文件里,数字城市都赫然在列。
过去的AI更多基于平安城市龙争虎斗,未来的AI将更多根植于数字城市对弈过招。
以萨此前选对了安防与交通,也顺着轨道自然而然来到浩瀚的数字城市。
以视频为代表的感知设备源源不断产生的高质数据将成为数字化时代的新能源。这些多维数据时刻都在积累,但相应价值还远未被充分挖掘。 如何从中寻找关系和规律,最终形成决策,为城市治理的实际业务提供帮助,这仅靠AI还不够,还需要大数据。
换句话说, AI+大数据,未来会是整个数字城市的连接器,也是整个城市数据得以健康循环的基础。
在数字城市,以萨又早早独辟蹊径定位 「AI+大数据」 ,赛道和技术都无形中与历史脉络相合。这是以萨之幸,也是以萨之能。
2、算法、大数据、商业化落地三杀
AI市场经过多年乱斗回归理性,过去几年被高高拉起的弓,被与会者放下,脚踏实地的企业逐渐走到舞台中央。
深耕AI算法的企业比比皆是,大数据公司也不少,但早早在「AI+大数据」双赛道占位,且后劲愈发强劲的企业并不多。
以萨逐渐成为业内少数持AI视觉和大数据技术双刀的企业,7年里以萨从一线业务的磨砺中,打造出后来者难以弯道超车的三大武器。
数字城市,乱搭乱建乱放,占道经营,井盖位移,老人跌倒,整个社会治理层面需求全面爆发,催生了多维算法的应用。AI规模化应用下,一个城市一天新增的视图数据可多达十几亿。
以前即使是上亿的识别,也只是单一人像维度的检索和验证,现在做聚类,多维数据的碰撞,量级高达几百亿,不仅归档率、分类度要求很高,而且数据质量参差不齐。
“其计算和以前单一点状计算完全不是一个维度,目前真正达到可用程度的技术提供商少之又少。”某业内人士表示。
这也是AI行业的下一个珠穆朗玛峰。
多年之前,以萨意识到了这峰之高,也不畏艰难决定攀一攀。
成立之初,以萨就着手建立算法开发体系。在聚类海量以人、车、事件为核心的数据时,以萨在一次次挑战中,建立起多维人工智能算法高墙。
以萨的算法覆盖车辆、人体、人脸,涉及交通、生产安全、船舶、公共场所等各个场景。所以当数字城市时代来临,以萨的多维算法已经构建起了完整的人工智能视觉技术体系。
大数据分析技术上,以萨的多维数据关联分析算法、雷霆高速分析数据库、实时数据仓库系统等10余种技术,为海量数据传输、存储和实时分析提供强大的底层支持。
其中,雷霆数据库为数字城市领域数据量庞大、实时性高、分析复杂的特点打造,已经成为以萨实时在线分析业务的支撑工具。
当然,以萨的武器不仅是算法、大数据,更在于对场景的理解,以及三者结合带来的商业化能力。
2016年,以萨落地青岛某区三千路视频联网时,就显现了其不俗的落地能力。
首先,从技术落地维度,这对以萨和行业,都是一项极具挑战性的落地考验。
与图片相比,视频的联网不仅仅是硬件的堆叠,算法的组合,后者数据量、网络传输量更大、视频解码更复杂,处理的难度等级呈梯度递增。
其次,从时间维度,更能直观感受以萨的商业化能力。
2017年,“百路适用和建设”是主体;2018年,千路建设初现规模;2019年,万路建设成为主要城市的常态。
2016年,大多数视频分析系统处于单机时代,仅能处理十几路视频,且无法多机系统。在此背景下,以萨的千路视频联网实时分析算得上当时业内首创。
以萨的这份能力经过7年的日夜打磨,日益精进,更为炉火纯青。
如今数字城市号角吹响,城市的核心目标升级为十万亿规模,不少企业还在规模化落地实践里磕磕绊绊时,以萨已经准备好引擎,全力向数字城市进发了。
3、一鸣惊人的背面
简单看一看以萨的成绩一角。
以萨曾参与制定多项国家标准及公安部行业标准,如国家视频图像结构化标准、全国车辆结构化信息标准。
近3年里,相继荣获“全球独角兽企业500强”、“山东省公安科技进步一等奖”、“山东省瞪羚企业”、“山东省重点大数据企业”、“山东省独角兽企业”及“山东省人工智能行业优秀企业”。
2022年,获评为“国家重点软件企业”。 这个入选门槛不低,其由国家发展和改革委员会组织发起,工业和信息化部、财政部、海关总署、税务总局进行联审确认,旨在寻找挖掘信息技术和软件领域一批优秀的重点领军企业,要求申报企业必须拥有核心技术。
如今,在平安城市,以萨的解决方案覆盖公安部、20余个省级公安机关及200余个市级和县区级公安机关、20余个市级和县区级公安交管部门、10余个市级和县区级政法委员会;在数字城市,以萨的数字政府解决方案覆盖北京、天津等地的政府单位及企事业单位。
回过头看,以萨为什么能一鸣惊人?
或许,是以萨对行业的认知高度使然。
他们一开始就知道,AI落地仅有算法远远不够,而技术和产品只是工具,通过产品发挥价值,而产品只有解决了客户的需求,才能实现技术变现。
“只有发动机(算法),没有零部件(全栈技术)的车是跑不起来的。”以萨中央研究院院长 石柱国表示,“并行处理技术、分布式集群技术、图像处理技术、视频编解码技术、数据存储与检索技术等每个环节缺一不可。”
或许是对落地每个环节的超高把控,时刻秉持“只有每个环节都做到最优,整个系统才能做到极致”理念,才能在技术与落地之间打磨出独特的商业化能力。
或许,是以萨的踏实、低调本性使然。
在他们的表述里,他们没有就以萨如何改变世界侃侃而谈,更多的是技术路线的思考,落地的琐碎与得到正面反馈的欣喜。
与他们的交谈近2个小时里,AI技术褪去高高在上的外衣,取而代之的是实践中的朴实和真诚。
他们眼里,好像看不见彼时的资本圈有多狂热,AI初创圈有多浮躁,他们所思所想,都是客户、落地。
初期的以萨,居于喧嚣的市场的罅隙里,不够光芒万丈,不讲夺目的概念噱头,低调到连多次融资消息都无意喧哗。
这个前期平平无奇的企业,也在后半场靠实力吸引了市场的聚光灯,成为一方独角兽。
4、行于数字城市的未来之路
以“人工智能+大数据”开局,以萨横跨两大数字经济支柱产业,逐渐成为平安城市、数字城市顶层设计和落地实施骨干力量。
未来城市架构智能化改造,统一建设、统一规划、统一运营或成趋势;避免重复基础性建设,做到多维感知、数据资源、计算资源最大化利用将成定局。
人工智能+数据智能, 一能实时处理人所不能理解的超大规模全量多源数据;二能发现超大规模全量多源数据中人所不能发现的隐藏规律;三能通过这些隐藏规律去为人类制定最优决策。
今天的数字城市,时刻保持危机感的以萨,也会准备好行囊,义无反顾地参与数字城市之战。 雷峰网雷峰网雷峰网 (公众号:雷峰网)
雷峰网原创文章,未经授权禁止转载。详情见。