0
自2016年始，中國的AI視覺創業俯拾皆是。
他們因AI而齊聚，從最頂尖的學術象牙塔中走出，希望用AI之鑰，革新傳統產業塵封已久的商業模式。
然而，回看這場探夢之旅，絕大部分高調入場者，最終都黯然收場，只有寥寥數家企業沖破封鎖，其中佼佼者成為人們口中的“AI四小龍”。
最初的高光過后，外界對AI公司高融資、高研發、高虧損的質疑不斷升溫。
在有關四小龍失速的討論中，技術光環褪去，資本熱情消散，政策風險提高，是最人盡皆知的原因。
從同一CV戰線，到分頭走向不同道路，事到如今又面對同樣一個問題——哪里才有新的生機？
市場的轉機，往往發生在技術演進的剎那。
在被定義為中國“大模型元年”的2023年，命運的齒輪又開始重新轉動。
藉由AIGC的風口，AI賽道一改頹勢，重新占據各類熱門話題的榜首。
在重新拉開的新賽事中，AI的老玩家們必然不會缺席。
2016年，當阿爾法狗在棋盤游戲上奪走人類最后的榮光，AI賽道的投融資開始熱得發燙。
起初幾年，初創公司們備受風險投資的寵愛，資本爭搶著上前買單，企業只需醉心實驗室研發，便能坐看估值升高。
然而幾年過去，眼看著企業在融資、研發、虧損的泥沼中沒完沒了，商業化落地又遲遲難以大規模鋪開，資本逐漸板起面孔，不再愿意聽著故事為虧損買單。
理想中，技術帶來的饋贈之下，這是一場“眾人拾柴火焰高”的合作共贏，但事實上，大家合力助推的不僅僅是浪涌，同時還有盛大的泡沫。
隨之而來的，是市場關于AI商業模式的探討，能否驗證自身商業化能力，成為評判一家AI企業新的考核標準。
短短幾年，風向急速扭轉，原因在于AI這一極具顛覆性技術帶來的暢想，掩蓋了新技術在價值轉化過程中會遇到的困難。
安防是AI最早落地的場景之一，通過人臉識別、行為分析等技術，監控系統得以提高效能。但同時，安防行業的碎片化特點，讓標準化、通用化難以實現，導致AI企業在追求算法和精度的過程中，陷入高度定制化的盈利困局。
尤其隨著雪亮工程建設尾期結束，安防行業也遇到發展瓶頸，于是有人問，問題是不是出在安防行業，換一個行業，問題是不是會迎刃而解？
一個事實是：AI確實遇到了商業化落地難題，但安防是AI應用落地的起點，大模型時代的開啟，安防仍然是一個不錯的起點。
在智能化的視角下，智能本質上解決機器學習人類的認知、視覺、運動、意識、記憶五個方面。人工智能的核心技術包括語言智能、視覺智能、運動智能。
而視覺智能最大的應用場景就在公安，也即狹義的安防市場。
一直以來，AI視覺的落地都在經歷同一個過程，從公安起步，到政府，再到企業，大模型的落地也不會例外。
在依圖科技副總裁許焰看來，智能化的每一次進展，都脫離不了以安防為起點，“在政府各部門中，公安部門的信息化一直做得非常超前，對視頻數據的利用在業務上存在剛需，對技術理解最深刻，最愿意用新技術解決面臨的問題?！?/p>
以往問題的癥結在于，AI原有技術路線始終難以突破成本瓶頸；如今以大模型為代表的新一輪AI風口的出現，相當于為價值和成本的兼顧難題提供一個極佳的解法。
大模型的到來，也為處在轉型迷茫期，重新思考自身價值和出路的AI企業，帶來了新的生機。
早期成立的AI公司有客戶基礎，拿依圖來說，公安行業大部分都是其老客戶，一旦依圖有新技術，落地轉化將非常快。
更重要的，上一波AI公司在商業化上吃過苦，早已不再只談技術領先，他們明白，只有將領先的技術與業務場景相結合，并做到低成本，才是真正解決用戶痛點。
大模型時代到來，安防行業做好準備了嗎？
如果用一句話總結，可以說是：安防市場的需求與技術浪潮撞了個滿懷。
在這一輪新的AI風口上，四小龍都紛紛趕考多模態大模型：商湯發布了“日日新大模型”，云從發布了“從容大模型”，曠視也發布了輕量級LLM模型推理框架...今天，依圖的“天問”多模態大模型雖正式發布較晚，但事實上已經得到了客戶的積極認可，目前在已在30多個項目中部署應用，落地進程更進一步。
這些AI的老玩家們，從上一輪廝殺中，頑強活了下來，如今藉由此前積累的數據和行業認知，從視覺切入多模態大模型，是一次水到渠成的向外拓展。
近兩年，安防行業發展進入瓶頸期，增長乏力，放眼安防行業的主要參與者們，無人不渴望變化，紛紛在廣度、深度兩個方向尋求破局之道。
廣度上，狹義上的安防市場，從以抓逃布控為主體的公共安全業務，走向更綜合的城市治理類業務；與此同時，泛安防市場借助視覺智能化技術，向前進入更大的ToB企業市場，同時增加非視頻投入，通過擴充產品線，尋求更大的增長空間。
深度上，企業仍以視頻為核心，在智能技術上進一步投入感知智能、認知智能，部屬大模型能力。
這兩個方向的開掘，都與視頻的智能化緊密結合。
從早期“看得見"，到“看得清"，再到今天大模型賦能下的“看得懂"，視頻智能化經歷了L1-L5五個階段的進化：
從圖片的結構化標簽到視頻的語義理解；
從眾多的判別式任務模型到視覺為基礎的多模態大模型；
從端側攝像頭AI算力到云邊側集中式服務器AI算力；
從人、車的識別到長尾物體的識別；
從標簽式篩選交互到基于語義的人機多模態交互。
在L5階段，大家基本達成一個重要共識：以Transformer為基礎的大模型統一了視頻和大數據的底層框架，也開啟了視頻智能化情境理解的新時代。
意味著面對同一個指令，整個流程將從割裂的兩個步驟簡化成一個步驟，并且由于省略了中間過程，預測準確性將極大提升。
以統計A路口過去十天的擁堵狀況為例，以往的做法是，先通過攝像頭做解析產生大量結構化數據，再到數據庫環節匹配結果；而視覺和大數據的融合，將非結構化的視頻和結構化的數據庫做了融合，變成用一個模型統一解決，具體到操作，只需語音指揮即可，“過去10天A路口特別擁堵，請將該路口的攝像頭調取出來”。
換言之，大模型時代，當數據從一端流入，結果就會從另一端直接流出。
于公安行業，將是一場警務信息化系統的大改造。
首先，大模型將帶來視頻智能化建設的重大轉變。
視頻智能化建設分兩種模式：一是圖片流，前端相機直接做智能化，然后把圖片回傳后端做進一步分析，缺點是大量信息被丟失；一是視頻流，前端攝像頭負責捕捉，后端進行視頻分析，雖然保留了視頻中的所有語義，行為能被完整刻畫，但由于沒有大模型的加持，視頻完整語義的價值并沒有被完全挖掘和使用。
走視頻流的智能化路線，是對客戶更加負責的選擇，“圖片流只能做人臉識別，隨著業務需求增長，圖片流建設模式就會變成斷頭路，只能換新相機；而視頻流對前端建設有利舊保護，只需后端升級算法即可?！?/p>
考慮到大模型只能部署在后端，未來視頻流智能化或將成為主流。
其次，是IT基礎設施的重大變化。
前面已經提到，傳統的信息化技術，通過前端攝像機會產生大量結構化數據，結構化數據存在數據庫里，數據庫則存在硬盤里。
大模型時代，所有數據經過模型處理，會生成蘊含對視頻語義完整理解的特征向量，特征向量存在向量數據庫里，向量數據庫存在顯存里。
在從傳統數據庫變到向量數據庫的過程中，基礎設施層面，也將從過去建CPU為主的數據庫系統，到建設GPU為主的向量搜索系統。
基于這一認知，依圖在2022年發布了求實服務器。
對于這款服務器的誕生，許焰如此解釋：“進入到向量時代，超融合架構的服務器威力非常大，依圖求實服務器有一個最大的特點，內存即顯存，因為即便英偉達的A100也只有40G的顯存，但求實服務器內存可以到512G，甚至1T?！?/p>
再者，從生產過程講，有了預訓練大模型，用戶需求端到端的時間以及成本會被極大壓縮。
一方面，用大模型技術替代過去小模型，可以極大壓縮生產過程周期，降低算法研發成本，讓客戶更快享受到技術的紅利。
比如，當用戶要做一個“騎電瓶車不戴頭盔”的需求時，AI公司需要先收集數據做訓練，需求提出到滿足，至少一到兩個月。
有了預訓練大模型后，只需輸入“騎電瓶車不帶頭盔”的指令，就能生成算法，一周時間即可達到之前一兩個月才有的效果，并且時間越長，模型精度越高。
另一方面，通過算法和算力的端到端的整合，也會帶來成本最小化。
許焰對雷峰網(公眾號：雷峰網)舉例，“過去做1萬路視頻智能化，得用16個機柜，現在算法和算力實現端到端整合后，只用一個機柜就可以解決所有問題，但整體成本下降了80%。”
最后，從業務層面講，傳統的指揮中心、移動警務、偵查破案等都會發生重大變化。
比如指揮中心可以直接通過語音調取攝像頭，如“幫我調取所有公園的視頻”、“幫我調取所有現在擁堵路段的視頻”；移動警務也將變成，民警在路上巡邏上時，不再需要在執法儀上打字，而可以高效率地通過語音輸入指令，如“請查詢前方戴黑色帽子的人的身份?！?/p>
“依圖一直堅信安防市場會從監控走向智能?！?/p>
如果說依圖有什么明顯區別于其他公司的地方，就在于其始終認可安防市場的價值，并用十年時間堅守安防市場。
談到依圖對安防市場的貢獻，許焰滿是自豪：
“自2012年成立至今，在安防智能化發展的各個階段，依圖都代表業界最前沿水平。依圖之所以堅信安防是個好市場，一個原因也在于依圖在安防市場做到了盈利，持續為客戶創造價值。”
這種價值具體表現為，時至今日，依圖是安防行業第一個推出可實戰可商用的多模態大模型的公司。
“第一個”寫起來雖然簡單，但對于依圖而言，背后是沉甸甸的付出。
2018年，依圖提出“新安防，真智能”的口號，至今未變。
彼時，視覺智能化快速發展，人臉識別開始進入規?；涞仉A段。依圖的“新安防”口號，為公安業務流程的變革而發；“真智能”口號的提出，則強調了“真正的智能”給安防行業帶來的差異化的用戶價值。
進入大模型時代，公安的業務流程、智能化程度躍遷到了新的階段，但依圖這句口號的內核依然沒有變化。
真正讓人動容之處在于，依圖并沒有淪為“口號專家”，而是將口號掛在了實際行動上。
一直以來，客戶看似不合理的追求六個字：高價值、低成本。
滿足這個需求并不容易，尤其在AI這一有著極高技術和渠道門檻的賽道。
但依圖對這句話的信奉和踐行，是AI公司中難得一見的扎實。
支撐依圖“安防是好市場”背后的商業邏輯正是，追求價值最大化、成本最小化。
依圖2017年開始布局芯片板塊，2019年5月9日發布首款云端AI芯片“求索”，用于視覺推理領域。
當時的發布會現場，依圖通過四塊“求索”芯片，實時比對現場觀眾，演示十分鐘內，無一起誤報。
依圖之所以向上做芯片，在于看到了算法性能高速發展和機器算力提升緩慢的矛盾，這一矛盾導致AI公司們要么犧牲算法性能，削足適履；要么沒有先進算法，空耗資源。
而隨著中美科技競爭的加劇，美國對中國芯片的封鎖制裁力度持續升級，國產化具有高性價比的芯片產品在此刻顯得尤為重要，依圖的選擇似乎又更具有前瞻性：做硬件和算法的端到端的整合，可以給用戶最高性價比的后端智能化產品。
如果說，以前因為缺乏統一的模型結構導致芯片和算法公司難以匹配，在一定程度上說明人工智能芯片還不太成立，那么到今天，這個阻礙已經消失了。
2019年，依圖開始投入以Transformer為基礎的大模型技術，如今回看這一決定，其意義在于，選對了公司未來幾年的發展路徑。
當企業選擇的方向更準確，研發的效率就會更高效，成本更低，對客戶而言就是更高的性價比，最終實現雙贏。
“到今天，依圖的多模態大模型已經在全國30多個項目中部署應用?！睋S焰向雷峰網介紹，依圖“天問”多模態大模型，有以下三大特點：
其一，視頻語義搜索能力，支持用自然語言搜索各類視頻。
類似“堵塞消防通道的車”、”積水的路面“、”無人看管的紅色行李箱“等表達都可以快速找出對應的視頻。
其二，零樣本、冷啟動。
比如要創建一個騎車不戴頭盔的算法，只需輸入“騎車不戴頭盔”，就能生成算法，并且算法一旦上線，便能在線上做分鐘級的訓練，越用精度越高。
其三，內置了大量凝結依圖對行業認知的算法。
通過針對性的將特定數據放入訓練模型中，如大客流、重點區域防控等典型算法，來提高模型性能。
今年以來，依圖的天問大模型收到不少令許焰印象深刻的反饋。
某城市交通事故頻發，該市客戶找到依圖做城市路口的常規違章和不文明行為判定，要求用天問大模型賦能利舊的前端攝像頭。
依圖做了闖紅燈、超速、不禮讓行人、騎車不戴安全帽、違法掉頭、壓實線等各種各樣的算法，系統上線第一天，準確度只有60%-70%，一周結束后精度基本達到100%，并且成本比以往的建設成本下降了 60% - 70%。
在許焰的回憶中，“當時這個客戶特別興奮，因為依圖用一周時間，解決了該城市交通治理極大的痛點?！?/strong>
除了大型項目，多模態大模型的意義還在于解鎖長尾算法。
以往，大量中小型客戶，由于支付能力不強，此前對AI沒有剛需，未來借助大模型的遷移和通用能力，可以降低成本門檻，這些用戶也能用上用好大模型。
路漫漫其修遠兮，吾將上下而求索。
2019年，依圖發布第一款AI芯片，從屈原的《楚辭》中找到“求索”一名，表達了對人工智能技術、人工智能產業落地探索的熱情。
與此同時，依圖也開啟了將Transformer技術用于視覺領域的研究，并同樣從《楚辭》中找到“天問”一名，賦予彼時還尚出世的視覺多模態大模型。
時至今日，依圖在國產化算力上有了“求索”和“求實”，在大模型算法上有了“天問”。十年AI路，依圖所打造的“全棧AI技術”和"一站式AI解決方案提供商“的形象也越發清晰，完整。
在大模型時代，依圖對安防智能化依然信心滿滿，秉持著為”價值最大化，成本最低化“的運營理念，投入堅決。隨著視覺多模態大模型產品的商用推出和規?；渴穑缊D又一次站在了AI新時代的浪尖。
大模型時代必然會產生新的商業模式和應用場景，在依圖的第二個十年，我們期待它能再一次引領行業，再一次把“新安防，真智能”的口號變成現實。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
