Hikvision 2018 AI Cloud World Summit: SHAPING INTELLIGENCE
 |
leiphone 作者：张栋
3月31日，由雷鋒網主辦的「2018中國人工智慧安防峰會」在深圳圓滿結束。
本次中國人工智慧安防峰會中，海康威視朱江博士以《AI Cloud：雲邊融合》為主題，全面深入地分享了AI Cloud架構。
擁有二十多年研發經驗的朱江博士，帶領海康威視智慧算法團隊，多次在國際大賽中取得第一的成績，並參與搭建了海康威視AI Cloud架構。
朱江博士在大會中提到，AI Cloud架構由雲中心、邊緣域、邊緣節點三部分構成，實現從端到中心的邊緣計算+雲計算，使得圖像目標細節傳輸更高效，數據分級應用更加靈活。
以下為朱江博士的現場演講內容，雷鋒網作了不改變原意的編輯及整理：
感謝雷鋒網提供了這樣一個機會，能夠在這裡向各位行業同仁交流海康威視在智慧物聯網架構AI Cloud方面的思考和成果。
去年10月，海康威視在深圳的一次大會中提出了AI Cloud架構，目的是在眾多邊緣設備與雲端系統之間，建立一個合理的技術架構。那麼從邊到雲，我們到底應該做些什麼？這裡我提出四個問題：
如何充分地、靈活地運用邊緣設備資源？
如何建立整個物聯網，能夠彼此溝通和相容的物聯網數據模型？
如何實現不同時間、不同開發團隊所開發的行業應用之間的協同工作？
如何為越來越龐大的、包括影像在內的物聯網各類設備，建立統一的運維服務體系？
這些問題顯然不應該、也不可能都在雲端系統解決。
在此前提下，海康威視提出了AI Cloud，我們把邊緣設備稱之為邊緣節點，把雲端稱之為雲中心。
我們認為在兩類節點之間，靠近邊緣節點的一側，還應該增加一個環節。在這一環節，來解決剛剛提出的一系列從邊到雲的問題。這個環節，我們稱為邊緣域。
邊緣節點：側重多維感知數據的採集和前端智慧處理；
邊緣域：側重感知數據的匯聚、儲存、處理和智慧化應用；
雲中心：是要對包括物聯數據在內的多維數據進行融合，並且進行大數據分析應用。
雲中心：是要對包括物聯數據在內的多維數據進行融合，並且進行大數據分析應用。
從上圖中我們看到，數據從邊緣節點流到邊緣域，又從邊緣域流到雲中心，前部分從邊緣節點到邊緣域的過程，實現聚邊到域，數據從邊緣域到雲中心的過程，實現數據上雲。
從邊緣域來看，流進來和流出去的數據，無論是格式、還是內容，都有很大的不同。
那麼邊緣域成了一個中場，它要知道數據在什麼時候、用什麼樣的形式、經過什麼樣的處理，再送到雲端去。因此我們說，域為中場。
從這裡大家可以看到，海康威視AI Cloud的雲邊融合，不是簡單的雲+邊，更不是簡單地分成若干個，所謂的「小雲」，再匯聚到更大規模的雲，而是切實解決從邊到雲，所帶來的應用、數據處理、管理等一系列問題的新架構。
同時，我們希望透過邊緣域這個環節，解決更多的問題。在AI Cloud架構下，邊緣節點、邊緣域和雲中心，都能夠以多級多類彼此互聯，並且可以互相衍化。
這個架構的特點可以概括為四句話：邊緣感知、按需匯聚、多層認知、分級應用。
總體來看，我們講的AI Cloud，不是Cloud Computing，而是基礎設施、數據資源、平台服務和應用軟體的總和。
下面我把AI Cloud的一些具體內容、也就是說我們要實現的一些具體能力與大家分享一下。
首先，要實現AI資源的可調度。讓AI像電能，成為資訊系統的可調度資源。無論是AI所需要的算力、算法、數據、系統，還是服務，都應該在應用需求的牽引下實現合理的調度。
為此，我們在邊緣域和雲中心，都研發了管理調度平台。以邊緣域的管理調度平台為例，我們在管理調度平台後台，建構了兩池一庫，也就是計算儲存資源池和數據資源池，一庫是算法倉庫。
在兩池一庫的基礎上，我們提供對連接到邊緣域的，所有邊緣節點的管理，對接入進來的影像、門禁、警報等各類物聯網資源，進行統一管理，以及統一管理調度邊緣域，自身的計算資源、儲存資源、軟體資源、算法資源。
在算法倉庫方面，我們建立了統一的算法模型，規範了算法接入的接口，能夠實現多個廠家的算法，接入到我們的算法倉庫上面來，基於上層的任務，進行統一調度。
在算法倉庫方面，我們建立了統一的算法模型，規範了算法接入的接口，能夠實現多個廠家的算法，接入到我們的算法倉庫上面來，基於上層的任務，進行統一調度。
為了實現效果，在後台底層我們實現了對GPU資源的池化管理，能夠支持算法在上面的靈活調度。另外還有非常重要的一點就是，我們在邊緣域的算法倉庫，可以根據應用的需求，對與我們連接的前端邊緣節點的算法，進行動態調度。
第二個方面，我們要實現數據的按需匯聚。
要讓數據像水源、受控地流動到需要的地方。大家知道，水對人類的生存至關重要，如果處理不好，也可以是洪水猛獸。
數據也一樣，邊緣節點產生大量的原始數據，AI的處理過程產生大量的智慧數據，只有把這些數據按照應用的需求，受控地流動到需要的地方，才能避免傳輸和儲存中資源的濫用，同時有利於高效、充分地發掘數據的價值。
數據也一樣，邊緣節點產生大量的原始數據，AI的處理過程產生大量的智慧數據，只有把這些數據按照應用的需求，受控地流動到需要的地方，才能避免傳輸和儲存中資源的濫用，同時有利於高效、充分地發掘數據的價值。
為此我們在邊緣域和雲中心，分別研發了物聯網數據資源平台，和大數據資源平台。在邊緣域，很重要的是要實現數據的按需匯聚。那麼問題來了，如果我們不能定義「需」，就不能按需匯聚。
那麼需從哪來？需從用來。就是說我們會站在用的視角來，比如說是一些時間範圍、是一些地域範圍，是一些技術屬性，更重要的可能是一些業務屬性。
那麼需從哪來？需從用來。就是說我們會站在用的視角來，比如說是一些時間範圍、是一些地域範圍，是一些技術屬性，更重要的可能是一些業務屬性。
物聯網的數據模型，和我們的行業業務數據模型之間，需要進行關聯，否則兩者是相對獨立的。
以人為例，比如說有抓拍機抓到人的圖片，透過人臉辨識技術，我們可以知道他的身份證號是多少，他今年多少歲，但僅有這些數據對應用是不夠的，我們更關注他的業務數據。
比如對於公安來講，關注的可能是他是不是吸毒人員；對於交通來講，關注的可能是他是不是一個失格駕駛員；對於金融來講，關注的可能是他是不是VIP客戶；對於法院來講，關注的可能是這個人，是不是一個失信被執行人；等等。這樣的一些業務數據，實際上需要在邊緣域裡面，把它跟物聯網數據關聯起來。
在邊緣域裡的物聯網數據資源平台，就是要解決這個問題。我們經常講要有個地方養數據，才能用好數據。同樣在雲中心，我們建立了大數據資源池，未來在雲中心實際上主要有三類數據需要來匯聚和處理，能夠實現對行業和整體更好的智慧化。
其中有一類數據，來自於邊緣域的物聯網數據；第二類來自於互聯網的數據；第三類特別重要，就是各個行業業務系統的內部數據，只有實現了這三類數據的匯聚，在這個基礎上，我們透過大數據的資源平台，來解決數據治理和數據服務的問題。
其中有一類數據，來自於邊緣域的物聯網數據；第二類來自於互聯網的數據；第三類特別重要，就是各個行業業務系統的內部數據，只有實現了這三類數據的匯聚，在這個基礎上，我們透過大數據的資源平台，來解決數據治理和數據服務的問題。
第三件事我們要做的是應用的場景化。
讓應用像陽光，照亮業務場景的每個角落。如果說AI和數據是原料，那麼應用就是產品。結合不同的應用場景，相同的原料可以做出不同的產品。在邊緣節點、邊緣域和雲中心，我們都把場景化作為關鍵詞，來分析有哪些應用可以提供給客戶。
比如在邊緣節點，我們要建立單一場景的智慧應用，說簡單點是在什麼場所，幹什麼事。在邊緣域，我們要建立的是跨時間和地點的，一種跨時空場景的智慧化業務應用，要分析的是在什麼行業裡，要幹什麼業務。
到了雲中心，我們面向的是更大規模的綜合管控、預警預測類場景。我們要分析的是什麼行業或者跨哪些行業，需要判斷宏觀的「態」和「勢」，即狀態和趨勢，透過這樣的方法找到該做的應用。
在這樣的前提下，我們在邊緣域和雲中心，分別提供了智慧應用平台和綜合應用平台，我們透過平台，把底層的數據資源連接好，可以為上層的應用提供更好地彼此相容、彼此協同的機會。
因此，我們在邊緣域，透過底層的物聯網數據資源池，然後再基於我們的智慧應用平台，可以實現很多過去沒有的應用效果。例如可以實現多數同用，也就是可以把邊緣節點的很多數據，匯聚到資源池以後，為同一個應用所用。
因此，我們在邊緣域，透過底層的物聯網數據資源池，然後再基於我們的智慧應用平台，可以實現很多過去沒有的應用效果。例如可以實現多數同用，也就是可以把邊緣節點的很多數據，匯聚到資源池以後，為同一個應用所用。
例如在杭州某塊區域需要重點保全，這樣的一個應用馬上建立，我們可以把很多以前已經構建好的，和現在即將構建的邊緣節點的數據納入資源池，很快地在同一個應用中來使用。
另外反過來的一個效果，是可以做同數多用，比如說在一個社區，一個攝影機採集了一些影像，數據進入資源池以後，可以被不同行業的用戶用於不同的應用。
另外反過來的一個效果，是可以做同數多用，比如說在一個社區，一個攝影機採集了一些影像，數據進入資源池以後，可以被不同行業的用戶用於不同的應用。
例如對於公安，可以用於對重點人員的管控；對於社區，可以做獨居老人關懷；對於城管，可以做餐飲小店的出店經營監管；對於環衛，可以做清運車輛的監管等。
這樣我們可以看到，數據和應用實際是相對獨立開來。這樣做到了數據的累積過程和應用需求的深化。作為兩個過程，可以同步進行。
養數據的人和用數據的人，即有所關聯，又可以相對獨立地工作。同樣，我們在雲中心提供的綜合應用平台，也可以在大數據資源池的基礎上，支撐用戶來開發滿足需要的，既相互聯繫，又相對獨立的項目應用。
剛才講到了更多的是我們在AI Cloud架構下，我們在邊緣域和雲中心建立平台以後，可以獲得更多的應用。但實際上，在邊緣節點的應用，仍然是我們發力的重點。邊緣節點的應用也是邊緣域和雲中心實現更好應用效果的前提和基礎。
邊緣節點的工作重點：
首先還是智慧化。我們要把更多更強更好的AI能力，注入到邊緣節點。
其次，我們要實現多樣化。就是把基礎產品能力，結合更多的用戶使用場景，來實現產品的多樣化。
第三是多維化。要把影像的採集能力，和RFID、WiFi、溫濕度、時間空間的，等多種傳感手段，整合在一個設備裡，為用戶提供一體化的多維感知能力。
其次要做到的是綜合化，我們現在已經有了很好的實踐，把一些傳感器，一定的數據和應用能力，直接放到邊緣節點，在綜合化的設備裡面，直接給用戶提供最高效、最快捷的應用能力。
比如現在的人臉門禁，一方面透過人臉辨識，達到很好的用戶感受，另一方面和門禁進行整合，直接在前端提供高效的服務。
所有的這些能力，最後還有非常重要的一點，就是要實現邊緣節點的可管理。所有的邊緣節點都需要做自檢能力，並且把自檢狀態的輸出，與運維服務平台作整合。
在應用方面還要隆重提到的，就是我們公有雲應用平台，也就是螢石雲。
螢石作為海康威視，佈局在互聯網上的影像雲平台，經過幾年努力，已經連接了數千萬終端設備，全球有千萬級活躍用戶，每天過億次警報推送，每天過千萬影像預覽的請求。
螢石一直將開放作為自己的重要策略，經過努力，已與全球很多合作夥伴建立了良好的生態。目前在螢石平台上入駐，已經有2萬多家開發用戶，擁有4000多個活躍應用。
螢石一直將開放作為自己的重要策略，經過努力，已與全球很多合作夥伴建立了良好的生態。目前在螢石平台上入駐，已經有2萬多家開發用戶，擁有4000多個活躍應用。
AI能力的注入為螢石給更多行業提供更好的支撐，奠定了非常好的基礎，同時，因為螢石是運行在互聯網上的，所以一直把安全手段作為非常重要的工作，提供了一系列的安全防護手段，並且已經通過ISO27001和等保三級的安全認證。
第四個方面，我們要實現運維的一體化。我們要讓運維像空氣，不刷存在感卻無處不在。因為我們深深知道，在物聯網行業裡，只有管好，才能用好。
為此，我們研發了統一的運維服務平台，把邊緣節點、邊緣域和雲中心所有的設備、軟體、應用系統，全部都管理起來，我們要為直接用戶，為運維服務團隊的各個角色，為設備廠商，提供一攬子的運維服務功能。
在運維平台裡，我們尤其考慮到兩個方面的可擴展，一是運維對象可擴展，我們提供了運維設備接入的框架，未來有新的技術特徵的設備可以被擴展進來，作為我們運維服務的對象；另外一方面是我們提供了加盟商管理的功能，支持更多維修服務團隊在我們統一的運維平台上，為客戶提供服務。
從AI Cloud提供的以上能力，可以看到這樣一個面向設備擴展、數據融合、應用協同、持續運維的機制，這不是海康威視一家企業能獨立完成的，我們要和眾多的合作夥伴一起，共建可成長的生態。讓生態像大樹，扎根合作沃土不斷成長。
海康威視致力於為合作夥伴搭建合作共贏的舞台。我們透過計算儲存資源池和算法倉庫，實現基礎設施的開放，我們透過物聯網數據資源池，和大數據資源池，實現數據資源的開放，我們透過智慧分析服務和大數據分析服務，實現平台服務的開放，我們透過智慧應用平台和綜合應用平台，實現應用接口的開放。
在這個舞台上，設備廠商、基礎軟體廠商、算法廠商、數據提供商、應用開發商都將找到自己的用武之地；安全服務商、運維服務商和技術標準規範團隊，也將找到合作機會。
我們將與大家一起，共同打造面向產品和服務的生態。為此，我們會竭盡全力做好搭台工作。除了提供能力開放平台，還將提供開放式體驗環境，和產品的相容性驗證環境。
各位行業同仁，很高興在這裡分享海康威視AI Cloud雲邊融合的發展理念：聚邊到域、域為中場、數據入雲的技術架構；兩池一庫四平台的產品實現，以及包括遷移、升級、整合、數據、應用和運維在內的服務模式，更重要的，是在此基礎上要打造的面向產品和服務的開放生態。
希望未來在AI Cloud架構下，我們能夠一起合作，為廣大的用戶提供更多更好的服務。
沒有留言:
張貼留言