3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
2022年1月17日 星期一
· AI 人工智慧將強化影像監控的辨識能力！？
First Look at the AI Camera Systems at CES - WSJ
兩年前 CES 上的 AI 攝影機系統最初亮相 - 華爾街日報
歸檔下：
當數位眼睛讓大腦匹配時會發生什麼？
我們通常將監控攝影機視為數位眼睛，根據你的看法監視我們或注意我們。但實際上，它們更像是舷窗：只有在有人透過它們查看時才有用。有時這意味著人類觀看即時畫面，通常來自多個影像來源。然而，大多數監控攝影機都是被動的。他們在那裡起到威懾作用，或者在出現問題時提供證據。例如當你的車被偷了？才會去檢查閉路電視。
但這種情況正在改變 —— 而且速度很快。人工智慧正在為監控攝影機提供數位大腦，來匹配他們的眼睛，讓他們無需人工就可以分析即時影像。這對於公共安全來說可能是個好消息，可以幫助警察和急救人員，更容易地發現犯罪和事故，並具有一系列科學和工業應用。但它也對隱私的未來提出了嚴重的問題，並對社會正義構成了新的風險。
當政府可以追踪大量使用閉路電視的人時會發生什麼？什麼時候警察可以透過將你的臉部照片上傳到數據庫中，以數位方式在城市中追踪你？或者當一個有偏見的算法，在你當地商場的攝影機上運行時，因為它不喜歡特定青少年群體的樣子，而對警察發出警告？
/cdn.vox-cdn.com/uploads/chorus_asset/file/10058659/additional_asset_02_cam_right.gif)
這些場景還有一段路要走，但我們已經看到了將人工智慧與監控相結合的初步成果。IC Realtime 就是一個例子。其旗艦產品於去年 12 月亮相，被稱為 Google for CCTV。這是一個名為 Ella 的應用 app 和網路平台，它使用 AI 來分析影像源中發生的事情，並使其立即可搜索。 Ella 可以辨識數十萬個自然語言查詢，讓用戶搜索鏡頭以查找顯示特定動物、穿著某種顏色衣服的人，甚至是個別汽車品牌和型號的剪輯。
在一個網路演示中，IC Realtime 首席執行官馬特·塞勒向 The Verge 展示了 Ella 的一個版本，該版本連接了大約 40 個監控工業園區的攝影機。他輸入了各種搜索詞 —— 「一個穿紅衣服的男人」、「UPS 貨車」、「警車」—— 所有這些搜索都在幾秒鐘內找到了相關的圖像。然後，他按時間段和位置縮小了結果範圍，並指出用戶如何對剪輯表示贊同或反對，以改善結果 —— 就像 Netflix 一樣。
「假設發生了一起搶劫，而你並不真正知道發生了什麼，」Sailor 說。 「但後來有一輛吉普牧馬人向東飛馳。所以我們進去，我們搜索‘Jeep Wrangler’，它就在那裡。」在螢幕上，剪輯開始填充提要，顯示不同的吉普牧馬人滑過。 Sailor 解釋說，這將是結合 AI 和 CCTV 的第一個大優勢：讓你可以輕鬆找到所需內容。 「如果沒有這項技術，你只知道你的攝影機，你必須篩選幾個小時和幾個小時的影片，」他說。
Ella 在 Google Cloud 上運行，可以從幾乎任何閉路電視系統中搜索鏡頭。 「[它] 在單攝影機系統上運行良好 - 就像保姆攝影機或寵物攝影機 - 一直到企業，擁有數千個攝影機的矩陣，」Sailor 說。用戶將按月支付訪問費用，起價約為 7 美元，並隨著攝影機數量的增加而增加。
IC Realtime 希望針對各種規模的企業，但認為其技術也將吸引個人消費者。亞馬遜、羅技、Netgear 和谷歌旗下的 Nest 等公司，生產的「智慧」家庭安全攝影機市場蓬勃發展，這些客戶已經為這些客戶提供了良好的服務。但 Sailor 表示，這項技術比 IC Realtime 的技術還要簡陋得多。這些攝影機連接到家庭 Wi-Fi，並透過應用 app 提供即時流媒體，當他們看到有東西移動時，它們會自動記錄影像。但是，Sailor 說，他們無法區分闖入和鳥類之間的區別，從而導致很多誤報。「它們是已經存在多年的非常基礎的技術，」他說。「沒有人工智慧，就沒有深度學習。」
:no_upscale()/cdn.vox-cdn.com/uploads/chorus_asset/file/10082451/ella_example_screenshot.png)
這種情況不會持續很長時間。雖然 IC Realtime 提供基於雲的分析，可以升級現有的啞攝影機，但其他公司正在將人工智慧直接建構到他們的硬體中。Boulder AI 就是這麽樣的一家新創公司，它使用自己的獨立 AI 攝影機銷售「視覺即服務」。將人工智慧整合到設備中的一大優勢，是它們不需要網路連接即可工作。Boulder 向廣泛的行業銷售產品，為個人客戶量身訂制其建構的機器視覺系統。
「這些應用真的無處不在，」創始人達倫奧多姆告訴The Verge。「我們的平台賣給了銀行、能源領域的公司。我們甚至有一個應用 app ，我們可以在其中查看比薩餅，確定它們的大小和形狀是否合適。」
奧多姆舉了一個愛達荷州客戶建造水壩的例子。為了符合環境法規，他們一直在監測在結構頂部上方的魚的數量。「他們曾經讓一個人坐在這個魚梯的窗戶旁，計算有多少鱒魚經過，」奧多姆說。（魚梯就像它聽起來的樣子：魚用來上坡的階梯水道。）「然後他們開始拍攝影像，有人[遠端]觀看它。」最後，他們聯繫了 Boulder，後者為他們建構了一個客製化的 AI CCTV 系統，以辨識魚梯上的魚的類型。「我們確實使用電腦視覺完成了魚類物種辨識，」奧多姆自豪地說。「我們現在 100% 可以在愛達荷州辨識鱒魚。」
如果 IC Realtime 代表市場的通用終端，那麼 Boulder 展示了精品承包商可以做的事情。然而，在這兩種情況下，這些公司目前提供的只是冰山一角。就像機器學習在辨識物體的能力方面，取得了迅速的進步一樣，分析場景、活動和動作的技能，也有望迅速提高。一切就緒，包括基礎研究、計算能力和訓練數據集 —— 這是創建合格 AI 的關鍵組成部分。兩個最大的影像分析數據集，是由 YouTube 和 Facebook 製作的，這兩家公司表示他們希望 AI 幫助審核其平台上的內容（儘管兩者都承認它還沒有準備好）。例如，YouTube 的數據集包含 450,000 多個小時的標記影像，希望能刺激「影像理解的創新和進步」。參與建構此類數據集的組織的廣度，使人們對該領域的重要性有所了解。谷歌、麻省理工學院、IBM 和 DeepMind 都參與了他們自己的類似項目。
IC Realtime 已經在研究臉部辨識等高級工具。之後，它希望能夠分析螢幕上發生的事情。 Sailor 說，他已經與教育領域的潛在客戶進行了交談，他們希望透過監控能夠辨識學生何時在學校遇到麻煩。「例如，他們對打架的搶先通知感到興趣，」他說。系統需要做的就是注意聚集在一起的學生，然後提醒一個人，他可以檢查影像源，以查看正在發生的事情或親自前往調查。
博爾德也在探索這種高級分析。它正在開發的一個原型系統，應該用來分析銀行中人們的行為。 「我們專門尋找壞人，並找出正常演員和行為越界的人之間的區別，」奧多姆說。為此，他們使用舊的安全攝影機鏡頭來訓練他們的系統，以發現異常行為。但是這個影像很多都是低畫質的，所以他們也在拍攝自己的演員訓練鏡頭。奧多姆無法透露細節，但表示該系統將尋找特定的臉部表情和動作。「我們的演員正在做蹲伏、推搡、斜視等動作，」他說。
/cdn.vox-cdn.com/uploads/chorus_asset/file/10058663/additional_asset_03.gif)
對於監控和人工智慧領域的專家來說，引入這些能力充滿了潛在的技術和道德困難。而且，就像人工智慧經常發生的情況一樣，這兩個類別是相互交織的。這是一個技術問題，機器無法像人類一樣理解世界，但是當我們假設它們可以並讓它們為我們做決定時，它就變成了一個道德問題。
卡內基梅隆大學專門研究此類電腦分析的教授 Alex Hauptmann 表示，儘管人工智慧近年來極大地推動了該領域的發展，但在讓電腦理解影像方面，仍然存在根本性挑戰。其中最大的挑戰，是我們不再經常考慮的攝影機的挑戰：解析度。
舉個例子，一個經過訓練可以分析影像中，人類行為的神經網路。這些工作透過將人體分解成部分 —— 手臂、腿、肩膀、頭部等 —— 然後觀察這些簡筆劃如何從一幀影像變為下一幀。由此，人工智慧可以告訴你，某人是否在跑步，或者是在梳頭。「但這取決於你擁有的影像的解析度，」豪普特曼告訴 The Verge。 「如果我用一台攝影機觀察停車場的盡頭，我很幸運能分辨出是否有人打開了車門。如果你就在[攝影機]前彈吉他，它可以追踪到你的手指。」
這對 CCTV 來說是個大問題，因為攝影機經常是顆粒狀的，角度也很奇怪。Hauptmann 舉了一個例子，一個便利店裡的攝影機瞄準收銀台，但它也忽略了面向街道的窗戶。如果外面發生搶劫，部分被攝影機遮擋，那麼人工智慧就會被難住。「但是，作為普通人，我們可以想像正在發生的事情，並將其拼湊起來。電腦無法做到這一點，」他說。
/cdn.vox-cdn.com/uploads/chorus_asset/file/10082495/ai_china_surveillance.gif)
同樣，雖然人工智慧非常擅長以相當高的水準辨識影像中發生的事情（例如，某人正在刷牙、看手機或踢足球），但它還不能提取重要的上下關聯。以可以分析人類行為的神經網路為例。它可能會看到錄影並說「這個人正在跑步」，但它無法告訴你他們是否因為公共汽車遲到，或因為他們剛剛偷了某人的手機而跑步。
這些準確性問題，應該讓我們對人工智慧新創公司的一些主張三思而後行。我們離電腦能夠以與人類相同的洞察力，理解它在影像中看到的東西的程度相去甚遠。（研究人員會告訴你這太難了，基本上是「解決」智力的代名詞。）但事情進展很快。
Hauptmann 說，使用車牌追踪來跟踪車輛是「一個已解決的實際問題」，受控環境中的臉部辨識也是如此。（使用低畫質閉路電視錄影，進行臉部辨識是另一回事。）辨識汽車和衣服等物品也非常可靠，並且可以透過多個攝影機自動跟踪一個人，但前提是條件合適。「你很擅長在不擁擠的場景中追踪個人 —— 但在擁擠的場景中，就別管它了，」豪普特曼說。他說，如果個人穿著不起眼的衣服，這尤其困難。
然而，即使是這些非常基本的工具，也可以在規模上產生強大的影響。中國提供了一個例子來說明這種情況。在最近的《華爾街日報》上，新疆西部地區當地維吾爾族的異議受到壓制，被稱為「高科技社會控制的實驗室」報告。在新疆，傳統的監控和民事控制方法與臉部辨識、車牌掃描儀、虹膜掃描儀和無處不在的閉路電視相結合，創造了一個「全面監控狀態」，在公共場所不斷追踪個人。在莫斯科，正在組裝類似的基礎設施，將臉部辨識軟體，插入一個由超過 100,000 個高解析度攝影機組成的集中系統，該系統覆蓋了該市 90% 以上的公寓入口。
在這種情況下，可能會形成一個良性循環，隨著軟體變得更好，系統會收集更多數據，這反過來又有助於軟體變得更好。 「我認為這一切都會有很大改善，」Hauptmann 說。 「它來了。」『3S MARKET：這就是所謂你可能聽到的機器學習的過程。』
/cdn.vox-cdn.com/uploads/chorus_asset/file/10058661/Additional_asset_01_cam_left.gif)
如果這些系統正在工作中，那麼我們已經遇到了算法偏差等問題。這不是一個假設的挑戰。研究顯示，機器學習系統吸收了對它們進行編程的社會的種族和性別偏見 —— 從總是把女性放在廚房裡的圖像辨識軟體，到總是說黑人更有可能再次犯罪的刑事司法系統。如果我們使用舊鏡頭（例如閉路電視或警察隨身攝影機）訓練 AI 監控系統，那麼社會中存在的偏見很可能會長期存在。
紐約大學以道德為重點的 AI Now 研究所聯合主任梅雷迪思·惠特克 (Meredith Whittaker) 表示，這一過程已經在執法部門進行，並將擴展到私營部門。Whittaker 舉了 Axon（前身為 Taser）的例子，該公司收購了幾家 AI 公司，以幫助將影像分析建構到其產品中。「他們擁有的數據來自警察身上的攝影機，這些數據告訴我們很多關於個別警察可能會描述誰的資訊，但並沒有給我們一個完整的畫面，」惠特克說。「這有一個真正的危險，那就是我們正在普遍化有偏見的犯罪和犯罪圖片。」
ACLU 高級政策分析師傑伊·史丹利 (Jay Stanley) 表示，即使我們設法解決了這些自動化系統中的偏見，但這並不能使它們變得良性。他說，將閉路電視攝影機從被動觀察者轉變為主動觀察者，可能會對公民社會產生巨大的寒蟬效應。
「我們希望人們不僅自由，而且感到自由。這意味著他們不必擔心未知的、看不見的觀眾可能會如何解釋或誤解他們的每一個動作和話語，」史丹利說。「令人擔憂的是，人們將開始不斷地監控自己，擔心他們所做的一切都會被誤解並給他們的生活帶來負面影響。」
史丹利還表示，不準確的人工智慧監控產生的誤報，也可能導致執法人員與公眾之間發生更危險的對抗。例如，想想 Daniel Shaver 的槍擊案，在看到 Shaver 拿著槍後，一名警察被叫到德克薩斯州的一家旅館房間。警長查爾斯·蘭利（Charles Langley）按要求在地板上爬向他時，槍殺了拿剃鬚刀的人。有人看到剃鬚刀使用的槍，但那是用於害蟲防治工作的彈丸槍。
如果人類可以犯這樣的錯誤，那麼電腦有什麼機會呢？如果監控系統變得部分自動化，這種錯誤會變得更普遍還是更不常見？史丹利說：「如果技術在那裡，就會有一些警察部隊在那裡看著它。」
Whittaker 說，我們在這個領域看到的只是 AI 更大趨勢的一部分，我們使用這些相對粗糙的工具，來嘗試根據人們的形像對他們進行分類。她指出去年發表的有爭議的研究聲稱，能夠使用臉部辨識來辨識性行為，作為一個類似的例子。人工智慧結果的準確性值得懷疑，但批評者指出，它是否有效並不重要；人們是否相信它有效，並使用這些數據做出判斷很重要。
Whittaker 說：「讓我感到不安的是，很多這些系統都被注入我們的核心基礎設施，而沒有民主程序讓我們能夠就其有效性提出問題，或告知將要部署它們的人群。」 「這是算法系統的又一個例子，該系統提供基於從嵌入文化和歷史偏見的數據中，提取的模式辨識來分類和確定個體類型。」
當我們向 IC Realtime 詢問 AI 監控如何被濫用的問題時，他們給出了一個在科技行業很常見的答案：這些技術是價值中立的，只有它們的實施方式和實施者，才能決定它們的好壞。「任何新技術都有可能落入壞人之手，」Sailor 說。「任何技術都是如此……我認為這方面的優點遠遠大於缺點。」
 |
| AKD 寰楚專業級全系列監控設備 |
· 趨勢和技術決定了門禁控制的「智慧」未來
Access Control for future smart buildings
未來智慧建築的門禁控制
Klacci Kii Assistant The hospitality System(中文字幕)
雖然門禁卡在門禁控制市場中仍然發揮著重要作用，但一些公司正在轉向智慧手機藍牙技術，讓居民通過安全門、電梯和旋轉門，實現無障礙訪問。行動憑證的引入有可能徹底改變門禁控制行業。手機的技術可以幫助驗證身份並允許進入，而不是攜帶和刷卡。行動憑證的普及率有所上升，它可以透過智慧手機與門禁控制讀卡器進行交互，而不是實體卡。行動憑證更方便，提供更大的靈活性，提高隱私性，還可以降低最終用戶憑證管理的維護成本。
生物辨識技術也隨著指紋辨識和虹膜掃描而增加。在某些情況下，多種生物特徵辨識方法與卡的使用（或代替卡的使用）相結合，以獲得更高的安全性。儘管技術不斷發展和進步，但在可信身份方面，實體卡將繼續在安全地授予或限制門禁方面發揮重要作用。實體卡是商業安全系統的重要組成部分 —— 透過控制進入或限制空間內的訪問，來保持建築物和指定區域的安全。實體卡與數位身份的結合是強大的，並提供了多層安全性。
身份驗證技術與安全
門禁卡有兩類 —— 非安全卡和安全卡 —— 都提供了監控誰進出建築物的方法。感應卡是商業和住宅建築中最常見的門禁卡類型；但是，它們提供的安全性很小。通常情況下，一張信用卡大小的門禁卡通常可以使用 5 到 10 年，然後才需要更換。然而，許多因素會影響卡片的耐用性和使用壽命，例如卡片基材的類型和使用的個性化技術、卡片的儲存方式，以及卡片是否耐化學品、耐磨、防潮和紫外線。 儘管三種類型的門禁卡 —— 感應卡、磁條卡和智慧卡 —— 可能看起來相同，但驅動它們的技術卻大相徑庭。感應（prox）卡可以由幾種不同的材料製成，但它們都以相同的方式工作；靠近讀卡器，無需與讀卡器進行身體接觸。
Prox 卡是一種較舊的技術和低安全性卡。磁條卡是最古老的門禁卡形式之一，安全性極低。它們很容易被複製，通常用於酒店等低安全性環境。他們透過讀卡器（如信用卡）刷磁條來工作。門禁卡市場領域的最新進展 —— 智慧卡 —— 的開發目標是難以複製。智慧卡提供最高的安全性，工作頻率為 13.56Mhz（與工作頻率為 125kHz 的代理卡相比）。智慧卡具有嵌入式整合電路，除了讀取數據外，還能夠寫入數據，這使得卡可以儲存，比傳統代理卡更多的數據，支持大量憑證選項。智慧卡可以提供個人辨識、認證、數據儲存和應用程序處理。它們可以與其他卡技術相結合以提高安全性。
智慧卡最適合商業和住宅建築訪問，因為它們透過必須由閱讀器解密的加密憑證，提供更高的安全性。複製或欺騙接近和磁條卡要容易得多。
個人身份驗證和憑證
在歷史的大部分時間裡，我們的身份辨識系統一直依賴於面對面的互動，以及實體文件和流程。但數位技術正在改變全球身份驗證的方式。訪問卡透過實體門禁控制 (PAC) 系統，與個人身份相關聯，該系統涉及一個兩步過程，在卡打後，將卡與個人聯繫起來。一些卡片個性化軟體系統還可以在卡片個性化後，連接並更新 PAC 系統。 首先，系統辨識個人。然後，他或她的憑據透過徽章、智慧卡、密碼、行動設備或生物特徵（例如指紋）進行身份驗證。身份驗證後，建築門禁控制系統授予進入權限。門禁控制始於受信任的身份，該身份驗證有權獲得與證書相關的好處的人。門禁卡的個性化程度，取決於卡上的資訊和安全類型，例如，使用唯一數據、證書和/或憑證對智慧卡進行編碼。
塑造門禁控制未來的趨勢
在安全問題日益嚴重的時代，政府、企業和物業經理，必須提升可信身份的重要性，同時平衡對便捷和高效訪問的需求。隨著安全需求的增加，門禁卡的使用在全球範圍內有所增加。安全系統的技術進步，包括無線技術的佈署，正在加強門禁控制。安全是私人和公共實體最關心的問題；許多行業正在向智慧卡過渡。智慧卡是最安全的門禁卡類型，最常用於政府、醫療保健和金融部門，而感應卡通常用於高等教育和企業。
卡將繼續用於訪問，但肯定會轉向行動憑證和生物辨識技術。
· 雲端運算如何改變建築的管理
How MTWO Construction Cloud Supports Your Building Project’s Lifecycle
MTWO 建築雲如何支持你的建築項目的生命週期
 |
| IDVIEW 不只是縮時攝影 |
建築經理，無論是單個單元、園區還是建築組合，在能源、成本和效率方面，都有不同的需求。香港的 40,000 座建築物不僅消耗了全市 90% 的電力，而且需要花費數小時的人力，來執行日常的建築物管理任務。
透過利用物聯網 (IoT) 和雲端運算，來降低能源消耗、成本和環境影響，所有這些挑戰都將得到解決。
物聯網的智慧
無需人工輸入或交互，物聯網將設備、物體（從機器到水泵再到汽車），透過雲連接到人，甚至動物。 CLP Smart Energy Connect 的應用 app 開發負責人 Keiran Tai 解釋說，借助物聯網，「你幾乎可以訪問任何關鍵設備的即時數據，從而節省時間和金錢。」
這方面的一個重要應用，可以在建築物中找到。Keiran 指出，建築物需要「密集的人工工作」，包括對設施狀況的持續監控。大樓經理和他們的員工每天都要花在檢查、溫度檢查、設備檢查、濕度控制、警報設置、安全漏洞等方面。手動完成所有這些不僅耗時，而且需要員工執行重複且經常是被動的任務，而不是將時間花在前瞻性規劃和預防上。
「想像一下，有了物聯網，你實際上可以利用一切。想像一下，這些感測器自動將數據發送到雲端中的系統。你不再需要手動讀取溫度。你只需在你所在的位置，安裝一個溫度感測器需要它並自動獲得讀數。」
同樣的想法，也適用於許多其他建築管理需求和問題。從檢查鎖到查看安全錄影，物聯網與數據分析和機器學習相結合，除了提供高級功能（如行為分析和預測設備故障，以進行預測性維護）之外，還可以節省時間和提高效率。
更積極的樓宇管理
一旦發現並報告故障，機器學習和人工智慧，就可以幫助分析行為和預測需求，允許建築經理在需要更換之前購買設備，最大限度地減少採購延遲、服務中斷和意外維護問題。
Keiran 還指出，許多建築物都需要 24/7 全天候監控，這在物理和財務上都存在壓力。「很累，但技術可以持續自動處理資訊，並且在觸發時向你的設備發送警報，從而大大減少人工工作。」
透過雲端運算利用物聯網
市場上有越來越多的標準化智慧建築解決方案。但是，如果你需要一套更專業的樓宇自動化系統，你可能需要一個量身訂製的系統。一種成長趨勢是將感測器和 BMS 數據，聚合到一個數據平台中。傳統上，這些數據平台系統一直位於建築物的實體伺服器上。然而，許多人對雲的採用發生了轉變，樓宇管理也不例外。 「你是買車 —— 加上保險、保養、執照、維修和風險 —— 還是乘坐優步，這讓你無憂無慮，得到與上班相同的結果？」更好的是類比乘飛機旅行。
「如果你想坐飛機，你是自己買私人飛機，還是從一家老牌航空公司買機票，然後利用他們的服務？」
利用雲端技術平台，不僅可以幫助你節省伺服器、儲存和其他運算設備的成本，還可以幫助你的團隊更快地開發平台。雲端平台附帶了一系列技術服務，可以更快地開發技術服務。
儲存是另一個節省的領域。建築物透過感測器生成大量數據，以每秒或每分鐘為基礎進行測量。將所有這些儲存在數據中心內的伺服器上可能會變得昂貴，因為你有儲存成本、備份成本、數據保留規則等。使用雲端運算儲存，儲存幾乎是無限的，你可以成長並只為你使用的內容付費。此外，可以自動管理備份和數據保留等功能，無需任何額外的許可費用。
為了保持真正的彈性，共享計算資源是最有意義的。像微軟、谷歌或亞馬遜這樣的大供應商，擁有大量額外容量的大型數據中心，因此當客戶需要更多時，它隨時可用。他們可以攜帶大量多餘的物品，因為它們未被使用的風險非常低。所有這一切意味著對於普通用戶來說，容量基本上是無限的，並且可以隨著業務成長無縫擴展，無需長時間等待。
最大的雲供應商，包括 AWS、谷歌和微軟，都為應對氣候危機做出了重大的永續發展承諾。他們的目標包括 100% 碳中和、碳負營運和 100% 可再生能源消耗。對雲供應商的投資支持這些穩健的永續發展目標和領導力，這會產生巨大的全球影響。
建築管理未來的永續發展願景和技術
CLP Innovation 的團隊致力於提供數位服務，使組織及其員工受益。我們的旗艦數位平台 Smart Energy Connect (SEC) 將雲端運算和物聯網的集體力量、安全性和成本效益，整合到端到端的能源管理服務中。SEC 幫助客戶滿足他們的數位能源需求，改進他們的營運模式，並減少他們的碳足跡。
智慧能源互聯建築可以：
- 透過令人驚嘆的雲端直觀儀表板，利用數據分析來監控和預測能源消耗
- 滿足環境影響和可持續性目標
- 減少能源消耗、成本和碳足跡
- 促進預防性維護和故障檢測
- 獲得可行的見解，以更好地管理能源使用並減少電費
- 跨多個建築物的基準性能
- 監測室內空氣品質
- 追踪太陽能投資
- 可視化和傳達你的永續性影響
當組織以最小的環境影響優化能源效率時，員工、客戶和社區都會從增強的福祉中受益。
 |
· 2022 年值得關注的 6 個雲安全趨勢
6 #cloud #security trends to watch for in #2022 - #trending #cybersecurity
#2022 年值得關注的 6 個 #cloud #security 趨勢 - #趨勢 #網路安全
退後一步看看「雲」，在過去 20 年是如何發展起來的，這很有趣。有許多創新引發了新一波技術浪潮 —— 從無伺服器技術的繁榮（允許公司以前所未有的速度擴展和建構平台）到雲自動化安全的發展。
這些創新使組織能夠提高業務敏捷性並降低成本；但它們也增加了攻擊面，正如 IDC 最近的一份報告所證明的那樣，該報告強調 98% 的組織，在過去 18 個月中至少遭受過一次雲端安全漏洞。
基於這些變量，以下是預計將在 2022 年出現的主要雲安全趨勢。
無伺服器的成長
我們看到越來越多的組織，在其平台中採用無伺服器架構。這意味著不僅可以利用雲服務提供商的 FaaS（功能即服務）服務，還可以挖掘各種可用的無伺服器產品。隨著每季推出新的無伺服器產品，了解可能出現的潛在風險非常重要。
例如，AWS Pinpoint 是一項 AWS 服務，它提供電子郵件、SMS 消息和行銷工具，易於設置並開始整合 Lambda、API Gateway 等。憑藉無數的整合選項和功能，它對應用開發人員和雲 IT 團隊，了解安全配置是什麼樣的，以及與這些工具相關的潛在風險。
我們還看到諸如「無發行」架構之類的東西，被用來對跨多個 CSP 的 FaaS 架構進行更多控制。隨著對這些類型的架構決策的控制增加，出現了一種考慮安全性的新方法。我們一直關注這些新模型，並正在研究在使用更多無伺服器服務時，如何考慮安全性。在來年，我們將密切關注無伺服器，以及如何最好地保護它，同時提高效率和降低風險。
DevSecOps
越來越多的組織開始全面採用基礎架構即代碼 (IaC)， 來創建完全自主的基於雲的環境。從安全角度來看，確保從代碼到生產的供應鏈受到保護和監控，正成為組織日益關注的問題。我們看到這個領域的工具開始成熟，並且正在實施新的策略。例如，你可以執行配置和架構的預驗證等操作，確保你的架構和代碼，在投入生產之前是合規和安全的。在來年，我們希望看到更多第三方工具和原生雲服務被引入，以更好地支持整個供應鏈。
更多多雲
多雲策略將繼續存在 —— 許多企業正在選擇最適合其平台的技術，同時也在創建利用多個雲服務提供商的彈性架構。我們很快就會看到這種採用模式與多雲安全實踐和工具一起成熟。此外，我們看到「多雲」包圍了邊緣運算，它將繼續擴展到工廠車間，以及分支機構和私人數據中心。我們正在監控這一領域的發展，並開發新的方法來為組織採用多雲戰略。
應用結構
應用開發人員和基礎架構工程師之間的界限，變得非常模糊。開發人員正在根據他們嘗試使用的服務創建雲架構，或者從他們的代碼庫創建新的基礎架構。跨職能團隊開始共同努力，思考安全性如何在這種新的思維方式中發揮作用。我們發現了有助於客戶了解影響的潛在新攻擊媒介和安全配置。我們看到這一趨勢仍在繼續。
SaaS安全
在過去的一年裡，我們看到利用 SaaS 平台的違規行為激增。隨著這一成長，我們也看到了 SaaS 安全產品和工具的成長作為回應。這些領域之一是 SaaS 安全狀態管理 (SSPM) 工具。
SSPM 正在幫助組織深入了解，他們的整體 SaaS 產品組合，以確保他們在保持合規性的同時掌握活動的脈搏。2021 年，我們看到這些 SSPM 採用了大約十幾個平台，但在 2022 年，我們將看到這些工具支持的 SaaS 平台數量顯著增加。組織開始創建一個更強大的 SaaS 安全計劃，該計劃可以涵蓋他們的整個產品組合，從基於雲的供應商的入職和驗證，到其生態系統中 SaaS 供應商的監控和警報。
具有基於屬性的訪問控制 (ABAC) 的動態訪問策略
ABAC 利用標籤，來動態確定訪問權限。例如，如果我有一個標籤「項目」，我可以構建一個策略，如果主體上的標籤「項目」的值，與目標資源或環境上的相同標籤「項目」的值匹配，則授予權限。這允許更具可擴展性和可重用性的策略，簡化管理並改進權限隔離。雖然許多雲服務提供商尚未在所有服務中實施這種新方法（最大限度地減少其效用），但我們很高興看到這種新方法，在來年的採用和支持方面如何成長。
隨著越來越多的組織採用在家工作和混合環境，並將工作負載和數據轉移到雲端，需要從一開始就內置保護支持雲的基礎設施。雲是企業生產力的推動者，但它必須與安全第一的方法一起使用，以最大限度地降低風險，同時提高生產力。
· 沃爾瑪推出未來人工智慧商店，現已向公眾開放
Walmart Intelligent Retail Lab
沃爾瑪智慧零售實驗室
如果台灣的監控攝影機業者還在學中國業者，拼命努力的在「秤斤賣」，來看看這則報導⋯⋯
沃爾瑪今天早上(April 25, 2019) 推出了新的「未來商店」和新興技術的試驗場，包括支持人工智慧的監控攝影機和交互式顯示器。這家商店是一個名為智慧零售實驗室的工作概念 —— 或簡稱為「IRL」—— 在紐約萊維敦的沃爾瑪社區市場外營運。
這家商店對顧客開放，是沃爾瑪最繁忙的鄰里市場商店之一，擁有超過 30,000 件商品，這家零售商表示，這使它能夠在現實環境中測試技術。
與 Amazon Go 的便利店類似，這家商店的天花板上安裝了一套攝影機。但與 Amazon Go 不同，後者是一家佔地面積較小的搶購商店，沃爾瑪的 IRL 佔地 50,000 平方英尺，擁有 100 多名員工。
此外，在沃爾瑪的案例中，這些人工智慧攝影機並沒有被用來，確定客戶購買的商品以自動收費。它仍然有傳統的收銀台。取而代之的是，攝影機將監控庫存水準，以確定員工是否需要從後室冰箱中，取出更多肉類來補充貨架，或者是否一些新鮮物品在貨架上，放置時間過長而需要拉出來做必要的處置。
這個想法是，人工智慧將幫助商店員工，更準確地知道何時何地補貨。反過來，這意味著客戶將知道農產品和肉類，在他們到達時總是新鮮且有庫存。
沃爾瑪表示，使用技術來做到這一點並不簡單。這意味著自動化系統需要能夠檢測貨架上的產品，辨識它看到的確切產品（1 磅碎牛肉與 2 磅等），然後將貨架上的數量，與即將到來的銷售需求進行比較.
對於店員來說，該系統允許他們停止不斷地在商店裡走動，以更換庫存 —— 相反，他們甚至會在當天開門之前，就知道要從後面的庫房裡拿出什麼。
商店中的攝影機和其他感測器每秒輸出 1.6 TB 的數據，或相當於三年的音樂，這需要現場有一個大數據中心。在 IRL 商店，它是玻璃包裝的，沐浴在藍光中並向公眾展示。
這似乎有點嚇人 —— 人工智慧攝影機和巨型伺服器。但沃爾瑪表示，這些數據只儲存了不到一周的時間。
店內還設有資訊站，客戶可以在其中了解更多有關所使用技術的資訊。店內還設有歡迎中心，供想要了解更多技術規格，並獲得常見問題解答的客戶使用。
互動牆讓客戶可以享受 AI 帶來的樂趣 —— 它展示了 AI 系統如何估計身體位置。但實際上它的目的是讓所有這些新技術，看起來不那麼令人生畏。
「技術使我們能夠即時更多地了解我們的業務，」IRL 首席執行官 Mike Hanrahan 說。「當你將我們在 IRL 收集的所有資訊，與沃爾瑪 50 多年經營商店的專業知識相結合時，你可以創造真正強大的體驗，從而改善我們客戶和員工的生活。」
沃爾瑪有興趣在零售業中，將人工智慧用於更實際的目的 —— 在一份聲明中，這位首席執行官可能隱晦地提到了 Amazon Go。
「你不能過分迷戀 AI 的閃亮物體元素，」Hanrahan 說。「有很多閃亮的物體，在做我們認為不切實際的事情，從長遠來看，可能對消費者沒有好處。」
沃爾瑪未來的概念不是專注於自動結賬解決方案，而是在肉類庫存水準使用人工智慧系統後，在 IRL 進行測試，以確保隨時有可用的購物車，並且登記處是開放的和有人配備的。
該公司堅稱，技術並沒有取代工作，而是讓員工騰出時間與客戶互動。這與它在其商店推出更多機器人時所做的聲明相同。但很難看出，隨著時間的推移，更有效地經營商店將需要像現在這樣多的員工。
IRL 是由沃爾瑪科技孵化器 Store No 8 設計的概念，該公司經營多家企業來測試零售業的新想法。今年早些時候，它推出了一家提供 VR 旅遊以增強購物體驗的新創公司，並於 2017 年開始在紐約測試名為 Code 8 的個人購物服務。