邊緣計算崛起

當下，“AI＋安防”技術已然成為一門顯學。安防人工智能時代，云計算無疑是其中重要的一項關鍵技術，其優勢是可以實現資源共享，讓計算能力更具彈性，與此同時，由于云計算是將所有數據統一匯聚到云端進行處理，因此也存在諸如響應不及時、功耗高、網絡帶寬需求高等問題。

針對云計算的上述問題，海康威視率先將邊緣計算理念引入安防，將AI能力注入到前端攝像機等邊緣設備，通過高性能計算芯片和圖像識別智能算法賦能邊緣設備，在邊緣實現視頻圖像目標的檢測、提取、建模、解析，把圖像解析的大量計算壓力均勻分擔到小顆粒大規模的邊緣計算資源上，僅把精煉的結構化有效數據上傳云端處理，可以有效降低視頻流的傳輸與存儲成本，分攤云中心的計算和存儲壓力，實現效率最大化，同時使終端實現了低延時和快響應。

那么，讀起來有些陌生與拗口的邊緣計算究竟為何物？根據維基百科解釋，邊緣計算（Edge computing）又譯為“邊緣運算”，是一種分散式運算的架構，將應用程序、數據資料與服務的運算，由網絡中心節點，移往網絡邏輯上的邊緣節點來處理。

邊緣計算中的“邊緣”是個相對概念，指從數據源到云計算中心數據路徑之間的任意計算資源和網絡資源。“邊緣”不限制在邊緣服務器這樣的邊緣節點，還包括網絡邊緣的攝像頭、智能手機、網關、可穿戴的計算設備和傳感器等設備。其基本理念指利用邊緣設備已有的計算能力，將應用服務程序的全部或部分計算任務從云中心遷移到邊緣設備終端執行，降低能源消耗。

事實上，邊緣計算并非新生事物，其運算原理在很多年前就已經被提出了。邊緣計算之所以在近期名聲鵲起，是與芯片、算法、數據幾個領域的發展密不可分的。而此次邊緣計算的快速崛起，也為人工智能（AI）硬件、智能機器人提供高速交互所需的運算服務。以邊緣計算為特點的嵌入式人工智能技術開始受到重視，邊緣計算的作用可以優化資源、提升效率。

而根據市場研究公司Research and Markets近日發布的報告，邊緣計算的市場規模復合年均增長率高達35．2％。在安防監控領域，邊緣計算也孕育著巨大的市場。據悉，目前除海康威視外，大華、華為、宇視等領軍企業也有跟進部署邊緣計算技術。

云邊融合 賦能安防

在上月底舉辦的海康威視“AI＋：洞察行業、助力變革”主題論壇上，海康威視首次公開發布了公司的AI Cloud體系架構。

基于“云邊融合”的AI Cloud由云中心、邊緣域、邊緣節點三部分構成，實現邊緣計算＋云計算的有機融合，將AI算力注入邊緣，賦能邊緣智能實現快速、高效的感知；云端則聚焦AI數據的全局性分析認知，兩者以視頻AI數據為核心相輔相成，能夠充分發揮邊緣計算敏捷性和云端大數據計算全局性的優勢。

據悉，海康威視在安防系統邊緣配置圖像解析能力，讓采集視頻流就近得到結構化處理，結構化數據進入云端進行大數據理解碰撞，在通過AI技術和深度學習能力推理判斷和人機交互，實現前端感知、全網認知的網絡智能能力。通過這個過程，就相當于把大數據的計算壓力分解到小顆粒大規模的本地邊緣設備上，把重要信息通過結構化處理后再上傳到云中心，在云中心做大數據關聯性分析。通過對不同需求的理解和處置，可以把本地的數據放置在本地，把大數據關聯性分析處理的需求放置在云中心，這種分層計算形式能夠較好地滿足客戶對于資源投入、采購成本、網絡魯棒性、需求多樣性等要素的考量。

透過安博會上的產品展示可窺見，在AI 領域深耕多年的海康威視已完成了在“AI Cloud”戰略上的部署和技術儲備。海康威視的深眸、神捕、鷹眼、客流統計等產品已經把計算放在邊緣節點了，同時，有一些算法是配置在邊緣域里，比如AI服務器設備刀鋒、獵鷹、臉譜、超腦等，云中心則配置高密的GPU服務器、融合云存儲產品和云管理的平臺等成套的軟件和硬件產品，這些一起構成了AI Cloud架構。

如是觀之，在安防大數據時代，“云邊融合”的理念無疑具有獨特的優勢和魅力。云計算提供強大的全局結構化數據推理分析和資源管控力，邊緣計算則提供快速、敏捷、高效、精準的實時響應。兩者互補，將驅動安防行業人工智能應用邁入全新層次。

根據IDC的預測，到2020年，物聯網會有500億感知設備，50％的計算會在邊緣設備上，云邊融合是未來普遍的模式。

據悉，海康威視已開啟 AI Cloud＋ 行業解決方案的應用，植入“云邊融合”創新理念的項目陸續落地多個行業應用，為應急指揮、民生服務、城市運營、交通管理、商業決策等領域提供 AI 解決方案服務。

如今不僅是海康威視，部分監控廠商、VC創＊＊司也已將深度學習的算法集成到智能攝像機中，如車牌識別與人臉識別都已實現在前端進行。