依图科技CEO朱珑：“智能密度”对AI发展意味着什么？

8月9日，由中央网信办、工业和信息化部、公安部联合指导，厦门市政府主办的“中国人工智能峰会”于厦门召开。 中国工程院院士、北京大学教授高文， 依图科技创始人兼CEO朱珑博士等出席峰会并发表了主题演讲。   当前，人工智能正在扮演越来越重要的角色。 中国和美国都已将人工智能作为国家战略，本届中国人工智能峰会暨多媒体信息识别技术竞赛的举办，也印证了这一点。   在大会演讲中，朱珑博士提到，人工智能是世界创新的源动力。 此前，依图参加了三年美国国家标准技术局（NIST）举办的人脸识别供应商测试（FVRT），也获得了三次冠军，他深知举办这类赛事的不易，所以特别向本次比赛的组织者和执行人员致敬，同时，他还表示，期待厦门能够成为人工智能发展标准和方向的引领者，成为人工智能思想交流的高地。

人类智能演化用了600万年，机器具备人类智能仅用60年   纵观历史发展，人类智能的演化用了大约630万年。 600万年前，人类从直立行走开始，一直发展到最原始的社会形态； 1万年前，人类迎来农业革命； 200多年前，工业革命爆发； 人工智能则从上世纪50年代开始，到现在只有60多年的发展时间。   从眼睛看到这个世界的感知智能，到语言即认知智能的诞生——机器，慢慢地具备了人类的智能。   科技推动的是基础设施的革命，进而推动文明的变迁   如果用两个曲线来分别描述“人类智能”和“机器智能”，那么，当机器的智能曲线与人类的智能曲线交叉甚至超过的时候，文明的形态会是什么？
在演讲中，朱珑提出这个非常值得思考和憧憬的问题。   事实上，文明变迁的背后是科技的推动，科技推动的是基础设施的革命，而不同文明时代有不同的基础设施：
农业文明时代，出现了轮子、道路； 工业文明时代，出现了蒸汽机、内燃机，有了铁路； 信息文明时代，也就是过去30年的互联网时代，出现了计算机、PC、互联网、手机，让人类克服了时空的障碍。   这几个最重要的基础设施的变革，推动了文明的变迁。   人工智能水平5年提升100万倍   现在人类处于什么时代？ 这个时代的基础设施又是什么？ 过去30年，CPU运算能力提升了100万倍，存储能力提升了100万倍，通讯能力即数据的传输速度也提升了100万倍。
  从2019年回溯过去五年，可以看到，AlphaGo在2015年的时候战胜人类棋手的那一天，也是机器以计算机视觉为代表超过人类的那一天。   但是，过去五年，机器的算法水平又提升了100万倍。 换句话说，以人脸识别为代表的错误率又下降了100万。 现在，它可以从1万人、1000万人、1亿人、10亿人甚至20亿人当中识别出你。
AI所及仍是低阶智能，向高阶跃迁最重要的是提升基础设施   如果用通俗易懂的方式，来讲述人工智能当前的发展水平，可以如此比喻：   人一眼就能看清的，机器也能看懂。 例如，机器可以看清一个地方是否有人、有座位。 但是当距离较远时，去识别场景中的总人数，人需要数一数，对机器来说也会有点困难； 同样，人一下就能听懂的话，及其可以听懂，人一句就能说清楚的话，机器也可以理解。

因此，机器已经可以做到非常低阶的智能，可以或者接近可以看见、听见，但理解一句话、一个段落、一篇文章，依然比较困难。   基于此，朱珑提出一个观点：智能要往前跃迁，最重要的就是提升基础设施。   机器智能的五个阶段： 记录、识别、关联、预测、规划   智能的提升是基于基础设施的提升，而机器智能可以分成如下几个阶段：
1.可记录： 没有任何的识别能力； 2.可识别： 例如通过摄像头进行人脸识别； 3.可关联： 判断不同摄像头识别的信息之间的关联性； 4.可预测： 信息背后可能性的洞见； 5.可规划： 进行统筹和规划。   以通过摄像头来覆盖城市管理的应用模式为例，机器能够从最简单的代替人记录，到代替人检索、分析、推理与决策，最终，代替人进行统筹。   基础设施提升的关键，在于提升一个区域或城市的智能密度   如何实现并推动机器智能每个阶段的提升？ 简单来说，就是摄像头的覆盖密度从稀疏到密集的过程，同时在这个过程中，摄像头的感知密度不断增加，摄像头的识别能力不断增加，最终，整个城市的智能等级，就将慢慢跃进。   从空间布局来看，当密度达到一定程度的时候，就可以在空间上、或者一个关键场所的围栏上，形成新的高阶智能。 例如分析轨迹路线，对事件进行建模。   朱珑提出，基础设施提升的关键，在于提升一个区域或者一个城市的智能密度。 在宏观维度上，单体智能要变成群体智能，1个摄像头的智能要变成1万个摄像头的智能，他们之间识别出来的内容能够汇聚在一起，能够形成一个新的、大的智能体； 相应的，要实现1万、10万个摄像头的规模，在微观维度上，算力要急剧提升，才能带来具有高经济性、性价比的基础设施，从而推动智能水平的跃迁。   依图求索AI芯片，一个机柜支持一万路视频解析   今年5月，依图科技发布了首款云端定制视觉推理AI芯片。 在性能方面，一块芯片便能够支持50个摄像头的算力，因此，一台1U服务器就可以支撑约200路摄像头的算力，其性价比是市面上最先进的英伟达方案的5到10倍。   实现这样水平的背后，是能耗的大幅减低，并带来空间的大幅降低。 因此，在考虑空间限制、用电限制、能源限制和算力限制的前提下，当一个机柜就能够支撑一万路摄像头的全解析时，就为一个城市的智能等级的提升，提供了非常重要的基础设施。 如此一来，就可以打开城市管理的更多场景、更多应用。   点亮AI是一场基础设施革命   从算法的突破，到整个城市或老百姓都能感知到，人工智能的爆发，基于的是基础设施的重大提升。 除了人才、资本、政策以外，数据、算法、存储、算力和传输等基础设施，也一定会在未来的几年内，以3倍、10倍的速度加速提升。 其带来的结果将是革命性的，最终让智能文明更快到来。   对依图来说，这是一个小小的愿景，同时，依图也希望在厦门以10万路的视觉中枢为基础上，助力厦门成为全球智能密度最高、智能等级最高的城市。