着力发展人工智能“三驾马车”，走在人工智能最前沿

人工智能飞速发展过程中，什么是最重要的？日前，华泰科捷对合作伙伴——清华大学电子工程系王生进教授进行了专访，他表示：算法、算力、数据这三方面在人工智能的发展过程中至关重要。那么，这三者将会如何发展呢？

对于人工智能发展的“三驾马车”，华泰科捷CEO傅剑辉给出了未来的发展趋势的分析：

算法

集中开发底层算法，优化应用层算法

算法，要寻求结构、原理等方面的突破。深度学习本质就是一种算法，通过模拟大脑的神经网络，使得设备能够像人脑一样思考。在安防行业，基于深度学习人脸识别、图像识别、车辆识别、语音识别等算法将会推动行业快速发展，算法迭代将会是推动安防+AI技术发展的根本。准确率更高、环境适应性更强、识别种类更加丰富，将会是我们奋斗的目标。

算力

智能前端的边缘计算+智能云端的规模化计算

深度学习过程中“训练”与“推演”均涉及大量并行计算，传统的CPU明显算力不足，而GPU、FPGA、ASIC具有良好并行计算能力，AI芯片可提供数十倍乃至上百倍于CPU的性能，大幅缩短计算过程，同时也方便调整多种模型架构，显著提升模型的速度。

特别是随着低功耗AI专用芯片的迭出，逐渐形成智能嵌入式前端(通过边缘计算在前端完成结构化算法预处理，获取高质量结构化数据)和后端云智能(大规模计算、存储资源、多维度大数据信息分析)协同加速发展的势态。

关注人员甄别则属于公共安全范畴。因此所使用的生物特征通常都是在非配合条件下就能够获取的生物特征，如人脸。指纹在刑侦中也被用于特定人员的甄别，因为指纹可以实现非配合下的获取。在公共安全中使用生物特征进行关注人员甄别应用时，通常采用人脸识别和声纹识别较为普遍。

数据

边缘计算+规模化计算的结构化数据

上千万的摄像头和庞大的监控网络，瞬间就会产生海量监控视频数据，从海量视频数据中高效提取出有效的结构化数据，就成为智能安防的关键技术。而通过人工智能算法，则可自动抓取视频中的目标图片，并提取其语义化的属性数据以及可用来比对检索的特征数据，形成以数据为驱动的决策机制，根据实时数据和各类型信息，调配和调控用户的数据资源，最终实现系统的自动智能化和运行效率最优化。

难点

我国国土之大，让了我们拥有大量的数据。但即便如此，对数据的需求也是远远不够的，这也成为了人工智能深度学习的一大难点。

对此，王生进教授为我们做了讲解——目前，学术界采取迁移学习的做法来解决这类的问题。先让其具有某种能力，再用小量数据进行微调。或是是从深度学习理论上解决这个问题。我们希望能够设计出更高效的网络结构，让网络结构有更高的效益，不需要提供很多的数据就能够学的很好。

目前，华泰科捷与王生进教授团队携手合作，已经在进行数据上的第二种解决方案上实践了。未来，华泰科捷与王生进教授在人工智能“三驾马车”上的突破必定会为中国人工智能界做出更大的贡献。