數(shù)字視網(wǎng)膜：城市大腦的升級(jí)

近幾年來(lái)，城市大腦概念可謂如火如荼。

相比于前兩年大家對(duì)這一概念比較陌生，如今相信大部分讀者應(yīng)該都已經(jīng)知道，所謂城市大腦的基本內(nèi)涵，是指用公路上的大量攝像頭，來(lái)識(shí)別車(chē)流、車(chē)牌和車(chē)輛，以及一些路段廣場(chǎng)上機(jī)遇攝像頭執(zhí)行人臉識(shí)別和人流判斷。

這些“城市之眼”收集的數(shù)據(jù)，一方面可以幫助提升城市安防的智能化水準(zhǔn)，比如預(yù)判人群擁堵、識(shí)別交通事故與可疑車(chē)輛等等；另一方面，城市大腦的作用主要體現(xiàn)在和交通燈、高架橋準(zhǔn)入閘口的互動(dòng)上。通過(guò)對(duì)車(chē)輛數(shù)據(jù)的識(shí)別和判斷，進(jìn)而用城市大腦進(jìn)行交通指揮，被廣泛相信是治理城市擁堵的有效方式。

這些技術(shù)邏輯近兩年被反復(fù)討論，加之科技巨頭的不斷加注與宣傳，很可能讓大眾覺(jué)得城市大腦已經(jīng)非常完善，可以真正承擔(dān)一座城市的“AI交通指揮官”。然而事實(shí)上并非如此，從一種產(chǎn)業(yè)構(gòu)思到實(shí)際落地，城市大腦，或者稱(chēng)作智慧城市系統(tǒng)，還面臨著非常多物理世界中客觀存在的困難與障礙。尤其是城市攝像頭體系本身，與后加入的AI大腦，二者其實(shí)存在著無(wú)法忽視的“代溝”。

這個(gè)問(wèn)題應(yīng)該如何解決，近兩年也有相當(dāng)多的學(xué)術(shù)討論。比如中國(guó)工程院院士、中國(guó)計(jì)算機(jī)學(xué)會(huì)理事長(zhǎng)，北京大學(xué)教授、博導(dǎo)高文提出的“數(shù)字視網(wǎng)膜”理念，就廣為產(chǎn)學(xué)各界重視。在這一問(wèn)題中構(gòu)成了一種代表性的解題方案。

我們似乎可以從數(shù)字視網(wǎng)膜應(yīng)運(yùn)而生的現(xiàn)實(shí)問(wèn)題，以及其發(fā)展思路中，共同探討這樣兩個(gè)問(wèn)題：城市的智能，距離我們究竟有多遠(yuǎn)？而如果希望拉進(jìn)這個(gè)距離，目前有哪些急需開(kāi)展的工作？

從這個(gè)角度思考，我們或許會(huì)發(fā)現(xiàn)數(shù)字視網(wǎng)膜既是一種學(xué)術(shù)創(chuàng)新，也是一個(gè)新的產(chǎn)業(yè)機(jī)遇。

“眼疾”未愈，城市大腦依舊幼稚

城市大腦概念，在現(xiàn)實(shí)執(zhí)行中面臨的第一個(gè)問(wèn)題，也可能是最根源的問(wèn)題之一，就是原本并不用于智能計(jì)算的城市攝像頭，如何與AI帶來(lái)的識(shí)別，甚至智能分析能力連接在一起？

這個(gè)問(wèn)題涉及一個(gè)基本矛盾，就是智能發(fā)生在哪里。

今天一般的城市大腦與智慧城市項(xiàng)目，主要是將攝像頭收集來(lái)的視頻數(shù)據(jù)進(jìn)行存儲(chǔ)，從而在云端用算法就行識(shí)別和分析。

而這里就有很多矛盾滋生了出來(lái)，比如傳統(tǒng)攝像頭收集的視頻數(shù)據(jù)過(guò)于龐大，清晰度也欠佳，AI算法很難識(shí)別。

即使攝像頭能夠提供高清數(shù)據(jù)，但由于拍攝的視頻沒(méi)有進(jìn)行特征提取，于是從提取到識(shí)別、檢索，再到推理的全鏈計(jì)算都必須發(fā)生在云端。這帶來(lái)的數(shù)據(jù)量非常龐大，云端將承受難以負(fù)載的數(shù)據(jù)壓力，從而影響識(shí)別精度與數(shù)據(jù)處理準(zhǔn)確度。同時(shí)，把基礎(chǔ)視頻數(shù)據(jù)堆積到云端，客觀上也會(huì)造成過(guò)大的延遲，很難滿(mǎn)足交通場(chǎng)景里實(shí)時(shí)反應(yīng)的剛性需求。

同時(shí)，城市綜合體每天產(chǎn)生的視頻數(shù)據(jù)，其本質(zhì)上堪稱(chēng)一個(gè)“數(shù)據(jù)包袱”。這些數(shù)據(jù)存在哪？存多久？誰(shuí)來(lái)看？如何檢索？在海量數(shù)據(jù)面前，這些問(wèn)題一一成為了城市數(shù)據(jù)管理體系的重?fù)?dān)。

那么如果讓攝像頭自己具備識(shí)別能力呢？這是如今智慧城市的主要解決方案，但是由于此前的原版攝像頭不便拆卸，想要加入新的識(shí)別能力就要加裝一個(gè)新的攝像頭。于是我們看到了拍照攝像頭、人臉識(shí)別攝像頭、車(chē)牌識(shí)別攝像頭、車(chē)輛識(shí)別攝像頭等等；在路口抬頭一看，簡(jiǎn)直能激發(fā)密集恐懼癥。

這些“智能攝像頭”識(shí)別出的數(shù)據(jù)，本質(zhì)上無(wú)法做到匯融與底層打通，而是只能各自為政。后端的AI也就只能偏聽(tīng)偏信，無(wú)法進(jìn)行完整的交通場(chǎng)景分析，給出真正的“智能建議”。

那么如果讓識(shí)別和推理的全套AI能力都發(fā)生在攝像頭里呢？這帶來(lái)的最大問(wèn)題就是端側(cè)算力不夠充沛，無(wú)法支撐復(fù)雜的計(jì)算。如果在每個(gè)攝像頭都加載大量AI算力和專(zhuān)用硬件模組，那將是一筆無(wú)法負(fù)擔(dān)的成本。而且想要讓AI全局化理解城市，各攝像頭也必須進(jìn)行全局匯總。

這樣左右為難的問(wèn)題，就是今天城市智能從理想到現(xiàn)實(shí)的差距。高文院士將之總結(jié)成“存儲(chǔ)難，檢索難，識(shí)別難和功能多樣化”四個(gè)問(wèn)題，并且形象地比喻為城市的“自閉癥”和“弱視”。

那么如何破解城市的種種“眼疾”呢？如果也用仿生學(xué)來(lái)比喻，那就是今天城市有了云計(jì)算和AI作為大腦，也有了攝像頭作為眼睛，但是二者之間缺少一樣?xùn)|西：視網(wǎng)膜。

未來(lái)城市，需要一場(chǎng)“數(shù)字視網(wǎng)膜”安裝手術(shù)

哺乳動(dòng)物的視網(wǎng)膜，可稱(chēng)得上一件造物主的奇瑰之作。

視網(wǎng)膜的一個(gè)特性，是它隱藏在大腦和雙眼之間，沉默著充當(dāng)人類(lèi)智慧與世間萬(wàn)物的翻譯。我們的視網(wǎng)膜，其實(shí)并沒(méi)有傳遞給大腦真實(shí)的畫(huà)面和色彩，而是對(duì)這些“數(shù)據(jù)”進(jìn)行了優(yōu)化，讓我們的大腦直接處理可感可理解的視覺(jué)信息。

在高文院士看來(lái)，今天城市大腦與萬(wàn)千攝像頭之間，需要加裝的就是這樣一層“數(shù)字視網(wǎng)膜”。

當(dāng)然，數(shù)字視網(wǎng)膜并非真的要做一種仿生視網(wǎng)膜的硬件，而是希望能夠改變目前攝像頭只能看或者單一鏈路識(shí)別的功能。讓攝像頭本身?yè)碛幸欢ǖ腁I處理能力，能夠?qū)ψR(shí)別到的車(chē)、人、場(chǎng)景進(jìn)行主動(dòng)特征提取。

從而讓攝像頭上傳到云端的視頻數(shù)據(jù)，一路通過(guò)高效編碼作為數(shù)據(jù)存儲(chǔ)；另一路經(jīng)過(guò)特征提取直接作為智能大腦的“可讀物”。

這樣既把識(shí)別和推理等智能計(jì)算保留在了云端，又讓端側(cè)完成了初步的智能化解析，平衡了兩側(cè)的成本與效率關(guān)系。而云大腦與攝像頭的智慧結(jié)合，就是給城市安裝了一層新的“數(shù)字視網(wǎng)膜”。

這個(gè)技術(shù)設(shè)想，是希望從計(jì)算和視頻編碼的可行性上，將城市的“大腦”和無(wú)數(shù)“眼睛”結(jié)合為一體。而設(shè)想想要變成現(xiàn)實(shí)，需要建立在端側(cè)設(shè)備具有優(yōu)化的視頻編碼能力，以及AI領(lǐng)域高強(qiáng)度的視頻特征抽取能力。從而創(chuàng)造一個(gè)功能集成，能集編碼和特征編碼為一體的視頻和圖象感知系統(tǒng)。

換言之，軟件層的創(chuàng)新將帶給城市硬件系統(tǒng)更好的成本比值以及更優(yōu)化的效率。與目前大多數(shù)產(chǎn)業(yè)方案相比，這套系統(tǒng)的特點(diǎn)在于平衡了理想目標(biāo)和現(xiàn)實(shí)中的可執(zhí)行性：攝像頭完成特征抽取，云端只負(fù)責(zé)識(shí)別和推理。云計(jì)算和終端各負(fù)擔(dān)一部分計(jì)算任務(wù)，合理分配算力。用更優(yōu)化的視頻解碼技術(shù)，以及AI帶來(lái)的視頻特征抽取能力，讓整套體系能夠在有限算力與帶寬條件下執(zhí)行。

即便如此，給城市做一場(chǎng)“安裝數(shù)字視網(wǎng)膜”的手術(shù)也并不容易。

挑戰(zhàn)、路徑與產(chǎn)業(yè)機(jī)遇：數(shù)字視網(wǎng)膜的未來(lái)棋路

想要在新興的城市大腦技術(shù)，與中國(guó)技術(shù)龐大、種類(lèi)繁雜的城市攝像頭體系之間做出“智慧融合”。雖然具有強(qiáng)烈的必要性，以及技術(shù)可行性，但現(xiàn)實(shí)中還是要應(yīng)對(duì)眾多挑戰(zhàn)。

比如說(shuō)，數(shù)字視網(wǎng)膜的創(chuàng)新邏輯在于，用領(lǐng)先的視頻編碼標(biāo)準(zhǔn)與編碼技術(shù)，換取硬件門(mén)檻的降低。而這就要求在視頻編碼技術(shù)和機(jī)器視覺(jué)技術(shù)上達(dá)成一系列新的突破，讓數(shù)字視網(wǎng)膜真正“以?xún)?nèi)功贏人”。

更重要的挑戰(zhàn)在于，數(shù)字視網(wǎng)膜體系，需要端側(cè)攝像頭具備相對(duì)通用化的視頻處理能力，尤其是AI相關(guān)的視頻特征提取能力。根據(jù)行業(yè)目前的普遍理解，這需要建立在專(zhuān)用芯片給攝像頭提供更有針對(duì)性的AI算力基礎(chǔ)上。這就需要一個(gè)從基礎(chǔ)硬件到算法層，再到產(chǎn)業(yè)層的整體配合。

其次，必須正視的一點(diǎn)，是數(shù)字視網(wǎng)膜體系不可能朝夕功成。全國(guó)龐大的城市攝像頭技術(shù)，必須逐步替換。這需要優(yōu)先在現(xiàn)實(shí)場(chǎng)景中建立更多邊緣技術(shù)節(jié)點(diǎn)，通過(guò)邊緣計(jì)算來(lái)滿(mǎn)足端側(cè)AI算力的需求，逐漸向完全的數(shù)字視網(wǎng)膜體系過(guò)度。并且，如何針對(duì)已經(jīng)存儲(chǔ)的視頻數(shù)據(jù)進(jìn)行重新的特征抽取與識(shí)別也是個(gè)問(wèn)題，這可能需要具備更優(yōu)能力的視頻編碼軟件來(lái)執(zhí)行。

總而言之，我們可以看到“數(shù)字視網(wǎng)膜”這場(chǎng)城市大腦的新升級(jí)，將牽動(dòng)硬件、軟件與產(chǎn)業(yè)層的多條線(xiàn)索。而走到現(xiàn)實(shí)當(dāng)中，這為今天的智慧城市、城市大腦等項(xiàng)目提出的第一個(gè)挑戰(zhàn)，就是城市大腦類(lèi)項(xiàng)目整合者、AI算法公司、智能攝像頭廠商，包括芯片廠商和云計(jì)算廠商的通力合作，構(gòu)筑基于數(shù)字視網(wǎng)膜目標(biāo)的新興產(chǎn)業(yè)鏈。

在這個(gè)命題中，今天可以看到，計(jì)算基礎(chǔ)設(shè)施與解決方案供應(yīng)商、安防硬件廠商、城市大腦項(xiàng)目執(zhí)行者，比如阿里、騰訊、京東等互聯(lián)網(wǎng)巨頭，包括機(jī)器視覺(jué)相關(guān)的AI算法公司，都將獲得新的產(chǎn)業(yè)機(jī)遇。

同時(shí)，如果我們將數(shù)字視網(wǎng)膜規(guī)劃的未來(lái)城市，看作是智能城市產(chǎn)業(yè)的下一步，那么這個(gè)未來(lái)變化同樣將為創(chuàng)業(yè)者打開(kāi)機(jī)遇。因?yàn)槠浔厝恍枰⑿碌臋C(jī)器視覺(jué)任務(wù)開(kāi)發(fā)生態(tài)，并且產(chǎn)業(yè)鏈粘合過(guò)程中，需要大量的新的企業(yè)級(jí)服務(wù)公司。

由此可見(jiàn)，醫(yī)治城市大腦的眼疾，也是一場(chǎng)城市智能產(chǎn)業(yè)升級(jí)的開(kāi)始。據(jù)了解，目前數(shù)字視網(wǎng)膜體系已經(jīng)在多個(gè)地區(qū)與產(chǎn)業(yè)端口中開(kāi)始了應(yīng)用。從學(xué)術(shù)創(chuàng)新到產(chǎn)業(yè)突破，“智能+”時(shí)代正在構(gòu)筑越來(lái)越多這樣的產(chǎn)業(yè)升級(jí)軌跡。

讓城市之眼看到未來(lái)的同時(shí)，身處城市中的我們，也應(yīng)該看到未來(lái)的腳印。