旷视科技AI四小龙上市领跑：人脸识别到城市大脑深度评测

2020年初，旷视科技获得港交所IPO批文，1月7日晚间通过聆讯。按原计划，这家公司将在农历春节后第一周启动招股，募资规模锁定5亿美元。此时距离旷视成立已近九年——2011年以机器视觉AI技术切入，逐步在城市治理、供应链优化、个人设备交互三大场景中构建起完整的数字化解决方案体系。

一组关键数据：旷视的城市管理数字化方案已在260多个城市落地，完成3000多个楼宇园区的智能化升级，实现人车通行全流程智能管控。这背后隐含一条核心逻辑——“城市大脑”自提出之初，就被定义为未来城市可持续发展的新型基础设施，核心目标是通过实时、全量的城市数据，全局优化公共资源配置。

安防行业的技术迭代叠加智慧城市加速建设，迫使模拟时代向数字时代切换。城市治理中的痛点在此过程中愈发清晰。可以说，数字化解决方案的构建已成为智慧城市发展不可回避的“必选项”。

旷视副总裁陈雪松直言：“城市大脑最大价值在于产生数据、收集数据。”他解释，智慧城市本质是数据统计的汇聚。所谓大数据，是建立在共有技术基础上的全部信息，而视频一项就占据信息存储量的95%。旷视坚持的方向，就是让这些海量数据的价值得到最大化释放。

从“事后”走到“事前”

安防产业每一次变革都源自技术驱动力，但用户业务需求的变化才是真正的推手。陈雪松举例：海康大华的崛起本质上是技术变革的结果——从模拟转向数字。但有趣的是，用户业务形态并未同步变化。近几年安防行业火爆增长，更多是用户业务需求倒逼技术发展的结果。

监控摄像头起初解决的是“事后”问题——出事后再调录像。行业规模化发展后，新的技术变革并未大幅改变用户业务模式。真正的影响在于：技术积累到一定程度，用户业务需求也达到新规模，一个现实问题浮出水面——摄像头太多，人根本看不过来。

这种状态导致一个尴尬局面：大量视频监控对城市建设而言沦为形式化威慑。视频量过大，人力成本无法承受，人工监控逐渐失效。接着一系列问题出现：

第一，视频内容无法在有效反馈时间内被处理，成为无效信息——例如社区级视频最长只保存一个月；第二，事件一旦错过追踪窗口，就彻底丢失，企业及政府部门的视频保存期不过三个月，视频在存储与删除间反复循环；第三，根据前瞻产业研究院数据，2015至2018年中国视频监控市场规模从59.9亿美元增长至80亿美元，增速从4.9%攀升至9.7%，2017年甚至突破14.7%。规模化建设导致视频资料大量堆积，反而造成资源浪费。

陈雪松用了一个生动比喻：“世界上有两块硬盘，其中一块就是用来存视频的。它只是一个存储核心，没有产生价值。”而这正是事中分析需求爆发的导火索。

“人工智能的崛起也基于这个时间点。”陈雪松说，摄像头逻辑定义由此改变——不再只是“给人看”，而是“给机器看”，人类只看结果。换句话说，在事中数据分析阶段，基于人脸、行为、场景的分析让视频自我监控，将需要关注的结果直接报警给人类。这相当于充分释放了“人眼”的价值。

从2015年至今，安防行业持续蓬勃发展，智能化建设呈现指数级增长。上升到城市级管理治理层面时，“城市之眼”的重要性更加突出。过去依靠人工采集数据的方式，已远远跟不上社会运行速度。每个数据单元采集出的“数据细胞”，最终构成整个数据立方体——这正是城市治理与智慧城市决策的关键依据。

云边端，打通闭环

从“事后分析”转向“事中跟踪”后，用户又提出新需求：事前预判——即对人的行为模式进行预测。在城市管理领域，这种分析模式已有高效应用落地。

陈雪松举了一个具体案例：早晚高峰的地铁站，安检排队乘客多、耗时长，安检通道影响范围大。对排队人员行为轨迹进行大数据分析，发现其中80%的人定时定点进出站，基本可确认为上班族。这部分人应享受最便捷的快速通行服务，而行为模式不清晰的人则可安排加强安检。

这种方法能实现有效资源调度，显著提升服务效率。通过事前数据积累与预判，整个城市智慧安全建设被打通。目前，预测、预警、预防需求越来越高，“事后处置—事中打击—事前预防”的转变基础在于：人工智能的事中发现能力，加上大规模基础设施建设，积累的数据已能产生事前预测能力。

物联网在此过程中，正从“连接”概念走向无处不在的落地。各行业都在搭建自己的连接平台——例如基于视频的智慧应用平台，兼具视频链接与管理功能，还能支撑上层应用构建。

陈雪松进一步解释：在人工智能语境下，物联网正与计算紧密结合。“云边端”计算无处不在。“云”根据实际需求与技术落地场景产生，云计算本质是“大汇聚”——看全维度的行业数据，还能与其他垂直虚拟空间数据碰撞。只有在这个节点才能拿到最权威的数据，但缺点是时效性最差。而“边”和“端”也各有计算环节，物联网连接在这三个层级同时发生。

基于视频的数据产生后，视频数据成为主要驱动力。视频承载的信息量巨大——包括层级、行为、身份、标识。这些信息被识别后，再与其他数据碰撞，就能产生最有效价值。但有一个关键点：时空信息的一致性。陈雪松举例：“比如智慧灯杆，同时有Wi-Fi采集和视频采集。此时数据必须有效，且必须在前端直接耦合，省掉中间传输环节带来的时空不一致问题。”

城市大脑，不是一蹴而就的事

“后台做大数据碰撞时，如果只基于大区数据，很难做精细化分析。”陈雪松说，因为大区数据是群体数据，各维度感受不一致。但视频可以精确识别到“个”，当“个”与“堆”的数据碰撞时，才可能进行有效叠加。所以，数据耦合越是发生在前端，有效性越高，价值也越大。

需要说明的是，当前业务产品与应用落地大多仍集中在部分区域，而非基于整个大城市平台。在技术层面，端的融合诉求最高，细分下去是点的信息，再深入是边的信息。

陈雪松强调三个小闭环系统建设的重要性：端上闭环、边上闭环、云端大闭环。AIoT的核心要求是聚合与连接。计算能力具备后，旷视更希望将这些能力以最实效、最即时的方式赋予最需要的人。

由于业务场景需要，在前端与业务方结合时，更多以人为核心形成闭环驱动。因此，视频与视频识别能力是旷视业务核心，再叠加其他维度数据。陈雪松说：“我们变成了数据生产者，同时也需要接入多维数据产生更多价值。小型智能化平台就这样出现了。”

目前，旷视在城市大脑领域的解决方案主要有三类：城市管理数字化解决方案、楼宇园区数字化解决方案、教育行业数字化解决方案。以城市管理为例，旷视针对典型场景，通过涵盖“算法、软件产品、硬件产品、解决方案”的全价值链能力输出，打造了覆盖全业务流程、端到端的数字化解决方案体系——帮助城市管理者构建“前端感知、云端研判、终端应用”的新型智能城市管理闭环。

具体案例上，北京海淀区就是一个典型。旷视根据《智慧海淀十三五发展规划》《智慧海淀顶层设计》以及东升镇“城市大脑”三年行动计划，在智慧公园规划方面，以“智慧生活休闲平台”为主体，以民众参与和体验为中心，利用人工智能、大数据、5G和物联网等技术，从系统层面提升了公园日常管理的科技化、精细化和节约化水平，为街镇级智慧公园建设和管理模式提供了行业样板。

技术优势上，旷视实现了软硬结合——用AI赋能云、端、芯，让硬件更智能；云端协同计算，提升效率同时大幅降低成本；端到端全价值链交付，则能构建新型城市管理闭环体系。陈雪松提到，在城市大脑建设上，旷视讲求务实，从三个层级组织架构：城市之眼、行业分脑、城市大脑。

他强调，城市大脑的构建不可能一蹴而就，也不是简单将智慧城市下垂直相关的数据拿来直接用。真正要做的是把以前积累的数据加以利用，让它们产生“火山喷发式”的数据效益。这也是旷视科技一直坚持的方向——从数据汇聚的认知，到二次分析计算的推导决策，多维数据碰撞能实现更好的运行效果。下一阶段，旷视将围绕重点城市和专项落地推进，目标是实现应用落地价值的最大化，以及全维度统构建设和覆盖。

来源：互联网