当AI开始助力抗疫、二号站客户端辅助研发,医疗能否迎来春天?

人工智能(AI)技术正在许多行业中产生变革,但只有在医疗领域,AI的影响才有望真正改变我们每一个人的生活。而这样的改变也许正在发生……二号站客户端

  疫情肆虐,AI助力防控

  截至目前,全球确诊人数已超过800万。这次疫情给全球带来了巨大挑战。

  近年来,人工智能已经开始在医疗卫生领域发挥重要作用。先进的计算和数据分析工具使信息共享和诊断实践成为可能,并加深了医疗行业对疾病和感染的理解。在遏制Covid-19(新型冠状病毒肺炎)的迫切需求推动下,世界各地的政府机构和企业越来越多地将目光投向基于人工智能的技术,以提供对病毒传播的分析,并寻求治疗药物和方法。

  我国在疫情刚开始传播的时候,就采用AI技术进行疫情防控,在春运期间,火车站、机场、地铁等公共场所的测温压力巨大,各大图像识别技术巨头们很快部署了AI测温解决方案,采用图像识别与红外等结合的方式,有效避免接触式测温带来的病毒传播风险;疫情开始有所缓解、准备复工之时,不少AI公司提供了大数据AI技术,对迁徙人员进行动态跟踪,结合疫情地图,有效及时地跟踪传染源、接触源,为复工保驾护航。

  国外疫情爆发的要晚一些,各个国家也采用了AI技术在多个环节助力疫情防控:

  (1)AI疫情辅助控制

  迪拜采用了图像识别技术来自动判断人们是否遵守了疫情防控规定,比如保持距离,从图像可以看出该AI程序可以自动识别出人与人之间的距离,这样的应用在公共场所可以对人群密集提出预警提示。

(2)新冠治疗药物研发

  总部位于伦敦的药物研发公司Benevolent AI在1月底开始将注意力转向冠状病毒问题。该公司用知识图谱技术来快速分析科学文献和生物医学研究资料,挖掘疾病的遗传和生物特性与药物的组成和作用之间的联系。该公司之前一直专注于慢性疾病,而不是传染病,但通过向其输入关于病毒的最新研究,能够重新调整系统,使其专注于新冠药物的研发。目前该公司已经进行潜在新冠治疗药物的临床试验。

  (3)新冠病毒结构分析

  DeepMind正在利用基因组的数据来预测生物体的蛋白质结构,揭示哪些药物有可能对COVID-19起作用。DeepMind是Google母公司Alphabet旗下的人工智能公司,在2016年推出的人工智能围棋程序AlphaGo,战胜了人类围棋选手之后一举成名,在当年将深度学习和人工智能技术直接推向高潮,其最新版本已无对手。

  DeepMind发布了一个名为AlphaFold的深度学习库,它使用神经网络来预测组成生物体的蛋白质如何根据其基因组变换形状,进而计算出哪些药物可以与新冠病毒生物体细胞结合,二号站登录网址用来破坏病毒细胞,破坏它与人类细胞的结合方式,减缓病毒的繁殖速度。

  (4)COVID-Net

  加拿大初创公司Darwin AI开发了一个神经网络COVID-Net,可以通过X射线筛查COVID-19感染的迹象。DarwinAI已将COVID-Net作为一个开源系统发布,受到了AI研究人员的热烈追捧,该公司现在正致力于将COVID-Net从一个技术实现变成一个可以被医疗工作者使用的系统。它现在还在开发一种神经网络,用于对感染COVID-19的患者进行风险分层,以此来分离那些可能更适合在家中自我隔离恢复的病毒感染者,和那些最好进医院的病毒感染者。

  这次疫情让各个国家的医疗体系翻了个底朝天,新冠病毒的流行让医疗系统的脆弱暴露在阳光之下。响应不及时、信息流通受阻、医务人员不足、医疗资源分配不均等诸多问题在多数国家都存在。因此,也让整个人类社会意识到医疗体系变革的紧迫性,是时候重新思考医疗体系的升级了,而人工智能技术在这次疫情中的积极表现,让炒了这么多年的医疗AI概念走入大众视野。

  而且,随着人口老龄化问题越来越突出,老年人口对于医疗的需求也将呈增长态势。根据国家统计局的数据,我国2019年65岁及以上老人已经突破1.7亿人,占人口总数13%。这样的增长趋势对于医疗资源是一个现实而急迫的挑战

  将AI应用在医疗中虽不能完全解决医疗资源短缺的问题,但是却可以借助AI快速发展的红利,为医疗领域增添新的动力,刺激医疗事业的发展,拓宽医疗资源的使用范围,使全球各地患者更平等地受益于科学进步。医疗健康领域也切实存在很多需求需要AI来帮助实现,从防范疾病和减轻医护压力角度,至少有以下几个方面需求:

  (1)基于大数据的疾病或疫情预警;

  (2)智能读片,辅助医疗影像诊断输出,可以缓解医院的阅片压力;

  (3)智能诊疗系统,辅助医生做好疾病初步筛查,甚至辅助手术;

  (4)智能医护辅助系统,帮助护士做好入院评估以及护理监控等工作。

  从技术供给侧考虑,人工智能技术正逐步走向成熟,各种应用场景也日趋完善,加上软硬件的持续迭代,让AI技术的广泛落地近在眼前。而且,国家对人工智能、大数据、5G等前沿技术的发展从政策上给予了足够的重视,并加入国家“新基建”发展规划,进一步提升其战略地位。医疗AI应用领域在这个浪潮之下,正可以踏上快速发展的新车道。

  医疗AI的应用范围比较广,可以细分为多个应用场景。

  (1)AI疾病预测

  主要基于大数据分析技术,对搜索引擎数据、航空数据、交通信息等人类活动数据进行分析,从中发现与传染病相关的蛛丝马迹。举个简单例子,可以通过人们使用搜索引擎搜索疾病相关的某些词项来预测与此相关的传染病在某地区爆发的可能性。当然,要想预测准确,还需结合更多数据进行多维度更广泛的分析,单个方面数据分析往往会高估预测结果。二号站平台登陆

  (2)AI医疗影像

  这是AI助力医疗最热门也是最具有挑战的应用场景之一。将图像识别技术应用在医疗影像的识别中意义重大,一方面医院每天需要应对海量的X光影像、CT影像处理需求,需耗费大量人工长时间读片,容易出现误诊、漏诊情况;另一方面是因为图像识别本身就是AI最热门最具魅力的一个技术方向,并且图像识别已经在多个应用中大规模使用,目前已广泛应用在移动支付和安全监控领域,如果AI能在医疗影像中得到发挥,那将大大减轻医务人员负担。

  美国IDx公司的IDx-DR就是这样一个AI系统,它是用于视网膜病变检测,不需要临床医生解读就能寻找特定病症的筛查设备。该设备的软件,利用人工智能分析眼睛的图像,判断是否有糖尿病视网膜病变的迹象。

  IDx的检测系统不仅可以为缺少眼科专家的医院筛查糖尿病视网膜病变提供极大帮助,还可以将医生从一系列的测试中解放出来,而这些测试的结果大多是阴性的,可以让医生有更多的时间来治疗那些真正患有疾病的人。

  (3)AI新药研发

  由于新药研发过程极长,成本极高,而AI算法因为在数据挖掘方面以及计算能力方面具有天然优势,可以用在药物、疾病、基因之间关联关系挖掘以及药物的分子结构预测等方面,因此被寄予厚望,近年来该AI新药研发领域的资金投入突飞猛进。下图展示了美国的AI新药研发风投资金近年来大幅增长的趋势。本文开头提到的BenevolentAI公司便是这一领域的佼佼者。

(4)AI医疗辅助机器人

这些机器人可以代替人工医生来执行一些重复性高或者具有传染性环境的工作。比如医院大堂的导诊机器人可以大大减轻导诊台的工作量,而查房机器人可以让医生不需要接触具有传染病例的患者,减少医务人员的感染。结合5G技术,医生甚至不需要离开办公室,就可以将自己的专业诊疗工作延伸到任何地方,不仅在自己医院内部可以高效地开展诊疗工作,还可以支撑偏远地区医务极度缺乏的地区,进行远程诊断、远程会诊等。

  有一些微型机器人可以帮助医师更好地进行手术,卡内基·梅隆大学机器人部门开发了Heartlander,这是一个微型移动机器人,旨在方便对心脏进行治疗。在医生的控制下,这个微型机器人通过一个小切口进入胸部,自行导航到心脏的某些位置,附着在心脏表面并进行治疗。

  (5)AI健康管理

  随着人们越来越重视健康,越来越多的健康相关产品开始进入大众视野,健康管理是一个范围比较广的概念,包括手机健康APP、可穿戴设备、移动医疗等诸多应用。而AI健康管理往往与互联网、医疗大数据相关,细分场景也很多。比如Apple Watch就提供一项“摔倒检测”功能,关键时刻可以救命,这是Apple Support上对该功能的描述:

  如果手表检测到您摔得很严重,它会轻触您的手腕、发出警报声并显示提醒。您可以选择联系紧急服务,也可以按下数码表冠并轻点左上角的“关闭”,或者轻点“我没事”来关闭提醒。

  如果 Apple Watch 检测到您在移动,它会等待您对提醒做出响应,而不会自动拨打紧急服务电话。如果手表检测到您在大约一分钟内没有做出任何动作,它会自动拨打紧急服务电话。
  智能问诊机器人是近年来比较火的一个智能医疗产品方向,它基于自然语言处理、知识图谱、搜索引擎以及医疗知识库等技术构建的智能对话机器人,可以为用户提供在线实时问诊服务,是互联网在线问诊平台的智能化延伸,可以解决逐日增加的医疗咨询需求,让一些轻症患者免去因小恙而不得不去挂号排队问医生的麻烦,也大大缓解医院的压力。

  前景是美好的,但是道路是曲折的。在医疗AI逐渐落地的过程中,有诸多困难需要去面对。

  (1)临床认证难

  用于临床医疗的产品,需要得到所属国家食品药品监督管理局的认证才能合法临床使用。上文提到的IDx公司的糖尿病视网膜病变检测AI系统是美国食品和药物管理局(FDA)授权认证的第一次AI医疗项目。然而,大部分医疗AI项目都没有这么幸运,医疗临床器械认证流程非常繁琐。在我国要得到国家食品药品监督管理总局(CFDA)的认证,需要同国家的三甲医院合作进行临床测试,需要与接受临床测试的病人签订合同,还需要在国家专业机构做检测和报备,通过一系列测试和评估才能获得CFDA认证,很多医疗AI初创公司往往扛不住这样的时间成本。

  (2)数据问题

  数据是AI算法必不可少的“燃料”,很多做AI的公司头脑风暴出好些AI产品原型,大部分都由于无法获取足够多足够好的数据而不得不放弃。数据问题在医疗AI中尤为突出,一方面是数据来源问题,医院内的数据有相当一部分依赖于不同的系统,医院之间的数据也很难共享;另一方面是数据质量问题,医疗过程中产生各种临床数据,这样的数据缺少标准化和结构化处理,而且获取高质量的标注医疗数据也不那么容易。

  (3)隐私风险

  隐私是AI技术不得不面对的一个问题。随着AI技术的爆炸式发展,对隐私的保护越来越受到重视。随着欧盟的最严格隐私保护条例GDPR的出台,各国纷纷推出自己的隐私保护规范。AI技术对隐私的侵犯甚至还会成为某些社会问题背后的帮凶,比如种族歧视。就在不久前,一些AI巨头已经开始对这样的应用技术输出进行限制。6月9日,IBM宣布停止提供通用的人脸识别软件,随后不久亚马逊也宣布暂停向警方提供人脸识别监控软件,微软也紧跟其后表示在政府出台相关规定前不会再向警方出售人脸识别技术。虽然这些巨头们可能是迫于舆论压力不得不停止输出人脸识别技术,从侧面也反映出民众开始认识到自己的隐私正受到来自AI技术的侵害。

  在医疗领域,隐私数据尤其敏感,无论是基因测序数据,还是医疗健康数据,大部分人都不会愿意分享自己的敏感信息。如何在治病救人与保护隐私之间保持平衡,这是医疗AI发展之路无法绕开的问题,是技术与伦理的博弈。

  (4)AI诊断容易问责难

  医疗AI还存在一个困境,那就是如果让AI诊断代替医生诊断的话,将无法对诊断失误问责,无法定位责任主体,因为AI技术无法作为民事主体来承担民事责任义务,也不太可能让其背后的AI科学家承担责任。在医学伦理中,医生必须完全对患者负责,而如果让AI技术的锅给医生来背,也不太现实。

  (5)人才缺乏

  人工智能领域人才和医学人才是大学阶段培养周期最长的两拨人,也是最稀缺的人才。随着人工智能领域的爆炸式发展,人工智能相关技术人才的缺口越来越大,根据某招聘网站做的统计分析,中国人工智能人才缺口已经超过500万,高校每年培养的AI人才不到一万,杯水车薪。而医药AI需要从业人员不仅精通AI,还要懂医学相关细分领域的知识,能满足条件的凤毛麟角,更遑论建一个医疗AI团队,可想而知其难度之大。

  人工智能在我国各项政策的扶持下得到了快速发展,医疗AI也不例外。从下图医疗AI融资轮次的分布情况来看,目前我国医疗AI技术还处在比较初级的阶段,大部分融资还集中在公司比较早期的阶段,也体现了发展潜力巨大。

  一百多年前的西班牙大流感造成了当时世界人口三分之一被感染,导致至少2000万人的死亡,是历史上最致命的一次全球大流行病。

  一个世纪后的今天,疫情再次席卷全球,不过今天人类已经有了更多的手段和方法来应对疫情的肆虐。希望人类克服层层困难,让医疗AI早日服务人类健康事业,尽早战胜新冠病毒。

read more

商汤科技张果琲:“城市视觉中枢”再升级,打通多样化场景需求与模型高效生产闭环二号站平台登陆

涓涓细流,汇合为海;万千人气,相聚成市。

  城市,是人类文化的结晶,是人类居住最集中的地方,体现了人类社会所有的文明和所有的技术。二号站平台登陆

  城市,也是一个极为复杂的系统。尤其当下,信息化建设日益成熟,城市每日产生的信息已难以度量。

  在人工智能到来的时代,技术如何赋能城市,让身处其中的我们体验更好、生活更愉悦、更便捷?

  “随着现在智能化节奏的推进,做一个城市级的复杂系统,就像大集团军作战。士兵身上的装备日益精良,但缺少指挥是没法打仗的。智慧城市的智能化建设需要有一个核心的大脑,把智能化的各项能力与中心协同起来,才能完成复杂的任务。”

  商汤科技智慧城市综合业务事业群副总裁张果琲在第十五届中国安防论坛上,提出了以上对智能系统赋能城市的大体系思考。以“AI+智慧城市解决方案”为主题,张果琲详细介绍了商汤科技在城市综合治理、智能城市建设的最新思考,以及商汤对“端、边、云”城市级智能系统架构的理解与布局。

  AI+智慧城市的行业发展历程

  “数字城市”、“网络城市”的发展历程已经超过二十年。

  1995年,数字化建设正式开启。城市中的物理信息或模拟信息,逐渐转变为数字化信息,提升存储、访问、检索的效率。

  2005年后,进入2.0无线城市或是“网络城市”的建设阶段。随着3G、4G移动网络、感知网、物联网等技术的发展,城市中的各类数字设备实现了信息的互通互联和共享,催生各类互联场景应用。

  2013年,当有了一定的人工智能基础,开始出现认知型的智慧城市。以人工智能、量子计算,5G通信等技术构建的智联网是智慧城市协同管理优化与趋势判断的基础。

  从发展历程可看到,科技是历次工业革命爆发的主导力量,人工智能、大数据为代表的科技力量所带来的第四次科技革命,正在全面影响各行各业。

  如果从人工智能技术的发展来验证这一点,则包含三个阶段:

  第一个阶段,“技不如人”,也就是人工智能做得没有人好。这时AI技术尚无法广泛应用,没有超越工业应用的红线。

  第二个阶段,“机器超越普通大众”,即算法要超越普通人的准确率。一个例子如金融,现在基本上已经不需要人来做人证核验的事情。原因就是算法已经过了那条工业红线。机器做的已经能够比普通人做得好,那就不必浪费人力来做。

  第三个阶段:“超越专家”。专家的资源极为稀缺,当人工智能超越专家,就可以升级整个产业和服务。超越专家需要算法的进一步突破,未来人工智能的目标是把原来不可能发生的服务转换出来。二号站需要登录吗?

  当下人工智能技术的发展,在不少细分领域已经逐渐获得专家型的技能。这样的能力在城市级的复杂环境、如此巨大的复杂系统下,如何能给我们的城市进行赋能?

  现状分析——城市综合治理的难题

  安全、效能是城市治理中非常重要的指标,但发现问题、解决问题、确保安全及效能的提升其实并不容易。城市管理者无法事无巨细地进行实时感知。

  张果琲认为,目前城市综合治理面临三大难题:

  第一, 发现难。管理人员有限,管理片区大,巡查难度大,有漏报/误报。

  第二, 取证难。网格化管理不可能24小时在线感受,难以取证,精准执法难。

  第三, 效果评估难。在城市事件办结之后,很难评估做的工作,对城市运行效率带来多少助益。

  面对这些困难,现在有什么样的技术、方法可以改变这些情况?

  过去十年、甚至十几年前,一直持续的视频建设,摄像头7×24小时不停歇的工作,但是后面缺乏有效的“大脑”识别。以前无数个摄像头的背后,是几百个人、上千个人在看。

  人力是有上限的,不可能一直不停地观察、理解画面上的内容。一个人看一个枯燥的画面15分钟以后,他已经对画面播什么东西毫无感觉。如果在监控画面前坐15分钟,画面有非常激烈的动作都感受不到,脑子基本上已经麻木,尤其是同时在看9个画面、15个画面,甚至是更多画面的时候。

  这个时候如果有一个大脑,可以把这么多前端摄像头的视频、信息提取出价值来,并最终指导行动,城市的治理会达到一个新高度。

  目前,整个视频资源智能应用里,交通领域、公共安全领域的视频资源智能化进行了很多年,可能超过十年的过程,相对来讲比较成熟。

  但在城市治理、城市管理等方面,整个城市的效能提升还很少,基本上没有得到很好地应用。只是简单地调取视频,通过人来阅读、处理,根本解决不了城市所面对的各类复杂或突发问题。

  重要的是缺乏智能化在后端支撑。所有的视频靠人来看,应用受到了极大的局限。很多的信息没办法获取,巨大的价值一直埋没在里面,实际上又占用了大量的资源、占用了大量的存储和占用了大量的带宽资源。

  所以,视频价值的挖掘是智慧城市发展到现阶段的核心命题。

  智能城市创想:人工智能一定是集约化、场景化的建设

  张果琲认为,人工智能在面对城市复杂命题的时候,它的建设一定是集约化、场景化的。二号站总代平台

  当下影响城市各行业秩序的行为日益增多,会随城市发展产生大量碎片化、长尾的业务需求,如人行道违章停车、烟火检测、伞蓬违规占道、共享单车杂乱摆放、共享单车违停、垃圾满溢检测、垃圾暴露检测、工程车抛洒等。

  要解决很多问题,中心化的建设必不可少。中心侧的设备是对全局的感知,对城市里所有状态的获取、分析、识别、处理,所以它的建设是最先行的。此外,端侧、边侧和中心侧要协同工作,才能动态分布和利用这些资源。

  今年安博会上,商汤“城市视觉中枢”再升级。将SenseFoundry 方舟城市级开放视觉平台和SenseSpring深泉智能模型生产平台结合在一起,打通从数据采集标注、模型训练部署、业务系统上线的整个链路,构建多样化场景需求与模型高效生产的闭环;同时,赋予客户本地模型生产能力,自主满足长尾需求开发。最终,让AI算法的场景化和规模化及自动化生产成为可能。

  此外,面对城市管理者、城市场景中多样化的业务需求,决定了人工智能落地到最后一定是场景化的建设。即根据不同行业、不同场景需求进行智能化改造。

  商汤过去有几个核心的模块,算法的模块、数据处理的模块、高效存储的模块等等。今年新增算法生产模块,把算法生产环境前置到整个系统里,前置到客户端,可能是城市管理者,也可能是城市的某个部门,算法的生产部门布进去,意味着算法的生产能力在客户那儿得到体现。

  原来类似于算法厂家都是自己做算法,它跟一个场景的结合是没办法那么紧密。只有算法系统到了客户那,并依据真实场景做算法,才能源源不断地进行迭代和制度化。核心是将算法生产系统,前置到大系统里,这一块也是商汤今年推的核心,也是业界首创。

  “端、边、云”城市级智能系统架构

  商汤此次提出“一云一脑一平台”的思路,首次定义“智能城市操作系统”(AI City OS),为城市的智能化建设提供全面、可靠、开放的架构参考。以完善综合异构视图云,打造多模态视觉大脑,深化智能化应用平台,赋能城市中不同行业、管理部门,让城市综合治理获得大的提升。

  张果琲提到的“端、边、云”城市级智能中枢,涵盖算法中心、业务平台、支撑平台、算法训练(升级)系统、算法测评系统。

  在商汤整个城市智能系统化架构中,算法中心是一个算法仓的概念。商汤科技“自营”算法的套餐,有一些系统定制服务,可以用算法生产系统给客户提供基于量身订作的算法。

  系统亦可以集成第三方的算法。某些细分领域,有一些长期的经营和长期的数据积累,有一些优势,一样可以集成第三方的算法。算法都可以跑在智能城市的操作平台,保证算法的丰富性。年底前,商汤将会提供上千种算法支撑。

  此外,算法系统、训练系统、测评系统、应用系统的运行逻辑是,新的算法训练中场景的数据,通过算法生产系统得到新的算法,算法出来后配套新的应用,应用产生又回馈过来新的数据,形成完整的闭环,可以让算法越来越好、越来越精准、越来越实惠,最终改善用户体验。

  算法是智能化的基石,但光有算法,如果不能处理海量的数据,没有办法支撑算法的迭代,其实也是没有办法实用的,这就需要一个支撑平台。

  商汤SenseFoundry方舟城市级开放视觉平台能够支持十万路级别系统设计,充分应对更大规模应用场合;配合商汤业内领先的六类融合分析算法,为城市管理者全面打造城市级多源、多态、融合分析引擎。

  人工智能最后能够落地,和服务是密不可分的,服务涉及到全生命周期的闭环。

  张果琲表示,商汤已经做了超过300个城市级的项目,每个城市级的项目都需要很多后续的服务,这样的服务也带动了很多的产业。只有服务能力的不断延伸才能让项目落地得更稳,希望更多的合作伙伴加入到商汤智慧城市的服务生态,给客户系提供强有力的服务。

  在商汤所勾勒出的一幅AI+智慧城市图景中,未来我们生活的城市里,AI技术将无处不在。商汤科技的“城市视觉中枢”,将为城市提供“能看懂、能思考、能指导行动”的核心分析能力,让城市街区更安全、生活更便捷、通行更高效、城市更温暖。

read more

二号站注册1960鱼龙戏:5G芯片的中场与抉路

踢足球的朋友都知道,中场球员是最考验大局观和智慧的。后卫侧重防守和发动反击,前锋只需要冲刺和临门一脚。但球到了中场球员脚下,就需要考虑是快攻还是传控,是传过顶球还是分边路?总之,球踢到了中场才会有队伍之间不同风格的差异,才能看出谁更有机会进那个关键球。二号站注册1960

  如今的5G手机芯片,似乎也来到了球赛的中场。随着各国5G商用化的开始,5G芯片已经不是最开始的探路与抢先,也没有到成熟期的行业共识阶段。目前这段赛事中,各家已经亮出了自己的底牌,而其中蕴藏的产业分歧也依旧明显。

  另一方面,5G芯片又已经明确成为各手机品牌决战明年市场的关键武器。在5G手机正式成为消费者主力购买品的档口,谁能一跃化龙,似乎变成了一场非常有趣的比赛。

  除了苹果的5G依旧杳无音讯,目前几大手机芯片厂商的5G商用芯片都已经揭晓。随着高通刚刚发布了骁龙865,加上此前的MTK天玑1000、三星Exynos 990,以及最早走向商用的麒麟990 5G,赛事的亮相阶段基本已经宣告完成。

  母庸讳言,在三星基本退出中国市场,MTK还处在追赶者身份的今天,中国5G移动芯片的竞争,关键点还是在高通骁龙865与华为海思麒麟990 5G之间完成。

  而这场赛事的最有趣地方也正在于,高通似乎选择了与华为海思极大差异的5G芯片战略。几个分歧点之下,5G芯片产业整体似乎正在酝酿路线的分野。

  想要读懂5G芯片的中场战事,也许要从这样一个问题开始:骁龙865是在麒麟990 5G芯片发布81天后才发布的。而这款芯片的实际表现,究竟是缩小还是拉大了81天的差距?二号站首页

  SoC,究竟是不是关键坐标?

  我们知道,2019年5G移动芯片的最大进展,显然是华为海思的麒麟990 5G芯片率先完成了5G基带与手机芯片的集成化,也就是所谓的SoC,System-on-a-Chip。

  这款刚刚获得中国移动2019智能硬件质量报告(第二期)“最佳5G芯片奖”的芯片,是业界首款旗舰5G SoC,也是业内最小的旗舰5G手机芯片方案。基于7nm+ EUV工艺制程,麒麟990 5G首次将5G Modem集成到SoC芯片中,并且率先支持NSA/SA双架构和TDD/FDD全频段,是业界首个全网通5G SoC。5G NR理论下行峰值速率达2.3Gbps,5G NR理论上行峰值速率达1.25Gbps。

  正当外界认为5G SoC芯片将纷至沓来时,高通却做了一件令人大跌眼镜的事。骁龙865一出,最大的争议在于这款芯片并没有进行5G基带的SoC化,而是继续延续了外挂基带的思路。

  虽然高通在发布会上强调外挂骁龙X55基带是为了实现5G性能更强,但似乎说到最后也没有展现出骁龙865的5G性能究竟强在哪些性能上,而是集中在是否支持毫米波上进行讨论。

  毫米波的差异我们随后再说,回到最基本的问题,也就是外挂5G基带究竟是为了追求更好性能,抑或发展进程不理想下的无奈之举?

  众所周知,外挂基带解决方案要把通讯基带与芯片本身分别放置,这样带来的基本问题集中在三个方面:两个用电单元造成的大量耗电、两个模块造成的空间占据更大,以及芯片和基带间进行指令传输,可能带来的时延卡顿问题。

  事实上,从外挂基带走向SoC,是每一代移动通讯标准更迭中都要走过的道路,属于市场前期探索中的必要进程。在4G初期,高通、华为海思都使用过外挂设计,但是随着制程的提升,4G基带一体化封装之后明显解决了散热问题,这也让手机高度集成的今天,SoC成为了行业共识。

  同时,移动通讯行业似乎也认可越早SoC代表着更早的产业成熟化。因为似乎至今并没有数据能够证明,外挂基带可以通过某些软件方式来化解上述存在的三大问题。

  也就是说,如果从产业成熟度和商用接受度来说,今天SoC依旧是5G手机芯片产业中的关键坐标。

  那么为什么骁龙865依旧要外挂骁龙X55呢?这可能跟高通在5G时代展现出的多次“失速”现象有关。早在2017年,高通就发布了骁龙X50基带,但这款5G基带属于标准的“早产儿”。各种性能都有明显的实验性质,尤其不能支持SA和NSA双模,引出了2019年5G手机市场上的无尽争议。

  而X50基带的过早推出和市场反应不佳,直接导致了它的迭代品X55姗姗来迟,要在2020年才能实现商用,也就是与骁龙865的这次搭档。在此期间,华为海思的巴龙5000以相对成熟的姿态进入市场,并且完成了从外挂到SoC的自然升级。

  而直到此刻,骁龙X55依旧没有尝试过真正走向战场,属于新兵出道。这种情况下,面向大量品牌厂商、多种集成要求的高通,不敢采取过分激进的策略,直接绕过外挂X55直接集成,因为一旦出现问题影响范围难以承受。

  这也能解释为什么在中端品牌骁龙765芯片中,反而集成了骁龙X52基带。其原因在于中端产品的问题风险尚可承受,二号站挂机软件不像骁龙865一样必须“谨小慎微”。

  熟悉移动芯片市场的朋友不难发现,这一幕曾经多次在历史中上演。一旦芯片厂商的某款关键产品出现问题或者发布节奏不对,就将很大概率影响后续产品的升级步伐。有人说,出芯片就像做手术,手要稳,眼要准。从骁龙865上看来,似乎确实如此。

  反向对比一下麒麟990 5G芯片为什么能够完成SoC,会清晰发现整个推进进程是一个环环相扣、循序渐进的过程。巴龙5000首先在5G基带上达成了高规格的成熟,支持NSA与SA双模组网,而后在7nm+ EUV先进工艺加持下,加上麒麟芯片在5G SoC架构设计上的领先和海思一直以来强调的工程能力,最终水到渠成在关键节点上完成了5G芯片的SoC。

  所以,与其说高通的战略保守,更不如说是高通在5G初期的冒进带来了连锁的失速反应。这个交错,不仅让麒麟990 5G率先在2019年完成了商用,在华为Mate30 5G版中收获了不俗反响,确立了5G时代的各种体验升级进程,同时又拖累到了2020年的5G手机市场,让高通芯片的用户只能继续接受外挂5G基带可能带来的风险。

  如果说,这场5G芯片赛跑的关键问题在于天时,那么高通推出骁龙865时,另一个关键争议则来自地利。

  毫米波:当美利坚成为一种包袱

  自骁龙865推出以来,很多媒体和用户都被高通官方宣称的骁龙865可实现最大7.5Gbps的下行速率所震撼——甚至有点迷惑。

  而如果我们稍微仔细看一下,就会发现这个速率是毫米波条件下测试完成的。而毫米波这个点,确实也是高通在发布骁龙865时高调宣传的。甚至暗讽竞品是“假5G”,只有支持毫米波才是真5G。

  支持毫米波与否的问题,似乎又很容易联想到此前高通的骁龙X50基带不支持SA模式组网,被众多网友嘲笑为“假5G”或者“半残5G”。难道这次是风水轮流转了?

  然而事实却是,毫米波确实是5G解决方案中的关键一种。但毫米波技术本身其实还存在着巨大的不确定性。毫米波虽然传输速度极快,但是衰减也十分严重。雨天雾天,房间墙壁,甚至一片树叶的遮挡都能大大衰减毫米波。加上毫米波实现覆盖的成本极其昂贵,很难实现网络的全面商用,所以这种技术在大部分国家和地区,都没有成为5G网络的搭建手段。

  或许在更远的未来,技术更加成熟或者频谱资源极度紧张之后,毫米波会成为相对“未来”的通讯解决方案,但这在可见的应用周期里还不会变成现实。

  事实上,高通在发布会上嘲讽其他厂商的5G芯片不支持毫米波,因此是“假5G”。然而华为是在毫米波领域拥有广泛技术积累的,折叠屏手机华为Mate X就有一个毫米波版本。毫米波的应用进程还有很大问题,现阶段放入商用,事实上对消费者来说是增加了一个基本没有价值的成本负担。

  那么为什么高通要如此执着于毫米波呢?

  这可能要回到高通作为一家美国公司的基本定位。美国移动通讯网络发展历史中,由于运营商的私营性质与数量众多,加上管理部门对频谱划分出售的随意性,频谱资源已经被瓜分殆尽。尤其众多优质频谱被用户很少的运营商占据,但又无法进行有效退网,造成了大量频谱被“霸占”式使用着。

  这就导致5G时代的美国,已经必须去寻求毫米波这种“天外飞仙”模式的解决方案。但在中国、欧洲、东南亚等世界主要市场上,Sub-6GHz都是5G的主要实现环境。

  所以说,是否支持毫米波,对于中国用户来说应该是永远无关痛痒的。而对于华为手机本来也不在美国出售的情况来说,毫米波同样意义不大。这与NSA与SA组网的争议截然不同,因为最终中国各大运营商给出的答案,就是中国5G以SA组网发展模式为主。

  而高通在骁龙865上主打毫米波,或许可以被视作一种地缘科技环境下导致的必然。因为高通的主要领地在美国,它需要看齐的也首先是美国运营商。担当美利坚的特殊情况,甚至5G发展不利的客观影响,变成了高通的主要卖点,并将其拿到亚洲和欧洲,事情就变得有些奇怪了。

  5G芯片中场,鱼龙之变的前夜

  就像3G和4G一样,5G手机芯片也是一个挑战出牌节奏和战机把握的游戏。

  战略时间上的失当,加上战略空间的错位,很容易造成一家芯片厂商产生周期性的失速现象。也就是业界谈之色变的“一步错步步错”。要知道,3G和4G时代移动芯片有远多于今天的玩家,如今他们的名字已经很难被人想起。涅槃重生更是难度极高的任务。

  今天的高通,似乎就在与华为海思的5G芯片之争中陷入了一些麻烦。从高通没有选择正确完善的5G解决方案开始,从X55比巴龙5000的商用进度落后整整一年开始,一些改变就已经在5G芯片正式开赛前被决定了。

  而到了今天,这场赛事已经来到了上半场的白热化阶段,各家纷纷亮出了底牌。这些底牌上确实也折射出了更早时候留下的隐忧。

  在骁龙865依旧选择外挂5G基带,并且强推中国和欧洲都不用的毫米波时,麒麟990 5G已经选择了更先进的7nm+ EUV工艺、更快完成了5G基带的SoC化,同时也在AI为代表的新方向上更清晰投入,没有被混乱的市场格局与专利使用捆住手脚。

  所以可以说,移动5G芯片的中场,麒麟990 5G已经完成了量产领先、商用领先和SoC领先,从而推动华为手机更早开始了5G应用和生态探索。这个领先周期的放大性,似乎与高通X50的落后性被放大有异曲同工之处。

  当然,我们还是希望能够看到高通在接下来奋起直追,毕竟5G时代芯片厂商已经为数不多。而只有足够的多元与争锋,这个产业才能持续向前走向繁荣,促发整个产业更新6G的动力。

  今天的5G芯片中场里,鱼龙之变或许已在眼前。有人领先、有人跟随,有人追赶,也有人很疲惫地跑错了方向。

  这一切与4G时代多么相同?而芯片,从来都是那只扇起风暴的蝴蝶。

read more

全球10亿摄二号站安全吗?像头安装量,催生哪些新生意?

IHS发布报告——《安防科技:2020重大趋势》。根据IHS的测算,到2019年底,全球有7.7亿个摄像头投入使用;这个数字有望在未来两年突破10亿。

  在市场规模方面,IHS认为,2020年是视频监控产业具有里程碑意义的一年,因为今年视频监控软硬件产品的全球年销售额,有望首次超过200亿美元。其中,中国占全球销售额的45%,是全球视频监控产业的第一大市场。二号站安全吗?

  10亿摄像头安装量,200亿美元的市场背后,隐藏着哪些视频监控产业的新“生意”?

  硬件销售:一门长期生意

  前端的视频监控设备是视频监控行业中最基础的部分,视频监控厂商的主要盈利方式,也是前端设备的销售。从主要视频监控厂商的营收情况中,不难看出这一点。

  海康威视是视频监控产业的龙头,2018年海康威视在中国视频监控市场的份额高达36.4%(数据来源:IDC,2019)。同时,海康威视还连续三年被A&S评为“全球安防50强”第一名。尽管海康威视的业务十分丰富,但主要的营收仍来自前端产品。

  硬件销售市场又可以分为两个部分。一是“从无到有”,即当一个地区没有摄像头头,或是摄像头头的覆盖率极低时,为了加强安全监控和保障,该地区就会大批量购买摄像头。这种情况下,视频监控市场的增长速度非常快。

  二是“从有到优”。设备是需要更新换代的,目前摄像头发展的两大趋势是:更清晰、更智能。根据IDC的数据,目前AI摄像头的渗透率较低,仅占市场支出总额的2.0%,但年复合增长率高达42.0%,远高于摄像头市场13.9%的平均增速。这说明,“从有到优”的市场也不容小觑。二号站体育

  可以说,硬件尤其是前端摄像头的销售,将会是一门长期的生意。但一个显而易见的趋势是:设备的价格会越来越低,利润空间也会越来越低。

  全球摄像头安装量突破10亿,意味着“从无到有”的这一市场将越来越小,因此对于视频监控厂商而言,必须要发展有更高技术含量的设备,拓展“从有到优”的市场。同时还需要发展新的赛道,比如视频服务。

  视频服务中,最应该被看好的是VSaaS(VideoSurveillanceasaService),即“视频监控即服务”。

  VSaaS是一种完全在云端操作,允许用户远程存储、管理、记录和监测监控录像的网络托管无线安全系统。用户定期为云连接的视频监控付费。

  与其他SaaS相似,VSaaS的优点在于“便捷”。

  首先,视频监控数据可以储存在云端,也能够在硬盘中备份,用户前期无需部署专门的服务器。其次,用户想调取数据时,没有设备的限制。简单来说,VSaaS对用户而言,能极大降低使用门槛,也能降低维护的费用。

  当然,VSaaS值得看好,除了“便捷”外,还因为它是5G、AI等新技术催化出的新产物。

  摄像头的数量越来越多,就意味着收集到的视频数据量越来越大,这时就需要利用AI分析视频数据。而VSaaS能够让用户更轻松地调用AI能力。

  此外,据了解,AI辅助下的无线监控摄像头的数据传输速率是单摄像头监控的三倍以上。换言之,5G的到来会加速VSaaS的发展,也让人工智能在视频监控中得到更广泛的应用。

  既有大量的市场需求,又与新技术相伴而生。而且,从收费模式上来看,VSaaS也是一门“长久”的生意,与用户的粘性极高。综合这些因素来看,VSaaS是未来视频监控行业最值得看好的一门“生意”。二号站测速网址

  无论是VSaaS,还是AI,都离不开网络的支持。虽然网络能让用户更便捷和高效地调用视频数据,但数据一旦“上网”,就不得不考虑安全问题。尤其是在视频监控行业,涉及的数据都是与人身份特征相关的隐私数据,一旦泄露,就会造成重大影响。

  未来,摄像头的数量越来越多,利用AI进行身份识别也会越来越频繁。对于视频监控产业相关的主体而言,他们有义务把网络安全这门不得不做的“生意”做好。

  在国内,最典型的案例是发生在去年的深网视界数据泄露事件。2019年2月,人脸识别公司深网视界被指数据泄露,含256万人的个人信息,这些信息包括身份证号码,以及过去24小时内路过的摄像头位置等。

  就在本月,国家互联网应急中心CNCERT发布预警通报称,有境外黑客组织声称将于2月中旬对我国发起网络攻击,以我国多个视频监控系统作为攻击目标,并公布了其掌握的一批相关视频监控系统在用境内IP地址。经分析,我国视频监控系统存在一定的漏洞安全隐患和数据泄露风险,可能成为境外黑客发起攻击的薄弱环节。

  可见,虽然数据泄露、黑客成功攻击属于小概率事件。但事情一旦发生,后果不堪设想。

  当然,除了视频监控行业的相关厂商,专业从事网络安全保障的企业,也能从中挖掘到巨大的机会。根据Gartner预测,2018年全球信息安全产品和服务支出将超过1140亿美元,比2017年增长12.4%。Gartner还指出,2019年该市场预计增长8.7%,达到1240亿美元。

  国内信息安全市场也保持20%以上的高速增长,并且安全服务的比例在持续提升。

  总的来说,摄像头数量越来越多,是一个长期的趋势。除了公共场所的摄像头数量在增多外,家用摄像头的需求也在增加。硬件的销售,是一门显而易见的长期的生意。但需要看到的是,摄像头数量的增加,意味着数据量的增加,为用户提供更便捷以及高效的数据服务,才是视频监控厂商最应该重视的“生意”。

read more

二号站待遇如何?投资2.36亿元 大华股份2020年发展战略新动向

一边运用科技产品助力全国各地抗疫,一边开始有条不紊的推进企业发展战略布局,这也正是领军企业在大灾大难面前临危不乱的体现。二号站待遇如何?

  日前,大华股份(002236)公告称,拟以自有资金与天津镕宇企业管理合伙企业(有限合伙)(下称“天津镕宇”)、天津取势企业管理咨询合伙企业(有限合伙)(下称“天津取势”)、湖州旭博智慧城市科技合伙企业(有限合伙)(下称“湖州旭博”)签署《合资协议》,共同投资设立中睿信数字科技有限公司(暂定名,下称“合资公司”,注册资本人民币8亿元,其中大华股份投资1.6亿元,持股占比20%。

  公告显示,合资公司将从事智慧城市的规划、设计、咨询;大数据、云计算、互联网技术、计算机软硬件、电子产品和通讯技术开发、咨询、服务、成果转让;数据处理及服务;系统集成、施工、安装;计算机软硬件及辅助设备、通信产品销售;电子商务信息咨询;货物及技术进出口业务。

  CPS中安网了解到,天津镕宇、天津取势主要从事企业管理、咨询与服务,湖州旭博主要从事规划设计管理、信息系统集成服务等业务。

  对于此次布局,大华股份表示,合资公司设立后,股东各方资源互补,互相合作,能充分发挥各方在智慧城市业务领域的资源优势、资金优势及管理优势,抓住市场机遇期,共同推动该业务更加快速的发展。

  值得一提的是,同日大华股份公告称,拟与关联法人浙江零跑科技有限公司(下称“零跑科技”)、宁波华淩投资管理合伙企业(有限合伙)(下称“宁波华淩”)、宁波华汽企业管理合伙企业(有限合伙)(下称“宁波华汽”)共同出资人民币1.5亿元设立浙江大华汽车技术有限公司(暂定名,下称“汽车技术”)。

  其中,大华股份以自有资金出资7650万元,占注册资本的51%,该公司成为其控股子公司。

  但需注意的是,此次成立合资公司的各交易方,均与大华股份有着千丝万缕的关系。

  具体来看,大华股份持有零跑科技15.5%的股权,控股股东傅利泉持有其15.7%的股权,董事、常务副总裁朱江明持有其11.78%的股权,董事、总裁李柯持有其4.96%的股权;傅利泉、李柯担任其董事,朱江明担任其董事长,零跑科技与大华股份构成关联关系。欧亿二号站注册

  零跑科技成立于2015年,主营新能源汽车的开发、生产、设计等业务。2019年该公司实现营业收入1.2亿元,实现净利润-5.63亿元。

  另一家宁波华淩成立于2018年1月22日,主营项目投资等业务。其中陈爱玲是宁波华淩的普通合伙人(GP),陈建峰是宁波华淩的有限合伙人(LP),由于陈爱玲、陈建峰系大华股份关联自然人,故宁波华淩与其也构成关联关系。

  而宁波华汽则成立于2020年1月15日,主要从事企业管理咨询,陈爱玲为宁波华汽普通合伙人(GP),傅利泉、许炜等8人是宁波华汽的有限合伙人(LP),由于傅利泉、陈爱玲系大华股份关联自然人,宁波华汽与其也构成关联关系;同时,宁波华汽也是员工持股平台。

  综上所述,汽车技术的实际控制权仍然是大华股份,其接下来从事的业务方向,或许未来将成为大华股份新的业绩增长点。

  资料显示,汽车技术将从事智能车载设备制造;轨道交通专用设备、关键系统及部件销售;人工智能行业应用系统;信息系统集成服务;电力电子元器件制造;电子元器件制造;电动机制造;电池制造等业务。

  对于此次投资,大华股份解释称,随着人工智能、大数据和物联网等技术的迅速发展,其在交通系统领域的应用越来越广,实现智能化交通管理、智能动态信息服务和车辆智能化控制发展等智能化和网联化需求成为汽车行业发展的重要方向,视频感知、智能驾驶和车联网的需求快速提升。二号站注册

  “公司本次与关联方共同投资设立控股子公司有助于公司在智能交通、物联网应用等方面的拓展,并通过与控股子公司核心员工共同投资,建立利益共同体,充分调动相关员工的积极性。”

  一天发布两则公告,似乎没有关系,但其实有着必然的联系。当前,大华股份已经在智慧园区、电子政务、数字城管、智慧环保、平安城市、智慧消防、智慧社区等领域有所作为。但在智能交通领域,大华更多的业务是基于视频的处理和应用,在汽车主体和车路协同方面根基不深,而这些,都是构成智慧城市的重要组成部分。

  此次成立合资公司汽车技术,也将拓展其智能交通领域的板块;而另一家合资公司中睿信数,则将从智慧城市顶层设计入手,发挥其各业务领域优势,抓住市场机遇期,推动智慧城市业务快速发展。

read more