华为机器视觉,端边云的先锋观点

吴俊宇 2020-05-30 14:43
分享到:
导读

华为机器视觉推出了多款摄像机,华为安防升级为华为机器视觉,华为安防作为华为机器视觉的前身。

撰稿|吴俊宇

端边云的协同

先给大家讲个科幻的场景吧。

在好莱坞大片《摩天营救》里面,退伍军人威尔·索耶担任着世界第一高楼珍珠大厦的安保工作。

他所管理的摩天大楼突然起火,还被人栽赃成为纵火的罪魁祸首。危机下,他必须洗清身上被通缉的罪名,尽快找到真正的罪犯。

在他遭遇突发火灾的摩天大楼展开犯罪调查与高空营救的危难之际。一位亚洲面孔在大厦的外围开始与威尔·索耶展开配合。

这位亚洲面孔把威尔·索耶带进了一个房间,告诉他,“这里有317块屏幕能进行动态捕捉投影,这些屏幕内外两面都有高清8K摄像头”。

威尔·索耶走进房间,便发现自己踩在了317块屏幕以及8K摄像头所构建的城市之上,城市全貌被他纵览。

随后,他又走进了一个大型会议室,会议室里布满了一块块电子显示屏,电子显示屏上全都是城市的各项社会、经济数据的指标和图表。

一群工作人员匍匐在案前,随时审视着城市重要数据的变化。

这个场景是怎样实现的?简单说,大概分成三步走。

  • 端:在城市各个角落安装采集城市画面、信息且可以进行数据化处理的摄像机;

  • 边:在城市近端安装部署存储机房以及边缘计算,存储和处理这些海量数据;

  • 云:把这些数据上传云端分析处理,再通过可视化方式在大屏实时呈现;

实际上,这个科幻场景,某种意义上已经在深圳龙岗实现了。

去年我在《在深圳龙岗,窥见粤港澳未来20年》一文中,已经提到了这个现象:

在深圳龙岗区的龙岗智慧中心,一块庞大的屏幕上不断跳动着有关龙岗的各个城市运行关键数据。城市所有细节在一块屏幕上都触手可及。

这种场景的实现,离不开“端、边、云”的协同。

体系化的作战

“端、边、云”的协同如何去简单理解?

我们可以拿战争作比喻。

过去冷兵器时代往往只能靠地面战拼刺刀,战争在平面战场上展开,双方进行简单对垒。但是如今的战争是,“海陆空天”四者协同,大数据在背后作支撑,“海陆空天”每个环节都要紧紧相扣,体系化作战。

事实上,“海陆空天”体系化作战,也是华为云今年面对纷繁复杂的云市场的解决方案——复杂的国际环境,新基建的大背景,以及云的拐点之年已到。

数字化转型的战场,早就不再是简单的点对点、线对线、面对面的竞争,而是跨维度、跨空间的较量。

我们先看看华为今年刚成立的Cloud&AI BG它所处的历史环境。

华为Cloud&AI升级为第四大BG,和运营商BG、消费者BG及政企BG并列,Cloud&AI前所未有的成为华为当下的战略业务,和其他云厂商形成竞争关系。

华为安防升级为华为机器视觉,华为安防作为华为机器视觉的前身,从过去安防这个相对窄、小、旧的领域,扩张为更立体、多样、前沿、复杂的业务环境。

华为安防在国内市场扩张,和国内其他安防领域的物联网解决方案提供商同行展开激烈竞争,预计在年底会成为第三厂商。

我们甚至可以下这样一个判断——“端、边、云”的协同,也是华为机器视觉的竞争优势。

2019年,美国媒体Visiononline在一篇名为《Machine Vision Users Begin Adopting Cloud Computing》(《机器视觉用户开始采用云计算》)的报道中提到了一个现象:

机器视觉系统在日常操作中总是产生大量的图像数据。随着系统分辨率、复杂度和速度的提高,图像数据量不断增加。

尤其是在城市环境中,部署摄像机之后,一些对在云中异地存储数据持谨慎态度的机器视觉用户往往需要依赖边缘计算,而不是在集中的环境中生成数据。

边缘计算主要优点是它方便了实时数据处理,而无需延迟,允许用户在生成数据时对其作出响应。

使用边缘计算当然也有几个缺点,当今机器视觉应用程序中的数据流太大,无法完全通过边缘计算处理。此外,集中的云则是可以执行比边缘计算设备更高级的计算功能。

从这个视角去看现在云市场的竞争,你会发现很有意思。

  • 一些企业只有AI,云不够强,边和端甚至都很弱。这类企业只能以AI为线,串联起业务体系,浮在面上输出SaaS工具。

  • 一些企业有云也有AI,但是在边和端这个领域比较弱,这类企业往往公有云市场占据一定份额,但主要精力放在PaaS平台之上。

  • 一些企业虽然有端也有AI,但是没有云,更没有边,面临的竞争其实更为严峻。

华为虽然当下云的市场份额不算最高,端的市场份额也不是最高,但是它在“AI、云、边、端”这四个领域的整合,其实已经显露出了优势。

要知道,在没有智能的时代或者在智能初期,摄像机主要是为安全和防控服务。但是有了AI之后,尤其在智能时代,它更多被赋予了感知能力。

通过AI加持,摄像机不仅仅只是给人看,更是给机器看,机器直接把物理世界数据化,再通过技术对这些数据进行理解、分析,进而展开业务处理,实现业务闭环。

华为机器视觉,主要在端和边上进行发力。

在端这一块,华为则是发布了下一代“四无”生态型摄像机。

这款新研发的软件定义摄像机可以感知水温、液温、气温、倾斜度、PH值等全息因素,对应的传感器可以灵活互动。同时,面临无网、无电、无光、无现场运维的情况,生态型摄像也能正常工作。

摄像机上的AI算法也可以在Huawei Holosens Store线上购买,灵活部署,以此满足城市管理、公共消防、地铁、铁路等各行各业的数字化转型需求。

端、边、云三者进行协同,通过机器视觉强化前端万物感知能力,通过解决方案推动行业数字化转型。

  • 在“端”这一侧,政企客户可以部署摄像机为核心的行业系统;

  • 在”边“这一侧,部署智能边缘节点,其中包含人脸识别、车牌识别、周界检测、客流分析、OCR识别等一系列AI应用;

  • 在“云”这一侧,落地到行业应用之中,在一个个具体的企业场景之中实现技术变革和数字化转型。

更重要的是,华为机器视觉还在建设“平台+生态”的体系。通过数字化平台,开放接口驱动几十万甚至上百万应用合作伙伴,基于每一个城市,每一个路口进行应用创新。

在5月25日华为HoloSens下一代摄像机暨2020年新品发布会的会后的媒体群访环节,华为机器视觉领域总裁段爱国提到,在安防领域,华为今年肯定做到前三,目标五年内做到第一。

方阵中的先锋

想法的落地,往往要靠执行来完成。

华为机器视觉总裁段爱国被过往熟悉华为“老人”风格的记者视为“另类”——年轻少壮,行事作风大胆。种种表现,和这个开拓型部门形成了较高的匹配度。

值得注意的是,今年1月,华为组建了全新的Cloud&AI BG。随后2月华为智能安防更名为华为机器视觉,并与数据存储业务一起划入Cloud&AI BG。

华为机器视觉部门的进攻性与华为Cloud&AI BG,这样一个新独立且需要具备年轻、狼性、开拓精神的BG同样形成了较高匹配度。

回过头看,我们可以从产品、产销、产研以及产业四个维度去审视华为机器视觉它正在应对市场的种种策略。

在产品层面,企业不过是企业需要产品以相对标准化的模块形式提供给消费者。在后端,通过积极调整供应链,降低成本,以高质优价的产品服务消费者。

华为机器视觉推出了多款摄像机,尤其是“下一代”的“四无”生态型摄像机,突破了时空限制,解决了传统摄像机易受环境约束的难题,还进一步考虑到了行业数字化转型中信息零散,数据割裂等问题。

华为“机器视觉”拉动了该业务线2000人的研发团队,甚至还在拉通各组织间的研发能力。

要知道,在《技术的本质》一书作者布莱恩•阿瑟看来:

一个解决方案如果被使用的次数足够多,它就成了一个模块,并因作为适用于标准用途的模块而具有包容性。

华为此举实际上正在推动组织和组织之间的技术融合,为摄像机的技术快速迭代更新构建体系。甚至可以形成形成了一套完整、系统的技术标准体系,在一套技术“中台”之上支撑各个产品线、业务线展开生产。

在产销层面,任何硬件产品的销售,往往都需要渠道作为支撑。强大的渠道可以确保产品在每一个省份、城市得到落地。

为了建设良好的渠道,华为机器视觉革新了渠道生态规划,保证一级经销商少而精,价格体系可控,避免出现其他厂商价格体系混乱的状况。

在产研层面,不仅是产品的研发、技术的创新,更多的是提供一种服务的平台。

华为机器视觉一直把生态伙伴作为第二研发部。其生态实验室内有30多家合作伙伴,主要分成三类。

一类是智能算法合作伙伴,华为大量算法往往是由生态合作伙伴来进行支撑。一类是硬件IoT的伙伴,主要通过IoT生态仓将其纳入华为生态之中,一类则是业务应用合作伙伴。

在华为进行产品规划时,往往会联合伙伴共同展开规划,进行联合定义,联合测试推动联合解决方案上市。

在产业层面,企业需要一方面需要坚持产品、产销和产研,另一方面则是需要带动整个产业链合作伙伴的发展。

端边云三者的递进和协同甚至很大程度还在带动华为当前在智慧园区、智慧城市领域的数字化转型。

在万和证券研究所一份名为《安防+AI人工智能工程化白皮书》中,前端部分建设成本比过去传统安防往往高达225%,存储部分成本也高达86%,合计高出73%。

愿意在实体建设中展开如此投入的企业少之又少。华为当下在机器视觉市场的投入,正在拉动整个产业链的进化,也在推动社会的转型。

从这个角度来看,华为机器视觉,其实是华为端边云这套方阵体系中的先锋。


华为 机器 视觉
分享到:

1.TMT观察网遵循行业规范,任何转载的稿件都会明确标注作者和来源;
2.TMT观察网的原创文章,请转载时务必注明文章作者和"来源:TMT观察网",不尊重原创的行为TMT观察网或将追究责任;
3.作者投稿可能会经TMT观察网编辑修改或补充。