以萨技术携手昇腾AI,把握数字城市建设的“智慧灵魂”

简介: 以萨技术携手昇腾AI,把握数字城市建设的“智慧灵魂”

1990年智慧城市的概念第一次被提出算起,智慧城市的发展历程已经走过了整整32年,从信息化时代数字城市的建设目标,到互联网时代的无线城市,再到数字经济时代的智慧城市。

近年来,尤其在新基建和数字中国等宏观政策的驱动下,中国的智慧城市也纷至沓来,据不完全统计,中国有超过500个城市宣布过智慧城市建设计划。以“智慧”为建设目标的城市比比皆是,但绝大多数的城市,却只有智慧城市的外壳,而缺乏智慧城市的灵魂


比如,大量在建的智慧城市依然存在基础条件缺乏公共支撑,基础设施重复建设和资源无法充分整合等问题。这在数字城市运营商以萨技术看来,解决问题的关键是加强城市的全域数字化精细治理,以确保智慧城市的持续健康发展。


1 “全域治理”直面智慧城市三大挑战


早在2015年成立之初,以萨技术就从公共安全领域开始逐渐切入数字城市领域,如今以萨技术的平安城市解决方案主要覆盖公安部、20余个省级公安机关及200余个市级和县区级公安机关、20余个市级、县区级公安交管部门、10余个市级和县区级政法委员会;数字政府解决方案主要覆盖北京、天津等地的政府单位及企事业单位。目前以萨技术已成为一家业界知名的数字城市运营商。对于智慧城市面临的问题,以萨技术股份有限公司副总裁姚巍认为,当今的数字城市建设普遍存在三大问题:第一,绝大部分都是空中楼阁。不具备完善的基础条件、欠缺足够的公共支撑,使得建设成效微乎其微;第二,存在大量重复建设。对有多少设施、汇聚多少数据、能用多少能力不清楚,导致重复盲目投入;第三,无法可持续发展。前期已建资源没有充分整合,新的建设只会延续现状,难以做到统筹规划、持续积累;确如此言,智慧城市建设鲜有成功案例的第一个重要原因是城市的复杂性很高,包含了几乎所有大行业,比如,交通、教育、环保、通信、旅游、工商业等维系城市运转的多个子系统都涵盖其中。如何让这些各司其职的系统交汇并交融,一直是智慧城市运行过程中的大难题。另外,很多智慧城市项目只是从单纯的建设角度解决了具体行业的数字化需要,但却没有从智慧城市的总体入手,建成了很多新的数字孤岛,数据无法拉通,智慧无法共享,这样的城市就不是真的智慧。所以,对智慧城市这样庞大的工程,必须要有一个高屋建瓴式的顶层设计,自上而下地规划,从智慧城市的具体构想,到项目的执行和评估标准,再到子系统的配合执行、各环节的互联互通,换言之,智慧城市的“底座”是非常关键的。这也是为什么姚巍会提出“全域数字化精细治理”的原因,扎实、完善的数字底座,是智慧城市实现数据通、网络通、资源通、系统通和业务融合这“四通一合”并走向长期持续演进的关键。


  2    三条“必经之路” 支持智慧应用百花齐放


姚巍认为,要做到全域数字化的治理,就要夯实数字底座,建立共享机制,并繁荣应用生态。以萨技术又是如何做的呢?首先,夯实数字底座的本质,是让智慧城市所需要配套的软硬件基础设施搭建完善,以作为整个城市智慧治理的“能力”平台。比如通过一张网,融通电子政务外网、互联网、感知网、业务专网,形成四网合一,再比如整合新旧系统,涉及的所有资源,统一纳管形成一个资源池等等。


很明显,四网合一,加上统一的资源池,就可以将城市已经建好的算力做到逻辑统一管理,做到按需分配,做到算力“流到”哪里,哪里就能够产生“智慧”。其中一个重要的细节是要建立一座能力库。姚巍坦言,城市中即便是一个普通的区县,每天接入的数据量都是数以亿级的,而且包含大量需要人工智能识别分析的视频、图像和语音。传统的系统架构,显然已经无法支撑这样的需求。因此要从传统信息化时代,“以人为主,机器为辅”,转向数字化时代“以机器为主,人为辅”的新局面。一个关键就是让人工智能、数据智能等技术成为可用的资源,形成统一可复用的能力库。而昇腾AI就是以萨技术构建人工智能能力库的重要伙伴。据了解,基于昇腾AI,以萨技术的视频图像全目标结构化解决方案于2022528日,完成与华为Atlas 300I Pro推理卡的兼容性测试。该方案让视频图像数据分析性能较原有提高3倍,达到业界领先水平。正是这样出色的表现,让姚巍笃定,“目前来看,昇腾AI已经成为中国最主流的AI软硬件平台之一。”其次,共享机制的建立,是在数据不出域、可用不可见,保护个人隐私和确保数据安全的前提的共享。以萨技术将建立“数据银行”,形成数据运营、管理、服务一体化机制。将数据真正转化为资产,为整个城市的治理和运转提供数据支撑。客观地说,共享机制的建立很好的解决了过去智慧城市,数据孤岛林立,数据无法拉通的难题,它的关键在于数据的资产化,并没有改变数据的所属权,而是让数据通过资产化,直接产生价值。第三,构建繁荣的应用生态。开放的生态目的都是为效率服务的。按照以萨技术的测算,将平台接入的存储感知体系的数据都纳入到平台当中,会让原来需要十天的研发工作量变成一个小时,这就可以保证应用的快速上线,满足城市日益变化的治理需求。这个平台目前是对所有的生态合作伙伴开放,以此来推动城市应用的百花齐放。


正是以这三条必经之路支撑多领域精细治理应用场景,构建起广域覆盖的数字化治理体系,赋能了诸多城市应用,在智慧城市建设中发挥应有的价值。


3 携手昇腾,夯实城市智慧底座


可以说,是智能化技术打破了城市治理的空间格局,基于大量智能终端设备采集的海量数据,进行智能分析,让智能遍布城市的每一个角落。如姚巍所说,“我们接入几万个视频,对车、人、行为、场景做各种分析,比如某个以农业为主的县,通过无人机拍照,分析果园的大小,病虫害情况,河道是否堵塞,这些治理能力都是依靠人工智能来解决的。”这背后皆有以萨技术视频图像全目标结构化解决方案的功劳,依托华为Atlas 300I Pro推理卡强劲的AI推理和视频编解码能力,在模型、算法工程、系统等方面做了大量调优工作,让视频图像数据分析处理能力由原来的20路提升到现在的60路,实现3倍性能提高。早在201810月,以萨技术就开始基于昇腾AI进行算法适配与开发了,这期间产生的具备超万路视频实时结构化联网分析能力的创新成果,能够满足如校园、园区等轻量级场景,以及交通管理、市域治理、智慧城市等重量级场景下的各类业务需求,在多个项目中得以落地应用。姚巍说,“我们发现昇腾平台在技术上和设计的理念上,对以萨技术来说是个非常好的支持,迁移的过程平滑顺利,并在整个智慧城市建设,和数字底座建设过程当中,发挥了很大的作用。”如今,昇腾AI产业的发展也进入到全面升级的新阶段,华为将携手众多和以萨技术一样的合作伙伴,凝聚各方智慧,不断突破向上,与生态伙伴共成长,以人工智能技术带动数字经济腾飞,使能千行百业智能化升级,共同推进中国人工智能产业的发展。

携手昇腾,以萨技术洞悉了智慧应用的价值,也就把握住了智慧城市的“灵魂”。

相关文章
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
67 10
|
3天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
12月14日,由中国软件行业校园招聘与实习公共服务平台携手魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·湖南大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——湖南大学站圆满结营
|
7天前
|
人工智能 安全 算法
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
2024年12月11日,由中国计算机学会计算机视觉专委会主办的“打造大模型时代的可信AI”论坛在上海举行。论坛汇聚了来自多家知名学术机构和企业的顶尖专家,围绕AI的技术风险与治理挑战,探讨如何在大模型时代确保AI的安全性和可信度,推动技术创新与安全治理并行。论坛重点关注计算机视觉领域的最新进展,提出了多项技术手段和治理框架,为AI的健康发展提供了有力支持。
43 8
深度剖析 打造大模型时代的可信AI:技术创新与安全治理并重
|
7天前
|
机器学习/深度学习 人工智能 运维
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
阿里云技术公开课预告:Elastic和阿里云搜索技术专家将深入解读阿里云Elasticsearch Enterprise版的AI功能及其在实际应用。
阿里云技术公开课直播预告:基于阿里云 Elasticsearch 构建 AI 搜索和可观测 Chatbot
|
7天前
|
机器学习/深度学习 传感器 人工智能
AI视频监控系统在养老院中的技术实现
AI视频监控系统在养老院的应用,结合了计算机视觉、深度学习和传感器融合技术,实现了对老人体征、摔倒和异常行为的实时监控与分析。系统通过高清摄像头和算法模型,能够准确识别老人的动作和健康状况,并及时向护理人员发出警报,提高护理质量和安全性。
44 14
|
8天前
|
传感器 机器学习/深度学习 人工智能
AI视频监控卫士技术介绍:智能化河道管理解决方案
AI视频监控卫士系统,通过高清摄像头、智能传感器和深度学习技术,实现河道、水库、城市水务及生态保护区的全天候、全覆盖智能监控。系统能够自动识别非法行为、水质变化和异常情况,并实时生成警报,提升管理效率和精准度。
45 13
|
6天前
|
存储 人工智能 运维
AI-Native的路要怎么走?一群技术“老炮儿”指明了方向
上世纪70年代,沃兹尼亚克、乔布斯等人成立Homebrew Computer Club,推动个人电脑普及。如今,创原会承袭这一精神,由CNCF执行董事Priyanka Sharma等构建,聚焦云原生和AI技术,汇聚各行业技术骨干,探索前沿科技。2024年创原会年度峰会达成“全面拥抱AI-Native”共识,解决算力与存储瓶颈,推动AI原生应用开发,助力千行万业智能化转型,成为行业创新风向标。
|
7天前
|
人工智能 计算机视觉
幻觉不一定有害,新框架用AI的幻觉优化图像分割技术
在图像分割领域,传统方法依赖大量手动标注数据,效率低下且难以适应复杂场景。为解决这一问题,研究人员提出了“任务通用可提示分割”方法,利用多模态大型语言模型(MLLM)生成实例特定提示。然而,MLLM常出现幻觉,影响分割精度。为此,研究团队开发了“Prompt-Mask Cycle”(ProMaC)框架,通过迭代生成和验证提示及掩码,有效利用幻觉信息,提高了分割精度和效率。实验结果表明,ProMaC在多个基准数据集上表现出色,为图像分割技术的发展提供了新思路。
22 6
|
13天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
2天前
|
人工智能 安全 图形学
【AI落地应用实战】篡改检测技术前沿探索——从基于检测分割到大模型
在数字化洪流席卷全球的当下,视觉内容已成为信息交流与传播的核心媒介,然而,随着PS技术和AIGC技术的飞速发展,图像篡改给视觉内容安全带来了前所未有的挑战。 本文将探讨篡改检测技术的现实挑战,分享篡改检测技术前沿和最新应用成果。