2012 年， Alex Krizhevsky、Ilya Sutskever 和 Geoffrey Hinton 创造了一个“大型的深度卷积神经网络”，也即现在众所周知的 AlexNet，赢得了当年的 ILSVRC。
这是史上第一次有模型在ImageNet数据集表现如此出色。
而它的成功也带来了深度学习的兴起，从那之后算法进行多次稳步改进，在某些视觉任务上的性能已经可以与人类相媲美，甚至有所超越。
以此为起点，计算机视觉为核心的国内人工智能产业在过去几年获得了飞跃式发展。
在商业化落地的进程中，全球各家AI公司的发展路线也各具特点，有的选择成为通用平台，有的选择云服务模式，有的走了软硬结合的路线，它们所涉猎的领域不一。
但找到客户最根本且长远的需求并助其落地，才是AI企业的重任。
在世界的另一边，伴随人工智能的技术获得突破与快速发展的10年间，中国互联网的发展也历经了三波浪潮。
在第一波浪潮中，科技公司通过开发各种软硬件构建出了互联网的基础设施，让人们可以通过PC及移动端连接入网；
在第二波浪潮中，我们见证了各类互联网应用的爆发，人们通过各种载体更加便捷地享受到各种互联网服务，如搜索、社交、电商等等；
而第三波浪潮，则是目前正在迈入的AIoT智能物联网时代。
在硬件端，如果说第一波浪潮的重点在于PC、第二波浪潮的重点在于移动端设备（如手机），那么第三波浪潮的重点则是无处不在的物体及传感器。
但与此同时，面对指数级增长的硬件设备，技术面临的新需求是需要“无缝地整合世界”。
一边是AI技术的不断发展，一边是无处不在的传感器始终在扩张边界，于是AI与IoT的边界逐渐融合到了一起。
AI逐渐变成了AIoT（智能物联网）的必要方式，同时AIoT也为AI企业的价值落地提供了一个最具前景的落地方式。
01
新机遇：从AI到AIoT
如果我们以技术的视角回看人类发展史，会发现每次将生产力推进到下一个更领先阶段，其实都是硬科技，也就是对经济社会发展具有重大支撑作用的关键核心技术。
回看前三次科技革命，第一次是蒸汽机和纺织机为核心，第二次是以电气化为核心，第三次则以集成电路为核心，每进行一次革命，我们就会将身体的一部分解放出来。
作为全球第二大经济体，中国一直在努力建设社会主义现代化强国。
但在历代工业革命的发展历程中，中国长期处于跟跑的地位，未能领先。
当世界已经进入以人工智能为核心的“第四次工业革命”时代时，中国终于位列第一梯队，并把人工智能当成了未来战略的指导。
从2016年《“十三五”国家科技创新规划》中明确把把人工智能作为发展新一代信息技术的主要方向开始，到“十四五”规划中明确提出“培育壮大人工智能、大数据、区块链、云计算、网络安全等新兴数字产业”，每一项政策都在为AI产业未来的发展做足充分的准备。
今年5月1日出版的第9期《求是》杂志又发表了重要文章《加快建设科技强国，实现高水平科技自立自强》。
其中人工智能被放在了基础核心领域的第一位：
“要在事关发展全局和国家安全的基础核心领域，瞄准人工智能、量子信息、集成电路、先进制造、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域，前瞻部署一批战略性、储备性技术研发项目，瞄准未来科技和产业发展的制高点。要优化财政科技投入，重点投向战略性、关键性领域。”
随着国家战略的重视，在2015-2019年期间，国内人工智能技术不断革新、投资热潮也不断涌现，但随着时间的推移，AI的一个明显特点逐步显现了出来：
商业化进展艰难，合适的落地场景难找。
回顾中国AI产业的前半段，我们不难发现，当时很多人是把AI当作一个独立的行业或者商业闭环。
然而到了发展的深水期，业内人士终于发现，AI本质上是一个以技术为支撑的效率工具，通过渗透到各个行业为其实现效率提升来实现自身的价值。
近几年，在很多人眼里，AI几乎等同于“安防”， 在最初的几年里，几乎每家AI企业都瞄准了安防领域。
而当安防的龙头海康、大华也不断重申自己的AI技术之时，外界对于AI与“安防”之间的差异认知已经微乎其微。
但从客观来说，AI不等同于安防，之所以很多公司一开始选择切入安防，只是因为这个领域成熟得较快，但从本质来说，它只是AIoT领域一个非常垂直的分支。
而从主观来说，没有人愿意被贴上一个固定的标签，以此限制自己的未来发展，企业也同样如此。
由于AI的应用场景中几乎每一个都非常分散和碎片化，造成的结果是客户的每一个新场景都需要企业长期堆人头、消耗大量的研发与交付资源。
从安防到更广阔的AIoT市场，产品成为了企业竞争的核心。
目前AI行业主流企业模式分成两种，一种是偏软件产品的平台型企业，另一种是软硬一体的硬件产品的企业。
做软件的比较典型公司是商汤科技，它通过打造通用的AI基础设施，将AI以软件形式提供给各行各业的客户，赋能百业，做行业的横向扩展，以实现规模化。
而做软硬一体的典型公司则是旷视科技。
它基于对互联网发展历程“本质上互联网的前两波浪潮核心是连接，而接下来，我们将大踏步地进入到物联网的时代，智能将成为最核心的生产力”的洞察，最终选择了IoT行业进行价值落地。
在旷视CEO印奇看来，AIoT=AI+IoT+空间，其中AI是核心的技术能力，而IoT是各种不同类型的软硬件载体，空间不是指一个简单的物理空间，而是一个场景，是一个行业，是一个用户群。旷视科技要做的，是成为那个构建AIoT核心产品体系的公司。
一个事实是，被旷视盯上的这个市场，也正在成为传统安防巨头们转型的重要方向。他们不仅形成了共识，且正在试图撕掉身上的“安防”标签，进军更广阔的AIoT蓝海。
作为国内重点安防企业之一的大华股份，常年位居全球安防亚军宝座，而它也早在2019年的安博会上就宣布了自己全新的业务战略和发展战略：即AIoT战略+SDTV战略。
2022年的“Dahua Think# 云联万物 数智未来”战略再次坚定了AIoT、物联数智平台两大技术战略。
另外一家安防企业宇视科技则是行业内最早以IP监控的奠基者，一直在引领其他企业理解安防行业十多年的变化情况。
而它的战略也已初见端倪：在其3月29日发布的2021年业绩报告中，只字未提“安防”，取而代之的是“智能物联”（即AIoT）。
2021年，其围绕去中心化理念，针对云平台、边缘计算、终端三大类产品的特点进行了二次设计及深度优化，可以看出，目前安防对宇视来说已早早是过去式，如今宇视更像是一家「智慧物联」解决方案提供商。
02
新解法：算法定义硬件
如果说选定物联网是旷视基于其长期的行业观察与积累所形成的前瞻性眼光，那么如何实现AIoT智能物联网时代，才是真正的商业化考验。
毕竟AIoT是一种技术愿景，而要完成这一愿景，需要的是每一步的脚踏实地。
目前的AIoT行业，AI渗透率仅为4%，还有约96%的场景还没有被AI渗透（2021年数据），未来发展潜力仍然巨大。
而造成渗透率较低这一局面的主要原因是则是AIoT场景本身的特点。
AIoT场景可以分成两大类：
一类是相对集中的头部场景，如安防场景，它们的特点是场景比较统一、集中、单一化，算法较易复用和优化，这也是目前AI技术已经实现高渗透率的行业。
而另外一类，才是属于AIoT最终的星辰大海，但那些恰恰是大量的碎片化场景（对应约96%没有被AI渗透的场景），数据采集存在困难，算法的复用度低。
而在传统的解决方案里，往往是先做好一套硬件，然后往里面“灌”适配的算法，在这里算法是最后一步，但这会带来巨大的适配问题。
硬件的性能与真实需求之间的鸿沟，需要算法去磨合与妥协，最终完成的效果将会与真实场景需求之间存在割裂。
另一方面，碎片化的场景，一方面需要厂商投入巨大的研发成本，很难形成规模化出货；另一方面也使用户要根据场景需求变化不断购置新硬件，设备更替频繁。
而针对这个AIoT的特殊场景化需求与当下的困境，旷视提出了自己的解法：【算法定义硬件】。
简单来说就是通过海量算法+一定数量的通用型/标准硬件，满足AIoT领域海量的碎片化场景需求。
硬件是智能的载体，算法会让标准化的硬件灵活变成智能硬件，从而满足海量场景需求。并且算法和硬件需要联合设计，从而达到算法和应用的繁荣，以及硬件的标准化，形成生态的要素，相当于阳光空气和水。
旷视科技选择以算法为核心，去设计一款AIoT产品，也就是将算法前置，然后反推硬件产品。
在旷视的产品构想中，用户无需理解不同硬件产品的性能及使用场景，也不用做复杂的前期准备和项目规划，只要通过算法决定硬件功能，就能让同一个硬件满足不同的场景和需求。
不过，提出方案仍不是全部，从传统模式走向【算法定义硬件】会遭遇诸多挑战：
它需要硬件具备动态加载算法的能力，才能支撑持续不断的迭代更新；它也需要算法本身数量足够、具有足够好的适配性以及下发和授权的便利性；此外它还需要达到算法、硬件和解决方案三位一体，最终实现更好的用户体验与性价比。
而这在行业里，是一条“少有人走的路”， 为了打通这条链路，AI企业就必须从产品研发、生产制造、市场通路甚至客户服务都做一遍，牵头构建从算法、软件到硬件的产研与供应链体系，并开拓出市场通路，实现完整的价值闭环。
印奇认为，这需要考虑三个最为关键的要素，包括产研的重构、供应链的重构和销售通路的重构。
带着这样的理念与足够的耐心，旷视开发出了一套标准化的从算法、组件到产品的软硬一体化产品组合。
03
新思考：如何用算法定义硬件
简单概括旷视对于算法定义硬件的看法应是：
AI是大脑，IoT则是感官与四肢。
正如旷视科技CEO印奇所言：“没有智能的物联网就像没有大脑的躯干一样，而AI的技术将渗透到云、边、端和应用的方方面面与物联网做深度的融合”。
所有的硬件与应用——也就是“IoT”——的感知与反馈应当是基于AI算法本身，因此在AIoT中，算法是核心，但硬件也绝不可或缺。
没有大脑的四肢无法动弹，而没有四肢的大脑无从指挥。
而算法定义硬件，就类似于软件定义硬件的概念，是要彻底改变做AI硬件的思路，将四肢融入大脑的设计考量之中。
在这个过程中需要三个必不可少的要素，第一个是标准化的硬件，第二个是海量算法的供应，第三个则是生态开放。
在这条路上，旷视选择了三步走路径：
第一个阶段也是目前所处的阶段，以自研硬件为基础开启产品阶段。
旷视开启自研硬件之路，并在其中加载不同的算法包或是算法仓，以此形成不同的产品，这也是实现起来最快的一个阶段。为此，旷视打造模组、边缘计算盒子、面板机、AI IPC等一系列硬件单品，并在客户业务场景进行了部署。
第二个阶段，是通过算法下发平台实现用户的个性化采购。
未来通过旷视算法下发平台，用户可以采购基础版的通用软硬件（基础软件加硬件），客户需要实现何种场景需求，就通过平台采购对应的算法，实现算法的自由切换和迭代。促进实现算法的自动化下发与升级，降低硬件成本，提升使用效率。
第三个阶段则是生态的充分开放，充足的算法供应与不同厂商的硬件，形成开放的行业生态。
旷视不断推动AI核心技术能力的突破；通过自研AI生产力平台Brain++和提高算法量产能力，降低算法生产和部署成本，加速实现算法生产的标准化和规模化，加速实现算法生产的标准化、规模化，促进AIoT创新生态的发展。
04
新模式：不断实践形成可行路线
帮助行业公司去解决它们在AIoT的训练、部署算法以及POC测试、方案交付等全流程问题是旷视正在为其专注的行业所赋能的过程。
而能够从算法出发打造硬件，用自身的实力赋能各个行业，从算法能力到硬件方案全集成，并最终剑指完整的算法定义硬件生态，背后是旷视科技不曾说出口的积蕴与底气。
一方面是长期的行业洞察与硬件能力积累。
旷视从2015年开始自研硬件，在硬件领域具备积累和经验，目前其在云边端三个层次的产品都有商业化产品。
在行业层面，旷视深耕供应链、城市、消费物联网三大赛道，也对不同业务需求形成了深入的理解。
另一方面则是研发上的持续投入与算法积累。
旷视在基础研究方面的持续、长期投入，坚持一手研发。
其在base model研究方面的投入远高于其他AI企业，旷视研究院通过大量的一手研发，深入算法学习的本质，对算法模型的理解更深入，对技术更具判断力。
目前旷视研发的Brain++平台可以快速打造算法生态和量产，降低算法生产的成本；同时可以通过内部的算法解耦，细分算法全流程的不同环节，为新算法的量产匹配最优的生产流程。
现在的旷视致力于为用户提供全栈的软硬产品组合，而不是提供某一个算法。
尾声
目前，旷视已经形成了最小硬件闭环体系，产品体系中包含可单独采购的单品，同时，也在逐步构建一个可以闭环的云-边-端闭环基础产品体系，在这个体系上旷视的长期目标是逐渐构建起算法和应用生态。
未来，旷视将加速对生态合作伙伴的开放，构建AIoT行业生态。
在国家的战略高度上，人工智能被赋予了引领“第四次工业革命”的使命，而这个使命，需要每一个企业找准自己的落点去肩负。
经历了去几年的沉淀，越来越多的AI竞争参与者已经意识到，AIoT是一条漫长的路，未来将迎来它辉煌的黄金十年。
携手同行中谁会领先走出AIoT行业路径，短期内或许很难有明确答案，但旷视已经为我们指出了一条或许最有望成功的路。
澳洲中文论坛热点
- 悉尼部份城铁将封闭一年，华人区受影响！只能乘巴士（组图）
- 据《逐日电讯报》报导，从明年年中开始，因为从Bankstown和Sydenham的城铁将因Metro South West革新名目而
- 联邦政客们具有多少房产？
- 据本月早些时分报导，绿党副首领、参议员Mehreen Faruqi已获准在Port Macquarie联系其房产并建造三栋投资联
