至顶网网络与安全频道 10月27日 综合消息:在第十七届中国国际社会公共安全博览会(以下简称“安博会”)媒体发布会上,华为联合中国移动发布《5G时代智能安防十大应用场景白皮书》。同时,华为推出了基于Huawei HoloSens品牌的新品:业界首个多镜多芯复眼形态摄象机SDC X8341-10系列,以及首款基于华为“鲲鹏+昇腾”处理器的智能微云IVS1800。
发布《5G时代智能安防十大应用场景白皮书》
5G的大带宽、高可靠、低时延、海量连接等特性让安防业务拓展了边界。华为智能安防产品线副总裁余虎表示:“AI技术的加持让智能安防加速走向生产和生活。算力、算法、数据的进化,使机器代替了人工、消除了安全隐患,提升了生产效率。AI+5G赋能,可有效促进要事安保、城市综治、港口、矿区、出行、环境、消防、制造、配电房、物流等十大场景加速落地”。
基于这些应用场景,中国移动通信集团有限公司政企事业部产品中心副总经理管晓培与华为智能安防产品线副总裁余虎联合发布了《5G时代智能安防十大应用场景白皮书》。管晓培表示,“当前在重点推进的5G智能安防是中国移动5G+计划的完美践行,是百个行业示范场景中的典型。 今天的发布是新的开始,我们将携手坚持开放共享。”
余虎(左)和管晓培(右)联合发布《5G时代智能安防十大应用场景白皮书》
发布业内首个系列化多镜多芯复眼型摄像机
在会上,华为智能安防产品线摄像机总经理翟广雷发布了系列化复眼形态摄象机,其中Huawei HoloSens SDC X8341-10-HLI-PT2为业内首个3镜3芯复眼形态摄象机。采用三核“芯”架构,提供8Tops澎湃算力,能实现极简化智能覆盖与全AI联动抓拍与分析;多镜协同,三镜头视野协同共享;四大场景化模式,让智能化覆盖更简单、更全面。创新的十字协同模式,只需2台即可实现十字路口的智能全覆盖,替代传统4杆10台摄的建设方案。
翟广雷发布业界首个系列化多镜多芯复眼型摄像机
发布智能微云Huawei HoloSens IVS1800
此外,华为智能安防产品线智能视频云平台总经理邵地孝发布智能微云Huawei HoloSens IVS1800。该平台是业内首个“华为鲲鹏+昇腾”智能视频云微型边缘云平台,小机大智,采用存算检一体的智能微云架构;全通道图片智能,一台设备实现接入存储、分析、检索布控综合业务功能,可实现学校、网点、商超、企业园区、全息社区等场景的量身定制。
邵地孝发布智能微云Huawei HoloSens IVS1800
华为在5G、传输、存储、能源、芯片等各个领域有深厚的积累,对云化建设、大数据等技术有深刻的理解,给产业带来不一样的思路。华为每年坚持将销售收入的10%-15%投入研发,同时面向各行各业推出沃土计划,打造“黑土地”,给产业提供更好的平台。在产品和解决方案层面,华为致力于满足安防行业全场景需求,贴身服务公共安全客户,真正建立在产业维度,端和云实现全方位开放的智能新生态。
第十七届中国国际社会公共安全博览会将于10月28日-31日在深圳举行,以“大安防,大智慧,大产业”为主题,向与会者呈现前沿的人工智能、大数据、智慧安防科技产品。作为受邀参展商,华为将参与大会主论坛发言、圆桌会议,同时将自办5场论坛,并携其“智能加速 效能倍增—共筑智能安防新时代”主题展台亮相本届安博会。此外,华为还将于29日举办智能安防产业峰会,届时将推出基于智能视觉与感知的APP Store。华为希望和更多的合作伙伴携手共享产业生态,构建数字孪生世界,重构安防新体系。
好文章,需要你的鼓励
随着AI策略成熟,CIO开始重新考虑对公有云的依赖,私有云和本地环境重新受到关注。调查显示,67%的企业领导计划在未来12个月内将部分AI数据迁移至非云环境。主要原因包括成本可预测性、数据隐私保护、安全问题和云集成挑战。对于持续的AI工作负载,购买自有GPU比租用公有云更经济。私有云支出增长更快,预计2025年将有54%的组织在私有云上投入超过1000万美元。
沙特TachyHealth团队开发的32亿参数医疗AI模型Gazal-R1,通过创新的双阶段训练方法在医疗推理任务上超越了12倍大的模型,在MedQA等测试中取得87.1%的优异成绩,展现了精巧训练策略胜过规模扩张的重要启示,为资源有限的医疗AI研究提供了新路径。
本文深入分析了从传统AI发展到AGI过程中可能出现的智能爆发现象。基于AI专家共识的2040年AGI实现预期,文章探讨了七种主要发展路径,重点关注突破性的"登月路径"。智能爆发理论认为,智能可以像原子链式反应一样相互促进,快速产生大量新智能。文章预测2038-2039年可能发生智能爆发,随后在2040年实现AGI,但也指出了关于智能爆发的启动、控制和潜在风险等争议问题。
奥地利维也纳医科大学研究团队开发了RetFiner技术,通过让眼科AI模型同时学习OCT图像和医疗文字描述,显著提升了诊断准确率。该方法采用四种训练任务让AI模型建立图像与文字的深层联系,在三个主流眼科AI模型上实现了2-6个百分点的性能提升,为医学AI发展开辟了新方向。