人工智能從模塊上可分為感知、計算和控制三大部分，由表及里可分為應用層、數(shù)據(jù)層、算法層、算力層，而隨著2012年芯片進入28nm制程后的量子隧穿效應導致摩爾定律失效，“每提升一倍算力，就需要一倍能源”的后摩爾定律或?qū)⒊蔀槿斯ぶ悄軙r代的核心驅(qū)動邏輯，算力的發(fā)展將極大受制于能源，當前全球用于制造算力芯片的能源占全球用電量的約1%，可以預測在人工智能大規(guī)模普及的未來數(shù)十年后，該比例將會大幅提升至50%甚至90%以上。

人工智能由表及里可分為應用層、數(shù)據(jù)層、算法層和算力層

算力層包括具備計算能力硬件和大數(shù)據(jù)基礎設施。回顧歷史我們就會發(fā)現(xiàn)，歷次算力層的發(fā)展都會顯著推動算法層的進步，并促使技術的普及應用。21世紀互聯(lián)網(wǎng)大規(guī)模服務集群的出現(xiàn)、搜索和電商業(yè)務帶來的大數(shù)據(jù)積累、GPU和異構(gòu)/低功耗芯片興起帶來的運算力提升，促成了深度學習的誕生，促成了人工智能的這一波爆發(fā)。而AI芯片的出現(xiàn)進一步顯著提高了數(shù)據(jù)處理速度：在CPU的基礎上，出現(xiàn)了擅長并行計算的GPU，以及擁有良好運行能效比、更適合深度學習模型的現(xiàn)場可編程門陣列(FPGA)和應用專用集成電路(ASIC)。

算法層指各類機器學習算法。如果根據(jù)訓練方法來分類，機器學習算法也可以分成“無監(jiān)督學習”、“監(jiān)督學習”和“強化學習”等。按照解決問題的類型來分，機器學習算法包括計算機視覺算法(CV)、自然語言處理算法(NLP)、語音處理和識別算法(ASR)、智慧決策算法(DMS)等。

不同的活動類型和等級，安保技術怎樣與場景融合?

以環(huán)意賽為例，首先要考慮到視頻圖像采集設備的視頻流快速接入、秒播問題，其次是選手位置和速度的實時計算，另外要保證選手在快速行進中，系統(tǒng)能自動關聯(lián)臉部和人體特征的圖像信息，最后還要確保整場比賽下來，安保要素、重要點位、預案、信息、時間的同步多維度維護。這是聯(lián)合了多類型、多端口、多種硬件及軟件技術的綜合性場景。

綜上所述，不同活動場景下，對不同數(shù)據(jù)和情報進行轉(zhuǎn)換，根據(jù)實際需要做分析管理，再到多端口應用，存在非常多的技術融合。只有技術與場景進行深度融合，才能確保萬無一失，為活動參與者及觀眾呈現(xiàn)一場繽紛賽事。

在整個商業(yè)化過程中，保證技術高精尖和精準的同時，還要把技術帶入場景，解決真實問題，來支撐活動中的相關應用。所以無論是可視化技術、各類數(shù)據(jù)技術還是AI技術，最終都是要融于場景，才能做好深度應用，解決實際問題。

在未來，隨著市場的需要、政策的不斷推進，技術的不斷成熟，中國的 AI數(shù)據(jù)服務將會有一個顯著的加速。云測數(shù)據(jù)為人工智能提供了高質(zhì)量、場景化的支持，幫助人工智能實現(xiàn)了極限的創(chuàng)新，實現(xiàn)了工業(yè)的落地。它的業(yè)務是圍繞人工智能三要素中的一項(算法、計算能力和數(shù)據(jù))進行的，我們把它叫做 DPS (DPS, DataProcess Service)。

DPS是一種以數(shù)據(jù)處理過程為核心的數(shù)據(jù)處理系統(tǒng)，利用數(shù)字技術從現(xiàn)實世界或者信息系統(tǒng)中獲取數(shù)據(jù)，并根據(jù)應用需求對數(shù)據(jù)進行處理和輸出。DPS所提供的服務主要包括 AI、大數(shù)據(jù)、互聯(lián)網(wǎng)內(nèi)容服務等。DPS的服務結(jié)構(gòu)主要有數(shù)據(jù)收集與預處理、數(shù)據(jù)標注、內(nèi)容審核、工具平臺及輔助服務(例如業(yè)務訓練)等。

DPS在 AI行業(yè)里，就像是淘金熱里的賣家一樣。隨著 AI的不斷發(fā)展， DPS將會成為逆勢發(fā)展的首選。正因為如此， DPS行業(yè)的發(fā)展前景才會越來越好。有 AI相關技術背景的創(chuàng)業(yè)者或公司的擴展，比如云測;有 AI企業(yè)、互聯(lián)網(wǎng)企業(yè)中的某一分支機構(gòu);還有軟件外包、服務流程外包等外包業(yè)務。“出身”的差異，使其服務方式與優(yōu)勢也不盡相同。云測數(shù)據(jù)是人工智能數(shù)據(jù)服務的領軍企業(yè)，它的發(fā)展模式具有鮮明的產(chǎn)業(yè)特色。