華為機器視覺，端邊雲的先鋒_風聞

撰稿|吳俊宇

一

端邊雲的協同

先給大家講個科幻的場景吧。

在好萊塢大片《摩天營救》裏面，退伍軍人威爾·索耶擔任着世界第一高樓珍珠大廈的安保工作。

他所管理的摩天大樓突然起火，還被人栽贓成為縱火的罪魁禍首。危機下，他必須洗清身上被通緝的罪名，儘快找到真正的罪犯。

在他遭遇突發火災的摩天大樓展開犯罪調查與高空營救的危難之際。一位亞洲面孔在大廈的外圍開始與威爾·索耶展開配合。

這位亞洲面孔把威爾·索耶帶進了一個房間，告訴他，“這裏有317塊屏幕能進行動態捕捉投影，這些屏幕內外兩面都有高清8K攝像頭”。

威爾·索耶走進房間，便發現自己踩在了317塊屏幕以及8K攝像頭所構建的城市之上，城市全貌被他縱覽。

隨後，他又走進了一個大型會議室，會議室裏佈滿了一塊塊電子顯示屏，電子顯示屏上全都是城市的各項社會、經濟數據的指標和圖表。

一羣工作人員匍匐在案前，隨時審視着城市重要數據的變化。

這個場景是怎樣實現的？簡單説，大概分成三步走。

端：在城市各個角落安裝採集城市畫面、信息且可以進行數據化處理的攝像機；邊：在城市近端安裝部署存儲機房以及邊緣計算，存儲和處理這些海量數據；雲：把這些數據上傳雲端分析處理，再通過可視化方式在大屏實時呈現；

實際上，這個科幻場景，某種意義上已經在深圳龍崗實現了。

去年我在《在深圳龍崗，窺見粵港澳未來20年》一文中，已經提到了這個現象：

在深圳龍崗區的龍崗智慧中心，一塊龐大的屏幕上不斷跳動着有關龍崗的各個城市運行關鍵數據。城市所有細節在一塊屏幕上都觸手可及。

這種場景的實現，離不開“端、邊、雲”的協同。

二

體系化的作戰

“端、邊、雲”的協同如何去簡單理解？

我們可以拿戰爭作比喻。

過去冷兵器時代往往只能靠地面戰拼刺刀，戰爭在平面戰場上展開，雙方進行簡單對壘。但是如今的戰爭是，“海陸空天”四者協同，大數據在背後作支撐，“海陸空天”每個環節都要緊緊相扣，體系化作戰。

事實上，“海陸空天”體系化作戰，也是華為雲今年面對紛繁複雜的雲市場的解決方案——複雜的國際環境，新基建的大背景，以及雲的拐點之年已到。

數字化轉型的戰場，早就不再是簡單的點對點、線對線、面對面的競爭，而是跨維度、跨空間的較量。

我們先看看華為今年剛成立的Cloud&AI BG它所處的歷史環境。

華為Cloud&AI升級為第四大BG，和運營商BG、消費者BG及政企BG並列，Cloud&AI前所未有的成為華為當下的戰略業務，和其他雲廠商形成競爭關係。

華為安防升級為華為機器視覺，華為安防作為華為機器視覺的前身，從過去安防這個相對窄、小、舊的領域，擴張為更立體、多樣、前沿、複雜的業務環境。

華為安防在國內市場擴張，和國內其他安防領域的物聯網解決方案提供商同行展開激烈競爭，預計在年底會成為第三廠商。

我們甚至可以下這樣一個判斷——“端、邊、雲”的協同，也是華為機器視覺的競爭優勢。

2019年，美國媒體Visiononline在一篇名為《Machine Vision Users Begin Adopting Cloud Computing》（《機器視覺用户開始採用雲計算》）的報道中提到了一個現象：

機器視覺系統在日常操作中總是產生大量的圖像數據。隨着系統分辨率、複雜度和速度的提高，圖像數據量不斷增加。

尤其是在城市環境中，部署攝像機之後，一些對在雲中異地存儲數據持謹慎態度的機器視覺用户往往需要依賴邊緣計算，而不是在集中的環境中生成數據。

邊緣計算主要優點是它方便了實時數據處理，而無需延遲，允許用户在生成數據時對其作出響應。

使用邊緣計算當然也有幾個缺點，當今機器視覺應用程序中的數據流太大，無法完全通過邊緣計算處理。此外，集中的雲則是可以執行比邊緣計算設備更高級的計算功能。

從這個視角去看現在雲市場的競爭，你會發現很有意思。

一些企業只有AI，雲不夠強，邊和端甚至都很弱。這類企業只能以AI為線，串聯起業務體系，浮在面上輸出SaaS工具。一些企業有云也有AI，但是在邊和端這個領域比較弱，這類企業往往公有云市場佔據一定份額，但主要精力放在PaaS平台之上。一些企業雖然有端也有AI，但是沒有云，更沒有邊，面臨的競爭其實更為嚴峻。

華為雖然當下雲的市場份額不算最高，端的市場份額也不是最高，但是它在“AI、雲、邊、端”這四個領域的整合，其實已經顯露出了優勢。

要知道，在沒有智能的時代或者在智能初期，攝像機主要是為安全和防控服務。但是有了AI之後，尤其在智能時代，它更多被賦予了感知能力。

通過AI加持，攝像機不僅僅只是給人看，更是給機器看，機器直接把物理世界數據化，再通過技術對這些數據進行理解、分析，進而展開業務處理，實現業務閉環。

華為機器視覺，主要在端和邊上進行發力。

在端這一塊，華為則是發佈了下一代“四無”生態型攝像機。

這款新研發的軟件定義攝像機可以感知水温、液温、氣温、傾斜度、PH值等全息因素，對應的傳感器可以靈活互動。同時，面臨無網、無電、無光、無現場運維的情況，生態型攝像也能正常工作。

攝像機上的AI算法也可以在Huawei Holosens Store線上購買，靈活部署，以此滿足城市管理、公共消防、地鐵、鐵路等各行各業的數字化轉型需求。

端、邊、雲三者進行協同，通過機器視覺強化前端萬物感知能力，通過解決方案推動行業數字化轉型。

在“端”這一側，政企客户可以部署攝像機為核心的行業系統；在”邊“這一側，部署智能邊緣節點，其中包含人臉識別、車牌識別、周界檢測、客流分析、OCR識別等一系列AI應用；在“雲”這一側，落地到行業應用之中，在一個個具體的企業場景之中實現技術變革和數字化轉型。

更重要的是，華為機器視覺還在建設“平台+生態”的體系。通過數字化平台，開放接口驅動幾十萬甚至上百萬應用合作伙伴，基於每一個城市，每一個路口進行應用創新。

在5月25日華為HoloSens下一代攝像機暨2020年新品發佈會的會後的媒體羣訪環節，華為機器視覺領域總裁段愛國提到，在安防領域，華為今年肯定做到前三，目標五年內做到第一。

三

方陣中的先鋒

想法的落地，往往要靠執行來完成。

華為機器視覺總裁段愛國被過往熟悉華為“老人”風格的記者視為“另類”——年輕少壯，行事作風大膽。種種表現，和這個開拓型部門形成了較高的匹配度。

值得注意的是，今年1月，華為組建了全新的Cloud&AI BG。隨後2月華為智能安防更名為華為機器視覺，並與數據存儲業務一起劃入Cloud&AI BG。

華為機器視覺部門的進攻性與華為Cloud&AI BG，這樣一個新獨立且需要具備年輕、狼性、開拓精神的BG同樣形成了較高匹配度。

回過頭看，我們可以從產品、產銷、產研以及產業四個維度去審視華為機器視覺它正在應對市場的種種策略。

在產品層面，企業不過是企業需要產品以相對標準化的模塊形式提供給消費者。在後端，通過積極調整供應鏈，降低成本，以高質優價的產品服務消費者。

華為機器視覺推出了多款攝像機，尤其是“下一代”的“四無”生態型攝像機，突破了時空限制，解決了傳統攝像機易受環境約束的難題，還進一步考慮到了行業數字化轉型中信息零散，數據割裂等問題。

華為“機器視覺”拉動了該業務線2000人的研發團隊，甚至還在拉通各組織間的研發能力。

要知道，在《技術的本質》一書作者布萊恩•阿瑟看來：

一個解決方案如果被使用的次數足夠多，它就成了一個模塊，並因作為適用於標準用途的模塊而具有包容性。

華為此舉實際上正在推動組織和組織之間的技術融合，為攝像機的技術快速迭代更新構建體系。甚至可以形成形成了一套完整、系統的技術標準體系，在一套技術“中台”之上支撐各個產品線、業務線展開生產。

在產銷層面，任何硬件產品的銷售，往往都需要渠道作為支撐。強大的渠道可以確保產品在每一個省份、城市得到落地。

為了建設良好的渠道，華為機器視覺革新了渠道生態規劃，保證一級經銷商少而精，價格體系可控，避免出現其他廠商價格體系混亂的狀況。

在產研層面，不僅是產品的研發、技術的創新，更多的是提供一種服務的平台。

華為機器視覺一直把生態夥伴作為第二研發部。其生態實驗室內有30多家合作伙伴，主要分成三類。

一類是智能算法合作伙伴，華為大量算法往往是由生態合作伙伴來進行支撐。一類是硬件IoT的夥伴，主要通過IoT生態倉將其納入華為生態之中，一類則是業務應用合作伙伴。

在華為進行產品規劃時，往往會聯合夥伴共同展開規劃，進行聯合定義，聯合測試推動聯合解決方案上市。

在產業層面，企業需要一方面需要堅持產品、產銷和產研，另一方面則是需要帶動整個產業鏈合作伙伴的發展。

端邊雲三者的遞進和協同甚至很大程度還在帶動華為當前在智慧園區、智慧城市領域的數字化轉型。

在萬和證券研究所一份名為《安防+AI人工智能工程化白皮書》中，前端部分建設成本比過去傳統安防往往高達225%，存儲部分成本也高達86%，合計高出73%。

願意在實體建設中展開如此投入的企業少之又少。華為當下在機器視覺市場的投入，正在拉動整個產業鏈的進化，也在推動社會的轉型。

從這個角度來看，華為機器視覺，其實是華為端邊雲這套方陣體系中的先鋒。

​