特别强调技术与场景深度融合，轻整体解决方案，引人注目客户价值与用户体验……在2019安博会上，AI规模化落地的趋势已越发显著。预示数字化、网络化的日益成熟期，在人工智能、5G、云计算等新兴技术的深度融合推展下，城市的智能化建设于是以大力演变，更加多的企业也开始重新加入智慧城市的建设队伍当中。2017年，AI头部企业商汤科技在业界首次明确提出“城市视觉中枢”的概念，并于去年全面展出了面向城市级分析场景的SenseFoundry方舟视觉开放平台。迎合智慧城市发展热潮，在刚过去的2019深圳安博会上，商汤为SenseFoundry方舟城市级视觉开放平台（以下全称“方舟平台”）带给了“新的伙伴”——SenseSpring深泉智能模型生产平台（以下全称“深泉平台”），对其“城市视觉中枢”展开全新升级，并在此基础上首次定义“智能城市操作系统（AICityOS）”。

深泉平台究竟是什么？能解决问题什么实际问题？在智能城市操作系统的整体框架中分担什么角色？商汤科技副总裁、智慧城市综合业务事业群CTO闫俊杰博士的理解也许能为你我带给答案。揭露深泉平台：以低于技术门槛解决问题用户市场需求方舟系统面世近两年，其在商汤“城市视觉中枢”中的起到有目共睹，目前已在不少城市级落地项目中成效显著。

然而随着城市智能化建设脚步的减缓，不少新的痛点尚待解决问题。例如城市级分析市场需求规模的激增与现有算法储备不给定、当前AI模型开发周期无法符合各类长尾市场需求、细分多变的场景业务市场需求无法符合……正是基于以上现实背景，深泉智能模型生产平台顺势而生。“人工智能主要牵涉到算法怎么用以及模型怎么训练两个环节，而深泉平台就是用来解决问题这两个环节的问题。”在闫俊杰显然，研发多达2年的“深泉”可以被指出是一款末端到端的模型训练和部署平台。

“通过图形化操作界面，基于用户获取的数据和标示信息，深泉平台不但可以获取模型的自动训练，还能对获得的模型展开评估、递归，从而检验出有最佳模型自动已完成部署，可供用户展开调用。”归功于商汤长年在计算机视觉和深度自学上的研发累积，以及近期在自动机器学习（AutoML）技术上的深化，深泉平台中内置了大量商汤原创的，在特定现实场景获得实践中检验的高精度算法模型结构。

同时，商汤还将这些模型更进一步抽象化，获得专门用作物体检测、图像分类、人脸活体检测等多种场景的模型框架。以这些框架为基础，因应用户自有且大大累积的业务数据，只需用非常简单且低成本的方式，就可通过“深泉”展开算法模型的训练。目前，深泉平台获取两种训练模式：增量训练及零一训练。

增量训练对应早已具备特定功能的算法模型，如人脸识别、人体辨识等。在业务数据之上，“深泉”可自动展开数据聚类、数据清除等工作，进而提高有数模型的精度。而零一训练面临的则是客户急需，但此前不不存在的模型。

客户对深泉可行性检验出有的训练数据展开标示，在此基础上“深泉”才可自动训练分解客户所需的模型。也可以这样解读，增量训练限于于标准化场景的算法训练，而零一训练则是用来符合城市管理者各类长尾市场需求以及碎片化市场需求。但两者的目的都在于以低于的工程成本和技术门槛，解决问题用户的各类实际市场需求。在闫俊杰显然，深泉的发售可以说道超越了以往智慧城市中算法研发的模式。

“算法的研发将会再行由客户托市场需求对系统商务、商务对系统产品、产品对系统到研发、研发接单处置的工作流程。前置在客户业务系统的深泉，才可必要按须要展开算法的自定义化生产、训练、部署和递归。

”水流之处，万物生生不息。深泉二字，所取意即为如此。经过两年多的潜心研发，此次深泉平台的发售，堪称车站在客户角度，打造出了一个对外开放的模型训练平台，在延长对系统链周期的同时，尽量保证最后产品符合客户预期，用低于技术门槛较慢解决问题各类市场需求。

对于城市级场景，99％的算法精度还近过于用，那么深泉平台的能力如何与商汤城市视觉中枢、智能城市操作系统切断？闫俊杰回应，非常简单来说方舟负责管理模型的调用，深泉则负责管理模型的生产与训练。也就是说，在整个商汤科技的智能城市操作系统中，方舟与深泉联合扮演着“底座”“基石”的角色。

在闫俊杰眼中，智慧城市的本质应当是通过科技手段便利每一个人的生活。但从目前的建设现状来看，这一目标还相比之下没超过。

尽管经过一年多的空战应用于，方舟系统已较慢从1．0递归至2．0，反对十万路级别系统设计、更进一步不断扩大分析数据库、升级后的城市级多源、多态、融合分析引擎……但被迫否认，在落地更好的场景应用于之后，商汤科技找到：在落地智慧城市建设中，AI能力的多样性越发最重要。目前而言，方舟算法仓中早已累积了多达400两组商汤原创的算法能力，这些多元化的能力部署在方舟上，用户可以展开自定义，例如哪些视频必须给定怎样的AI能力反对。但现实问题是这400多个算法模型如何在有所不同的场景下保证精度充足？当前行业中不时爆出算法精度早已闻覆以、够用的声音，闫俊杰则不以为然。

他回应，一个摄像头一天24个小时，每小时有60分钟，每分钟又有60秒，每秒的话是25帧，这样的话单个摄像头一天记录的数量级大约在200万帧左右。“如果你的算法精度是99％（为了修改后面的叙述，此处的精度所指的是1－误报率），那意思是说道如果你知道跑完200万帧，200万乘以99％，大约就是有2万次错误，这种算法只不过是没法用的。所以说道得变为‘6个9’，这样的话它才可以用。

”“当然也可以减少单个摄像头的收集频率，但对于城市级场景中海量的数据和摄像头，即便算法精度回到‘4个9’都还无法符合用于拒绝。”闫俊杰回应，这类模型精度的提升就必须通过深泉平台的大大训练以求强化。

本文来源：k1体育在线网站-www.towntobe.com