NVIDIA全球副总裁专访：GPU技术推动智慧城市 2020年10月25日，中国国际社会公共安全产品博览会（Security China）在北京开幕。
NVIDIA在安博会上宣布，NVIDIA在安防领域的中国合作伙伴已增至9家，其中包括国内领先的智能安防硬件企业：海康威视、大华股份、宇视科技、商汤、北京旷视、天地伟业、北京文安、神网视界通过与合作伙伴的合作，搭载 NVIDIA GPU 的 City Eye 有望成为智慧城市发展的领导者。
27日，NVIDIA召开媒体发布会。
在媒体问答之前，NVIDIA全球副总裁和Tegra 事业部总经理 Deepu Talla 先生首先分享了深度学习如何推动智慧公共安全行业的发展。
以下内容根据Deepu Talla的演讲整理而成。
今天给大家介绍一下NVIDIA如何帮助公共安全行业做强，从我们过去所说的智慧城市，到AI城市（人工智能城市），以及如何充分利用人工智能的力量让我们的城市变得更加强大。
更好的。
以及 NVIDIA 与其合作伙伴之间的合作如何展开。
这些合作伙伴都是全球顶尖的安全公司，其中很多就在中国。
我们现在已经进入了计算的新时代。
20年前，PC电脑和互联网诞生； 10年前，移动终端、iPhone、Android手机、云诞生，开始在人们的生活中普及，变得非常流行。
PC电脑用户达到10亿。
十年前，移动用户数量达到25亿。
我们现在已经进入了一个新的阶段——人工智能阶段。
未来，人工智能终端将达到千亿级。
在公共安全领域，中国是世界上非常领先的国家。
中国在让城市更安全、更智慧方面取得了许多突出成就。
目前中国安装了数亿个摄像头。
我们预计，到今年，全球相机数量将达到 10 亿台。
，而且这些摄像头每周7天、每天24小时都在不断地产生数据，所以这个数据是海量的。
到今年，世界人口将达到70亿。
如果让人们去做分析数据的工作，那是不可能的，而且也是一个很无聊的过程，每天看一些视频。
因此，数据是海量的，不可能依靠人类每周7天、每天24小时来分析数据。
那么如何处理数据呢？必须找到某种东西来代替人类劳动，但在准确性方面也要超越人类劳动。
这就是人工智能大放异彩的地方。
这些数据展示了人员识别、车辆识别、车辆分析等六大公共安全应用领域。
传统的计算方法是基于规则的计算机，即通过计算机编程，告诉计算机它应该做什么，如果不应该做什么。
但它的问题是准确度不够高，而且没有办法替代人工，因为错误率甚至比人工还要高。
例如，灰色部分代表最先进的、传统的、基于规则的计算机计算。
在公共安全应用领域，其准确率为60%至80%。
全球领先企业花了20年时间才实现灰柱状件精度60%~80%。
但现在世界顶尖的企业，通过人工智能，也就是我们所说的深度学习的应用，只用了一年的时间，就达到了远高于灰色部分的准确率，比以前更加准确。
比率应该更高。
所以灰色部分代表了通过使用深度学习在短短一年内达到的准确度水平。
它展示了中国排名前三的企业，这三家企业在国际上非常知名，包括海康威视、大华和宇视。
可见深度学习的强大威力。
截至去年，在图像识别、图像分类方面，甚至截至上周，在语音识别方面，通过深度学习和人工智能，现在准确率已经可以高于人工智能。
，做得更好。
因此，人工智能和深度学习的力量将彻底颠覆公共安全领域的视频监控系统，使其准确度更高。
因此，我们需要一个新的东西，能够让这个平台发生变化，运行得更快。
刚才我也说了，到2020年，摄像头的数量将达到10亿个，这些摄像头的数据需要实时处理。
我们需要一个强大的计算平台来以更快的速度运行深度学习和人工智能。
这就是 NVIDIA 发挥作用的地方。
大家都知道NVIDIA现在是一家人工智能计算公司，但是我们刚开始的时候，我们专注于游戏、显卡等，我们之前在游戏领域非常有名，现在仍然非常强大，但是通过我们的新产品和解决方案，比如GPU，我们可以让并行计算运行得更好。
因为如果使用传统的CPU，会有很多进程，但是使用GPU，可以减少这些进程，因为可以进行并行计算，并且可以集成这些进程。
因此，中国第一台超级计算机天河一号由 NVIDIA 的 GPU 提供支持。
所以行业发生这么大的变化主要是两个原因：一是人工智能和深度学习的发展，二是NVIDIA的GPU的出现，让我们可以运行得更快，进行实时处理。
NVIDIA 推出了适用于公共安全、视频监控等领域的端到端深度学习平台。
至于这个平台，你可以看到训练部分在左边，这意味着人工智能的第一步是创建神经网络。
那么就必须使用大量的数据来训练这个神经网络。
使用GPU训练这个神经网络之后，可以部署到云端，部署到数据中心，或者部署到视频监控系统比如我刚才提到的摄像头。
NVIDIA 提供两种类型的平台。
第一个是Tesla平台，可以部署在数据中心和云端；二是Jetson平台，可以部署在摄像头等终端进行视频监控。
所以中国各个领域的顶尖企业，比如海康威视、大华、宇视等，都在使用我们的平台，无论是使用特斯拉的DGX这样的平台，还是使用特斯拉的云平台，或者使用Jetson的平台。
现在我想给大家举一个产品的例子。
这就是视频监控中国第一、全球第一的海康威视。
海康威视年初推出了一款新产品——刀片服务器，采用NVIDIA GPU进行训练。
经过培训，他们创造出了这样的产品。
他们使用 Jetson TX1 平台来做到这一点。
工作，你可以看到右边两者之间的区别。
传统上，服务器必须使用 42 个 CPU 才能运行得更快，而必须使用 16 个 TX1 才能运行得更快。
但现在通过使用NVIDIA GPU，功耗可以降低到原来的十分之一。
，占用空间可以减少到原来的二十分之一，因为原来是多个服务器机架堆叠在一起，现在只需要一台设备。
因此，通过端到端的深度学习平台，在公共安全领域，可以让产品解决方案在视频监控方面变得更智能、更好。
我刚才给出的只是一个产品的例子。
事实上，在这次中国安博会期间，我们的许多其他用户都在使用 NVIDIA GPU 来展示他们基于 NVIDIA GPU 创建的一些产品，今天我们还宣布在中国我们已经建立了一些其他新的合作伙伴关系。
上个月，我们宣布与中国三大公司建立合作伙伴关系，包括海康威视、大华和宇视。
今天我们将宣布另外五个中国合作伙伴。
他们都在使用NVIDIA在人工智能和深度学习方面的GPU产品、服务和解决方案，将其应用到各自的领域。
新加入的五家合作伙伴包括旷视科技、天地伟业、北京文安、神网和久凌。
最后，我们总结一下人工智能和深度学习。
这两者正在深刻地改变视频监控行业，让我们生活的世界拥有更好的公共安全水平，因为深度学习的准确性已经超越了人类。
。
我们已经进入了一个开始更多地使用人工智能的时代，而NVIDIA的GPU可以大大加快深度学习的进程。
与其他解决方案相比，中国该领域的领先企业均与NVIDIA结成了合作伙伴关系，这能够对公共安全产生深远且翻天覆地的影响。
媒体问答：NVIDIA与国内多家大型智能安防企业合作，如海康威视、大华、宇视等。
24日，英伟达与海康威视联合发布基于深度学习的智能安防产品。
您认为海康威视为何选择 NVIDIA？ Deepu：海康威视的新产品是一款非常智能的摄像机。
如何让这款相机变得更加智能，需要用到人工智能和深度学习，这需要在两个方面非常强大的能力：更快的计算和更低的功耗。
所以NVIDIA的GPU是最适合深度学习的，因为它运行速度非常快，消耗也非常高效。
这就是海康威视为其摄像头产品选择 NVIDIA GPU 的原因。
事实上，除了这款产品，海康威视今年年初还发布了多款其他新品。
例如，在服务器方面，他们使用 NVIDIA GPU 进行训练、服务和摄像头。
换句话说，他们掩盖了它。
到每一个产品线。
他们选择NVIDIA作为合作伙伴，主要是因为我们在性能和功耗方面都做得非常好。
刚才提到，NVIDIA正在研究AI城市的概念。
我想询问一下具体细节。
这个概念是如何产生的？我刚才提到了相机产品，应该还有一些其他的内容，可以分享一下吗？ Deepu：NVIDIA已经成为一家人工智能计算公司，我们认为人工智能深度学习就像未来的一种新形式的电力。
就像电被各行各业所使用一样，我们相信人工智能和深度学习未来也将被各行各业所使用。
NVIDIA 专注于许多不同的行业，在公共安全领域，视频分析只是其中之一。
今天我们主要集中讨论公共安全行业，因为目前正在举办安博会，所以我们讲的是公共安全和视频分析，比如如何训练，如何进行摄像头推理。
事实上，人工智能还应用于很多其他领域。
比如我们上个月举办的GTC大会上，CEO在主题演讲中提到了自动驾驶汽车等等。
这就是人工智能发挥作用的地方。
NVIDIA 已与百度等汽车领域的全球顶尖公司建立了合作伙伴关系。
我们还与其他公司建立合作伙伴关系，例如阿里巴巴、一些云提供商和内容交付网络。
关系。
AI在医疗保健领域也有很大的应用市场。
此外，人工智能AI还应用于许多其他行业，包括云、企业、交通、医疗保健、视频分析、机器人和无人机。
未来人工智能将会应用到各个行业，就像现在各个行业都在用电一样。
刚才提到NVIDIA其实在很多行业和领域都有应用。
我想知道它是怎么开始对安防行业感兴趣的，什么时候进入这个行业的，和这个行业的一些主流公司合作的。
二、您如何看待2019年NVIDIA在中国安防市场的表现？您对这个市场有何看法？ Deepu：关于NVIDIA为什么要进军安全市场，第一个原因是维护人员安全和公共安全。
这是一个非常伟大的事业，因为每天都会发生一些不好的事情，有些是不安全的。
事件正在发生。
因此，NVIDIA希望参与到维护公共安全、维护人员安全的伟大事业中。
第二，如何维护公共安全，我们需要利用视频分析和语音识别。
在这两个领域，深度学习都是完美的。
刚才介绍了通过深度学习，可以使视频分析、语音识别的准确率更高，甚至超越人类。
一旦我们确立了两点：第一，维护公共安全是一项伟大的事业，第二，深度学习是维护公共安全一个非常好的解决方案。
然后NVIDIA开始思考如何帮助这个行业更好地维护公共安全。
要做到这一点需要非常强大的计算能力。
正如刚才提到的，到今年将会有10亿台摄像机。
他们需要每周 7 天、每天 24 小时运行，生成大量数据。
NVIDIA的GPU拥有非常强大的计算能力，而且功耗非常低，这一点恰到好处。
满足这个要求。
我们可以看一下今天的分析工作。
大多数分析工具都是事后分析，即已经发生了不好的事情，然后指派人员进行视频分析，看看到底发生了什么。
这是怎么回事，就是这样一个事后法律的领域。
然而，通过深度学习，我们不仅可以做这样的事后分析，还可以预测未来，即防患于未然。
这就是深度学习的力量。
为了实现这样的目标，我们需要非常强大的算法和计算能力。
NVIDIA的GPU非常适合解决此类问题，所以这就是我们进入IVA和公共安全领域的原因。
IVA是智能视频分析的缩写。
我更关心智能安防系统对企业的意义。
听了之后，我觉得智能安防系统似乎对个人和城市都有着重要的意义。
希望您能谈谈它对企业的意义。
能否举几个具体案例说得更具体一些？ Deepu：我刚才谈到的人工智能很多都应用在公共安全领域。
公共安全是人工智能应用非常重要的领域，但它只是其中之一。
事实上，人工智能还有很多更广泛的应用领域。
比如可以用在企业中，实现传统意义上的企业安全；还可以用于商业智能、零售分析等。
关于它在企业中的应用，比如我们可以在企业智慧园区建设中使用人工智能，保证企业员工进入园区时，系统能够自动识别并为他们开门，无需员工刷门禁卡。
同样的技术也可以用在零售分析市场，比如分析一家商店在一定时间内有多少顾客；它还可以用于商业分析。
未来一段时间，NVIDIA在IVA市场有什么计划？是否在中国寻找更多合作伙伴？第二，NVIDIA如何在IVA的竞争中脱颖而出，给大家带来了哪些更多的解决方案。
Deepu：关于第一个问题，我们当然希望建立更多的合作伙伴关系。
此外，我们也希望与这些现有的合作伙伴深化合作。
比如我们和海康威视的合作非常深入，在训练服务器和摄像头方面。
海康威视多个产品线均采用NVIDIA产品；另外，我们与大华、宇视的合作关系也非常深厚。
以上是我们在中国合作前三名的公司。
今天我们还宣布了另外五个合作伙伴。
我们希望更多的中国厂商采用NVIDIA GPU来进行人工智能和深度学习的开发和应用。
关于第二个问题，首先，正如我刚才所说，英伟达是一家人工智能计算公司。
我们是全球领先的人工智能计算平台公司。
人工智能不仅应用于公共安全安防领域，还应用于更多领域。
应用领域广泛，例如自动驾驶汽车、云提供商、交通运输公司、机器人公司等。
无论在哪个人工智能应用领域，NVIDIA都是最优选的平台。
其次，从解决方案层面，我们可以提供从训练到推理的解决方案，也可以提供从云到数据中心到服务器、到边缘的解决方案，包括内部服务器、云、数据中心等解决方案。
未来，我们将持续投入下一代GPU技术，希望能够保持全球领先地位，在人工智能这样重要的应用领域继续保持领先地位，在公共安全领域保持领先地位。
关于业务方面。
因为大家目前对NVIDIA的了解是对人工智能驾驶领域的一些业务非常感兴趣。
在安全领域，现在很多合作伙伴都在使用Jeton TX1计算平台。
NVIDIA在这一领域的具体情况如何？ Deepu：我们仍处于人工智能革命的早期阶段。
NVIDIA 是全球领先者。
在DGX-1平台上，它既可以用于训练，也可以用于深度学习研究人员。
它们在中国使用得很好。
不仅海康威视在使用DGX-1平台，许多云服务提供商也购买了DGX-1。
例如，在上个月的GTC上，内容分发网络也使用了特斯拉P4/p40平台，这是我们当时刚刚宣布的新平台。
所以在车辆自动驾驶方面，我们有Drive PX平台，在其他领域，我们有特斯拉、Jetson的平台。
无论是DGX-1、Tesla P40、Drive PX等，还是Jetson，这些平台都采用统一的架构。
NVIDIA的GPU架构意味着这些平台，无论是用在服务器上，还是用于训练和推理，它们都使用相同的架构和相同的软件。
深度学习还处于发展的初级阶段，最辉煌的时代尚未到来。
我们希望现在看到的每一个细分市场都有巨大的潜力和机会。
我们希望我们能够在每个细分市场取得成功。
NVIDIA 提供的产品和技术支持与 IVA 行业有何不同？ Deepu：我们有多个产品线，比如我刚才提到的Jetson和特斯拉。
无论是Jetson还是Tesla，它们都使用相同的架构，也就是NVIDIA的GPU的架构。
它们属于不同的产品线，具体取决于它们是用于训练目的还是用于推理目的。
例如，超级计算机DGX-1用于人工智能和深度学习。
它基于特斯拉平台；而Jetson则基于Tegra平台。
但 Tesla 和 Tegra 都基于相同的 GPU 架构。
唯一的区别在于性能和功耗要求不同。
选择的时候，你会选择不同的。
选择哪个平台，无论是用于训练目的还是用于推理目的，在选择时都会有所不同。
另外，由于有多个处理通道，所以使用哪个通道也会有所不同。
可能需要选择特斯拉，或者选择Jetson。