2020年1月6日，港交所批準了曠視科技的IPO申請。1月7日晚間，曠視科技通過港交所的聆訊，并計劃農歷春節后第一周開始招股，募資額5億美金。作為“AI四小龍”之一的曠視科技成立于2011年，一直以自主研發的機器視覺AI技術為核心，并持續打造在城市大腦、供應鏈大腦、個人設備大腦三大場景的數字化解決方案。

其中，在城市大腦場景下，曠視城市管理數字化解決方案已在全國260余個城市落地運行，已智能升級改造3，000余個樓宇園區，實現人車通行智能化。而 “城市大腦”最早提出是作為未來城市可持續發展的全新基礎設施，其核心是利用實時全量的城市數據，來全局優化城市公共資源。

由于安防的變革與智慧城市建設的完善，模擬時代向數字時代的更迭也越發沉淀，城市治理的相關問題愈加凸顯，因此，數字化解決方案的構建是智慧發展中的“重中之重”。

曠視副總裁陳雪松告訴億歐：“城市大腦出現的最大價值在于產生數據、收集數據。智慧城市的本質是數據統計的匯聚，我們所謂的大數據，就是共同技術上的所有信息，而信息存儲量上的95％都是視頻。”曠視正在堅持的方向，就是充分實現巨量數據的價值最大化。

事后分析到事前預測，城市管理安全建設應運而生

安防產業的變革是由技術驅動力發生，本質上是用戶的業務要求在變化，但是技術變革在用戶層體現的并不明顯。陳雪松提到：“例如海康大華的崛起，它是技術變革帶來的必然發展，由模擬時代走向數字時代，但是用戶的業務形態并沒有產生變化，近年來安防行業的火爆快速增長，主要原因在于用戶的業務需求對技術的反向拉動。”

監控一開始出現的時候，它解決的問題是事后。事后查看是其主要用途，當行業快速規模化發展起來后，新的技術變革對用戶本身的業務模式并沒有產生太大的變化，真正的影響點在于技術積累在一個程度之后，用戶業務需求上達到了一定規模，出現了新的問題：攝像頭太多了，人看不過來。

而這種問題的存在，對未來的城市建設變成了一種形式化威懾。大量的視頻導致人力成本消耗之后，人就不會再看了。因此，就會出現一系列問題：

第一，某段視頻不能在用戶有效的反饋時間段內及時解決，變成無效信息，例如社區級的視頻最長保留時間僅為一個月；

第二，在事件已經發生要及時跟蹤追尋的時候，可能已經沒有時間去查看，企業級和政府部門的視頻保存時間也是三個月以內；這類視頻信息，就是在存儲與消掉中反復進行。

第三，根據前瞻產業研究院的數據來看，2015—2018年，中國視頻監控市場規模已經從59．9億美元持續增長到80億美元，從4．9％增速增長到9．7％，而且在2017年突破14．7％的增速。國內視頻監控市場的規模化建設，使得當前視頻資料的大量累積造成了資源的浪費。

例如，陳雪松形象的比喻道：“世界上有兩塊硬盤，其中一塊就是用來存儲視頻。它只是一個存儲核心，沒有產生價值。”同時，這也是事中分析需求的“導火索”。

陳雪松告訴億歐：“人工智能的崛起也是基于這個時間點，攝像頭的邏輯定義也因此發生了改變，不僅局限在‘給人看’，更多的是給機器看，人只看結果。” 即在事中數據分析時，基于人臉、行為、場景來分析，讓視頻自身來監控，只按照結果直接報警給人，充分實現并發揮了“人眼”的作用。

2015年發展至今，安防行業蓬勃發展，智能化建設浪潮也正在成指數級增長。同樣，上升到城市級管理與治理問題時，這些“城市之眼”就顯得尤為重要。以往通過人工采集的方式拿到數據，已經遠遠無法支撐社會的快速運行，通過每一個數據單元采集出來的數據細胞，構成了整個數據立方，是整個城市治理和智慧城市決策的關鍵依據。

云邊端促融合，建設閉環生態綜合應用平臺

隨著事后分析到事中跟蹤的轉變，用戶也提出了事前預判的要求，即對于人的行為模式進行預測預判。在城市管理領域，這種分析模式也能實現非常高效的應用落地。

陳雪松舉例道：“早高峰和晚高峰在地鐵排隊時，安檢等候人員多、耗時長，安檢通行通道所產生的影響范圍較大，當對排隊人員行為軌跡進行大數據分析，發現其中80％的人是定時定點進出，在身份上就可以確定為上班族。因此，這一部分人理應享受最便捷、快速地通行服務，剩下一部分不清楚其行為模式的人，便可以選擇加強安檢。”

這種方法可以實現有效調度，明顯提升服務效率，通過事前的數據積累和預判，打通整個城市智慧安全建設。當前，預測、預警、預防的需求性越來越高，事后處置、事中打擊、事前預防的轉變基礎在于：人工智能的事中發現，擁有大規模的基礎建設，形成積累的數據能夠產生事前預測的能力。

因此，物聯網作為一種基礎設施的存在，從連接的概念正走向無處不在的發展，已經形成各行業的連接平臺。例如基于視頻的智慧應用平臺，具有視頻鏈接和管理作用，甚至是構建應用。

陳雪松告訴億歐：“在人工智能領域下，物聯網正和計算相結合，因為‘云邊端’的計算無處不在，‘云’是實際需求和技術落地場景所需要的產物，‘云計算’本身是大匯聚，它看的是全維行業數據，還能形成和其他垂直虛擬空間的數據堆積碰撞，只有在這個節點才能拿到最權威的數據，但是它的時效性一定是最差的。邊和端都有其計算環節，物聯網的連接在云邊端都在發生。”

基于視頻的數據產生之后，視頻數據是主要驅動力，因為基于視頻所承載的信息量巨大，包括層級、行為、身份和標識，這些信息識別之后和其他數據碰撞可以產生最有效的價值，但是時空信息要求是個關鍵點。陳雪松提到：“比如智慧燈桿，會有Wi－Fi采集和視頻采集，這個時候數據一定要有效，并一定要在前端做直接耦合，省去中間傳輸的一些環節時空的一致性。”

三大動力助推城市大腦崛起，下一步落地全維生態改造

陳雪松說道：“后臺做大數據碰撞時，只基于大區很難做精細化分析，因為它是群體數據，它們所感受到的維度不一致，而視頻可以精確識別到個，在個和堆產生碰撞的時候，才能進行疊加。所以數據耦合越前端發生，有效性越高、價值越大。”

并強調，當前的業務產品和應用落地還是基于部分區域去實現，并不是基于整個大城市平臺，在技術層面上，端的融合訴求更高，其細分下是點的信息，深入層面就是邊的信息。

隨后，陳雪松提到三個小閉環系統建設的重要性，即端上閉環、邊上閉環，云端的大閉環。對AIoT就要求聚合和連接，由于計算之后具備能力，曠視更希望它能把這種能力以最實效即時的方法，賦予給最需要的人。

因為業務場景的需要，在前端與業務方結合的時候，更多的還是以人為核心來形成閉環驅動，因此視頻和視頻的識別能力是曠視業務的核心，然后再去疊加其他維度的數據。陳雪松說道：“我們變成了數據的生產者，同時也需要接入多維數據產生更多的價值，小型的智能化平臺就出現了。”

當前在城市大腦的解決方案，曠視主要有三類：城市管理數字化解決方案、樓宇園區數字化解決方案、教育行業數字化解決方案。

其中，在城市管理上，曠視針對城市管理中的典型場景，通過涵蓋“算法、軟件產品、硬件產品、解決方案”在內的全價值鏈能力輸出，打造覆蓋全業務流程，端到端數字化解決方案體系設計，幫助城市管理者構建“前端感知、云端研判、終端應用”在內的新型智能城市管理閉環體系。

在實用案例上，北京海淀區，曠視根據《智慧海淀十三五發展規劃》、《智慧海淀頂層設計》及東升鎮“城市大腦”三年行動計劃，在智慧公園規劃方面，以“智慧生活休閑平臺”為主體，民眾參與與體驗為中心，利用人工智能、大數據、5G和物聯網等熱門技術，從根本上提升了公園日常管理的科技化、精細化和節約化水平，為街鎮級智慧公園建設和管理模式提供了行業樣板。

在技術優勢上，曠視實現了軟硬結合，以AI賦能云、端、芯，賦予硬件智能化；云端結合，通過云端上的計算協同，提升計算效率，大幅降低成本；端到端，全價值鏈的交付可構建新型城市管理閉環體系。陳雪松提到：“城市大腦建設上，曠視更講求務實，從三步來組織架構：城市之眼、行業分腦、城市大腦。”

陳雪松強調，城市大腦的構建不可能一蹴而就，也不僅僅是簡單的將智慧城市下垂直相關的數據拿起來接著用，而是將以前的數據加以利用，使之呈現火山噴發式的數據效益。

這也是曠視科技一直堅持的方向，從數據匯聚的認知方面到二次分析計算的推導決策，多維數據碰撞可實現更好的運行效果。因此，在下一階段，曠視將會以重點城市和專項落地為核心，實現應用落地價值最大化，全維的統構建設和覆蓋。