视觉技术与实体经济融合领域

　　人工智能领域的视觉技术主要是图像识别、计算机视觉、机器视觉。虽然机器视觉在工业领域被广泛提及，但是其应用的技术包括了计算机视觉、图像处理等技术，应用场景也稍有不同。图像识别主要应用在图像终端，如人脸识别摄像头；计算机视觉主要是应用于动态图像的分析和静态图像分析。可以说，计算机视觉是人工智能视觉技术的基础元素。

　　视觉技术是人工智能当前技术相对其他技术领域较成熟、技术发展快、市场需求量大的领域，比如人脸识别，在光线好的情况下，正面人脸识别机器的准确率能达到99.99%，人脸识别在、物业安保、银行、证券、金融、教育、电子商务、机场、地铁等场景应用广泛。前瞻研究院《中国人脸识别行业市场前瞻与投资战略规划分析报告》显示，未来十年，我国人脸识别行业市场规模有望达到千亿元。

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度神经网络)、CNN(卷积神经网络)、RNN(循环神经网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用神经网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

华为机器视觉产业发展战略

机器视觉产业发展

战略一：积极投入全栈全场景的AI研究

　　华为在“全栈、全场景”的AI战略牵引下，将持续投资在计算视觉、自然语言处理、决策推理等领域的基础研究，积极面向建设开放生态，加才培养和内部效率提升；把AI思维和技术引入现有产品和服务，打造面向云、边缘和端等全场景、独立以及协同的全栈解决方案，提供充裕、经济的算力资源和简单的全流程AI平台。

　　战略二：重构产业架构，加速智能升级

　　1)华为通过重定义技术架构，让设备和算法解耦，构建开放式的平台。前端摄像机软件定义(HoloSensSDC)，按需加载，让通用摄像机秒变摄像机。后端视频存储(HoloSensIVS)，以全云架构，多算法融合，打通数据孤岛，实现算力、算法、数据和任务协同。

　　2)智能视频算法和应用商城HoloSensStore，以全新交易模式和生态模式，实现使用者和双向沟通，让交易得以远程、在线、完成。