近幾年來，城市大腦概念可謂如火如荼。

相比于前兩年大家對這一概念比較陌生，如今相信大部分讀者應該都已經知道，所謂城市大腦的基本內涵，是指用公路上的大量攝像頭，來識別車流、車牌和車輛，以及一些路段廣場上機遇攝像頭執(zhí)行人臉識別和人流判斷。

這些“城市之眼”收集的數(shù)據(jù)，一方面可以幫助提升城市安防的智能化水準，比如預判人群擁堵、識別交通事故與可疑車輛等等；另一方面，城市大腦的作用主要體現(xiàn)在和交通燈、高架橋準入閘口的互動上。通過對車輛數(shù)據(jù)的識別和判斷，進而用城市大腦進行交通指揮，被廣泛相信是治理城市擁堵的有效方式。

這些技術邏輯近兩年被反復討論，加之科技巨頭的不斷加注與宣傳，很可能讓大眾覺得城市大腦已經非常完善，可以真正承擔一座城市的“AI交通指揮官”。然而事實上并非如此，從一種產業(yè)構思到實際落地，城市大腦，或者稱作智慧城市系統(tǒng)，還面臨著非常多物理世界中客觀存在的困難與障礙。尤其是城市攝像頭體系本身，與后加入的AI大腦，二者其實存在著無法忽視的“代溝”。

這個問題應該如何解決，近兩年也有相當多的學術討論。比如中國工程院院士、中國計算機學會理事長，北京大學教授、博導高文提出的“數(shù)字視網膜”理念，就廣為產學各界重視。在這一問題中構成了一種代表性的解題方案。

我們似乎可以從數(shù)字視網膜應運而生的現(xiàn)實問題，以及其發(fā)展思路中，共同探討這樣兩個問題：城市的智能，距離我們究竟有多遠？而如果希望拉進這個距離，目前有哪些急需開展的工作？

從這個角度思考，我們或許會發(fā)現(xiàn)數(shù)字視網膜既是一種學術創(chuàng)新，也是一個新的產業(yè)機遇。

“眼疾”未愈，城市大腦依舊幼稚

城市大腦概念，在現(xiàn)實執(zhí)行中面臨的第一個問題，也可能是最根源的問題之一，就是原本并不用于智能計算的城市攝像頭，如何與AI帶來的識別，甚至智能分析能力連接在一起？

這個問題涉及一個基本矛盾，就是智能發(fā)生在哪里。

今天一般的城市大腦與智慧城市項目，主要是將攝像頭收集來的視頻數(shù)據(jù)進行存儲，從而在云端用算法就行識別和分析。

而這里就有很多矛盾滋生了出來，比如傳統(tǒng)攝像頭收集的視頻數(shù)據(jù)過于龐大，清晰度也欠佳，AI算法很難識別。

即使攝像頭能夠提供高清數(shù)據(jù)，但由于拍攝的視頻沒有進行特征提取，于是從提取到識別、檢索，再到推理的全鏈計算都必須發(fā)生在云端。這帶來的數(shù)據(jù)量非常龐大，云端將承受難以負載的數(shù)據(jù)壓力，從而影響識別精度與數(shù)據(jù)處理準確度。同時，把基礎視頻數(shù)據(jù)堆積到云端，客觀上也會造成過大的延遲，很難滿足交通場景里實時反應的剛性需求。

同時，城市綜合體每天產生的視頻數(shù)據(jù)，其本質上堪稱一個“數(shù)據(jù)包袱”。這些數(shù)據(jù)存在哪？存多久？誰來看？如何檢索？在海量數(shù)據(jù)面前，這些問題一一成為了城市數(shù)據(jù)管理體系的重擔。

那么如果讓攝像頭自己具備識別能力呢？這是如今智慧城市的主要解決方案，但是由于此前的原版攝像頭不便拆卸，想要加入新的識別能力就要加裝一個新的攝像頭。于是我們看到了拍照攝像頭、人臉識別攝像頭、車牌識別攝像頭、車輛識別攝像頭等等；在路口抬頭一看，簡直能激發(fā)密集恐懼癥。

這些“智能攝像頭”識別出的數(shù)據(jù)，本質上無法做到匯融與底層打通，而是只能各自為政。后端的AI也就只能偏聽偏信，無法進行完整的交通場景分析，給出真正的“智能建議”。

那么如果讓識別和推理的全套AI能力都發(fā)生在攝像頭里呢？這帶來的最大問題就是端側算力不夠充沛，無法支撐復雜的計算。如果在每個攝像頭都加載大量AI算力和專用硬件模組，那將是一筆無法負擔的成本。而且想要讓AI全局化理解城市，各攝像頭也必須進行全局匯總。

這樣左右為難的問題，就是今天城市智能從理想到現(xiàn)實的差距。高文院士將之總結成“存儲難，檢索難，識別難和功能多樣化”四個問題，并且形象地比喻為城市的“自閉癥”和“弱視”。

那么如何破解城市的種種“眼疾”呢？如果也用仿生學來比喻，那就是今天城市有了云計算和AI作為大腦，也有了攝像頭作為眼睛，但是二者之間缺少一樣東西：視網膜。

未來城市，需要一場“數(shù)字視網膜”安裝手術

哺乳動物的視網膜，可稱得上一件造物主的奇瑰之作。

視網膜的一個特性，是它隱藏在大腦和雙眼之間，沉默著充當人類智慧與世間萬物的翻譯。我們的視網膜，其實并沒有傳遞給大腦真實的畫面和色彩，而是對這些“數(shù)據(jù)”進行了優(yōu)化，讓我們的大腦直接處理可感可理解的視覺信息。

在高文院士看來，今天城市大腦與萬千攝像頭之間，需要加裝的就是這樣一層“數(shù)字視網膜”。

當然，數(shù)字視網膜并非真的要做一種仿生視網膜的硬件，而是希望能夠改變目前攝像頭只能看或者單一鏈路識別的功能。讓攝像頭本身擁有一定的AI處理能力，能夠對識別到的車、人、場景進行主動特征提取。

從而讓攝像頭上傳到云端的視頻數(shù)據(jù)，一路通過高效編碼作為數(shù)據(jù)存儲；另一路經過特征提取直接作為智能大腦的“可讀物”。

這樣既把識別和推理等智能計算保留在了云端，又讓端側完成了初步的智能化解析，平衡了兩側的成本與效率關系。而云大腦與攝像頭的智慧結合，就是給城市安裝了一層新的“數(shù)字視網膜”。

這個技術設想，是希望從計算和視頻編碼的可行性上，將城市的“大腦”和無數(shù)“眼睛”結合為一體。而設想想要變成現(xiàn)實，需要建立在端側設備具有優(yōu)化的視頻編碼能力，以及AI領域高強度的視頻特征抽取能力。從而創(chuàng)造一個功能集成，能集編碼和特征編碼為一體的視頻和圖象感知系統(tǒng)。

換言之，軟件層的創(chuàng)新將帶給城市硬件系統(tǒng)更好的成本比值以及更優(yōu)化的效率。與目前大多數(shù)產業(yè)方案相比，這套系統(tǒng)的特點在于平衡了理想目標和現(xiàn)實中的可執(zhí)行性：攝像頭完成特征抽取，云端只負責識別和推理。云計算和終端各負擔一部分計算任務，合理分配算力。用更優(yōu)化的視頻解碼技術，以及AI帶來的視頻特征抽取能力，讓整套體系能夠在有限算力與帶寬條件下執(zhí)行。

即便如此，給城市做一場“安裝數(shù)字視網膜”的手術也并不容易。

挑戰(zhàn)、路徑與產業(yè)機遇：數(shù)字視網膜的未來棋路

想要在新興的城市大腦技術，與中國技術龐大、種類繁雜的城市攝像頭體系之間做出“智慧融合”。雖然具有強烈的必要性，以及技術可行性，但現(xiàn)實中還是要應對眾多挑戰(zhàn)。

比如說，數(shù)字視網膜的創(chuàng)新邏輯在于，用領先的視頻編碼標準與編碼技術，換取硬件門檻的降低。而這就要求在視頻編碼技術和機器視覺技術上達成一系列新的突破，讓數(shù)字視網膜真正“以內功贏人”。

更重要的挑戰(zhàn)在于，數(shù)字視網膜體系，需要端側攝像頭具備相對通用化的視頻處理能力，尤其是AI相關的視頻特征提取能力。根據(jù)行業(yè)目前的普遍理解，這需要建立在專用芯片給攝像頭提供更有針對性的AI算力基礎上。這就需要一個從基礎硬件到算法層，再到產業(yè)層的整體配合。

其次，必須正視的一點，是數(shù)字視網膜體系不可能朝夕功成。全國龐大的城市攝像頭技術，必須逐步替換。這需要優(yōu)先在現(xiàn)實場景中建立更多邊緣技術節(jié)點，通過邊緣計算來滿足端側AI算力的需求，逐漸向完全的數(shù)字視網膜體系過度。并且，如何針對已經存儲的視頻數(shù)據(jù)進行重新的特征抽取與識別也是個問題，這可能需要具備更優(yōu)能力的視頻編碼軟件來執(zhí)行。

總而言之，我們可以看到“數(shù)字視網膜”這場城市大腦的新升級，將牽動硬件、軟件與產業(yè)層的多條線索。而走到現(xiàn)實當中，這為今天的智慧城市、城市大腦等項目提出的第一個挑戰(zhàn)，就是城市大腦類項目整合者、AI算法公司、智能攝像頭廠商，包括芯片廠商和云計算廠商的通力合作，構筑基于數(shù)字視網膜目標的新興產業(yè)鏈。

在這個命題中，今天可以看到，計算基礎設施與解決方案供應商、安防硬件廠商、城市大腦項目執(zhí)行者，比如阿里、騰訊、京東等互聯(lián)網巨頭，包括機器視覺相關的AI算法公司，都將獲得新的產業(yè)機遇。

同時，如果我們將數(shù)字視網膜規(guī)劃的未來城市，看作是智能城市產業(yè)的下一步，那么這個未來變化同樣將為創(chuàng)業(yè)者打開機遇。因為其必然需要建立新的機器視覺任務開發(fā)生態(tài)，并且產業(yè)鏈粘合過程中，需要大量的新的企業(yè)級服務公司。

由此可見，醫(yī)治城市大腦的眼疾，也是一場城市智能產業(yè)升級的開始。據(jù)了解，目前數(shù)字視網膜體系已經在多個地區(qū)與產業(yè)端口中開始了應用。從學術創(chuàng)新到產業(yè)突破，“智能+”時代正在構筑越來越多這樣的產業(yè)升級軌跡。

讓城市之眼看到未來的同時，身處城市中的我們，也應該看到未來的腳印。