目前的计算机视觉技术，通常是车牌或者人脸识别，而谷歌则定位在Everything。谷歌之所以有如此气魄，实际上与其人工智能的“大脑”非常强大有关。

Google Lens是一款基于图像识别和OCR技术的人工智能应用，能够让机器学会“看图说话”。举个例子：比如，你路过一家店，只需拍张照片，谷歌自己帮你识别这家店的名字、服务、价位及搜索用户评分。Google Len简单来说是一个带有识别认知能力的“扫描枪”，它能通过看到任何相片或视频，即时地从中取得资讯（可理解成将非结构化图片或者视频进行结构化处置），同时进行信息交互。

目前的计算机视觉技术，通常是车牌或者人脸识别，而谷歌则定位在Everything。谷歌之所以有如此气魄，实际上与其人工智能的“大脑”非常强大有关。为了提升AI人工智能的处理能力，谷歌在今年推出了全新一代云端处理器单元（TPU），相比主攻内容认知判断的前一代产品，新的TPU着重强化人工智能的训练能力，每秒浮点运算可以达到180万亿次。

微软的AI for Workspace Safety概念：

AI for Workspace Safety旨在帮助企业客户更好地对工作环境，特别是那些高安全级别、高危险的工作环境、资产和人员进行管理。AI for Workplace Safety 目前仍处于早期测试阶段。它的核心是微软的认知服务 (Cognitive Services)，以计算机视觉为主。从 AI for Workplace Safety来看，只用不到半年的时间，微软已经用现有人工智能技术找到了赚钱的市场——企业级市场，更具体一点，工业。

AI for Workspace Safety概念视频

从官方的演示来看，利用摄像头对人和物体进行动作捕捉，进而判断工作环境下的人物动作、物体的位置是否正确，是否合理，哪些活动不应该存在，哪些活动存在问题。连接了云端的摄像头不仅能能够完全察觉这些工作间的点滴细微，也能够给出优化建议，提升工作环境的安全性和合理性。这是一个具有视频感知、识别、交互等综合应用的理念。

显然相比谷歌的扫描枪，微软的环境空间认知实际意义更强。微软的 AI for Workplace Safety不光要识别，还要进行逻辑判定。其实早期的安防算法厂商OV早前有过类似的宣讲。但受制于当时算法及识别能力，效果不太好。

IBM的人工智能：

IBM其实较早的接触视频分析IT企业，早在基于背景检测及前景提取时代，IBM就推出了S3智能系统。近日IBM提出，认知系统：从应用出发，让人工智能全面落地。在银行领域，IBM的智能影像识别系统已经可以实时检测出各种类型的遮挡并进行预警，这在ATM机防诈骗上十分有用，因为当有人故意遮挡脸部时，很可能需要特别关注。此功能即使几年前看，技术含量并不高，并且国内几个主流安防厂商已有推出整体的ATM综合安全解决方案。

安防厂商的人脸识别：

近日，某厂商在一大学的人脸识别案例被报道。小编在感叹人脸识别逐渐普及、投入实战之余，对该案例描述仍存有一定疑惑。该报道称：该大学某实验室向校保卫处报警称实验室丢失化学反应釜数台，保卫处人员调阅实验室录像，然后发现可疑男子；保卫处人员再扩大范围，调阅近期学校视频若干，确定并锁定该可疑男子；然后保卫处将嫌疑人信息通报学校各个出入口，并部署抓捕行动；次日，可疑男子进入校园，人脸识别弹出报警。

首先，系统设计上，实验室应该是大学重地，因此应该在实验室或入口部署人脸识别，那么非授权人员进入，则应该实时报警而不是事后查录像，万一是其他污染、辐射等物料被盗后果严重；其次，既然通过调取实验室录像已经定位了嫌疑人，则可通过“以图搜图”等模式，快速检索学校相关录像；最后，报道称嫌疑人再次出现卡口，人脸识别符合率99%，被逮，这个貌似有点牵强或者太PR。一般来讲，参考图和实时抓拍能有85%-95%的符合率就不错，人脸识别系统中参考图（比对用）在光照、角度、距离等方面，不大可能与次日抓拍的有99%的符合率。Anyway, 这是一个很好的案例，说明人脸未来大有可为。

除了谷歌、微软，国内的BAT也都积极投入人工智能中，人工智能不是小产品，而是下一代的大引擎，并且将会应用到各行各业。安防监控是人工智能的桥头堡，各AI公司必然都投入重火。谷歌从Mobile First转向AI First，百度的口号是ALL IN AI，微软也积极投入AI。显然，搜索公司携海量数据（尤其是图片及视频）、超强计算资源（服务器集群），势必很快在图像领域打开人工智能的尴尬局面。

百度的数字博物馆技术

关于人工智能尴尬，有一个流传甚广的段子：人工智能就像是青少年谈性,每个人都在说，不知道谁真的做了，每个人都认为其他人做了，所以每个人都声称自己在做。