华为 潘志超：我在华为解决方案一线工作了15年，一直践行着华为以客户为中心的文化，旨在帮助客户解决各种问题。对于安防产业，我们认为机器视觉必须要面向千行百业，其带来的商机也比传统安防多得多。用一组数据进行简要说明，如果说全球传统安防一年的市场空间大概是100亿美金，那么未来机器视觉涉及到的产品空间一年可以达1万亿美金。但与此同时，这种高需求也给企业带来了巨大的挑战。

　　如何解决这个问题，华为认为需要有一个持续可演进的平台，如华为打造的软件定义摄像机、智能视频存储再加上好望云服务平台，同时践行八个字——“开放共生，智慧共赢”，只有团结各方各面的合作伙伴，整个产业链整合起来，才能应对场景化的挑战。

　　虽然这种说法偏理论化，但近年来华为也确实在践行，尤其在深入到分销的市场后，我们发现真正深入到场景里，携手合作伙伴落地实际场景，才能不断孵化出各种场景解决方案（电力场景、动物保护场景、猪脸识别场景等）。这听起来有点匪夷所思，但只要拥有一个好的平台，团结生态合作伙伴一起去努力，回过头我们会发现一切都只是时间问题，挑战并没有想象中的那么大。

　　比特大陆  汤炜伟：作为AI芯片厂商，坦白说最开始的落地是挺难的，需要面对强大的有成熟产品的友商，压力巨大。但是我们也确实在不断地前进，通过与算法公司、应用公司、行业伙伴携手合作，实现从上到下的落地，这个过程对于我们而言是一个很好的理解行业的机会。这些理解与积累，让我们可以将芯片进行更好的打磨。

　　我们可以想象下未来AI的发展，它不一定是当下纯深度学习的模型训练，未来其将加上行业理解与认知层面的逻辑推理能力，使AI越来越强。例如它可以向警察、保安、电力能源施工专家等学习经验，将其转化为AI系统的能力，这里面其实有很多事情可以做并落地。

紫光华智  苏佳：首先我要提及，技术其实是有一个成熟曲线的——从刚开始的发展期、到顶峰期、再到顶峰后期。由于人们会把自己对行业或者产品的预期寄托在技术之上，就会让技术承担太多的预期，这就导致技术在弱衰落之后，慢慢地到了泡沫期，最后再慢慢地趋于成熟。但其实任何一个技术都会有这样一个成熟度曲线，这就意味着对于场景落地，就是要把最合适的技术落在最合适的场景。

　　那么我们就应该把场景细分化，把它分解深入到用户的需求里面去。然后再把它拆解为哪些场景是偏向于技术可落地的，哪些场景偏向于不成熟的技术，随后再慢慢孵化慢慢落地。

　　好比人工智能，它其实也进行了分解。从最早的机器学习，到现在的深度学习、小样本学习、牵引学习以及知识图谱等等，任何一项技术它都需要在场景中不断的打磨和优化，才能得到场景的最佳应用。

　　所以对于技术落地这个话题，我认为各个行业的从业者都在践行这么一个原则——把最合适，最成熟的技术深入到场景里面去，然后找到最合适的场景进行最先落地，后面的场景然后慢慢孵化，这是我一些可分享的经验。

　　Q：如何看待明年的市场和商机？有哪些新的商机值得企业去关注？

　　紫光华智 苏佳：当下新冠疫情还未结束，城市中的社区、城管、水利、农田应该都将迎来新的发展点。另外，关于高速公路交通和机场，也拥有新的发力点和突破点。尽管目前AI其实已经慢慢落地开花，在很多场景中实现了落地，但新的机会点依旧还比较多。

　　比特大陆 汤炜伟：从云端来看，随着新基建的推进，国家力推的智能中心如大数据中心、智能计算中心以及城市大脑、智慧城市的一些建设，会出现大量大型、超大型的项目，随即对芯片硬件以及基础设施产生大量需求，这应该是很大的市场机会；其次，除了摄像头等视觉采集设备之外，广义的AIoT设备也将迎来快速增长。如各种传感器设备、移动设备上的激光雷达、超声波雷达、非可见光采集设备等等，这些设备将爆炸性的增长和部署；与此同时，在云和端不断发展之后，边缘计算将迎来海量的市场增长。因为云和端都变大了，而将千亿级的物联网终端直接数据、计算、存储直接对接云计算，是一件不现实的事情，并且云端响应延迟、上行带宽将是很大的瓶颈，所以边缘计算将实现“中部崛起”，迎来爆发的市场机会。一方面，边缘计算通过轻量级的智能分析、更低延迟、更易实施，减少上行网络压力、存储压力和计算压力，而另一方面，相比终端更强的AI能力和综合处理分析能力。总之，边缘计算带来系统方案的更优选择，带来整体效率提升成本下降，并且推动了云边端协同发展。