最后非常重要的一点是，我们要在后面做非常好、深入的大数据分析，不光是基于视觉图像，而是要把多模态、大规模的数据放进来，比如通信记录、电子邮件、微信微博、车辆轨迹、消费记录等等都结合起来，在应用层面做非常深入的挖掘。

　　而在这三个方面中，硬件也面临很多挑战，但随着时间的推移，是一定会解决的。单纯的算法，我觉得已经比较接近于极限了。深度学习进展很快，今天算法的主要瓶颈，就在数据上。我们发现，拍摄清晰的照片，基于同步算法，效果立刻变得很好；拍摄效果很糟的照片，算法很难提升照片的效果。所以，我觉得这部分进展的空间越来越小，除非有大规模理论上的突破。而大数据，今天则是还处于刚刚起步的阶段。

　　而这三个领域，都不是传统的安防厂商所擅长的。这些问题不可能被一家都公司解决，甚至我可以下定论，不可能被一家创业公司解决。应该是很多公司在不同的地方发力，一起去解决。这里面有很多机遇，这也是为什么我们集中力量主攻安防领域的原因。

　　格灵深瞳皓目行为分析仪

　　数据挖掘将是接下来的主战场

　　关于格灵深瞳，在硬件方面，去年10月，我们推出了“深瞳人眼摄像机”。它采用公司独创的像素动态瞬时分配技术，可以在很短的时间内将局部画面的有效像素提升百倍以上，整体画面可以达到数亿等效像素。现在我们面临的挑战主要是成本、稳定性、可靠性、出货能力等几个方面，但是要解决这些，对我们来说只是时间的问题。

　　算法我们也已经有了，现在格灵深瞳要做的，是向下切软件、向上切大数据。我们如果要把大数据做好的话，就要密切切进用户场景里去，而不能只把自己当成一个标准产品的提供商。

　　在其中，存储也是一个重要的问题。很多人觉得储存简单，但当智能化在安防领域发生后，视频数据的内容，转化成了大量的结构化数据，但你不能把结构化的数据推给客户，数据仍然是海量的。以前是海底捞针，现在把海里所有的针捞出来，但只有一根针是用户想要的，你放了一车皮的针，也是很难找。结构化储存的行为跟视频完全不一样，这对文件系统和数据系统都提出了新的挑战。

　　直到现在，业内都找不到一个很靠谱的方案，处理超过1000路人脸识别产生的数据和检索。这是个新的挑战，必须跟大数据公司合作，去解决这个问题。

　　其实安防领域跟医疗领域，都是比较窄的领域，它们的核心问题就是人。而解决人的问题，首先就需要更多的数据。要把人看清楚，对传感器要求很高，我们就去解决智能硬件的问题，前端做智能硬件，然后是人脸识别的算法、人体比对的算法，我觉得进步都很快。但当我往未来看的时候，我反而觉得它们进步的空间越来越小。主要还是大数据，我觉得这个领域在安防行业几乎还是一个空白。如果把格灵深瞳的威目当成一个车辆大数据，那么“人”的大数据，就是我们现在正在做的东西。

　　我们今年会出新的成果，会做更多试点，这是一个平台诞生的过程。我预想过10年后这个平台的样子，现在来看可能和科幻一样，但它今天还只是刚刚开始。

　　我感觉，我们和一年前相比，眼界已经完全不一样了。去年的时候我们在讨论算法、算法、算法，相机、相机、相机，但到了去年年底的时候，我们的讨论重点已经集中在平台、大数据挖掘上了，要具体帮客户解决问题。

　　数据挖掘，将是接下来安防领域的主战场。

　　格灵深瞳人眼摄像机

　　格灵深瞳人眼摄像机原理

　　格灵深瞳的人眼摄像机在去年10月已经发布了。它是基于仿生学原理，把运算和光学结合在一起，50米距离范围内可以展现出更为清晰可识别的人脸，100米范围内可以保证看清楚全身的主要特征。