在3月发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要 》 中，“数字化”、“智能”，“智慧”相关表述多达82处，明确了要“打造数字经济新优势”，并提出“充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级”。

2021，新一轮数字化转型已触手可及。如何更紧密地拥抱大数据、人工智能等技术，释放被禁锢的价值，从新技术趋势中获益，无论对行业中的先行者或新晋者来说，都是绕不开的问题。

从场景引发需求，智能终端的普及构建了大数据的环境，技术的进步提供了算力的提升，而算法难点的攻克打通了理论到应用的通道，四者相互增强的同时，交付能力成为该四边形中决定稳定的重要线条。

AI赛道上冲出的一匹黑马——芯翌科技，正画下一条完美的对角线。

AI的崭新范式，从场景讲起

算法、算力、数据是业内一致公认的人工智能崛起的三要素。但这三者只是从技术角度来阐述AI的发展，只能满足AI基础技术发展所需的条件。要想让技术真正落地，还必须有一个前提条件，那就是应用场景。

人工智能早期应用和生活场景的结合比较少，而在如今，智能无处不在，场景的纵深相比之前有了很大扩充，一方面源于产品和场景的丰富、人类需求的升级提供了智能应用的场景，另一方面也源于生产效率已经走向一个瓶颈，倒逼生产力向智能化改造。

据朋湖了解，芯翌走的就是以数据为中心、技术与场景双轮驱动的路子。凭借在人工智能、数据治理、视频管理等领域的深厚技术积累，芯翌致力于为政企用户提供场景化的全链路人工智能行业解决方案，助力城市和产业的智能化转型和发展。目前，已在长三角及粤港澳大湾区等完成20余个项目交付，覆盖城运、商场、学校、港口、电力等多维场景。

在港口领域，芯翌开发的“港口安全生产管控系统”，从安全生产的角度出发，基于港口码头涉及的人、车、道路、设备、设施、安保力量及各类事件等对象的感知数据，提供港口进出人员人证核验、进出堆场人员管理、视频巡控、进出港口车辆管控、消防设施管理的功能。系统贴合港口场景，实现港口人员、车辆、消防、生产过程智能感知及安全管理。

在社会治安应用方面，芯翌开发的“社会治安防控系统”，秉承“治安防控识别圈”的职责任务和功能定位，打造了集多维采集、布控预警、态势感知、指挥调度、监督考核等功能为一体的多级治安管控系统，为各级系统和部门提供数据关联、实时比对、多维分析、可视化展示等数据服务和业务支撑。

芯翌打造的“视频指挥智能应用系统”，通过整合视频基础资源，构建视频标签体系，完善视频业务体系，提供视频调阅、标签标注、智能检索、预案编制以及一键上墙等功能，解决传统视频调阅方式反应慢、效率低、操作繁琐的问题，实现视频的高效智能化调阅，满足用户顶层决策到一线指挥的实战需求。这套系统在第三届进博会中也发挥了重要的作用。

向上辐射产品，向下支撑转型

芯翌向朋湖介绍，在最初建立产品体系时，就将“数据”坚定地摆在了C位。“迈过算法和算力，数据成为各家厂商必争之地，尤其是最消耗算力的视频资源。”芯翌产品副总裁王夷表示，“芯翌构建了视频赋能基座——视频全要素治理平台，作为切入各行业的基础平台，掌握视频入口，向下辐射人工智能产品和服务；同时向上可以用视频和视频计算来支撑行业原有业务升级转型及创新，或者形成和其他传统厂商不同的差异化行业解决方案”。 

芯翌在数据治理及数据智能方面，有着深刻的理解以及丰富的实战经验，具备视频以及相关数据的接入，存储，分析、融合，标注、转发，共享、运维的全链路能力，可构建顶层的视觉中枢系统。这样的产品能力，一般人工智能公司是不具备的。究其原因，人是关键。虽然芯翌的产品团队很年轻，但是团队成员却都是来自业内头部公司的具备丰富经验的产品设计、架构与开发人员，本身在业务理解与软件开发方面，都有丰富的经验。

聚焦交付，跃升体验

如何在资源投入不盲目扩大的前提下，既好又快地进行产品研发及交付，满足客户多样的个性化需求，是所有企业始终追求的目标。

可以看到，芯翌始终走在一条纵深化探索的道路，并不因盲目扩大行业布局而丧失聚焦的定力。先集中优势兵力，从熟悉的公共安全业务出发，与用户一起，打磨核心产品。

一旦选定方向，芯翌的产品团队便快速上阵，快速迭代形成基础产品的同时，通过研发一套集成框架，为项目交付提供了一致的部署方案，能够适配所有主流硬件框架，确保公司所交付的软件服务能够在各类异构硬件和网络环境中顺利部署，提升部署效率，减低技术风险。

2020年初，这款自带开发框架和集成环境的轻量级技术中台——叶舟平台 雏形初现，能够很好地支撑公司在城市治理、智能安防及工业互联网等各领域进行快速的产品研发和项目交付。

据朋湖了解，叶舟集成软件开发平台支持独立业务应用的动态集成，各业务应用的后端及基础设施可独立部署，平台在浏览器中提供通用架构，支持动态载入多个业务应用，并为载入的应用提供安全、可靠的数据通信能力，同时包含持续集成和持续交付（CI/CD）环境，实现应用开发中的高度持续自动化和持续监控。

“基于这种应用末端的集成模式，各异构的业务应用即可保留原有的结构和部署形式，又可以组合起来为用户提供整体服务。”王夷表示，通用框架内部不仅提供了通用的用户、权限、设备、日志等管理功能，还提供了浏览器中应用间的标准通信规范，包括数据缓存、消息推送等功能，使各业务应用仅需聚焦于特定的业务逻辑，这样一来便大幅提升了项目交付效率，配合视频全要素治理平台，可以快速构建以视频和算法为核心的场景应用系统。

例如对于智慧社区类项目，在开发过程中开发团队可直接复用叶舟平台提供的通用功能和相关服务，避免重复开发。团队仅需关注特定的社区业务需求，如房屋信息、社区人口信息等功能的开发，同时对于视频监控、地图渲染等其它领域常用功能，可直接从企业应用池中进行复用并进一步和特定应用进行深度集成。项目交付后其最终产出会回归应用池，将其能力进行沉淀和输出，作为其他类似项目的复用模块，使得场景应用开发形成良性循环。

平台的核心设计理念在于，对工程项目开发和交付整体过程进行支持，涵盖软件工程中设计、风格、部署、交付、维护等各个环节，并兼顾相关行业领域中先行的业务规范。

“相较于其它企业为提高项目交付而定制的同类型框架平台，叶舟平台的最大优势体现在兼容性与专业性共存，不会对项目开发团队所使用的技术栈、应用结构和部署形式进行限定，能够兼容各种形态的异构应用，适用范围更广。”

现阶段，跨平台通用开发框架主要面向各上层场景应用开发者，通过提供统一的代码级和模块级复用规范，使每个特定的应用场景定向转化，并在这一过程中不断积累，最终形成企业应用池，大幅降低研发周期。

“目前芯翌的所有场景应用产品，都是基于此框架进行开发，效果非常好。”王夷向朋湖表示，接下来，跨平台通用开发框架将运用“插件化”进一步提高适用性，当遇到特性应用场景通用功能无法适配时，通过替换为定制业务插件来实现更高的适配能力。

结语

纵观人工智能的发展脉络，深度学习算法通过对数据的内在规律和层次学习，使机器能够在特定领域获取与人近似的学习与活动能力；数据资源的爆发式增长通过积累形成庞大的资源基础，为人工智能发展提供充分“养料”；各类专用芯片和云计算技术为代表的软硬件发展则满足了深度学习的巨大计算需求，推动的发展和应用进入快车道......

在数字化、网络化大发展背景下，新一代人工智能快速发展，成为科技革命的核心驱动，联结各要素形成能力闭环的“交付能力”将不仅作为“加油站”成为加分项，更将化作“决胜点”成为必选项。

当下，人工智能正处于“AI产业化”向“产业AI化”升级阶段，即将到来的高达万亿规模的市场，无疑将是又一片偌大的蓝海。巨潮奔涌，且看芯翌。