0
當你走入一家剛數字化升級過的商場，可能會發現比以前更容易逛到喜歡的店鋪。
你也可能完全沒發現，剛離開的面包店買起來比上次來順手是因為貨柜轉了90度。
還有可能，到了飯點你跟隨著人流就找到了新的美食。
這些變化的背后，是曾經只會統計人流、監測危險行為的AI攝像頭，已經智能到會“算計”商業綜合體。
攝像頭的智能升級，又源于視覺AI進入了全新的視頻大模型時代。
視頻大模型，讓AI的能力從小學生級別，躍升為教授級，零售、智能制造、城市管理、環境監測這些已經用上視覺AI的場景，將進入全新的視頻大模型AI時代。
那個最被人熟知的英特爾酷睿CPU和銳炫GPU組合而成的的英特爾視頻AI計算盒，就是進入全新視頻AI時代最容易獲取的鑰匙。
被AI「算計」的店鋪布局和貨架
傳統商業綜合體的布局和管理，依靠的是經驗。比如地下一層是超市餐飲，一層是化妝品、珠寶，二層是女裝、童裝，三層是男裝。
可消費者的習慣在變化，不同地區的消費者的消費偏好也不相同，經驗能發揮的作用在減小，AI的價值越來越明顯。
已經廣泛應用的AI攝像頭，能夠統計人流，也可以幫商場的顧客更快找回遺失的物品，但在吸引顧客和提升商場運營方面的效果還不顯著。
生成式AI時代的視頻大模型，讓零售行業的數字化再上一層樓。
北京楓藍國際購物中心副總陳鐵生頗有心得，擁有17年歷史的楓藍國際購物中心，經過了兩次轉型，第二次轉型引入了開域集團的數字化系統，能夠統計商場各個電梯和樓層的客流量，不同樓層的客流特點和消費需求，深入了解購物中心消費者對餐飲、零售的偏好程度。
有了更豐富的數據洞察，優化商鋪布局，調整商品種類和營銷策略就更加容易。
引入開域集團的數字化系統，楓藍國際購物中心從經驗管理向精細化管理轉變，也帶來了業績的增長，商場活動的到店量增長了兩成，銷售額增長了近三成。購物中心就這樣被生成式AI“算計”了。
能“算計”大型購物中心，視頻大模型也能“算計”店鋪、貨架。
連鎖烘焙品牌多樂之日的北京盈科店，也用上開域集團的數字化系統，借助新一代的視頻AI生成的顧客到店動線圖，發現約6成顧客在經過面包柜后會直接走向緊鄰的收銀臺，這導致了三明治柜臺的顧客相對較少。
運營團隊做了一個簡單的調整，把三明治展柜轉了90度，順應顧客的動線，持續數天的數據顯示光顧三明治柜臺的顧客有所增加。
這兩個案例都充分說明，開域集團數字化系統所使用的視頻大模型，與2018年后的新零售所使用的AI，已經發生了革命性改變，視頻大模型有更大的商業價值。
從傳統視覺AI到視頻大模型的全新時代
傳統的視覺AI算法之所以不能像視頻大模型一樣為包括零售在內的應用提供更具價值的數據和建議，主要還是技術存在局限性。
集成在傳統AI攝像頭里的算法CNN和RNN，一個能表征視頻內容，比如地點，人物；另一個能捕捉動態，比如視頻中人物的運動方向、軌跡，難以同時記住一個人以及其運動軌跡。
這就讓傳統AI視覺算法很難給商場或者面包店提供特定顧客的消費特點，幫助做出運營決策。
視頻大模型的Transformer架構，平衡了內容表征和視頻的動態，既能記住視頻中特定的人，還能記住這個人運動的軌跡。
這是算法的革新，傳統的CNN、RNN、LSTM算法就像是一個還不能觸類旁通的小學生，老師用大量的圖文教小學生知識，比如認識貓，但小學生辨別的時候，只要和老師教過的有明顯不同，就可能識別失敗。
并且傳統的AI算法的信息傳遞必須按順序進行，如果傳輸過程很長，信息會失真或丟失。
所以傳統的AI算法泛化性差，部署時要配備專業的AI團隊，面向不同場景分別進行訓練和部署，不僅耗費資源和時間，建設周期也極為漫長。
還有一個問題，傳統視頻AI方案要集中式部署，視頻流數據需要借助網絡傳輸至后端處理，海量的數據傳輸和數據安全面臨巨大挑戰。
泛化性差和需要集中部署都限制了傳統視覺AI的大規模應用以及商業價值的挖掘。
比傳統AI更進一步的生成式AI，就像是會自監督學習，且觸類旁通的大學生。
與小學生的學習過程截然不同，大學生不依賴老師的經驗進行自主學習，通過學習優質的資料（具有代表性的視頻，配有準確的自然語言描述），比如描述恰當的一只白色的貓躺在客廳沙發上，和大量質量不那么好的資料，比如一只灰色的貓在奔跑的視頻，對應描述是房間，大量學習之后，這個大學生能判斷出是一只灰色的貓在房間里奔跑。
Transformer不僅能自監督學習，得益于信息不需要按順序傳遞，還能根據上下文理解，這打開了視覺AI的新世界，能在更多場景里完成更多復雜的任務。
比如在購物中心，傳統AI的視頻搜索局限于限定關鍵詞，基于視頻大模型的解決方案，直接搜“找出穿白衣服的小男孩”等，很快就能完成搜索和定位。
得到結果的時間和準確性，很大程度取決于底層的軟硬件。
視頻大模型時代最觸手可及的軟硬件底座
相比一維的文字，二維的圖像，處理三維的視頻對于處理器有更高的要求，并且視頻大模型出現不久，非常考驗硬件對算法的快速適配。
全球范圍內廣泛應用的英特爾酷睿CPU和銳炫GPU構建的英特爾視頻AI計算盒，是當下部署視頻大模型不二的選擇。
其中的酷睿CPU處理器在視頻流讀取、數據分析等環節，能夠滿足視頻大模型方案在高速數據處理、計算機視覺和低時延確定性計算上的需求。針對復雜的工作環境，英特爾也對處理器的穩定性和可靠性進行了專門優化，保障24小時不間斷工作。
英特爾銳炫顯卡為視頻大模型中大量的推理任務提供算力支持。微架構中的Xe內核集成高帶寬矩陣引擎XMX，能夠對AI推理中常見的矩陣乘法和累加計算提供基于硬件的性能加速。
算力強大的硬件還不夠，OpenVINO工具套件保證了英特爾視頻AI計算盒能夠快速適配視頻大模型算法，并實現部署。
OpenVINO工具套件中基于 x86 內核指令集的推理引擎，能使用硬件指令集來加速AI推理。OpenVINO 工具套件還可對計算圖結構進行進一步優化，通過提升算子計算并行性等方式，提升視頻大模型方案的推理效率。
開域集團就是借助英特爾視頻AI計算盒的強勁算力，以及OpenVINO工具套件提供AI加速，構建視頻大模型的數字化商場解決方案，將視頻大模型能力有效下沉至包括視覺終端、數字工牌等在內的商場中的各類終端產品。
開域集團CTO趙宇迪說，“使用了銳炫GPU，通過OpenVINO和英特爾oneAPI工具包等工作套件，充分發揮了英特爾銳炫GPU在AI模型推理方面的潛力，使得模型遷移和部署更加簡單快捷，同時大幅提升了模型的推理速度。”
當然，開域集團也會借助英特爾視頻AI計算盒之外更多英特爾強大的軟硬件，充分發揮生成式AI的優勢，為零售、地產、園區等領域提供先進數字化解決方案，幫助用戶解鎖數字化轉型新密碼。
英特爾視頻AI計算盒還有一個非常顯著的優勢——兼容現有安防監控系統。
得益于英特爾視頻AI計算盒更具兼容性的設計，新方案可以便捷地接入大多數現有的安防監控系統，并快速完成部署和調試，比如攝像頭只需要一根網線即可完成數據傳輸和電力供給，大幅降低安裝維護難度。
在此基礎上，英特爾視頻AI計算盒的泛化性能實現更豐富的AI功能，支持更廣泛的場景。
視頻大模型落地的巨大商業價值
開域集團的解決方案是“云-邊-端”的架構設計，基于邊緣部署的視頻大模型讓系統避免了海量的網絡數據傳輸，使AI反應速度更快。
數據在邊緣測的英特爾視頻AI計算盒處理不上傳云端，也能夠保障數據安全和隱私。
加上開域集團在零售數字化領域的技術積累與豐富經驗，自研的算法與大模型相結合，不僅能幫助商戶優化門店布局，創新營銷策略，也能顯著提升商場和人員管理的效率。
比如可實現跨鏡完整識別“人”在空間內的行為軌跡，在保障個人隱私安全的前提下，實現客流人數/人次的精準統計，還可以無感分離導購、保安等非顧客行為對客流數據的影響。
不僅能實現流量統計、店鋪導覽等常見功能，還能實現店鋪吸引力、客流偏好、消費者分析、軌跡與熱力、停留時長、爬樓率等更多維度的數據洞察，從而實現更為精細化的商業運營和管理。
也能通過對消防通道占用、跌倒識別、非營業時間闖入、員工空崗、玩手機監控以及車流統計等多種情況進行自動化巡檢，幫助商場管理者和商戶降本增效。
視頻大模型擁有強大的泛化能力和自動處理能力，降低在商業綜合體中部署AI的工作量和成本，提高用戶處理突發事件能力，也能在地產零售、生產物流、園區管理以及城市管理等多個行業應用。
倉儲物流園可以通過攝像頭、傳感器等設備實時掌握車輛動態，優化物流效率消除安全隱患。
智能制造產線可以用視頻大模型方案自動識別設備故障的早期跡象，提前預警和維護。
解決城市管理中的交通擁堵，視頻大模型也能發揮更大價值，通過對歷史交通視頻數據的學習，掌握交通流量的變化規律并預測未來一段時間內的擁堵情況。
凍結的預訓練大模型就已經能夠實現如此強大的AI功能，接下來視頻大模型仍然會繼續演進，朝著理解更長視頻，適配更豐富的場景的方向發展。
無論算法如何演進，演進的速度多快，基于強大酷睿處理器以及銳炫處理器的英特爾視頻AI計算盒，以及OpenVINO和英特爾oneAPI工具包的生態，都是落地視頻大模型的基石。
更詳細的信息請查閱：https://www.intel.cn/content/www/cn/zh/internet-of-things/unlocking-new-password-for-digital-transformation.html 雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
