在3月發佈的《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》中，“數字化”、“智能”，“智慧”相關表述多達82處，明確了要“打造數字經濟新優勢”，並提出“充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級”。
2021，新一輪數字化轉型已觸手可及。如何更緊密地擁抱大數據、人工智能等技術，釋放被禁錮的價值，從新技術趨勢中獲益，無論對行業中的先行者或新晉者來説，都是繞不開的問題。
從場景引發需求，智能終端的普及構建了大數據的環境，技術的進步提供了算力的提升，而算法難點的攻克打通了理論到應用的通道，四者相互增強的同時，交付能力成為該四邊形中決定穩定的重要線條。
AI賽道上衝出的一匹黑馬——芯翌科技，正畫下一條完美的對角線。
AI的嶄新範式，從場景講起算法、算力、數據是業內一致公認的人工智能崛起的三要素。但這三者只是從技術角度來闡述AI的發展，只能滿足AI基礎技術發展所需的條件。要想讓技術真正落地，還必須有一個前提條件，那就是應用場景。
人工智能早期應用和生活場景的結合比較少，而在如今，智能無處不在，場景的縱深相比之前有了很大擴充，一方面源於產品和場景的豐富、人類需求的升級提供了智能應用的場景，另一方面也源於生產效率已經走向一個瓶頸，倒逼生產力向智能化改造。
據朋湖瞭解，芯翌走的就是以數據為中心、技術與場景雙輪驅動的路子。憑藉在人工智能、數據治理、視頻管理等領域的深厚技術積累，芯翌致力於為政企用户提供場景化的全鏈路人工智能行業解決方案，助力城市和產業的智能化轉型和發展。目前，已在長三角及粵港澳大灣區等完成20餘個項目交付，覆蓋城運、商場、學校、港口、電力等多維場景。
在港口領域，芯翌開發的“港口安全生產管控系統”，從安全生產的角度出發，基於港口碼頭涉及的人、車、道路、設備、設施、安保力量及各類事件等對象的感知數據，提供港口進出人員人證核驗、進出堆場人員管理、視頻巡控、進出港口車輛管控、消防設施管理的功能。系統貼合港口場景，實現港口人員、車輛、消防、生產過程智能感知及安全管理。
在社會治安應用方面，芯翌開發的“社會治安防控系統”，秉承“治安防控識別圈”的職責任務和功能定位，打造了集多維採集、布控預警、態勢感知、指揮調度、監督考核等功能為一體的多級治安管控系統，為各級系統和部門提供數據關聯、實時比對、多維分析、可視化展示等數據服務和業務支撐。
芯翌打造的“視頻指揮智能應用系統”，通過整合視頻基礎資源，構建視頻標籤體系，完善視頻業務體系，提供視頻調閲、標籤標註、智能檢索、預案編制以及一鍵上牆等功能，解決傳統視頻調閲方式反應慢、效率低、操作繁瑣的問題，實現視頻的高效智能化調閲，滿足用户頂層決策到一線指揮的實戰需求。這套系統在第三屆進博會中也發揮了重要的作用。
向上輻射產品，向下支撐轉型芯翌向朋湖介紹，在最初建立產品體系時，就將“數據”堅定地擺在了C位。“邁過算法和算力，數據成為各家廠商必爭之地，尤其是最消耗算力的視頻資源。”芯翌產品副總裁王夷表示，“芯翌構建了視頻賦能基座——視頻全要素治理平台，作為切入各行業的基礎平台，掌握視頻入口，向下輻射人工智能產品和服務；同時向上可以用視頻和視頻計算來支撐行業原有業務升級轉型及創新，或者形成和其他傳統廠商不同的差異化行業解決方案”。
芯翌在數據治理及數據智能方面，有着深刻的理解以及豐富的實戰經驗，具備視頻以及相關數據的接入，存儲，分析、融合，標註、轉發，共享、運維的全鏈路能力，可構建頂層的視覺中樞系統。這樣的產品能力，一般人工智能公司是不具備的。究其原因，人是關鍵。雖然芯翌的產品團隊很年輕，但是團隊成員卻都是來自業內頭部公司的具備豐富經驗的產品設計、架構與開發人員，本身在業務理解與軟件開發方面，都有豐富的經驗。
聚焦交付，躍升體驗如何在資源投入不盲目擴大的前提下，既好又快地進行產品研發及交付，滿足客户多樣的個性化需求，是所有企業始終追求的目標。
可以看到，芯翌始終走在一條縱深化探索的道路，並不因盲目擴大行業佈局而喪失聚焦的定力。先集中優勢兵力，從熟悉的公共安全業務出發，與用户一起，打磨核心產品。
一旦選定方向，芯翌的產品團隊便快速上陣，快速迭代形成基礎產品的同時，通過研發一套集成框架，為項目交付提供了一致的部署方案，能夠適配所有主流硬件框架，確保公司所交付的軟件服務能夠在各類異構硬件和網絡環境中順利部署，提升部署效率，減低技術風險。
2020年初，這款自帶開發框架和集成環境的輕量級技術中台——葉舟平台雛形初現，能夠很好地支撐公司在城市治理、智能安防及工業互聯網等各領域進行快速的產品研發和項目交付。
據朋湖瞭解，葉舟集成軟件開發平台支持獨立業務應用的動態集成，各業務應用的後端及基礎設施可獨立部署，平台在瀏覽器中提供通用架構，支持動態載入多個業務應用，併為載入的應用提供安全、可靠的數據通信能力，同時包含持續集成和持續交付（CI/CD）環境，實現應用開發中的高度持續自動化和持續監控。
“基於這種應用末端的集成模式，各異構的業務應用即可保留原有的結構和部署形式，又可以組合起來為用户提供整體服務。”王夷表示，通用框架內部不僅提供了通用的用户、權限、設備、日誌等管理功能，還提供了瀏覽器中應用間的標準通信規範，包括數據緩存、消息推送等功能，使各業務應用僅需聚焦於特定的業務邏輯，這樣一來便大幅提升了項目交付效率，配合視頻全要素治理平台，可以快速構建以視頻和算法為核心的場景應用系統。
例如對於智慧社區類項目，在開發過程中開發團隊可直接複用葉舟平台提供的通用功能和相關服務，避免重複開發。團隊僅需關注特定的社區業務需求，如房屋信息、社區人口信息等功能的開發，同時對於視頻監控、地圖渲染等其它領域常用功能，可直接從企業應用池中進行復用並進一步和特定應用進行深度集成。項目交付後其最終產出會迴歸應用池，將其能力進行沉澱和輸出，作為其他類似項目的複用模塊，使得場景應用開發形成良性循環。
平台的核心設計理念在於，對工程項目開發和交付整體過程進行支持，涵蓋軟件工程中設計、風格、部署、交付、維護等各個環節，併兼顧相關行業領域中先行的業務規範。
“相較於其它企業為提高項目交付而定製的同類型框架平台，葉舟平台的最大優勢體現在兼容性與專業性共存，不會對項目開發團隊所使用的技術棧、應用結構和部署形式進行限定，能夠兼容各種形態的異構應用，適用範圍更廣。”
現階段，跨平台通用開發框架主要面向各上層場景應用開發者，通過提供統一的代碼級和模塊級複用規範，使每個特定的應用場景定向轉化，並在這一過程中不斷積累，最終形成企業應用池，大幅降低研發週期。
“目前芯翌的所有場景應用產品，都是基於此框架進行開發，效果非常好。”王夷向朋湖表示，接下來，跨平台通用開發框架將運用“插件化”進一步提高適用性，當遇到特性應用場景通用功能無法適配時，通過替換為定製業務插件來實現更高的適配能力。
結語縱觀人工智能的發展脈絡，深度學習算法通過對數據的內在規律和層次學習，使機器能夠在特定領域獲取與人近似的學習與活動能力；數據資源的爆發式增長通過積累形成龐大的資源基礎，為人工智能發展提供充分“養料”；各類專用芯片和雲計算技術為代表的軟硬件發展則滿足了深度學習的巨大計算需求，推動的發展和應用進入快車道......
在數字化、網絡化大發展背景下，新一代人工智能快速發展，成為科技革命的核心驅動，聯結各要素形成能力閉環的“交付能力”將不僅作為“加油站”成為加分項，更將化作“決勝點”成為必選項。
當下，人工智能正處於“AI產業化”向“產業AI化”升級階段，即將到來的高達萬億規模的市場，無疑將是又一片偌大的藍海。巨潮奔湧，且看芯翌。