2020年的安防圈，彷彿被按下了暫停鍵，專案停滯、融資緩慢、研發縮減，沒有人能預料到，中國安防的新十年，是以這樣的狀態開始，不少企業也以這樣的方式結束。
過去十年裡，近千家安防產業鏈廠商，經過無數次物競與天擇，僅留下數十家企業，擁有充沛的資金和技術儲備，迎接新十年。
站在安防新十年的這個節點之上，9月5日，由雷鋒網 & AI 掘金志主辦的第三屆中國人工智慧安防峰會，在杭州正式召開。
本屆峰會以「洗牌結束，格局重塑」為主題，會上代表未來新十年的15家企業，為現場1000餘位聽眾和線上幾十萬觀眾，分享迎接安防新十年的經營理念與技術應用方法論。
以下是本次大會的精彩回顧：
國際人工智慧聯合會首位華人理事會主席楊強：「聯邦學習下的資料價值與模型安全」
楊強在大會中指出，目前很多行業並沒有真正意義上的大資料，產學兩界都缺乏高質量、有標註、不斷更新的資料。
如何保證各方資料私密不外傳，又能保證資料更新？這就是分佈性資料隱私保護、聯合建模的挑戰和需求——把小資料聚合起來成為大資料。
加上現在人們愈發重視隱私，政府紛紛立法，對技術的監管趨嚴，聯邦學習正為保護隱私帶來了技術上的新思路。
如何理解聯邦學習？“邦”是指每個實體參與者地位相同，無論大小，提供的價值才是他們存在的意義；“聯”是用一種方式把它們聯合起來，保護隱私，一起做有意義的事情。
聯邦學習的宗旨是“資料不動模型動”，目標是“資料可用不可見”。資料可以用，但是這些原始資料是合作方彼此之間見不到的，所以一些散亂的小資料就可以成為虛擬的大資料。
楊強教授介紹稱，目前聯邦學習主要有橫向聯邦（樣本不同、特徵重疊）和縱向聯邦（樣本重疊、特徵不同）兩種做法，前者更適用於to C場景，後者適合to B場景。
他強調，聯邦學習和分散式AI、聯邦資料庫的區別在於：過去這二者的資料形態、分佈、表徵皆為同類，但在聯邦學習裡它們可以是異構的；且過去聯邦資料庫目的是平行計算、增加效率，但現在資料本身屬於不同的屬主，所以需要做加密情況下保護隱私的計算。
隨後，楊強也談到了聯邦學習在安防等領域的應用。此外，楊強團隊還推動制定世界上第一個聯邦學習國際標準，同時也釋出了開源平臺FATE，並且積極籌措聯邦學習聯盟，共建聯邦學習生態。
海康威視EBG解決方案部總裁李亞亞：「賦能數字轉型，服務千行百業」
李亞亞介紹，海康目前的業務主要分為三塊：綜合安防、大資料服務和智慧業務。
數字經濟和數字化轉型成為必然趨勢下，人工智慧交付問題依然面臨挑戰，難點有三：一是泛在需求，這是場景碎片化、需求差異化必然帶來落地難問題；二是複雜交付，涉及產品、施工、演算法最佳化、資訊系統打通、業務流程轉型等諸多問題。三是成本可控，關注投入產出比非常必要。
李亞亞認為，解決落地難，仍然是要回歸商業本質。要從產品的品質抓起，目的是讓各行業都享受到技術革新的紅利，透過場景化、差異化的問題解決，提升使用者的業務價值回報。
數字化轉型是一個逐步進階的過程，場景化是路徑，因此要透過系統的產品體系去支撐場景化應用。面向企業領域的數字化業務的開展和落地，海康威視從拉近管理距離，提升業務效率，規範作業行為，防範安全隱患四個維度出發為行業賦能。
海康威視秉持開放融合的合作理念，攜手合作夥伴，共同實踐數字化轉型之路；秉善篤行，不斷創新技術和產品賦能千行百業，為社會的安全和發展開拓新視界。
大華股份先進技術研究院院長殷俊：「AI 行業應用，產業升級」
殷俊認為，AI經歷了理論研究的1.0、智慧落地的2.0，目前處於行業智慧的3.0階段。
AI 1.0時期是“兩耳不聞窗外事，一心只讀聖賢書”，計算力不夠，資料有限，演算法不成熟；2.0階段是“紙上得來終覺淺，絕知此事要躬行”，演算法、算力有了突破，成熟的演算法尋找落地場景；3.0階段是“忽如一夜春風來，千樹萬樹梨花開”，行業最需要的不僅是一套演算法、一套系統，而是企業解決客戶痛點和需求的能力。
在行業智慧背景下，人工智慧需要具備的基礎能力包括：一是AI技術泛化、快速遷移新應用的能力；二是應用牽引，快速適配新需求的能力。
殷俊認為在3.0階段是應用主導個性化和AI解決方案的敏捷交付。在這個過程中，首先要構建人工智慧解決方案的端到端體系化能力，大華已經在四個方向做了重點佈局：系統架構、資料智慧、智慧工程化、智慧技術。
除了構建以上核心能力，大華還開放全棧能力，賦能行業生態，並在實戰中持續積累人工智慧核心技術，針對全場景理解、小規模資料、泛化能力、多工學習和AutoML等人工智慧的五大技術挑戰，開展實踐探索，並已取得實戰應用成果。
最後，殷俊強調，AI目前還是依賴人工為主，大華希望未來在行業共同努力下，能夠真正轉向AI的自我智慧，推動行業智慧化落地。
西部資料智慧影片產品首席技術官孫煜：「AI安防與儲存的變革」
孫煜提到人工智慧在監控行業的應用四個主要要素：晶片、軟體、儲存和廠商。
晶片不斷提升算力，並降低成本，軟體提供高效實用的演算法，海量資料需要被儲存才能被利用，廠商整合以上要素並落地。這個生態中，各方要素一起合作才能使得AI真正落地。
AI應用，使得影片監控的儲存架構從以前的端和邊，變為現在的端、邊、雲，連線方式雲化，其中，儲存器需要更高順序讀寫效能、更大的儲存容量、更高地隨機讀寫效能、更快地響應時間。
西部資料透過提供影片監控行業從終端到核心的儲存產品組合，協助影片監控行業的AI落地。
孫煜演示了西部資料專門為整個影片監控行業打造的從端、邊、雲的各個產品組合，以及專門隨時檢測硬碟監控狀態的軟體WDDA，Western Digital 裝置分析 (WDDA) 是 Western Digital 的監控最佳化儲存產品系列支援的全新裝置分析功能。WDDA使管理員能前瞻式地管理儲存裝置並保持效能最佳化，防止意外故障。
孫煜強調AI進入後傳統監控盤力不從心，系統廠商透過合併通道單碼流，順序地寫入，大大減少了硬碟的飛行時間和次數，把飛行機會轉移到資料庫訪問，提升儲存系統的效能。
西部資料認為提高資料利用率的關鍵，是告別簡單粗放模式，進行精細化的分層儲存策略，他們還建立起一套四層儲存架構體系：熱儲存、溫儲存、冷儲存、極冷儲存，分而治之，極大地提高資料利用效率。
商湯科技智慧城市事業群產品副總裁朱鑫：「AI 驅動城市智慧化變革」
數字化轉型的核心技術是雲計算、移動網際網路、物聯網以及大資料，更多是在於更高效的資訊組織，更順暢的一些資訊流動，以及更便捷的資訊訪問，從而去改善企業以及行業的效率，生產力是百分比提升。
智慧化變革，機器將取代人工，如此會形成一個自主的組織生產，最關鍵的是，隨著數字技術、晶片、摩爾定律以及雲計算能力相關規律影響，機器成本會持續下降，規模化後機器成本會趨向極低的成本。彼時對生產力的提升不是百分比，可能是倍數，甚至是指數級。
大量的城市物聯裝置、規劃的城市群，以及城市裡形成的大量人流、物流、車流、金融流、資料流，組成了城市網際網路。
朱鑫總結了城市網際網路市場下，真正推動一個城市智慧化變革的三大支柱系統。
一是新一代的聯網匯聚平臺。視覺資料是城市最豐富的資料資源，前端裝置收集的資料透過聯網匯聚，形成城市動態的資料資源池，動態資料經過AI系統處理後，成為城市資料資產。二是超級計算底座。每個城市需要一個新型的超算中心。三是城市級算法系統。系統有三大板塊：城市的主算法系統、城市級場景算法系統和透過融合、關聯、決策，形成一個完整的城市的算法系統。
商湯在這幾個支柱下面形成了一整套體系與方案，從最底層的基礎建設開始，從資料中心基礎設施到城市智慧的計算中心，再到城市智慧雲賦能中心，把整體算法系統能力都放在雲賦能中心。
宇視副總裁、首席架構師姚華：「AI 如何得到人民的好口碑」
姚華回顧了2018年提出的AI與安防的七座大山，並指出如今檢視資料全鏈路計算邏輯已經形成，AI在安防已經從0跨越過1。宇視的AI部署已經在從城市到郊區、鄉村，解決群眾的小事和瑣事。
業務狀態出現新挑戰，比如動態人口服務和管理難、案件有效線索率低。姚華列舉“宇視追影系統”應用的三個案例：疫情期間24小時找回出走口罩少女，男子沿街威脅案件，合夥扒竊案，以上成功案例中，最關鍵的技術是ReID（跨鏡追蹤）。
姚華指出，ReID應用有七大技術難點：第一，不同姿態、角度、解析度下的人體之間的匹配；第二，複雜場景、有遮擋，密集人群等場景下的匹配；第三，不同交通工具上的人體的匹配；第四，不同時間段以及著裝變化後的行人匹配；第五，跨攝像頭模態行人匹配；第六，目標行人著裝發生變化後的匹配問題；第七，在較小訓練集上匹配演算法訓練較為受限問題。
宇視聯合博觀（擁有國際三大主流ReID資料集、Vehicle ReID等世界紀錄的演算法公司），設計了基於現有樣本的GAN對抗網路，較好地模擬了人體的多角度、多姿態特徵。同時，輔以多種預處理演算法，極大地擴充了原始樣本基數，使得在較小訓練集上匹配演算法訓練受限的問題迎刃而解。
其次，宇視在演算法中採取結合全域性特徵和多尺度區域性特徵的混合向量提取解決方案，並在訓練中採用遷移學習，再者，對每個人體的區域性特徵進行重定位的匹配訓練，透過實現對人體區域性位置的精準定位，可將人臉識別與ReID聯動結合，解決跨鏡追蹤應用的諸多難點。
宇視追影系統釋出一週年，實戰應用落地中國百餘個城市和地區，實戰案例超1000個，找回走失人口100餘人，小微案件偵破率提升50%。最後，姚華用“好AI，為人民服務”結束：小案件是群眾的“天”，無論鄉村還是城市，AI幫助解決小案件難題，能讓我們尊重每一個微小的個體。
360城市安全集團副總裁、360視覺科技總經理邱召強：「360 以安全為基礎的 AI 技術與應用 」
邱召強表示，當行業在享受技術帶來當先進性時，360通常用逆向思維思考：一個新的技術產生的同時會帶來哪些安全隱患。
邱召強指出了數字時代的四個特徵：第一，一切皆可程式設計，也造成漏洞無處不在；第二萬物均需互聯，虛擬世界的操作帶來了物理真實世界巨大的災難；第三大資料驅動業務，資料一旦彙總，安全性難以保證；第四軟體定義世界，世界架構在軟體之上，脆弱性前所未有。
360在過去15年，總結和打造出了一套雲端的安全平臺。360安全架構是以安全大腦為核心，六大板塊，一個安全大腦，十個安全基礎設施，和一個運營的所發，一個專家的團隊，一個實戰演練機制和一個安全互通的標準。
背靠360城市安全集團，360視覺科技專注於人臉識別產品的開發和應用，打造出以大資料為基礎的視覺安全產品，包括了人臉識別門禁、人臉識別通道閘機、人證核驗裝置等智慧終端及針對辦公樓宇、酒店、商超、社群、學校，交通樞紐等場景解決方案，構建以安全為核心的智慧生態。
360安全賦予了360視覺科技獨特的競爭力。針對人臉識別終端裝置的安全，對核心庫和可執行性檔案進行核心加固、對程式碼加固、對應用程式加固，三重安全加固防護；此外，360視覺科技還獨創金鑰白盒技術，為人臉識別終端、雲平臺環境中的資料加密及公私鑰身份認證，全程金鑰無明文。
最後，邱召強展示了360視覺科技人臉識別硬體家族，以及智慧園區、智慧樓宇、社群安全、智慧校園、機場安防、智慧辦事大廳等幾大行業解決方案。
華為機器視覺領域總裁段愛國：「華為 HoloSens ，點亮智慧世界」
段愛國提出，一個真正的智慧世界有三個非常典型的特徵或者基礎框架技術：一是萬物感知，二是萬物互聯，三是萬物智慧。
在華為來看，萬物互聯、5G、光網路是華為的強項，華為機器視覺將成為華為在萬物感知的核心。
段愛國還認為，智慧世界向前邁進有三大核心技術：以全息感知為核心的機器視覺，以萬物互聯為基礎的移動無線通訊，以及萬物智慧的AI技術，2020年這三個技術開始合攏。
所以華為在2020年率先提出，所有的影片技術應該從人看向給機器看轉移，並正式把產品線更名為“機器視覺”，聚焦打造兩個核心的能力：一是前端的全息感知能力，二是在後端用資料驅動，反作用於物理世界，驅動於智慧世界。
4G的時代，以智慧手機為核心，出現了各種行業移動網際網路的應用。在華為來看，機器視覺就是5G時代的行業數字化的智慧手機。段愛國還提到，過去5年，AI的成本在下降，AI已經進入到普惠的時代，他預測未來兩年智慧攝像機一定會超過網路攝像機。
另外，華為將聚焦打造4個核心戰略產品和平臺：前端的軟體定義攝像機，後端的智慧影片儲存，類似於智慧手機應用市場的智慧演算法應用商城，以及華為機器視覺雲服務。
在此基礎上提出四大戰略策略：戰略一，積極投入全棧全場景的AI研究；戰略二，重構產業架構，加速智慧化升級；戰略三，平臺+生態，賦能千行百業；戰略四：端邊雲協同，深度資料探勘。
最後他強調， 會將開放進行到底，未來的智慧世界很複雜，華為不可能一個人包攬全部的工作，希望大家一同成長。
曠視副總裁那正平：「城市大腦的條與塊」
那正平表示，城市治理數字化、智慧化浪潮中，無論是智慧城市、城市大腦還是數字孿生概念，核心思想都是透過物聯網、人工智慧等技術，準確發現城市執行的內在規律，從而進行動態最佳化調節，解決城市面臨的安全、出行、環境、產業升級等諸多問題，最終提升城市治理水平。
那正平歸納出做好城市大腦和城市大腦的作業系統的幾大要點：深入研究城市發展規律；探尋業務本質；先具象再抽象；腳踏實地，長期主義。
曠視透過分析城市空間和管理物件，指出城市的日常運作管理需要秉持以人為本核心，城市大腦應圍繞條塊結合的方式實現綜合管理，實現條、塊、腦、OS的協同。
城市大腦中的條應用總量少，單體規模大、高併發、資料壁壘強；而塊總量大、IoT種類多，低併發、資料壁壘低，整合聯動潛力大。
基於此，曠視提出：構築城市大腦需要先圍繞“條”和“塊”打造城市級的超級應用，驗證產品、實現單一場景閉環，從而形成具有曠視特色的軟體和硬體產品矩陣，最終逐漸沉澱出城市級和建築級AIoT作業系統，實現城市物聯網的閉環。
曠視認為，人工智慧產業現在處於並將長期處於初級階段，我們必須正視並不能超越這個初級階段。第二，人工智慧產業的主要矛盾是市場日益增長的多樣化需求同落後的演算法生產力之間的矛盾。
雲從科技安防行業部總經理李夏風：「人機協同平臺，助推社會治理現代化升級」
雲從認為人機協同有三部分：人機互動、人機融合、人機共創。
人機協同中，各個行業的專家、以機器代表的AI知識服務和使用者，三者形成一個閉環，首先專家把知識賦能給機器，機器轉換成智慧化產品並提升客戶的體驗，使用者從中反饋出個性化的需求，後續提升專家的效率並反哺到產品或服務中。
雲從人機協的落地透過三部分實現：智慧化終端裝置收集資料，同時也是人機互動的入口，雲端大腦是整個資料的彙集、分析、提煉的中樞，當資料大腦經過分析，形成相關的服務後，透過嵌入式的模組，即AI平臺，實現人機協同在各個場景落地。
而AI訓練平臺融合資料智慧標註、OCR訓練、影象訓練、NLP訓練、影片結構化訓練於一體，根據場景資料，生成符合行業需求的AI模型演算法。雲從的智慧解析引擎具備軟硬解耦特性，可以適配國有自主晶片，還能實現效率和使用維度的極大地效能提升。
基於雲從的資料分析引擎，提供面向資料全生命週期的分析、挖掘及應用服務，完成資料到知識的價值轉換，賦能各業務場景應用。
具體來說，匯聚感知資料，打造資料探勘基礎，融合業務資料，靈活定製生成各類標籤，拓展業務物件，並依託認知資訊，形成各類專家的決策，為決策提供有力的支撐，最後，依託視覺化專家建模，固化專家經驗模型，積累與傳承業務知識。
從資料到知識是資料價值挖掘的必經之路，目前大部分資料資源沒有得到充分利用，雲從的知識生產與服務平臺KaaS，透過將標籤、機器學習等知識模型化、線上化，加上AI 引擎， 變資料/經驗為線上知識。
透過資料智慧模型為核心的知識體系構建實現從多維資料中挖掘隱形事件背後的關聯關係及規律現象，服務於風險防控、態勢預測、行為畫像、虛擬軌跡等各類實際業務決策。
位元大陸AI業務線CEO王俊：「安防新基建，AI 芯智慧」
王俊認為，當市場容量足夠大時，總是會催生出更專注的產品，因為越是專注的產品，越容易獲得更高的效率，隨著AI市場的爆發，AI的計算硬體亦是如此。過去大家用GPU來取代CPU提供AI算力，現在正是從GPU切換至TPU或其他AI專用晶片以獲得更高效率的時代。
位元大陸算豐自研的TPU，覆蓋了雲、邊、端，專注於深度學習計算，相對於CPU和GPU，在獲得更高效能的同時，還具備更高的價效比和更低的功耗。安防行業已經完成了從看得見到看得清，看得清到看得懂的階段，而未來在更多專用AI晶片加持下，可繼續實現看得快、看得起。
王俊還提到，位元大陸算豐業務堅持專注、開放、合作共贏的理念，專注AI晶片及其相關硬體的研發，同時開放各個層次的軟體介面方便各種演算法的接入和最佳化，力求和各個演算法、應用等合作伙伴緊密合作，共同打造完整的AI解決方案。
同時，他們會打造基於位元大陸算豐晶片的算力平臺，提供資料、演算法、應用的統一管理，這樣不同的應用需求，基於不同深度學習框架的不同演算法方案，都可簡單、高效的執行在該算力平臺上。使用者可自由選擇最合適的方案，接入資料，並獲得智慧分析的結果。如此，在真實的場景中，無論是人臉識別、影片結構化這樣單一的應用，還是城市大腦這樣的綜合方案，位元大陸都可基於該平臺，聯合合作伙伴，提供統一、高效、易用的AI算力服務。
澎思科技副總裁曲瀚：「AIoT 新基建，加速人工智慧進入普惠時代」
澎思科技認為人工智慧新基建的一個核心就是AI的基礎設施化，分為技術基礎設施和融合基礎設施。
在此趨勢下，智慧城市和AI安防將成為新基建的最佳試驗場。另外，AI安防也逐漸發展到了第二階段，AI在To B領域的發展開始從單一的場景向全社會各個領域延伸，每個細分的場景都展現出不同的AI服務需求，未來就是服務為王的時代，誰能夠快速精準地把握住客戶的需求，誰就能夠在未來的競爭中快速勝出。
曲瀚指出，AI普惠的產品有兩個核心要點：一是極致產品體驗，二是場景化的解決方案能力。實現AI普惠的終局在於四個方面：第一，萬物智聯，所有的AI終端實現線上化。第二，推動AI演算法向通用智慧演算法演進，降低機器學習的成本，提高泛化能力。第三，構建一個豐富的產品生態。第四，場景的聯動和重塑。AI不是一個孤立的系統，需要和客戶的其他系統做連線和聯動，才能使得場景服務變成一個主動智慧的服務。
澎思基於對普惠AI的理解，構建了澎思AIoT生態平臺，包括四個關鍵的能力：第一，智慧檢視大腦。演算法會從雲、邊、端三個維度全鏈條嵌入。第二，全系列自研的智慧邊緣裝置。第三，打造雲端智慧服務的開放平臺。第四，後端建立資料管理平臺，使得資料在AI、硬體以及雲服務能夠充分地流動，實現業務和訓練資料的並軌。
曲瀚還表示，普惠AI最核心的是演算法能力，這是整個AIoT業務的底座，澎思的演算法在雲端和邊緣端都走在世界的前列。
最後，曲瀚還重點介紹了在智慧城市「新基建」中，澎思在城市公共安全與治理、人居場景智慧化兩大場景中的落地情況，以及深度參與新加坡等海外市場智慧城市的建設經驗。
的盧深視CEO戶磊：「大庫時代，落地千萬級刷臉系統的技術剖析與建庫經驗」
戶磊提到，大庫時代，金融支付、交通等眾多場景亟需千萬級精準人臉識別技術方案。目前行業內現有方案為多引擎，多層級，分庫管理模式，系統複雜、軟硬體開銷大、成本高、效率低。
因此理想的大庫識別方案應該具備以下幾點：精準，萬億分之一誤識別率，千萬級別底庫，魯棒性好，高度相容性，以及價格適宜。而的盧深視是全國首個建立省級規模三維人像資料庫的AI公司。
的盧深視的千萬級精準識別的刷臉系統具有幾大關鍵技術點。
系統架構，分為三個層次，由前端多維智慧感知系統、千萬大庫雲端中臺和多模態關聯分析與預測組成。
其中高效能三維人臉識別演算法與前端相機深度整合，降低後端計算開銷，中臺支撐千萬級大庫人臉的建庫、清洗、檢索，適配度高、效率高，多模態架構的相容性好，分析預測環節基於大資料的邏輯推理，時空軌跡關聯分析，將2D/3D人臉、人體、物品、時間、地點等多維大資料融合，深度挖掘資料之間的關聯性，實現預測與預警。
其次是技術架構。核心演算法層，其中最重要的是3D演算法層；平臺技術層，包括後端的技術，包括通訊計算、協同最佳化等等技術；業務中臺，對資料接入、資料管理、資料清洗、優選，而後融到庫裡面進行資料同步，最終支撐各種各樣應用。
再者，的盧深視建立三維資料標準及評價打分體系，這是後續進行三維應用的基礎，的盧深視對於各種資料類別，均提供資料質量要求及評價標準。
戶磊還總結了的盧深視3D識別的優勢：
準確率高，保證精度不損失的情況下，突破了三維人臉識別的量化技術，最終可以實現在千萬級庫上面秒級的反饋結果，可以保證萬億大庫下的高準確率 。
魯棒性好，實現了深度圖和紅外圖的識別，不受光線影響，包括大角度、濃妝識別的準確率，能夠融入15到20度大的角度的差異。
安全性高，尤其對於活體檢測，能夠實現2D平面偽裝攻擊方式100%防禦。
平安科技副總工程師王健宗：「聯邦智慧——智慧城市的突圍之道」
目前，人工智慧在移動網際網路、雲計算、大資料、IOT、5G等新技術的驅動下得以迅猛發展， 不過在AI技術落地時總是有所欠缺，即人工智慧通用演算法在本地化部署過程中所面臨的資料困境，而這一塊恰恰是相關行業或企業所缺乏的。
王健宗認為，其資料困境主要是三點：資料孤島、法律法規監管日趨嚴格，以及傳統AI技術模式下的限制。
聯邦智慧是以聯邦學習為龍頭，同時涵蓋聯邦資料部落、聯邦推理、聯邦激勵機制，共由四部分組成。面對目前日益苛刻的資料安全隱私的問題，透過構建聯邦學習的技術核心，建立聯邦資料部落，實現具備隱私保護的聯邦推理，並以聯邦激勵機制為紐帶形成一個完整的AI生態格局，從而打破資料壁壘，使人工智慧發展邁向新階段。
其中，聯邦學習是隱私保護下的分散式機器學習技術，以及“資料孤島問題”的解決方案。聯邦資料部落，在確保資料安全及使用者隱私的前提下，建立基於聯邦智慧的大資料部落生態，充分發揮各行業參與方的資料價值，推動垂直領域案例落地。聯邦推理，在一個隱私與安全的鏈路過程中，發揮著引擎模型的聯邦推理作用。聯邦激勵機制，它的核心是一個遵循基本準則的閉環學習機制，透過聯合建模協議達成、貢獻度評估、激勵及資金劃定等環節，吸引外部企業參與，加入聯邦智慧生態。
平安的蜂巢聯邦智慧平臺。在整個平臺中，蜂巢依託平安集團這一綜合性集團背景，能夠提供智慧金融、智慧城市、智慧醫療商用級的一站式解決方案，希望能夠以此啟用資料價值，這也是整個平臺的使命。蜂巢平臺的目標是跨企業、跨資料、跨領域，實現整個大資料AI生態。此外，它在營銷、獲客、定價、風控、智慧城市等等方面推出了相關的解決方案。
最後，王健宗總結道，聯邦智慧作為樞紐，將會為智慧城市的未來提供更多新的機會。同時，隨著公民隱私安全意識的不斷加深，它將更好地為公眾帶來高品質的個性化服務，並在當前新基建的背景下，立足於資料，依託聯邦智慧生態，加速精細化服務時代的到來，這也是聯邦智慧的機會。
靈伴科技公共安全事業部總經理劉葉飛：「安防新十年，AR 來主宰」
劉葉飛表示，十年前安防行業有三大資訊化執法終端：對講機、執法記錄儀、身份證閱讀器，應用場景主要是核查、監控、指揮作戰，這是一個非常簡單的一體化防控體系。但這個場景存在一些問題，比如依賴個人能力、盲區多效率低、安全性不高。
劉葉飛認為AR在智慧安防領域有獨特優勢，比如第一視角顯示，融合現實世界，人機互動自然，資訊傳遞準確。AR技術如果運用到智慧安防領域，在未來的十年，AR+AI必定推動整個安防市場。
杭州靈伴科技成立於2014年，從做語音識別、語音互動起家，隨後過度到視覺互動，主要體現在AR層面，在2020年，靈伴推出了全球首款光波導形態的AR智慧眼鏡。
他還現場展示了靈伴科技在全球首款可量產的光波導智慧眼鏡，可摺疊，小巧輕便。基於光波導優質的顯示效果，可以不影響正常視線的情況下與外界進行互動。
劉葉飛還介紹，這款智慧AR眼鏡具有人臉識別、紅外測溫、車牌識別、執法記錄、資訊推送、遠端指揮等等功能，相當於取代三個資訊化執法終端所有的功能。除了安防行業，還可在智慧園區、大型安保活動、監獄、海關/邊檢、軌道交通、機場等多種場景使用。此外，靈伴科技在博物館、兩會、疫情防控等場景下的均有落地案例。
大會演講環節結束後，峰會進入到安防「新十年」頒獎環節。
AI與安防的融合，經由2018年的靜水深流、2019年的混沌廝殺，2020年的技術研究與方案落地將會更為清晰、成熟。
身處產業臨界節點，雷鋒網AI掘金志啟動安防「新十年」評選活動。
雷鋒網AI掘金志從商業維度出發，基於對AI安防產業四年的調研和資源積累，並聯合政、企、學、投資四界的評選委員，致力於尋找廣受市場認可的企業、產品，尋找人工智慧在各個行業的最佳應用。
五大城市代表企業榜
五大最佳行業解決方案榜
引領未來十年的五大新基建企業榜
