ZNV力维副总裁曾涛
中国公共安全：随着技术革新与行业的融合发展，ZNV力维在过去一年也在寻求转型和二次创业，目前ZNV力维对自身的定位是什么？主要关注的业务领域是否有所调整？
曾涛：2018年，公司立足“二次创业”，明确提出了AIoT战略，将公司定位为领先的AIoT产品与解决方案提供商，致力于AIoT技术的创新与“AIoT+行业”的落地应用，不断将AIoT赋能到公共安全、智慧城市和智能运维行业。公司已成功转型为以泛在数据连接与泛在数据融合使能为核心技术能力的AIoT企业。
在安防领域，在过去的十几年中，ZNV力维参与了300多个平安城市与雪亮工程的建设，积累了丰富的技术能力与项目经验。在智慧城市领域，作为智慧社区领导企业，ZNV力维助力上海市浦东新区建设“浦东城市大脑”，细化“神经元系统”，习总书记亲临现场，并肯定了浦东的城市治理创新实践。在智能运维领域，ZNV力维在电信行业深耕24年，并积极拓展媒体广告运营商和末端物流运营商市场，广泛服务于阿里巴巴、中邮智递、东方天呈等公司，目前已经成长为智能运维（AIOps）领域的头部企业。
2019年，伴随着5G应用元年的到来，ZNV力维基于泛在数据连接、泛在数据融合、分析与使能的技术能力以及复杂系统组网与集成能力，公司持续将AIoT技术赋能到安防、智慧城市与智能运维三大行业，为全球70多个国家及地区提供有竞争力的产品和解决方案。
中国公共安全：2018年，一大批安防企业纷纷投身AI人工智能浪潮，而真正成功的落地应用还非常少。虽然AI落地到安防领域的实际应用中来很难，但经过一些企业持续的努力，这个难关已经不太可能难倒有能力、有决心、有眼光的企业了。2019年将是AI在安防行业应用中全面落地开花的年份。ZNV力维在2019年AI安防落地应用方面情况如何？
曾涛：AI和安防的结合已经是重要的潮流。作为公共安全产品创新先锋，ZNV力维基于视频、物联网、大数据等领域的技术积累，与人工智能技术深度结合，创新推出了集缉查布控、定位抓捕、告警预处理、智能分析、智能审讯为一体的智能办案解决方案。此外，通过引入并优化大数据技术对人脸数据的处理机制，将系统对海量人脸数据的搜索能力提升到了亿级数据、秒级检索的量级，ZNV力维已成为人脸识别领域的主流厂家；结合机器视觉、深度学习及生理与心理识别技术，推出情感识别与智能审讯大数据系统，助力公安构建高效、智慧的情报研判与智能审讯系统。目前，ZNV力维的人工智能安全产品和解决方案已陆续在上海、深圳、重庆等地部署。
中国公共安全：作为新型智慧城市解决方案的践行者，力维致力于为客户提供从顶层设计到建设实施及运维运营的全流程服务。ZNV力维在智慧城市领域有何重要项目进展？
曾涛：近期，作为智慧社区头部企业，ZNV力维助力上海市浦东新区建设“浦东城市大脑”，细化“神经元系统”，努力实现城市管理的科学化、精细化、智能化水平，提高对群众需求和城市管理问题的感知能力、对城市运行趋势和问题演化研判能力、对城市各类事件和疑难问题的处置能力，实现“像绣花一样精细的城市管理”。浦东新区智慧社区实践成功入选了智慧城市“红宝书”《数字中国——智慧城市高质量案例精选》一书。公司荣获了“智慧城市建设推荐品牌”、“中国智慧城市创新应用金奖”、“智慧社区建设优秀解决方案”等殊荣。
2019年，ZNV力维将进一步积极布局一二线重点城市，如深圳、北京、天津等地。
中国公共安全：安防是一个持续更新的产业，无论是底层技术、产品门类，还是渠道、安防产业链在近两年的扩展是愈发明显了。您如何理解产业创新，以及力维近年来是如何创新？
曾涛：安防产业的模式主要是2B和2G市场。从参与者的层面来看，安防产业近年的扩展主要表现在，互联网巨头和非传统安防龙头企业都在进入安防市场。AI与安防的结合不可逆转，AI可能会为安防发展带来革命性创新。如何利用AI技术，结合实际业务应用场景，产生更丰富、实用的算法模型赋能安防实战业务。又如，ZNV力维研发推进的心理情绪识别等技术，这些新技术的应用会不断提升安防领域的技术边界和方案能力。
当然，所有的创新，本质上还是要解决客户需求及痛点。ZNV力维会结合自己的技术特点与优势，找到更好的切入点，结合业务场景为客户解决实际问题。
近年来，ZNV力维通过科创课题，如《基于智能硬件的低功耗边缘AI算法及模型研究》、《基于AI技术的超大规模视频大数据分析关键技术研究》；通过工程项目，如“上海浦东城市大脑项目”、“银川智慧社区项目”等；通过产学研生态构建，如与清华大学、北京大学、深圳大学与香港中文大学等合作。公司成立联合创新实验室、技术与研发中心，获得400多项专利和软件著作权。
基于此，凭借创新推出的Oasis融合智能单元，ZNV力维成功入选首批12家“英特尔人工智能合作伙伴创新激励计划”，同时入围的还有深醒、码隆等高新科技企业。公司的跨镜追踪(ReID)产品在国内顶级的模式识别与计算机视觉领域学术盛会PRCV2018 上，获得了“行人再识别PR-ID”竞赛第二名。基于人脸大数据系统的快速、高效的聚类分析与检索能力，力维从众多企业中脱颖而出，成功申报了深圳发改委课题“基于AI技术的超大规模视频大数据分析关键技术研究及产业化”的应用示范。
中国公共安全：近年来，传感器大规模使用，物与物的连接将越来越普遍。很多企业都在努力占领未来物联网的重要据点。您如何看待公共安全、智慧城市等领域与物联网的有效融合？
曾涛：随着智能化设备的数量越来越多，数据量也越来越大，把所有计算都放在云端是不现实的，因此边缘计算会发挥越来越大的作用。通过边缘计算，对数据进行有效的预处理和分析，将更有价值的数据送到后台，减轻云端和网络的压力，提升整个系统的运行效率。这是智能化运维物联网的关键。
以5G为通讯连接方式，将实现真正的智能物联网。“行业应用方案+5G”将成为物联网发展的一种方式，为自动驾驶、城市治理赋能，面向不同的场景、不同的客户，解决不同的问题。
2019年，5G将在部分城市展开试点。到2020年，5G通讯会逐渐在中国的很多城市实现商用。NB基站的规模也在增长，高带宽低延时的5G网络将促进智能物联网的快速发展。
随着5G网络的商用发展，以及AI算法的成熟，无论是2B模式，还是2G的商业模式，安防市场都将发生很大改变。未来，资本和资源也在大量涌入这一市场。
ZNV力维的前身是深圳中兴力维技术有限公司，通讯是我们的重要基因，能够以强大的泛在数据连接能力建立各层次的平台。以智慧社区为例，我们在社区解决方案中创新提出以视联网、物联网、互联网的“三网融合”为基础的社区立体感知系统，结合安防、社区治理及服务、人员管理，构建起立体化、智能化社区感知网络，基于AIoT技术推出面向公安业务的“多维立体智能人口管控平台”，实现针对实有人口的精准管理、安全隐患的精准识别、实时警情的精准处置，构建智能高效的精准警务模式，提升各类社区警情和突发状况的处置效率，全面提升群众安全感。
中国公共安全：自2018年，中国经济增长放缓，2019年将延续这一趋势，经济将由以前的粗放型进一步转入更精细型的发展。相比外向出口，国内需求将在经济发展中起到更重要的作用。2019年，希望和挑战并存。ZNV力维在2019年的工作重点是什么？将实现什么重要目标？
曾涛：首先，在技术上，会继续加大研发投入，夯实技术能力。做好围绕AIoT的硬件平台和软件平台。
其次，在产品及解决方案上，我们也将持续不断提升面对场景的解决方案能力，围绕智能物联网，从边缘前端到平台，多维数据的碰撞建模，通过更丰富的算法，将我们的产品与技术应用于多种场景。今年我们将陆续在司法、监所落地新的产品方案。
从市场维度，客户基础一直在扩大。移动运营商这块已经很稳固，智慧城市项目也为我们提供了很大一部分业务量，公安、司法等多个垂直行业的客户也在增长中。
公司经营方面，2017年和2018年是公司的转型期，进行了巨大的投入。这些转型调整和投入在2019年正带来回报，各项业务不仅全面正常化，而且在更加坚实的基础上迅速增长。结合不同的场景，我们尝试在更多的垂直领域落地，如智慧工厂、智慧园区、智慧水务等。
未来，ZNV力维将持续聚焦客户的核心需求，深耕城市治理、智慧城市和智能运维行业，始终基于“提供泛在数据连接与泛在数据融合、分析、使能的解决方案与服务，持续为客户创造最大价值”的企业愿景，履行“让世界更安全，让生活更美好”的企业使命。
采访后记
中国经济逐步放缓的背景下，及时实现了结构性转型的企业无疑将会成为市场的赢家。ZNV力维作为一家高新科技企业，正以创新和自我迭代在逐渐实现了“智能+”时代的转型升级。
安防产业近两年来扩展非常明显，在人工智能（AI）和大数据的推动下，吸引了大量资本和资源涌入。能够抓住风口，靠的并不是一时兴起，而是像ZNV力维这样，在市场认知与技术积累上有领先优势，进而提早市场布局，长期深耕赛道，精细培育，才可能做到2018年成功转型，2019年收获硕果。
ZNV力维选择创新，决定转型，基于其泛在数据连接、泛在数据融合、分析与使能的技术能力以及复杂系统组网与集成能力，实现AIoT在城市与运维领域的落地应用。
中国是世界第一数据大国，而安防产业先天具有产生海量数据的条件，虽然如此，但是目前绝大部分数据还未转化成商业价值，数据红利亟待开发。基于泛在数据连接、泛在数据融合、分析与使能的技术能力，正是ZNV力维的重要优势。
正如ZNV力维副总裁曾涛在采访中所强调的，所有的产品与技术创新，最终都是要为客户解决问题。未来，ZNV力维将基于自身的技术优势，为客户与安防产业创造更大价值。“让世界更安全，让生活更美好”不再仅仅是一个愿景，而是通过实实在在的产品和方案变得触手可及。
金华光年人生网络科技有限公司 业务范围：金华高清网络监控系统、金华防盗报警系统、金华楼宇对讲系统、金华门禁考勤系统、金华出入口控制系统、...
