为了应付这些智能硬件的需求，人工智能就变得不可或缺了。人工智能在云上，或者在端上成为支撑硬件产品的安全智囊。在新时代的360，人工智能和安全成为360的两个关键词。

　　基本布局

　　360的人工智能的基本布局，我们可以归结成是全方位的，基于和面向深度学习。

　　在最基本的硬件层面，比如在云上、端上的面向深度学习的专用芯片，到面向大规模深度学习训练的多机多卡软硬件平台，以及基于深度学习的各种人工智能前沿算法。然后是由人工智能支撑的各种智能硬件产品，基于深度学习，这些智能硬件有自学习的能力，智能水平还可以逐步的提高。

　　对于深度学习的研发，我们分成四个方向：

　　一是视觉感知，对图象和视频的分析;

　　二是语音感知;

　　三是语义感知，希望智能硬件能够和用户进行对话和交流;

　　四是大数据分析，我们也希望深度学习能够发挥在大数据方面的积极作用。

　　在360内部，除了我所领导的人工智能研究院这个团队，还有很多跟人工智能相关的团队。比如搜索事业部，一直是用机器学习的方法提升搜索的性能，最近他们也把重点放到语义感知方面;另外有一个语音的团队，也在进行语音识别分析的相关研发;天眼团队用深度学习进行网络分析;其他的有针对网络、无线、车联网安全的研究院或者是实验室。

　　进展

　　一、建立360net，一个大规模深度学习的软硬件平台

　　360net是一个基于软硬件的训练平台，支持多机多卡，可以用一百块卡或者及百块卡可以连在一起对深度学习进行训练。

　　另外这个平台具有高度的兼容性和可扩展性，对于新近出现的深度学习的模块，可以非常容易的把它融入进来，减少它开发所需要的时间。

　　二、人脸分析

　　360已经开发了一套非常准确、稳定、鲁棒、低功耗的系统。无论你用什么样的表情，什么样的姿态，人脸上的关键点都可以定位得非常的准确。

　　稳定就是说移动的时候那些点会非常稳定;鲁棒，比如它只有很少的点可以看到，也做得非常好。基于这些就可以做性别、年龄、表情等的分析，对于很多业务来说都是非常重要的。

　　三、环境感知

　　在环境感知方面，360招进来一个团队，他们之前是计算机视觉界世界杯比赛的冠军。他们加入360之后把精力集中在车辆检测、行人检测，这些辅助驾驶中可能遇到的一些环境感知问题。

　　比如在一个自动驾驶的公测库上，这是在外面的城市的环境里面，可以非常精确的把车辆和行人进行定位，这对于汽车辅助驾驶是非常有价值的。当然也可以在城市环境中，比如说高速路上，除了人车检测之外，还可以进行车道线的检测。

　　四、语音识别

　　有团队在用深度学习做语音识别的训练，语音输入的错字率可以达到低于1%的水平。作为语义理解的输入，这对于语义分析，比如对话时候的语音识别结果，是非常有价值的。

　　五、利用深度学习做网络流的协议分析、应用分析

　　我们的企业安全团队，有一位同事利用深度学习做网络流的协议分析、应用分析。从网上截取一段网络流动，分析这个网络流是用什么协议发送出来的，或者是用什么应用程序发送出来的。这样对安全分析是非常有价值的。

　　展望

　　我们对360的人工智能的未来有一些憧憬，未来人工智能发展到一定的阶段时，我们送到客户家里的产品会用上360的人工智能技术。这些产品可能是萌萌的，没那么厉害，但是因为它已经具备了一定的人工智能水平，所以可以进行观察，也可以跟人进行交互。

　　总的来说，我们对360人工智能的期待，就是以后的智能硬件并不是固化的产品，不是拿回家以后就是这样了，我们希望打造一款跟你一起成长，然后等你、呵护你的智能硬件。