四年前，当 Julien Trombini 和 Guillaume Cazenave 创立视频分析初创公司 Two-i 时，他们有一个雄心勃勃的目标：有一天能够监控城市的道路、垃圾收集和其他公共服务，从而提高城市生活质量。

在创业的过程中，这对搭档发现了一个完全不同的利基市场。今天，该公司结合了计算机视觉、数据科学和深度学习的技术，正在帮助防止石油和天然气行业发生致命事故，石油和天然气行业是世界上最危险的行业之一。

最初，Trombini 和 Cazenave 设想了一个系统，使市政领导人能够看到整个城市需要改进的地方。

“这个系统就像是一张城市的气象图，我们制定了有效衡量的标准。” Two-i 董事长 Trombini 说。Two-i 是 NVIDIA Metropolis 的合作伙伴，坐落于法国东北部历史名城 Metz 。

Two-i 创始人 Julien Trombini (左)和 Guillaume Cazenave

事实证明，这是一项艰巨的任务，因此两人重新将重点放在了特定的设施上，如体育场、养老院和中转站，在这些设施上，其技术有助于安全和事故检测。例如，当养老院的居民在走廊跌倒时，或者当使用轮椅的过境乘客因电梯损坏而无法登上火车时，它可以提醒适当的联系人。

最近，埃克森美孚与该公司接洽，希望帮助解决一个潜在的致命问题：提高开放式油罐周围工人的安全。

Two-i 与这家能源巨头一起创建了一个支持 AI 的视频分析应用程序，用于检测个人何时接近危险区域和跌倒风险，并立即提醒其他人采取快速行动。在最初几个月的运行中，视觉人工智能系统防止了两起事故的发生。

虽然这个用例非常具体，但该公司的 AI 架构旨在灵活支持许多不同的算法和功能。

“这些算法与我们用于不同客户的算法完全相同，”Trombini 说。“这是相同的技术，但包装方式不同。”

Two-i 的灵活性源于它对 NVIDIA Metropolis 平台的依赖，该平台可以用于支持 AI 的视频分析应用程序，利用先进的工具并采用全栈方法。

因此，它也依赖于各种 NVIDIA 认证系统，使用基于高性能 NVIDIA Ampere 架构的最新工作站和数据中心 GPU，用于训练和推理。为了进一步缩短训练时间，Two-i 希望在强大的 NVIDIA A100 GPU 上测试其庞大的图像数据集。

该公司希望经常升级其 GPU，以确保为客户提供尽可能快的解决方案，无论有多少摄像头向其系统提供数据。

“我们可以节省的时间至关重要，硬件越好，结果就越准确，我们就可以更快地进入市场，”Trombini 说。

Two-i 利用 CUDA 11.1 工具包和 cuDNN 8.1 库来支持其深度学习过程，并利用 NVIDIA TensorRT 来加速推理吞吐量。

Trombini 说 NVIDIA 技术中最引人注目的部分之一是 NVIDIA TAO 工具套件，它可以帮助公司在修补算法的同时降低成本。

“算法越重，成本就越高，”他说。“我们使用 TAO 工具套件来削减算法并使它们更适合任务。”

例如，使用 NVIDIA TAO 工具套件（一种基于 CLI 和 Jupyter Notebook 的 NVDIA 训练、适应和优化框架的人工智能模型适应平台）将最初需要长达两周的训练时间缩短为三天。

Two-i 还开始根据其算法对 NVIDIA 的预训练模型进行基准测试，并开始使用 NVIDIA DeepStream SDK 来增强其视频分析工作流程。

Two-i 将其在各种环境中解决复杂问题的能力（例如对于埃克森美孚）视为回到其最初的智慧城市愿景的跳板。

现在，Two-i 已经监控了八个欧洲城市的所有道路，分析交通流量并了解汽车的来源和去向。

Trombini 认识到，为了实现公司的长期目标，Two-i 必须专注于实现一个又一个的效益。

“虽然进展缓慢，但我们已经开始实施我们的愿景。”Trombini 说。