从Rokid与酷芯的例子可以看出,人工智能并非只是飘在云端的屠龙之技。只要躬身入局,两脚泥巴一身汗地去市场里找机会,去耕耘,人工智能能找到落地场景。恰如姚海平所说,酷芯等人工智能芯片企业,并不缺技术,“缺少的是机会和应用。”
在谷歌人工智能(AI)程序战胜人类围棋世界冠军四年之后,这一轮人工智能热潮起起伏伏,大多数工程界的人工智能从业者一直在探究一个解:如何将这威力无穷的屠龙之技真正发挥威力。
人工智能看起来包括宇宙总揽人间,在纸上畅想时无所不能,但真到商业化落地环节,无数资本宠儿就真正成了“宠儿”:只会说不能做。
仔细分析倒也不能只怪这些被资本催熟的“宠儿”,人工智能应用很多,但可商业化落地的赛道大多被巨头垄断,例如安防监控与云端的大数据处理。同样,在音视频领域有很多可商业化的人工智能方向,但同样竞争对手云集,并没有那么容易杀出来。
不过,这并不是说中小公司完全没有机会。在芯原微电子(上海)股份有限公司(芯原股份)承办的“万物智联 芯火燎原”人工智能芯片创新主题论坛上,有两个例子或是中小公司把人工智能用好的案例。

一个是Rokid开发的智能测温AR(增强现实)眼镜。这款智能测温眼镜的原型是为工业设备检测温度异常应用而开发的,并不是针对人体测温。
“工业环境相对稳定,湿度、温度、距离还有被检测物体本身的刚性都比较稳定,所以不需要上AI,只要传统测温系统就可以。”Rokid首席执行官祝铭明表示,有关部门给这款智能测温眼镜提出的要求是在4米距离内可以精准读出人体体温,误差不超过0.2度。“传统测温系统不可能做到,因为传感器本身的误差有0.5度,加上外面环境干扰,误差已经有约1度,如果不做处理,设备就会乱报警,要满足要求就只能上AI。”
祝铭明介绍,人工智能为这款眼镜解决了三大难题。首先是滤除背景温度噪音,例如头发的温度较高,太阳直晒时有可能达到四五十摄氏度,如果要做发烧检测,必须要滤除这些因素。其次是通过体表温度来计算真实体温,这里涉及到数据拟合算法,实时处理也比较考验芯片的算力与功耗。最后是如何提升温度图像传感器(thermal image sensor)的精度,工业应用由于对精度要求较低,所以不需要进一步处理,但检测人体温度,则需要利用算法来提升精度。
“我们的生产订单已经排到10月份,还在不断加大产能。”祝铭明表示,全球疫情蔓延让这款智能眼镜成为了明星产品,在这次过程中,祝铭明也发现,原来大家觉得离实用很远的AI,只要深挖需求,一定能找到发挥的空间,“尤其是AR,在当前特殊环境下发挥了很大作用。”
酷芯微电子也在这次疫情中找到了机会。酷芯为测温面板机提供了温度检测芯片平台,该芯片平台将可见光、近红外(做活体检测)和远红外(做测温)结合在一起,在办公楼、商场与机场等设施做室内温度检测,以防控疫情。
测温面板机支持多人检测,这就需要判定被测人距离,并根据其距离进行补偿,算法上就比较复杂。姚海平举例说:“比如在机场,用一个摄像头看多个人,这时候就要检测出多个人位置、以及其人脸信息,同时通过对多个人进行测距补偿,因为每个人距离不一样,补偿就不一样。”
这些补偿算法离不开人工智能,而酷芯支持的测温面板机在有些场景还需要支持戴口罩的人脸识别,这无疑增加了对算法的要求,酷芯微电子与商汤科技联合开发,投入大量人力密集攻关,最终还是为市场提供出可用的戴口罩人脸识别设备。
从Rokid与酷芯的例子可以看出,人工智能并非只是飘在云端的屠龙之技。只要躬身入局,两脚泥巴一身汗地去市场里找机会,去耕耘,人工智能能找到落地场景。恰如姚海平所说,酷芯等人工智能芯片企业,并不缺技术,“缺少的是机会和应用。”
与之相反,国内还有不少打人工智能旗帜的企业,虽然估值奇高,但到现在仍无法找到可靠的商业落脚点。这些公司往往就只成天宣传自己开天辟地的算法创新,无与伦比的算力堆积,赛灵思和英特尔都不过尔尔,连英伟达都是插标卖首等着国内新贵公司去收人头的。
这些做过几天科研的新贵或许在某个点做到了世界前沿,但其中多数人毕竟没有对当今大规模算力部署有真正体验,在集成电路这样一个工程属性极强的产业中,算力指数化提升实际上已经做了几十年。芯原股份创始人、董事长兼总裁戴伟民博士就指出,基于16纳米工艺的芯片算力成本约为0.67美元/TOPS(亿万次计算),到3纳米工艺时,芯片算力平均成本将将为0.06美元/TOPS。

单纯堆算力,初创公司最终都不会是老牌玩家的对手,巨头公司掌握着足够的产业资源,可以迅速弥补单点短板,初创公司更应该做的是利用自己的单点优势去深度挖掘应用需求,以需求带动技术再进一步发展,只要不是停留在单点优势上做屠龙英雄梦,人工智能终究还是会在很多应用中成为杀手锏。
英伟达崛起于个人电脑时代对于显卡芯片性能大幅提升的需求,高通崛起于个人通信时代对于手机单芯片解决方案的需求,如果这两家只是夸耀自己的算力好或通信算法天下第一,恐怕坟头都长草了。
相关文章









