中科创达副总裁孙力：AI视觉仍在路上，平台需求胜过算法‘半岛网页版’

本文摘要：从2018年AIoT产业布局来看，主要有以下几个大的趋势：边缘计算出来大大被特别强调，存储、计算出来的布局重点从云端返回边缘外侧；AI被大大特别强调，整个行业从特别强调IoT相连到AI赋能；产业落地托上日程，各类行业解决方案大大明确提出并开始落地，整体解决方案市场需求远高于显算法市场需求。

从2018年AIoT产业布局来看，主要有以下几个大的趋势：边缘计算出来大大被特别强调，存储、计算出来的布局重点从云端返回边缘外侧；AI被大大特别强调，整个行业从特别强调IoT相连到AI赋能；产业落地托上日程，各类行业解决方案大大明确提出并开始落地，整体解决方案市场需求远高于显算法市场需求。据理解，5月24日，在Qualcomm人工智能创意论坛上，美国高通公司宣告与中科创达（创通联约）进行深度合作，双方通过其近期的终端外侧AI商用技术将公布前沿的AI研发套件——TurboX AI Developer Kit；10月24日，TurboX AI Kit月面市，中科创达通过环绕该研发套件举行全球开发者活动搜集算法和应用于，助推AI从算法模型改向产品化和商业化。12月13日，在THUNDERWORLD 2018上，中科创达副总裁孙力就当下AI视觉的技术及行业应用于和挑战，以及TurboX AI Kit涉及技术及应用于展开了理解和分析。

图像处理系统面对的挑战谈及视觉技术，先要有Camera展开图像捕捉。以手机为事例，首先要有涉及模组展开图像收集及应用于；要有主芯片，牵涉到到功耗优化、性能优化，以及系统驱动；要有一些算法，不光是人脸识别、美颜，还包括传统的拼凑，光学的处置、减震，都必须有涉及算法。

从图上可以显现出，这个系统架构是比较复杂的。中科创达是做到操作系统的公司，本身的子模块、子系统也十分地简单。整个从最底层的驱动到核心的曝光、探讨，这些算法仍然到视频的处置，整体架构不会非常复杂。

要做到一个杰出的图像处理系统，只不过有很多挑战。首先，图像收集这个环节有很多挑战，还包括摄像头模组的自由选择、图象处理算法的自由选择、芯片加快、画质徵优等；其次，硬件的碎片化需对画质展开简单的调优流程，实验室与实际生活场景有相当大的有所不同，因而，也必须对画质展开简单的调优流程；另外，在展开系统设计时，功耗和性能又必须做出权衡和调整。

其中，画质调优（IQ）是很简单的一部分，也是图像处理最重要的一部分。要收集拟合图像，还包括亮度、白平衡、对比度、颜色都要十分地精准，这些都要展开调试。画质调优主要分成三个阶段：第一，再行把基础的软件、驱动作好，还包括软件功能检查、无根本性Bug影响IQ、检验完整图片（EXIF、AE参数，校准数据）等；第二，为实验室配备诸多专业设备，展开实验室徵荐，还包括LSC、AWB、AE、Gamma、对比度强化、CCM、DPC、滤噪、边缘增强等参数检测及处置；第三，现实场景徵荐，与参照设备对比摄制并调整，参照设备还包括包括：人物、宠物、风景、肖像、户外、较低光、办公室、家庭、闪光灯、背光、电影等。

为强化涉及能力，2017年12月，中科创达以3100万欧元并购全球领先的移动和工业图形图像视觉技术企业——保加利亚技术公司MMS，从而享有世界顶尖IQ团队，以求在画质调优方面有充足强劲的能力，为AI赋能行业应用于奠下了基础。据理解，这只不过并非中科创达第一次海外收购，中科创达第一次海外收购是在2016年底，以6400万欧元并购坐落于芬兰的车载交互技术公司Rightware，这一并购也减缓了中科表达在车载领域的布局。

硬件加速的应用于与3D视觉的蓬勃发展在视觉技术中，硬件加速在近年来倍受注目，也是对图像涉及计算出来展开提高的关键部分。孙力在大会上也提及，“你不会找到，大量的算法公司，一旦到了IoT时代就无法再继续，无法确实用上如GPU这样的加快硬件，因为要确实用上GPU这样的嵌入式硬件必须很多能力。但是这种嵌入式硬件在对算法加快上有相当大协助，不必的话就浪费了硬件能力，也不会产生功耗的问题。

例如手机或汽车多个摄像头的拼凑，这其中的拼凑算法要用GPU，尽可能不要用CPU。”以汽车应用于为事例，现在讲的较为多的是ADAS本身，其中将不会经历「从外置的ISP到内置的ISP，再行到Bayer Sensor」的技术变革。目前的主流方案依然是用外置ISP，但在汽车里的图像传感器不会经历类似于手机从功能机到智能机的演进。

目前的主流方案依然是用外置ISP，价格为2-3美元，另加摄像头，一共8美元，这样的成本问题，以及痉挛问题、环视等应用于的拼凑问题，不致导致类似于手机从功能机到智能机的迁入。在图像视觉方面的另一个趋势是3D图像技术的蓬勃发展。

现在很多在用的，还包括竞赛中应用于的算法，仍是2D的，但是，从现在技术发展市场需求及发展趋势来看，3D视觉技术将不会更加普及。目前，3D视觉技术的普及主要还面对以下几个问题：BOM成本，由于规模化的问题，还没减少到平民化；多种的光学设计，碎片化(ToF、结构光、双目、主动双目等)问题相当严重；嵌入式的SoC的depth map的运算能力(PC辅助到嵌入式ARM based)；多套用于的原始建模问题；RGBD，基于3D的人工智能学术进展。

我指出未来的3D技术不会为AI带给相当大转变，人工智能也不会忽然经常出现，还包括物体分类也可以做到得很好。智能视觉与边缘AI研发套件(公众号：)了解到，整个视觉市场近年来持续被寄予厚望，嵌入式视觉终端数量持续增长，诸如Amazon AWS DeepLens、Google AIY Vision、Microsoft Vision AI Developer Kit等，市面上有更加多的边缘末端智能视觉设备经常出现。

正因如此，中科创达牵头高通公司，基于高通骁龙845平台、AI Engine人工智能引擎，发售TurboX AI Kit嵌入式末端外侧/边缘AI研发套件，10月24日，TurboX AI Kit月面市。尽管市场趋势向好，嵌入式AI算法依然面对诸多挑战，不存在诸如计算资源受限、终端处置平台碎片化、应用于场景和市场需求多样化、性能（准确率-速度）的均衡与权衡、生态系统不成熟期、功耗与成本较高等问题。在嵌入式方面最关键的还是硬件和软件的深度融合。在硬件方面，IoT使得设备联网，第一件事是要再行看功耗、痉挛、加快等问题。

AI运算加快引擎要在符合功耗、冷却等容许条件的前提下，尽量用于现有的DSP、GPU、NPU等加快硬件，与芯片平台深度融合，构建AI运算加快引擎。在软件算法方面，核心是减少算法计算出来量。设计合适嵌入式平台的模型架构，一方面要剪裁模型，另一方面要与场景的深度统合及兼容优化，分享深度自学模型中的超强参数，传输网络。

AI赋能行业必须平台，而非只是算法近年来，AI早已渐渐开始赋能行业，在这其中，也不存在一些问题和挑战，主要还包括以下三个方面：首先，客户希望的是还包括数据提供、隐私问题、训练、生产管理系统、私有云部署，以及前后末端等在内的整体解决方案，而不是显算法；其次，客户取决于AI技术的支出不是根据AI作为矮小上的技术来做到的，而是根据生产力的提高（用户体验提高、销售转换率等）、运营效率优化，及经营业绩能忍受的支出能力来反推的，这和目前便宜的AI投放成本（人力、服务器等）是对立的；另外，行业客户的工作流程、部门职能等还没能环绕先进设备生产力来展开部署和优化，客户希望重复使用投放建设一个人工智能平台，可以一劳永逸地构建自我训练、升级和部署，对比于现在必须自定义简化的算法，未来环绕必须解决问题的领域问题，少数的人力服务于算法的流程必须被创建。最后，孙力还特别强调了两个观点：第一，AI必须一个小的平台和引擎，而不是意味着获取一个算法；第二，无法过于巫术AI的算法，有的时候还要用传统的图象处理的算法。企业花300万买了一套GPU算法，怎么管理这些数据呢？你必须把整个AI模型从建构、管理、运营，整个生命周期管理一起，并必须获取调度、界面、UI等。

所以整个AI平台是必需的。涉及文章：重庆协同创意智能汽车研究院正式成立，中科创达加码智能驾驶采访中科创达：智能驾驶行业也不会经常出现ARM+Android的人组原创文章，予以许可禁令刊登。

下文闻刊登须知。

本文来源：半岛网页版-www.bustingthemyths.com