眼擎科技朱繼志：AI 時代，為什麼需要 eyemore 成像晶元？

由於演算法的演進、大量數據的湧入以及算力的提升，人工智慧迎來了最好的時代。同時，從智能手機，到自動駕駛，再到安防，AI 圖像視覺技術也正在被應用到越來越多的行業。

但目前落地應用過程中所面臨的現實的情況是，受深度學習驅動，雲端視覺圖像處理技術飛速發展的同時，前端視覺成像技術卻依舊裹足不前，無法與之相匹配，成為了限制 AI 視覺發展的嚴重瓶頸。

比如，2016 年的時候，一輛特斯拉 MODEL S 在自動駕駛時發生車禍，導致駕駛員死亡。究其原因，正是由於在逆光以及反光的情況下，其所配備的攝像頭無法識別前方車輛，才釀成了那起事故。

當演算法以及超強的計算能力賦予了機器邏輯思維能力之後，想要讓它真正能夠得以在實際生活、生產中實現落地，擁有一雙足夠明亮的「眼睛」是必不可少的，這也是接下來在人工智慧向前推進的過程中，需要去解決的難題。

成立於 2014 年的眼擎科技（eyemore），是一家從事前端成像引擎的技術公司，通過專業的成像引擎晶元，他們利用自主研發的成像演算法，為各個應用場景下的機器視覺公司提供前端成像的一體化解決方案，來解決目前 AI 視覺由於光線差導致識別準確度低以及從圖像演算法到視覺硬體產品落地周期太長的問題。

CES 2018 展會期間，極客公園舉辦了「極客之夜」活動，我們為世界各地的企業家和創業者搭建了交流的舞台，希望能在這一舞台，嘗試為人們找到科技困惑的答案，發現科技新趨勢。

在極客之夜的活動上，我們邀請到了眼擎科技創始人朱繼志，來看看在 AI 時代，如何理解視覺成像這件事情，以及他們能夠為整個行業的發展帶來哪些意義。

以下為眼擎科技創始人朱繼志演講實錄。

大家知道現在 AI 晶元很熱門，講到 AI 晶元，大部分都是用來處理圖像和視覺的。今天我們換一個角度，從成像的角度來看一看 AI 晶元。

成像的歷史分成三個階段。最早是膠捲時代，比較有代表性的企業是柯達；從 80 年代開始進入數碼時代，產品轉移到了日本，今天大家看到的所有的圖像、相機工業裡面的視覺都是源自於 80 年代日本數碼成像的體系；現在我們正處於 AI 視覺時代。

到了 AI 時代以後，整個成像技術有了一個本質的變化。最大的變化就是以前的圖像是給人看的，現在是給機器看的。給人看的時候大家關注的是多少像素，給機器看的時候，則更多的關注於識別的結果。對於整個成像產業而言，這是一個很大的歷史變化，這個變化會比從膠捲時代到數碼時代的升級更大。

眼擎科技是一家創業公司，做了有四年多的時間。我們的目標是要做超越人眼識別能力的成像技術，同時，我們也是做晶元的，19 號在北京極客公園 IF 大會上，會發布我們 eyemore 成像晶元。

它會是第一顆專門面向 AI 視覺來開發的成像晶元，針對 AI 成像，我們做了一個全新的架構，基於超大規模運算和很多新型的成像演算法，我們客戶的應用主要包括自動駕駛、安防、人臉識別、醫療視覺、工業檢測等各種和 AI 視覺相關的領域。

隨著我們演算法的不斷的提升，計算能力不斷的提高，以及場景數據量的不斷增加，我們相信，在更多方面，機器的成像能力都能夠超越人眼的視覺能力。

我認為視覺在 AI 裡邊是最快能夠實現落地變成產業的一個應用，從我們接觸到的很多客戶來看，2018 年我認為會有很多落地的 AI 視覺的產品，不管是在安防領域、醫療領域，還是在自動駕駛領域。

由於深度學習帶來的 AI 演算法有了一個大的突破，很快會傳遞到整個產業鏈條的上游，換句話說，AI 的演算法其實具備很強的工業賦能的能力。我認為，未來在很多的設備裡邊，可能都會帶來視覺功能的升級需求，因為視覺功能實際上是設備走向智能非常重要的一步。

有關產品落地的問題，實際上我們所有接觸過的客戶都會碰到一個問題：在實驗室訓練數據的時候，效果很好，但是到實際場景去部署的時候，因為各種各樣環境的問題，比如弱光、逆光、反光這些的複雜環境下，效果就不行了，有點類似於賣家秀很豐滿，但是買家秀卻很骨感。

他們做訓練的數據可能從網上來的非常清晰的高品質圖像，但在實際場景當中，因為環境影響導致成像品質不好，非常影響後端 AI 識別的效率和準確率。我們的產品正是幫助這些 AI 客戶去解決在產品從演算法到實際場景落地過程中所遇到的這個難點。

但是現在隨著 AI 的要求越來越高，它們已經無法滿足實際使用的需要。大家可以想像，一個普通處理器里的圖像處理單元，肯定是沒辦法去跑深度學習的演算法的，所以 AI 的晶元就會被拎出來。

我們會把前端專門做成像處理的部分做成一個單獨的晶元，相當於從一個晶元會變成是三個。分離出來的晶元最主要來講，都是用來做圖形和成像的處理，因為只有圖形和視覺的處理才需要這麼多的資源，這個資源可以被用在雲端，也可以是被用在終端。

而且未來，我相信關注通用的 CPU 或者 AP 功能的晶元會越來越少，大家的重點都會放在視覺的處理上。AI 的晶元和演算法實際上做的是大腦，我們做的成像的晶元是眼睛。這裡面又有一個有意思的問題，那就是大腦和眼睛該如何交互。

通常情況下，兩個模塊要交互，會做一個通信的介面，但是在視覺的處理裡邊，這會變得非常複雜，有點像腦機介面。

舉例來講，人眼去看東西的時候，當你關注於某一個對象，其它的對象都是模糊的，現在隨著 AI 的演算法能夠知道我們所需要看的對象是什麼，這個時候在前端成像的時候，就可以把所有的資源，全部調用來處理。

而當前端成像在生產過程當中可以根據 AI 的需求來進行定製的時候，就能夠解決很多視覺 AI 裡邊很多的問題。

在過去的半年裡，我們開始把「大腦」和「眼睛」的交互，作為開發的重點。隨著機器大腦越來越智能，眼睛越來越智能，大腦和眼睛的交互越來越智能，這三種智能加在一起，我相信機器的視覺能力超過人的速度會非常快。

大家可以看到，在傳統晶元領域，占核心地位的是 CPU 或者 AP，其它的晶元都是連接在 CPU 之上的。CPU 是入口，因為它上面跑著操作系統，操作系統上運行著各種各樣的程序，從入口它可以變成一個生態。

每一個主流的處理器周圍都有一個生態，這意味著它對其它的晶元有一個話語權和控制權。當 AI 晶元獨立出來以後，大家更加關心的是 AI 的演算法運行在什麼上，AI 的數據被誰來處理。

這個時候，其實隨著 AI 晶元變成一個大腦，其它的晶元就會變成器官，比如我們做成像晶元，實際上我們所扮演的角色就是「眼睛」。

在過去的十多年裡，在晶元尤其是處理器裡邊，有一個很大的趨勢，就是 SoC。當一個功能開始成熟化了以後，就會被集成到主處理器晶元里，這個模式其實我認為是一個非常不好的模式，因為它會扼殺產品的功能創新，當所有的功能被一個晶元做完了之後，產品會變得非常沒有差異化。

在新的 AI 產品的時代，即便是大家用同樣的 AI 晶元，由於運行的演算法、訓練的數據不一樣，也會導致產品之間會產生很大的差異，而這個差異化最終能帶來很好的市場價值。

我們做成像晶元也希望跟著 AI 晶元一起，能夠給更多做視覺的客戶，提供更有差異化的高品質成像晶元。（完）

在即將到來的極客公園 IF 大會上（19-21 日），眼擎科技也將發布全球首款面向 AI 視覺應用的 eyemore 成像晶元，屆時眼擎科技朱繼志將會對這顆耗時四年，可以大幅提高 AI 視覺演算法識別率的晶元予以更為詳細的解讀，感興趣的朋友不妨關注下。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！