觸景無限肖洪波：9年創業，從演算法到晶元，只為前端感知

成立於2010年，觸景無限最初從AR領域切入，讓演算法與感測器直接結合，應用於手機。

然而AR的繁盛及泡沫都出現得都很快： 「對於創業公司來說，AR落地還不成熟，於是我們將『感知』從AR中抽取了來。」 觸景無限CEO肖洪波說道。

觸景無限希望能在前端把感測器的信息，如圖像、視頻、聲音、距離、氣壓、高度、地理位置等融合在一起，在此基礎之上再做人工智慧的分析，以得到更有價值的信息。

「轉行」不久，觸景無限就徒手打造了融合演算法和硬體的「前端感知」。

2016年，觸景無限提供了實際的前端感知產品。這塊原本瞄準無人機的感知模塊，卻被不少安防企業看中，希望與自己的安防產品集成，實現智能化。

與安防市場的碰撞，讓觸景無限第一次進入了這個領域。

隨後肖洪波敏銳的發現，「安防裡面真的有需求」。

據調研，在一個中等城市裡面，約有一類攝像頭5萬個，二類聯防攝像頭，大約為一類攝像頭七倍。因而，一個中等城市有大量視頻監控數據，以中心式人工智慧應對對傳輸和後端壓力很大。並且隨著安防智能化大潮的襲來，邊緣計算的發展，實時、本地化的處理，成為安防的新趨勢。

風口之下，觸景無限果斷切入這一領域。

「無論是前端智能，還是後端智能，都會有很大的用武之地。前端相當於人的眼睛，很多視覺信息都是在視覺的神經皮層中處理的，而後端則相當於大腦，會進行更多更複雜的處理。」踏入安防市場的肖洪波這樣判斷道。

自安防行業掀起智能化浪潮開始，對前端智能和後端智能的討論就不曾停止。

原有的中後端方案，能處理大量視頻，並且在對視頻數據的多維識別、運維和升級上存在優勢。而近些年來興起的前端則可實時採集人臉、車牌等關鍵信息，高效抽取關鍵信息，減少傳輸的帶寬壓力，也更適用於廣域、移動、便捷的場景。

作為一家從前端切入的公司，肖洪波則認為，視頻監控不僅有前端智能和後端智能，從邊緣到雲端數據中心的運算，其實可以分為從「邊緣節點，到邊緣中心、局域中心到最後的雲端數據中心」的四層結構。

每一層都有不同的應用場景。

而海康也提出了「邊緣域、邊緣中心，邊緣節點」的邏輯架構，可見行業內智能的應用並不是簡單的二分法。

「從企業角度出發，選擇哪一層，更多是企業關注點不同的問題。我們專註的就是以邊緣為中心的這一層，並不存在非此即彼的說法。相對其他企業，我們只是找准了自己的位置和市場。」肖洪波表示。

而在前端，智能到底又能做到幾分？

目前在安防領域，前端主要進行的還是對人臉的抽取和識別分析。但隨著算力的提升，人體、車輛、車型以及暗光條件下的圖像質量恢復等也在不斷向「前」遷移。而在安防領域，穿戴設備、手持、門禁、公交、卡口及閘機等場景，如今都能見到前端智能的身影。

「我估計幾年之內這個過程不會停止。未來，很有可能五年之後，不再有普通攝像頭。」

而除了攝像頭，也會有越來越多的帶有前端感知能力的電子產品進入市場，挖掘更有價值的感測器數據，打開更大的市場入口。

「前端的主要難題在於邊界已經給定了，在演算法、算力，以及外界的限制條件下，通過數學或物理上的東西，如何去做優化，這才是前端的挑戰。」作為專註前端感知的企業，對這之中的苦辣，顯然體會更深。

前端智能，無異於「在螺絲里做道場」。

相對後端智能，前端雖有很多優點，但同時也面臨著模型參數大、實時性要求高、運算能力弱以及室外複雜場景運行等問題。

前端對功耗、散熱的要求很高，需要做到極致。同時傳統神經網路模型參數複雜，會給前端硬體很大的運算壓力，模型的壓縮、優化也是一個極其重要的點。

另外，前端場景對實時要求高，無法通過網路傳輸，後端處理數據，同時又涉及各種各樣的感測器，會生成大量的數據，這對於前端處理速度也帶來很大挑戰。

前端算力有限，運算複雜演算法的能力相對較弱。而如果要提升運算能力，就需要晶元、工具鏈的配合，這兩者必須同步提升。

「前端智能，實現起來真的很複雜。相對後端有比較成熟的GPU伺服器，有很完善的處理環境，前端往往要採用一些不是很成熟的思路。如，現在前端還沒有很成熟的晶元，也沒有特別豐富的供應鏈，所以開發難度非常大。」

肖洪波也介紹道，觸景無限目前採用的是國外某知名廠商的一款晶元。該晶元，在2014年觸景無限將其應用於前端時，已經進行了很長時間的技術打磨，但肖洪波依然覺得「不夠」。

室外複雜環境下的問題，也給前端帶來了更多的挑戰。

「晶元電路功能，在野外的環境下能否使用十年，就是一個挑戰。另外，有的時候可能沒有電，需要太陽能充電，這樣供電很小，就必須保證功耗降低，對硬體和模型進行優化。」

因而，前端智能的問題，不單是一個將智能從後端大型伺服器或雲端轉移到算力有限前端的問題，還是一個將數據處理，從室內轉移到室外的問題，需要面對外部環境中電子器件工作條件（溫度、濕度等）、壽命、供電等工程問題。

前端智能，實則是「戴著鐐銬在跳舞」。

在對技術和場景應用的不斷打磨中，觸景無限也在不斷推出產品及解決方案，加速前端智能進化的過程。

相對於目前後端部署更為常見的市場狀況，肖洪波為自己的前端產品，選擇了差異化路線。

觸景無限目前的前端AI產品，包括盾悟智能盒/分析主機、人工智慧模塊「瞬視」、 角蜂鳥Horned Sungem AI視覺套件等。

其中，「盾悟」系列主要面向存量市場，相當於在原有普通攝像頭基礎上改造，一台 「盾悟」支持多路攝像頭接入，能對均路成本進行更好控制。

而基於「盾悟」系列的性能和拓展性，觸景無限衍生出了針對社區、校園、商場、高戒備場所等多套方案。

例如去年觸景無限在司法領域落地，以往監獄等場所，都是人工點名，一小時一次，一次十幾分鐘，效率和勞動力投入不成比例。而觸景無限的方案，可實現行走情境下的非配合點名，效率更高。

相對成本較高的人工智慧模塊「瞬視」，則瞄準了更垂直的高端智能攝像機領域，注重對超高清攝像頭支持多維感知數據的處理及圖像的識別。

「這方面我們可能有1-2年的領先優勢。」如在交通領域，觸景無限的電子警察方案可在前端進行14合一的違章行為的抓拍處理： 「我們在一個試點進行實驗，原本一個月只能抓拍30多個違章行為，現在能抓拍七百多個違章行為，效率大幅提升。」

目前，業內對於前端和後端的討論不少。但實際上，能放手押注前端的企業並不多。

大多數安防廠商，面對這一頗具挑戰的趨勢，選擇的策略是「兩手抓」。即多是持「端到端」的策略，前端智能與後端智能兼顧：發展前端智能，守住後端智能，看場景和成熟度逐步部署前端，更穩妥。

但是這些布局前端的企業，也逐漸感知到了瓶頸。

「客戶之前也跟我們溝通，說很多人在講前端，但真正能把產品拿過來給測試，真沒幾個。」肖洪波也認為，前端技術上還有很多難點，市場也還在慢慢打磨。

一方面，部分企業前後端兼顧，精力會相對分散；另一方面，企業若只專註前端，在技術和場景還不夠成熟的時候，也會有一定的入局風險。

觸景無限則勝在從感知領域切入，並且入局較早，已經有了一定技術和場景積累，這些都形成了行業的門檻。

不過，立足於感知，觸景無限的野心，起於安防，不止於安防。

談及未來，肖洪波告訴雷鋒網，安防並非是終點，前端感知有著更廣闊的市場。

肖洪波提出了「三毫」概念：毫米、毫秒、毫瓦。

這描述了觸景無限對感知的技術願景，即打造「小體積、反應速度快，且功耗低」的產品，這一理念的最終點就是感知的「晶元化」。以單一的晶元取代原來的複雜設計，置入各種設備，打造一個「看得見」的世界。

至此，觸景無限基於感知的未來藍圖愈加清晰。可以期待的是，從前端的開始的感知革命，由「感」而「知」的變化，會在安防及更多領域，在觸景無限及更多創企手中越走越遠。雷鋒網雷鋒網雷鋒網

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！