车东溪（公众号：车东溪） 正文 |缘起3月9日，上周五，由智东西主办的GTIC全球AI芯片创新峰会在上海举行。
大会邀请了来自芯片、安防、汽车、消费电子等领域的近40位行业领袖分享了开发AI芯片的经验和思考。
数千名观众挤满了场馆，从人工智能芯片的热门话题就可以看出这一点。
在大会下午场的“自动驾驶加速落地，AI芯片领跑计算平台”环节，眼景科技CEO朱继智发表了主题为《成像引擎芯片进入视觉2.0时代》的演讲，聚焦机器视觉在成像方面的痛点，人工智能最大的应用方向。
分享了眼晶科技的解决方案，并分析了其在自动驾驶领域的应用。
现将朱继之讲话的要点概括如下。
1、AI时代迫切需要机器眼睛。
朱继之此前曾在图像处理行业和芯片分销行业工作。
2008年，他主导创立了眼景科技。
正如其公司名称所暗示的那样，Eye Engine所做的工作就是打造一个堪比人眼的机器视觉成像引擎，并采用芯片+算法的方式来提高机器视觉前端的成像能力，让人工智能可提供更高质量的图像数据。
▲延庆科技CEO朱继智表示，在AI庞大的技术生态下，不断演化出各种新物种，比如自动驾驶汽车。
过去几年，AI大脑迅速成长，但它们仍然需要最重要的器官之一——眼睛。
目前，大多数人工智能物种都是基于视觉能力成长起来的。
通过视觉产生的数据占据了AI世界数据的大部分。
AI时代将是万物互联的时代：一辆汽车将配备10多个传感器。
，每一家无人零售店都会有多个视觉传感器。
自动驾驶、无人零售、机器人、手机摄像头等领域将在未来五年产生数百亿视觉设备的需求。
▲Uber早期的自动驾驶汽车以摄像头众多而闻名，但目前基于视觉的AI产品普遍遇到问题。
在实验室运行良好的AI视觉算法一落地，就从卖家秀变成了买家秀——复杂光照条件下，机器视觉的识别判断能力明显下降。
自动驾驶汽车在穿越隧道或夜间运行时，其感知能力在黑暗和逆光条件下会遇到很大的挑战。
因此，业界使用了许多辅助视觉技术，例如自动驾驶汽车中使用的激光雷达。
但朱继之将这比作只是给自动驾驶汽车加了拐杖，并没有最大限度地发挥其视觉能力。
与机器不同，人眼对各种光环境具有良好的适应能力。
为此，眼王科技推出了一套软件+硬件的解决方案，打造出响应AI处理需求的机器眼，对标人眼的视觉成像能力，甚至比人眼做得更好——现在的眼王产品成像动态范围比人眼高18db，在人眼无法辨别颜色的极弱光条件下仍能输出清晰的彩色画面。
朱继智表示，未来五年，机器视觉将能够仅依靠无源光学成像系统全天候运行。
2、软硬件结合方案PK 为了让人眼最大限度发挥自身的成像技术，EyeQing将4年积累的20余种场景的智能成像算法凝结成一颗成像芯片——在eyemore X42之上打造软硬件一体化的成像引擎，为各类机器视觉产品提供强大的成像能力。
朱继志介绍，这款成像芯片具有三大特点：一是芯片非集成。
与Nvidia的独立显卡一样，Eyeking采用独立芯片设计，拥有更强大的计算能力。
二是在各种智能成像算法的加持下，具备了“视觉2.0”的能力。
比较传统的成像设备可以应对各种复杂的光线。
三是提供了大量的API接口，供后端算法工程师轻松调用。
，降低开发难度，实现软件定义硬件。
传统的智能摄像设备提供的接口不多，大多是黑匣子。
朱继智表示，根据他在芯片行业的经验，芯片的应用周期很长，一款芯片的推广难度很大。
为此，Eyeking为下游客户提供了对应不同产品开发阶段的各种解决方案：早期接触时可以使用开发工具，小规模生产验证产品时可以使用其模块，Eyeking可以直接提供芯片。
此外，Eyeking还提供IP授权等合作形式，以更好地应对不同领域的需求。
为了降低下游企业的开发门槛，今年Eyeking将推出各领域完整解决方案的参考设计。
到今年年中，Eye Engine为辅助驾驶提供的解决方案将拥有超过dB的视觉动态范围，可以解决95%的复杂光线问题。
针对无人零售和工业视觉，Eyeking还将推出板卡形式的解决方案。
目前，Eyeking的芯片已经有了实际应用案例。
基于Eyeking的成像芯片，其客户为淘宝卖家打造了一款3D扫描仪，单眼即可输出淘宝商品的高质量三维图像。
朱继之认为，目前的各种拍摄设备起源于日本的影像架构。
他们的初衷是为人们设计，满足人们的主观审美。
然而机器所要求的成像是客观的，机器的使命就是利用视觉测量。
一般来说，前端的测量越准确，后端的识别结果就越准确。
当机器在视觉能力上超越人眼后，它们将发现一个新世界——例如，医生可以通过看病人的脸来诊断病人。
如果机器在视觉能力上超越医生，它们可能会发现更多价值。
信息。
而这也是AI行业最终的进化方向。
3、AI芯片的三大趋势 在谈到当前AI芯片的浪潮时，朱继志认为存在三个重要趋势。
首先，目前的AI芯片是基于视觉处理的。
无论是PC时代还是移动互联网时代，所有的芯片处理工作都是围绕CPU进行的，但现在以视觉为中心的处理工作已经开始让CPU的地位开始下滑。
其次，AI芯片行业目前处于去中心化状态。
过去，操作系统是与CPU绑定的。
主要芯片只有几块，工作都集中在CPU上。
其结果是产品变得更加通用和功能丰富，但还是一样的。
人工智能时代，对芯片的要求将针对每个场景，这是通用处理器无法企及的。
细分行业的应用需求带动了AI芯片的崛起。
第三，人工智能芯片契合产业升级要求。
过去二十年，互联网行业是绝对的明星行业，很多工业产品都被淡化了。
人工智能时代，产业升级对AI芯片提出了巨大需求。
正是因为AI芯片架构去中心化的这三个趋势，才会有大量的初创公司进入芯片行业，与传统芯片巨头展开竞争。
朱继之打了一个比喻。
在被智能化、电动化趋势变革的汽车行业中，也涌现出一批新的车企。
在新趋势带来的产业变革下，原有相对固定的格局往往被打破。
率先应对新趋势，改造甚至创新原有的技术/业务结构，对于像延庆这样的初创企业来说是一个机会。
汽车行业如此，芯片行业亦如此。
结语：AI时代芯片初创企业如何赚钱？从延庆的创业之路来看，人工智能无疑是其成长的最佳动力。
不过，清华大学微纳电子学系主任、微电子研究所所长魏少军在GTIC坦言，未来2-3年，AI芯片初创企业将有先烈。
那么，像延庆这样的初创企业如何在日益激烈的人工智能竞争中生存并发展壮大呢？演讲结束后，朱继之接受了智东西专访。
他认为，除了技术之外，最重要的是找到行业最需要解决的痛点。
能够解决的痛点越重要，解决痛点的能力越不可复制，创业公司的护城河就越宽。
其次，从延庆的经验来看，由于大量人工智能技术都是为了升级传统产业，所以人工智能相关技术产品落地时遇到的最大困难其实就是信息不对称，即后端应用不了解行业的现状。
前端技术，不信任。
针对这种情况，更重要的手段是针对不同行业推出参考设计，降低技术应用的门槛和陌生度。
此外，朱继智认为，由于大公司在数据量上的优势，单纯从事算法研发的人工智能公司会更加危险。
对于人工智能初创公司来说，软硬件结合虽然是一个比较高的门槛，但仍然可以是一种更好保证初创公司生存的模式。