撰文 | 四月
「人工智能有多少智能，就有多少人工」對於這句話感觸頗深的是中科創達副總裁，機器視覺業務線的負責人孫力。在深耕智能操作系統十餘年的中科創達，孫力認為人工智能的價值遠不在算法的價值，而是在於其延伸價值——即植入芯片、中間件、算法和操作系統，載入硬件平臺、結合雲計算和管理系統——成為完整可用的方案的價值。
2008 年，中科創達從手機操作系統起家，2015 年成功上市。在資本和技術的雙重推動下，中科創達的業務全面鋪開。目前，其三條業務主線包括 IoT、汽車電子、手機，其中以手機平臺為主的嵌入式操作系統作為主營業務，佔六成左右，物聯網和汽車電子分別佔剩下比重的一半。
近日，在清華大學舉辦的嵌入式 AI 大會上，中科創達聯合清華大學、美國高通公司等高層領導和學術代表分別就嵌入式人工智能技術的發展方向和落地應用現狀進行了探討。活動期間，機器之心與孫力針對過去一年機器視覺的熱門技術應用問題進行了探討。
機器視覺終端的三大應用場景
孫力認為，手機的 AI 應用很大程度發生在 APP 裡。在終端本身，主要是將 AI 用於相機的場景識別。比如美顏，場景識別等。「當我們拍了一處夕陽特別就能特別像大片，很可能是因為手機做了特殊處理。」在以前，手機的 AI 化尚未普及時，面對所有的場景都是調同一套參數，但現在，在終端就能夠根據不同場景調用不同算法。「而且這必須在終端實現，哪怕在 5G 時代，用於也接受不了雲端的返回時間。」孫力認為。
在家電場景，比如冰箱和微波爐的內置攝像頭，可以用於識別食物。比如冰箱裡的雞蛋是否變質，微波爐應該選用什麼檔位。在汽車場景裡，機器視覺的應用可分為兩類內：車內和車外。對內，監控駕駛員疲勞程度，以及不同乘客進入到車內後的個性化選擇，比如座椅幅度、音樂風格等；對外，識別車外的各種複雜場景，比如紅綠燈、行人、斑馬線等。
針對不同使用場景，機器視覺的應用制約條件也不盡相同。在安卓手機層面，最大的制約來自於生態系統比較紊亂，高通、聯發科、展訊等廠商的不同芯片即對應著不同的軟件站、DSP、GPU。而算法需要與手機的硬件、操作系統、芯片進行深度合作，所以很難出現一個算法像 APP 一樣跟所有手機兼容。「優化，是手機端 AI 應用的最大挑戰。」孫力談道。
在汽車場景中，一套基於視覺的自動駕駛系統包含了攝像頭、芯片、AI 算法等，以及車規級的嚴苛要求。孫力表示，目前能夠提供整體解決方案的還比較少，中科創達視覺團隊是少有的公司——從攝像頭的畫質調優到核心算法以及底層軟件，AI 算法都有涉及，並且對於四大汽車芯片廠商都很熟悉，所以中科創達在該領域的進展很快。2016 年底，中科創達以 6400 萬歐元收購位於芬蘭的車載交互技術公司 Rightware，這是其第一次國際併購。
活動現場，中科創達展示了基於驍龍 845 芯片的終端智能分析盒子 AI Kit。孫力介紹，中科創達不是簡單地將芯片放進盒子裡，而是同時轉入的各類應用算法作為參考，比如物體識別、人臉識別等，讓開發者能夠即插即用。此外，基於此前的嵌入式操作系統經驗，中科創達還將發揮攝像頭的調優、系統優化等等能力。
孫力認為，高通在整個生態系統裡邊關鍵有三個要素，芯片、中間件、算法，將這三個打包就成為應用。在 845 的中間件或 AI Engine，是能夠解決異構計算需求的成熟產品，不再依賴於專用的 AI 加速芯片。
相比其他公司，高通具備的是較強的綜合能力。算法廠商缺少芯片和中間件，部分芯片廠商中間件所支持的算子和模型有限。孫力表示，AI Kit 還將推出驍龍 855 版本，載有專門的 NPU。
手機之外，3D 視覺的更大舞臺
去年，iPhone X 帶動了一波刷臉解鎖的風潮，但卻延續往年的引領者角色。在 Oppo、小米、華為悉數推出單款 3D 人臉解鎖手機後，下半年，主流手機廠商基本放棄了 3D 深度視覺的方案，轉向屏下指紋。
孫力認為，3D 視覺未能在國內的安卓手機市場推廣開來的原因主要有二：
（1）物料成本高，方案剛上市時達到 20-30 美金，在手機市場價格戰拼殺到現階段來看，遠不是大部分手機廠商所能接受度的價格。就算到目前為止，3D 模組的價格也沒有降低到規模化的程度。
（2）多種的光學設計方案（ToF，結構光，雙目，主動雙目等）、安卓手機廠商和芯片廠商共同導致供應鏈和系統的碎片化，導致這樣一套新方案很難在體驗層面達到標準化。
但孫力仍然對 3D 視覺的應用方向保持樂觀，他認為當具備以下三項要素後才是深度視覺技術普及之時：1）硬件方面，需要有豐富的 3D 攝像頭採集圖像，要足夠便宜；2）拼接和建模算法，高精度算法；3）在此基礎上，才是做 3D 的人工智能應用，比如物體測量、工業質檢。
孫力表示，他更看好 3D 的人工智能應用。在工業場景下，需求已經非常明確。比如通過測量豬的體積來推斷體重。孫力表示，「雖然聽起來稀奇，但確實是真實需求，並且已經在大量使用」，通過 3D 視覺測量出豬的體積，因為圈養供應的飼料一致，根據肥瘦比基本能推算出體重，由此觀察出豬的生長曲線。
另外，在需要測量大型物件的場景裡，針對瑕疵的凹陷需要精確到毫米級別時，用 3D 視覺建模就能自動計算出結果。相比人力更安全和省力。孫力表示，在上述工業垂直場景中對於 3D 視覺的需求相比手機解鎖更為直接和強烈，更適合落地。他表示，在工廠生產線都是 7*24 小時運轉，機器和人工智能的介入能夠帶來顯著的運轉情況改善。
當 3D 視覺運用到具體工業領域，對於業務方而言還需要具備哪些必要條件，以及制約其發展的主要因素在於？
孫力認為在工業質檢領域，對於企業而言，首先需要採集數據，這其中涉及到變量有采集到的數據的特點、採集的數量、採集的設備以及方式。
此外，還需要明確企業裡的內部客戶是誰？質量部門和研發部門的要求是不一樣的。企業內部要一個能說話算數的部門進行管理和對接，將問題抽象出來，闡述清楚，制定有效的判定規則。如果問題無法定義清楚，那麼算法工程師沒法推進。比如面板檢查，是檢查存在壞點還是檢查顏色不均，存在哪幾類問題需要歸納出來。
最後，便是工作流程的梳理和再造。因為 AI 的本質希望減少人力，提升工作效率。那麼，在 AI 應用所涉及到財務部門、IT 部門、質量部門、研發部門、工程管理部門、供應鏈部門等，都需要圍繞這項新的生產力要素進行一定的流程改造。
實際部署過程中，流程改造通常是從一個小的突破口開始，當企業嚐到甜頭了，就會慢慢進一步推動下去，開始相信 AI 能夠為他帶來更大的回報。想要一開始就大刀闊斧基本很難，因為企業內部每個部門都有其自身的運轉模式和體系。當他們對於 AI 沒有足夠信任的時候，可能前期還要花費雙倍的經歷，用人力和 AI 對比來驗證是否可行。
等到驗證可行，方案上線，有會出現新的問題。當企業的製造需求、供應鏈結構、工藝製程發生改變，原來的算法可能未必能泛化和適應新的條件，所以方案又需要新的部署和升級。不過，這種改變涉及到的人力影響就比較小了。因為現在只需要一兩名員工就能服務機器，因為機器已經能夠產生巨大的效率。而以前都是機器服務於我們。人服務於機器，人的作用是抽象現實中遇到的問題，讓算法功能夠實現，讓機器代替人工。
AI 芯片創業明年會更好嗎？
談到自動駕駛，孫力認為，純視覺算法的方案將來一定會落地，但是相比激光雷達的融合方案可能會相對晚一些。
目前，英偉達優勢在 AI 算力的強勁，其他廠商 TI、恩智浦、高通等，國內全志等廠商都在積極解決精準化問題。要實現基於視覺方案的自動駕駛，首先，攝像頭和機器視覺算法的組合能夠實現有效圖像的採集；第二，是各個傳感器圖像的拼接，最棘手的問題在於環視攝像頭圖像的拼接，以及車內的駕駛員的行為分析。
面向汽車的嵌入式非常嚴苛，要經過第三方認證，每段代碼都要檢查，審核週期很長，十分考驗公司的現金流。整合更偏向於 Tier1 廠商的領域，博世，作為硬件集成商，逐步降低這個成本，Mobileye、英飛凌、恩智浦，非常強的整合能力，現金流充沛。
在談到 AI 芯片公司在明年將遇到更殘酷的競爭時，孫力分析道，第一代做 AI 加速都是多采用手機芯片，採用類似 DSP 或者 GPU 進行異構運算，功耗比較大，但好處是容易快速出產品，供應鏈容易管理；作為只能出售 IP 的協處理廠商，可能會面向 soc 大廠商的競爭，比如高通等，以及 ARM 也做加速的 IP，從這個層面來看，想將 IP 賣給第一梯隊的芯片公司這條路並不好走。
但是第二梯隊的芯片公司存在需求，而 IoT 市場也是更大的空間，將手機架構的芯片用於物聯網市場顯然是冗餘的，比如智能門禁的處理芯片顯然是不需要 GPS 功能的。面對更細分市場的需求，大廠顯然沒法重新開設產品線滿足，這些正是創業公司的機會。選擇跟偏中低端品牌的芯片廠商合作，推出價格更親民、功耗更低的物聯網芯片——既保證智能化，同時控制成本。
閱讀更多 機器之能 的文章
