中新經(jīng)緯7月19日電 如今的AIoT江湖，群雄競逐，風(fēng)云正起。

3月，宇視科技發(fā)布2021年度報告時以“智能物聯(lián)”代替之前著重發(fā)力的“安防”；4月，?？低?/span>(行情002415,診股)第一次在年報里修改有關(guān)未來業(yè)務(wù)的表述，明確現(xiàn)在的業(yè)務(wù)領(lǐng)域為“智能物聯(lián)AIoT”；同月，大華股份(行情002236,診股)緊隨其后強調(diào)“智能物聯(lián)”成為新的業(yè)務(wù)核心。

(資料圖片僅供參考)

這些IoT物聯(lián)網(wǎng)巨頭向著AIoT的戰(zhàn)略大調(diào)整，是IoT與AI融合的趨勢照進(jìn)現(xiàn)實最明顯的體現(xiàn)。

回頭看，轉(zhuǎn)變與關(guān)注不止發(fā)生在IoT物聯(lián)網(wǎng)巨頭間，AI勢力早已身入AIoT江湖。“脫實向虛”的IoT物聯(lián)網(wǎng)邊界不斷擴張，“脫虛向?qū)崱钡腁I技術(shù)不斷發(fā)展，兩者交匯于“AIoT”，看起來是科技創(chuàng)新領(lǐng)域發(fā)展迎來的絕佳機遇。

7月15日，曠視科技在北京舉辦的2022曠視技術(shù)開放日(MegTech 2022)上表示，將繼續(xù)錨定AIoT戰(zhàn)略，堅定構(gòu)建由以“基礎(chǔ)算法科研”“規(guī)模算法量產(chǎn)”為兩大核心的AI技術(shù)體系和以“計算攝影學(xué)”為核心的“算法定義硬件”IoT技術(shù)體系(包括AI傳感器和AI機器人(行情300024,診股))組成的“2+1”的核心技術(shù)科研體系。

正當(dāng)時：戰(zhàn)略瞄準(zhǔn)AIoT

2016年，人們見證了AlphaGo打敗世界冠軍棋手李世石，“機器人究竟可以在什么程度上取代人”這類的問題引發(fā)了全球范圍內(nèi)的研討。這背后，是普通大眾開始對走向臺前的AI產(chǎn)生的強烈好奇和關(guān)注。

四年后，相同的一批人又共同迎來了一個新的歷史時刻：全球物聯(lián)網(wǎng)的連接數(shù)首次超過非物聯(lián)網(wǎng)的連接數(shù)。這意味著，“物超人”的時代正式來臨。

此時再往回看，人們意識到，伴隨著世界范圍內(nèi)深度學(xué)習(xí)的興起和算法能力的突飛猛進(jìn)，以計算機視覺為核心的中國人工智能產(chǎn)業(yè)也在國內(nèi)互聯(lián)網(wǎng)發(fā)展的三波浪潮下取得了飛躍式的發(fā)展。

在第一波浪潮中，互聯(lián)網(wǎng)的基礎(chǔ)設(shè)施被構(gòu)建完成，人們可以通過PC及移動端連接入網(wǎng)；之后，人們在爆發(fā)式出現(xiàn)的互聯(lián)網(wǎng)應(yīng)用里更加自如地享受互聯(lián)網(wǎng)的便捷服務(wù)，此時社交平臺、電商集中發(fā)展；如今，我們正處于第三波互聯(lián)網(wǎng)浪潮中，AIoT智能物聯(lián)網(wǎng)時代已經(jīng)開啟。

激蕩的時代浪潮造就偉大的人和先進(jìn)的技術(shù)，人類社會的這一歷史發(fā)展規(guī)律同樣完全適用于現(xiàn)在這個時代。這表現(xiàn)在，早有一批人和企業(yè)站在時代風(fēng)口，開始了關(guān)于AIoT的探索之路。

這其中就包括了已經(jīng)成立了11年的曠視，其始終深耕AI主航道，AIoT也一直是曠視發(fā)展最核心的主旋律。

關(guān)于“AIoT”，曠視在實踐中對其形成了一套創(chuàng)新定義，即“AIoT=AI+IoT+空間”。其中，AI是不斷演進(jìn)的算法能力，如今越來越多的算法正在各行各業(yè)發(fā)揮核心的價值；IoT是軟硬結(jié)合的設(shè)備載體，通過特定的載體，AI才能真正在能夠規(guī)?；涞氐膱鼍袄锩孀畲笙薅鹊蒯尫艃r值?；诖耍瑫缫曊J(rèn)為，AI和IoT相輔相成，核心相關(guān)。

在對AIoT的理解上，曠視還創(chuàng)新性地加了一層“空間”，理解成應(yīng)用場景的閉環(huán)。曠視認(rèn)為，互聯(lián)網(wǎng)、5G、AR、VR等技術(shù)的不斷演進(jìn)似乎只使虛擬世界產(chǎn)生了翻天覆地的變化，并沒有在根本上作用于物理世界的改造。因此，“Make the Physical World Better”才應(yīng)該是AIoT從業(yè)者未來努力追求的方向。

如果說選定AIoT賽道是占得了行業(yè)先機，那么如何能以核心競爭力守住領(lǐng)先優(yōu)勢，才是曠視未來很長一段時間內(nèi)真正面臨的考驗。

為此，曠視特別構(gòu)建了“2+1”的科研戰(zhàn)略體系，即以“基礎(chǔ)算法科研”和“規(guī)模算法量產(chǎn)”為兩大核心的AI技術(shù)體系，和以“計算攝影學(xué)”為核心的“算法定義硬件”IoT技術(shù)體系(包括AI傳感器和AI機器人)。

曠視聯(lián)合創(chuàng)始人、CEO印奇堅定認(rèn)為，“2+1”的AIoT核心技術(shù)科研體系，是支撐曠視未來不斷走向AIoT商業(yè)化成功的重要基石。

曠視聯(lián)合創(chuàng)始人、CEO印奇介紹曠視的AIoT科研體系

造價值：算法量產(chǎn)與AIS平臺

實現(xiàn)算法的全場景植入，可以被理解成是AIoT最具標(biāo)志性的成果。從這個意義出發(fā)，算法量產(chǎn)、落地實用便是算法價值的最終檢驗標(biāo)準(zhǔn)。

當(dāng)在很多應(yīng)用場景和環(huán)境中，一個具體需求的落地需要將幾個算法串在一起構(gòu)建一整個算法的流程才能實現(xiàn)，曠視的算法生產(chǎn)也經(jīng)歷了從點到線再到面的演進(jìn)過程。

曠視研究院算法量產(chǎn)負(fù)責(zé)人周而進(jìn)在開放日上總結(jié)曠視過去十多年在算法生產(chǎn)和應(yīng)用落地過程中的實踐經(jīng)驗指出，算法生產(chǎn)的主要困難集中在整個生產(chǎn)環(huán)節(jié)的復(fù)雜性。具體來說，主要體現(xiàn)在數(shù)據(jù)生產(chǎn)的復(fù)雜性、整個算法模型在生產(chǎn)過程中的不確定性，以及硬件平臺的多樣性。

比如，從生產(chǎn)場景中獲得的各式各樣的原始數(shù)據(jù)本身并不干凈，會夾雜各種不一樣的數(shù)據(jù)噪聲，那么該如何在生產(chǎn)環(huán)節(jié)就剔除這些內(nèi)容？模型作為“AI的大腦”，如何在數(shù)不勝數(shù)的模型中選擇最合適的，如何使它適應(yīng)各式各樣的硬件平臺載體上面，進(jìn)一步地，又有哪些手段可以用于迭代、調(diào)優(yōu)、提升模型？還有面對針對不一樣的硬件平臺需要設(shè)計不一樣的算法邏輯的問題，AI生產(chǎn)人員如何才能寫出高效的代碼？

面對不同應(yīng)用場景落地中遇到的種種復(fù)雜的挑戰(zhàn)，曠視在2022技術(shù)開放日上正式推出了自研的算法生產(chǎn)平臺AIS(AI Service)，從數(shù)據(jù)到模型訓(xùn)練，到性能分析調(diào)優(yōu)，到推理部署測試，功能涵蓋算法生產(chǎn)全鏈路，算法量產(chǎn)可能真正成為現(xiàn)實。

標(biāo)準(zhǔn)化是曠視在算法生產(chǎn)流程中的核心優(yōu)勢，標(biāo)準(zhǔn)化能力也是AIS面向所有人提供的核心能力。這個能力通過提供標(biāo)準(zhǔn)化的數(shù)據(jù)處理過程，以及標(biāo)準(zhǔn)化的硬件部署工具鏈來展現(xiàn)。用戶可以依托平臺完成從數(shù)據(jù)清洗到模型推薦及系統(tǒng)診斷，再到硬件推理的整個流程，大幅降低了算法生產(chǎn)的門檻，提升了算法生產(chǎn)效率。

從本次技術(shù)開放日展示的兩個具體DEMO中，可以看出AIS平臺的優(yōu)越性。一是曠視運動猿小剛產(chǎn)品，自研模型可以快速精準(zhǔn)地檢測超過30個人體骨骼點，從而準(zhǔn)確描述人體運動過程中的各個動作姿態(tài)，完成高精度的測距、測速和計數(shù)；二是動態(tài)智能貨柜，只需安裝 1-2 個攝像頭，這類智能柜即可快速準(zhǔn)確地識別出上千種SKU的商品信息，這背后的動態(tài)視覺識別算法方案就產(chǎn)自于AIS平臺。

曠視運動猿小剛DEMO展示

動態(tài)智能貨柜DEMO展示

據(jù)了解，目前，AIS平臺已經(jīng)能夠支持100多種業(yè)務(wù)模型訓(xùn)練，最快2小時即可完成，而且模型產(chǎn)出精度指標(biāo)遠(yuǎn)高于業(yè)界平均水平。經(jīng)驗證，算法研發(fā)人員使用曠視的Brain++和AIS平臺，可以實現(xiàn)智能標(biāo)注平均加速30倍，自動學(xué)習(xí)訓(xùn)練加速4至20倍。

新思路：“算法定義硬件”

2021年的相關(guān)數(shù)據(jù)顯示，目前AI在全場景的滲透率僅有4%。這意味著，約96%的場景還沒有被AI滲透，因此未來發(fā)展?jié)摿θ匀痪薮蟆?/p>

業(yè)內(nèi)分析認(rèn)為，這些沒有被滲透到的場景，基本對應(yīng)數(shù)據(jù)采集困難、算法復(fù)用度低的大量碎片化場景。而在碎片化場景里，“硬件+適配性算法”的傳統(tǒng)方案不足以彌合落地效果與真實場景需求之間的鴻溝。

因此，曠視獨創(chuàng)性地強調(diào)其“算法定義硬件”理念為核心的新型IoT硬件技術(shù)體系，以解決AIoT現(xiàn)階段特殊化的場景需求和發(fā)展困難。

當(dāng)不斷改造升級的海量應(yīng)用對算法提出越來越多的需求時，算法在傳感器與應(yīng)用間承上啟下的橋梁作用也越來越明顯。一方面，算法能夠明白應(yīng)用想知道什么，需要知道什么，什么有價值；另一方面，算法也知道用戶對于傳感器的需求是什么，用戶想收集什么樣的原始信息。因此，算法也具備了向傳感器需要提供的信息和輸入提出要求的能力，甚至本質(zhì)性地改造了傳感器的形態(tài)以及樣式。

曠視研究院計算攝影負(fù)責(zé)人范浩強在開放日上分享的“AI定義傳感器”便是“算法定義硬件”的核心單元體現(xiàn)。

那么，一個新思考又就此形成：如何實現(xiàn)“算法定義硬件”？

曠視認(rèn)為，全鏈路的整合能力是做算法定義傳感器硬件的核心。范浩強解釋：“在傳感器上，我們需要能夠有光學(xué)、模組、電子學(xué)的設(shè)計能力；在算法上，需要搞定深度學(xué)習(xí)，對傳感器的物理建模以及相關(guān)的一些算法技術(shù)等等；更重要的是在應(yīng)用層，我們需要懂需求，需要知道在哪個維度上影像以及傳感能力是需要被增強的，哪些維度上是可以進(jìn)行取舍的。”

令人欣喜的是，曠視作為AIoT行業(yè)的新勢力，已經(jīng)可以實現(xiàn)以上所有能力的整合，由此夯實了曠視參與“AI定義傳感器”事業(yè)的最大信心和底氣。

據(jù)了解，曠視已經(jīng)和合作伙伴一同實現(xiàn)了千萬顆級別的指紋傳感器出貨能力，推出的產(chǎn)品擁有目前業(yè)界最小的尺寸以及最快的識別速度，計算延遲被控制在10個毫秒以內(nèi)。不僅如此，使曠視定義的AI光學(xué)指紋擁有超聲波的速度和電容的安全性，在今年也已經(jīng)實現(xiàn)。

曠視對于“AI定義傳感器”的探索也并非止步于此。范浩強同時發(fā)布了兩個新技術(shù)愿景：從畫質(zhì)的維度上講，提出走向16K AI極超高清的AI畫質(zhì)，希望通過AI、傳感和顯示的三者聯(lián)動，打造真正身臨其境的影像體驗；從 IoT的傳感角度上講，將推動傳感器往更加極致的小型化、低功耗方向發(fā)展，深化和每個人自身及生活的深度結(jié)合。

領(lǐng)未來：基礎(chǔ)科研與全行業(yè)同頻共振

在印奇看來，AI和IoT并不是并列關(guān)系，AI是曠視一直堅持的核心能力， IoT是核心載體。在IoT里，需要不斷定義更能夠匹配核心的AI大腦的傳感器以及機器人，而在AI里，推動算法量產(chǎn)，真正實現(xiàn)算法價值的前提是好的基礎(chǔ)模型科研創(chuàng)新。

2012年，“大型的深度卷積神經(jīng)網(wǎng)絡(luò)”AlexNet的成功推動了深度學(xué)習(xí)的興起。之后，AI便隨著CNN、Transformer等一系列經(jīng)典模型的現(xiàn)世大踏步前進(jìn)。這是AI行業(yè)基調(diào)往前的10年，也是曠視與行業(yè)同頻共振的10年。

時間發(fā)展至2022年，AI視覺的性能一定程度上已經(jīng)可以與人類比肩，曠視基礎(chǔ)科研的腳步也已漸深至遠(yuǎn)。

過去一年，曠視推出的專門用于點云和自動駕駛場景3D檢測任務(wù)的動態(tài)卷積神經(jīng)網(wǎng)絡(luò)Focal Sparse CNN展現(xiàn)了當(dāng)下最好的性能；NAFNet網(wǎng)絡(luò)也可以更好地利用和保持圖像原有的信息，對于圖像畫質(zhì)恢復(fù)、DeNoise、SR等視覺重建任務(wù)具有更好的性能。

面向未來，曠視研究院基礎(chǔ)科研負(fù)責(zé)人張祥雨指出“大”和“統(tǒng)一”已經(jīng)成為視覺AI基礎(chǔ)研究的最新趨勢。

前者主要指AI大模型，即利用大數(shù)據(jù)、大算力和大參數(shù)量，提高模型的表達(dá)能力，使得AI模型能夠適用于多種任務(wù)、多種數(shù)據(jù)和多種應(yīng)用場景。后者指由AI視覺研究領(lǐng)域涵蓋的多個領(lǐng)域里的每一個研究路徑衍生的一系列算法，正在底層走向統(tǒng)一。

從“大”和“統(tǒng)一”這兩大觀點出發(fā)，曠視未來基礎(chǔ)模型科研著重發(fā)力通用圖像大模型、視頻理解大模型、計算攝影大模型，以及自動駕駛感知大模型。

以自動駕駛感知大模型為例，曠視構(gòu)造的新網(wǎng)絡(luò)PETR已經(jīng)可以極大地簡化基于自動駕駛的視覺AI系統(tǒng)的設(shè)計，并且減少人工的先驗，能讓工程師更好地從數(shù)據(jù)中學(xué)習(xí)到真正網(wǎng)絡(luò)需要的知識。

于AIoT的入局者而言，他們正經(jīng)歷一場未有之技術(shù)大變局，且應(yīng)該意識到，這將是一段漫長的征程。盡管業(yè)內(nèi)預(yù)測AIoT將迎來它輝煌的黃金十年，但未來終歸屬于未知，頗具變數(shù)?；诖?，破局的眼光、視野與雄心不可少，選擇的路徑更不能錯。

誰將問鼎AIoT江湖或許短期內(nèi)難有令人信服的預(yù)測，但以“基礎(chǔ)模型科研”提升內(nèi)功，以“算法量產(chǎn)”補充實戰(zhàn)經(jīng)驗，以“算法定義硬件”作稱手兵器，曠視無疑正走在一條充滿希望的路上。

關(guān)鍵詞： 風(fēng)云正起的AIoT商業(yè)化江湖 誰能問鼎