“計算機視覺的前端成像技術，背后是至少100億數量級的龐大需求!”下面就隨汽車電子小編一起來了解一下相關內容吧。

在日前剛結束的2018 AWE現場，身為眼擎科技CEO的朱繼志，滿懷激動的下了這么一個結論。

朱繼志說話的語氣非常篤定，因為他們的eyemore X42芯片上市不到兩個月，就已一路高歌，初露崢嶸。而業內對eyemore X42的看法是：這款全球第一款完全自主研發并正式對外發布的AI視覺成像芯片將“引領AI機器進入視覺2.0時代”。

既然這款芯片目前在國內甚至全球同領域內屬于獨一份，好奇之下，我們不禁就和他多聊了幾句。

2018將是AI落地第一年，視覺市場規模潛力巨大

近幾年，人工智能的火熱是毋庸置疑的，上到國家兩次將其寫入政府工作報告，下到雨后春筍般出現的各種AI公司，所有這些都在昭示著一個嶄新的人工智能時代即將到來。

同樣的，在眾多的AI技術和應用中，計算機視覺是最大的切入點和最具潛力的領域。畢竟，在我們獲取的全部信息中，視覺信息的比例達到了80%以上，因此，這將是一個前景無限的市場方向。

計算機視覺的應用領域幾乎涵蓋了我們所知的所有行業，自動駕駛、金融風控/交易、安防、新零售、智能手機、機器人......

國內計算機視覺領域，商湯和曠世算是兩只最大的獨角獸，而他們于去年上演的融資競賽更是吸引了無數業內人士的目光：先是2017年7月，商湯科技B輪融資4.1億美元，接著道10月31日，曠視科技Face++又宣布獲得4.6億美元C輪融資，隨后商湯即傳出接受阿里15億元投資的消息......

不用多說什么，僅從這一連串創紀錄的融資金額中，我們就可以感受到計算機視覺在AI界的熱度。

據相關研究報告預計，2018年全球計算機視覺市場規模將達到50億美元左右，而到2020年，中國計算機視覺市場規模將增長至725億元，未來前景極為廣闊。

“2016年是AI的概念年，2017年是demo年，2018年是落地第一年。”朱繼志認為，在未來的三年內，AI會很快的實現更為廣泛的落地應用 。

“盡管現在整個產業很多技術都還有一些問題，但是其整體架構已經出來了。”朱繼志說。

深耕前端成像領域，視覺2.0將為產業生態帶來質變

眾所周知的是，目前國內AI視覺領域的科技企業，幾乎都在使用傳統攝像頭，都把焦點集中在對圖像的后端處理上。這就導致了一個尷尬的現象：絕大多數的AI公司算法足夠優秀，但前端成像技術不過硬，導致實際落地時機器的“眼睛”不能適應外界光線變化，識別效果差的尷尬局面。

以自動駕駛汽車為例，在諸如車輛經過隧道、對面駛來的車開大燈、夜間紅綠燈被道路景觀燈遮擋/干擾、夜色漆黑伸手不見五指等等異常情況下，往往會由于識別不準而發生行車事故;

同樣，安防領域也會因為紅外黑白畫面和逆光的人臉發黑而無法識別、工業檢測中會有因為高光和反光導致無法檢測的情形等等。

“在復雜的光線環境下，AI機器獲取的圖像信噪比會受到極大影響，這是導致市場上AI視覺產品難以落地的最大原因。”朱繼志認為，要徹底解決這一難題，關鍵在于做好AI視覺產品的前端成像。

要克服AI機器在復雜光線下的圖像識別，就要首先解決圖像的獲取和前端處理。目前，業內主流的解決方案有3種。

第一種就是我們所熟知的激光雷達，在光線不好的情況下，通過主動發射激光并利用光線反射來獲取物體的圖像和三維信息。激光雷達的優點非常明顯，它可以獲得極高的角度、距離和速度分辨率，同時也具有良好的抗干擾能力。

不過，受限于巨大的體積和昂貴的價格(各類32線、42線、64線等型號產品，價格動輒數萬數十萬甚至上百萬，雖然在持續降低，但依然不親民)，它正在被邊緣化。正如馬斯克所說的，“激光雷達就像一根拐杖”。這個比喻很恰當，視覺能力不行的時候，需要依靠激光雷達這樣的拐杖，但拿著拐杖卻是永遠跑不快的。

剩下的兩種方案則都是在相機和成像處理的基礎上加以改進。首先是陣列計算相機技術，原理有點類似于蜻蜓、蒼蠅等多目昆蟲的復眼，通過數個、數十個甚至上百個相機組成的陣列，拍攝出擁有億級以上像素的動態圖像，為AI機器提供視覺支持。

目前，這一技術尚在研發階段，受限于體積和供應鏈的制約，其產品也還處在落地的早期階段。

第三種方案，即是眼擎科技所做的，AI視覺前端成像引擎芯片eyemore X42。

據朱繼志介紹說，眼擎所做的這種方式，像人的眼睛一樣，核心是把人的眼睛視力弄好——解決AI機器在各種光線下自動適應光線的能力。

“我們堅信，以后AI機器的眼睛應該和我們人類一樣，以后它們的視力一定不會比人眼差，甚至比人眼強。這就是我們創業的初衷，我們要從根本上解決AI的視力問題。”

眼擎eyemore X42芯片，視覺2.0時代的AI機器成像引擎

關于AI視覺，馬斯克曾經提出過“全天候被動光學圖像識別”的概念，就是要解決復雜光線，包括弱光、逆光、反光下的精準識別，這也是AI機器要解決的剛需問題。眼擎科技把這種自動適應光線的視覺，稱之為“視覺2.0”。

2018年1月19日下午，在2018極客公園創新大會上，國內AI視覺成像芯片科技公司眼擎科技正式對外發布“eyemore X42”芯片。據悉，eyemore X42是全球第一款完全自主研發并正式對外發布的AI視覺成像芯片。

數據顯示，eyemore X42成像引擎芯片，擁有比傳統ISP高20倍的計算能力，采用了20多種新的成像算法，集成了超過500種不同場景下的復雜光線數據。

eyemore X42芯片有三個特點：首先它是一顆獨立成像芯片。目前各種相機、智能手機、攝像頭里都有成像功能，但都是被集成在主芯片里面的，只能叫集成成像。而eyemore X42整顆芯片只專注于一件事情，那就是成像。這有點像Intel的CPU帶了集成顯卡功能，但我們知道，只有像NVIdia的專用GPU才一定是未來的主流。

第二個特點，eyemore X42拋棄了傳統的ISP成像架構，采用了全新的成像引擎架構，來解決復雜光線下的成像難題。而傳統的ISP，從架構上來講，無論如何也無法完美解決復雜光線的問題。

第三個特點是，eyemore X42提供了豐富的API接口，讓做后端圖像識別的算法工程師，可以很方便的控制成像的過程。

eyemore X42的性能有多強大?也許其發布會當天現場演示的“微光/暗光環境下實現精準識別”的實驗，就能很好的說明問題。

“如果你問所謂的微光會微到什么程度?這個很簡單，我們有一個基本的標準，就是和人眼比，我們就是要超越人眼”，朱繼志說到。

人眼的視網膜里有大約1.25億個視桿細胞和視錐細胞，它們扮演感光器的角色。其中，視桿細胞感知光線的明暗，而視錐細胞負責感知顏色。到光線的明暗達到一定程度(過亮或過暗)的時候，視錐細胞就停止工作，轉而切換到視桿細胞，因此這時人眼就只能感受到黑白的灰度，暫時失去了感知顏色的能力。

“我們現在做的事情是比人眼18個DB的八倍，在那種情況下。所以，在人眼看不清顏色、只能看清輪廓的情況下，我們能夠精準的還原顏色。”

人對世界顏色的感知能力是有限的，雖然理論上說人的眼睛可以分辨出出高達1200萬種顏色，但實際上遠遠低于這個數字。但機器能不能分辨出一百萬種、一千萬種甚至更多種顏色呢?這完全有可能。

我們很難想象的到，一個機器超越人眼之后可以做些什么。高維視覺和低維視覺相比，具有無可比擬的優越性。

比如看到一朵花，我們看到的只是白色的，但機器看到的是五顏六色的，因為可能有100種白。這就是機器進步的核心能力，能夠看到更多的信息，所以能夠給出更精準的反饋。

AI實體化之下，5年內視覺芯片將有100億數量級需求

隨著AI技術的進一步發展和應用的持續擴大，各種由AI芯片驅動的機器/設備持續出現，使得AI已經越來越呈現出實體化的趨勢。

“得益于人工智能的廣泛應用，目前已經形成了一個很大的技術生態。在這個龐大的生態海洋里，AI機器這個新的物種已經開始進化出來，這些AI機器將會迅速進入我們的現實世界。”朱繼志說。

AI機器區別于一般機器的最大特點是，它不是一個普通的工具，它自己有大腦。我們可以把自動駕駛、機器人、包括工藝檢測設備、智能的安防攝像頭/門禁/鎖具等等，都看做一個AI的機器。

另一方面，從信息時代發展到如今的AI時代，競爭核心已經從加工制造工藝/硬件設備性能的競爭，升級為算力和算法的比拼。由此，作為算法和算力承載的芯片，就成了當今時代最大的競爭焦點。

而AI機器需要數量更多的、性能更強大的芯片，即各種AI芯片。

“AI機器這個新物種，就是被各種芯片所驅動的。在比拼算法和算力的時代，一個AI機器所需要的芯片的數量，也就是芯片的密度，會呈現數量級的增長。”

以目前突然躥紅的比特幣為例，其挖礦的設備——礦機，就是芯片的需求大戶。在一個普通的礦機里，就會有幾十到數百顆處理器芯片，而這個在以前是不可能想象的。