年薪200万，美元VC挖走了我的员工
06-18
雷锋网：7月12日至7月14日，第四届全球人工智能与机器人峰会（CCF-GAIR）在深圳正式举行。
本次峰会由中国计算机学会（CCF）主办，雷锋网、香港中文大学（深圳）承办，深圳市人工智能与机器人研究院协办。
其得到了深圳市政府的大力指导，是国内人工智能和机器人学术界和产业界的重要论坛。
是产业界和投资界三大领域的顶级交流博览盛会，旨在打造国内人工智能领域强大的跨境交流合作平台。
感知城市场景需要什么样的芯片？ 7月13日，大会迎来AI芯片专场。
会上，联合创始人、触景科技CEO肖洪波发表了《重构边缘芯片，让感知融入城市》的讲话。
徐景武科技联合创始人及CEO肖洪波肖洪波指出，现有智慧城市解决方案在后端开放数据，但受限于网络和处理能力问题，只能实现沙粒那么小的智能。
智慧城市的进一步发展是必然的。
需要三大技术进步：物联网、边缘计算和通信。
只有完成前端的智能分析，并与后端协同价值数据，才能充分利用真实城市规模的物联网数据，打造感知城市。
要实现这一点，现有的芯片解决方案无法满足我们推动前端传感技术进步的需求。
近两年，Touchview共研发了四代边缘计算产品，基本涵盖了目前市场上的各种前端芯片解决方案。
例如第一代基于GPU的嵌入式产品，随后是VPU、NPU，以及正在开发的下一代基于FPGA的产品。
在产品研发和方案实施的过程中，触景Infinity更加清晰地认识到，只有掌握芯片设计技术，实现软硬件协同优化，才能实现真正的前端感知。
演讲结束后，雷锋网对肖洪波进行了采访。
他提到，在芯片技术发展的后期，客户必须看重的是综合场景的效果，而不仅仅是加速。
未来，细分场景将会越来越多。
当产品推出时，不仅仅是技术问题，工程问题，如系统功耗、外部气候、温度等都会成为关键因素。
因此，长期的产品开发经验也是QJW现有团队的优势。
目前，行业内出现泛在电力物联网、智能安防的趋势。
它的核心也是围绕着传感器的感知能力，还会有更多的功能需要专业化。
虽然从通用性到专业化有很长的轴，还有很长的路要走，但Touchview从一开始就专注于传感器融合和边缘计算，并将其作为自己的技术路线坚持下去。
采访中，他还提到，不久前，在与建设银行的5G+智慧银行案例中，沪金五线凭借以盾物智能盒子、智能分析主机为代表的边缘智能系统和解决方案从众多供应商中脱颖而出。
该计划已实施金融科技。
现阶段，从客户提出请求到集成到客户系统中，出境无锡的产品部署可以在2天内完成，这意味着出境无锡已经生成了完全量产的边缘计算系统，并进入了标准化水平。
。
从未来来看，金融、安防、电力、应急智能等场景对多重传感能力的需求将大幅增长。
“从智慧城市到传感城市，还有很多工作要做。
未来几年，传感将带来更大的市场。
”以下是肖洪波在CCF-GAIR会议上的演讲内容，经雷锋网编辑，不改变原意： 大家下午好！我是来自无限的肖洪波。
我公司一直专注于边缘计算，拥有多年的边缘计算经验。
我们在这方面有很多实际的应用场景，包括智慧城市领域的安防、电力、金融等。
今天我特别想借此机会跟大家分享一下。
今天看到很多关于边缘计算的演讲。
我们想要对边缘计算做更深入的分析，即边缘计算需要什么样的芯片来增强智慧城市的能力以及边缘计算为什么需要芯片改进。
重新设计。
这就是罗兰贝格智慧城市战略指数。
调查城市中只有15个城市达到或超过60分，这意味着只有10%的城市通过，90%的城市未通过。
智慧城市的提出已有十多年了。
自从IBM首次提出智慧地球以来，大家都在致力于智慧城市，云计算和大数据也已经出现了十多年。
我们发现智慧城市仍然没有达到预期的效果。
在我们看来，这主要是因为大家忽视了边缘和感知领域的投入，只开放了后端的一些数据，而没有在前端收集更丰富的数据，并在前端进行智能分析。
从感知的角度重构城市是一个非常明显的趋势。
以目前的技术发展来看，我们觉得有三项技术对于感知城市和智慧城市来说非常重要。
首先是物联网技术，在前端采集各种数据，包括图像、声音、温度、气压等，综合传感终端的出现将改变前端数据采集策略。
二是边缘计算技术。
计算从云端回归到边缘，主要是因为芯片技术的发展赋予了边缘越来越强的计算能力。
过去，前端传感器，例如图像传感器，仅在前端采集数据，最终需要传输到数据中心进行处理。
随着近一两年的发展，大家发现越来越多的前端数据可以直接在前端进行分析、处理和响应。
三是通信技术的发展。
新一代物联网将为我们的城市带来重大变革。
这是一辆F1赛车。
大约二十年前，在F1比赛中，真正的胜利取决于两点，一是赛车的机械性能，二是车手的经验。
这两点基本上就可以赢得比赛了。
但随着遥测技术的出现，F1比赛的规则已经彻底改变。
通过将前端汽车连接到后端计算机，车手成为整个比赛的一部分，F1比赛转变为实时物联网系统。
每辆F1赛车上都有数百个以上的传感器，每圈数据量超过15万个。
通过前端传感器可以实时采集并传输周围环境数据和车辆数据。
后端计算机团队分析并将数据反馈给前端驱动程序，快速响应策略。
事实上，城市也需要这样的改变。
通过物联网前端可以收集丰富的环境数据，分析后可以实时调整城市内部策略。
2016年，“感官城市”被评为全球十大突破性技术之一。
《麻省理工科技评论》提到了这一点。
那么如何利用传感技术来改变现在的城市呢？在过去的智慧城市建设中，我们创造了很多信息孤岛。
我们有智能安防系统、交通管理系统，但它们都是独立的，没有一个信息收集、分析和处理的整体框架。
我可以给你举个例子。
在高速公路工程中，我们发现有一种天气对司机来说特别危险。
这种天气称为雾。
这种雾并不是大面积的雾，大约只有一米到一公里。
它会随着空气的流动沿着整条路漂移。
这对于驾驶来说是非常危险的。
大家突然从高度可见的环境冲向看不见的环境，很容易引发交通事故。
那么这是天气应用程序还是交通应用程序？我们的高速公路项目是一个典型的交通应用，但光是雾就是一个明显的天气问题。
然而，借助我们的技术，使用高速摄像机进行能见度分析可以非常准确地预测雾的运动。
在这里，我们将交通和天气结合起来。
未来我们相信智慧城市的前端会有一个多传感器融合的综合采集处理终端，可以融合多种不同传感器的数据，通过智能分析反馈到我们的应用系统在前端。
我们相信，未来城市+感知将成为“感知城市”，通过传感器技术与边缘计算的结合，将信息快速反馈到城市的各个方面。
这是最近很火的电视剧《长安十二时辰》。
这是今年智慧城市的大戏。
完全是智慧安防、智慧消防的应用。
它对实时性要求非常高。
CIO李必用武侯和王楼创作了一套。
该系统以边缘计算为核心，系统设计基于场景，并且该系统的设计完全符合Gartner边缘和云的设计理念。
今天看到很多嘉宾在谈论边缘计算和云计算。
每个人都认为这是两件事的极端。
事实上，从边缘到云端有很多层。
从边缘智能到边缘智能网关再到云数据中心共有七层。
每一层都有很多技术创新需要我们去落实。
对于边缘计算来说，有几个主要的技术点值得我们关注。
首先是实时性能，比如毫秒级的响应，这在云端是很难实现的。
你可以认为光的传输速度是有极限的。
即使中间没有经过路由器、交换机、网络设备的计算，只是通过光纤传输，如果数据中心不在城市，往返传输时间也可能达到几十毫秒。
当我们面对一些需要一百甚至几十毫秒内响应的场景时，在云端是没有办法实现的，需要在边缘实现。
另外，城市中有很多传感器，会产生大量的数据。
现在物联网上产生的数据远远超过了当前互联网的数据流量。
而且，在很多项目实施过程中，我们会发现数据中心存在大量的数据丢失，很多帧丢失是因为网络不够稳定，带宽不支持将所有信息传输到数据中心。
数据中心。
还有各种隐私问题和本地响应问题，这些都决定了边缘人工智能是未来人工智能实现的重要技术基础，而不是云端。
我们这几年一直专注于边缘计算，推出了多种边缘计算产品。
其中有两款：敦吾智能盒子和敦吾智能分析主机，采用前端深度学习的加速阵列。
它的功耗仅为15瓦，支持多种算法处理，包括人脸、行人、ReID等前端图像处理算法。
除了产品之外，我们还基于它构建了分布式边缘智能系统。
我们设计了一个可以并行处理的标准单元，由前端传感器、边缘智能盒、智能网关组成，可以在前端处理各种类型的数据。
采集处理后，结果可传输至后端应用平台进行进一步处理和反馈。
我们最近刚刚搭建的刷脸地铁进站系统，就是将车站系统划分为多个节点进行处理，从而在一两百毫秒内实现刷脸进站。
在物联网感知系统的应用方面，我想举一个例子来说明我们对前端有什么样的需求。
这就是我们在武汉做的城市交通物联网解决方案：电子警察系统（见PPT）。
中国大量的车祸是由违章驾驶造成的。
虽然我们的交通法规有很多规定，但由于技术无法抓到这些行为，基本上我们的电子警察只抓到一个闯红灯的人。
但我相信，使用我们的系统后，我们的驾驶行为会更加规范。
我们的电子警察系统采用一台摄像头同时覆盖多条车道，前端可同时抓拍16类违法行为。
目前的违规抓拍方法是使用一台摄像机覆盖一条车道。
在我们与武汉交警的测试中，与之前的数据相比，在路口抓获的违法行为数量增加了20倍。
以前我们平均每个月只能抓到30起违法行为，现在我们每个月抓到700多起违法行为。
我们的捕获率达到98.66%，远远超过竞争对手。
我们在该系统中使用前端传感技术，使用特殊的图像传感器和多个并行高速算法。
以前的系统通常支持一种算法，允许我们同时运行车辆违规检测以外的模型，例如人脸模型和雾检测模型，它们可以实时并行处理响应。
近两年来，我司一共开发了四代边缘计算产品，基本涵盖了市场上的各种前端芯片解决方案，比如第一代基于嵌入式GPU的产品，以及后续的VPU和NPU产品。
，下一代基于可编程芯片的产品最近也正在开发中。
这些芯片非常好，但我们仍然觉得还有很大的改进空间。
我们觉得前端需要一个全新的芯片来解决智慧城市遇到的问题。
对于前端感知系统来说，它是一个从场景出发，经过光学部分，到达图像传感器，经过ISP处理的系统。
传统的处理方式是通过编解码传输到云端直接进行处理。
我们认为感知系统应该集成多种传感器，不仅仅是光学传感器，还包括来自声音和激光雷达等其他传感器的数据。
经过前端传感系统的分析后，这些传感器可以动态调整以获得所需的数据。
不仅仅是拍照和录音，而是基于我关心的场景，比如交通场景、安防场景，我可以根据这些场景对传感器进行更细粒度的调整，从而获得更好的图像或者从其他方面获得更好的数据。
传感器。
那么传感场景需要什么样的芯片呢？从做芯片的角度来说，一是做通用芯片，包括CPU、GPU以及一些深度学习加速的芯片，都是通用芯片。
一种是专用芯片。
我们认为，传感场景中需要的是专用的SOC来在芯片中实现传感功能。
我们的芯片设计满足前端在高性能、低功耗、感知融合三个方面的需求。
高性能和低功耗更容易理解，因为这是边缘芯片，对功耗特别敏感。
还有一点就是传感器和AI处理的融合。
我觉得这就是前端芯片的核心能力，因为在物联网领域或者边缘领域，它的核心数据源就是传感器。
智能与传感器如何真正融合？在一起是我们要解决的问题。
前端传感芯片中有几个大模块。
第一部分是图像中的数据。
当然，还有其他传感器数据，也有一些DSP进行处理。
来自图像传感器的数据经过智能AIISP进行动态调整处理。
关键的AI处理部分是并行神经网络加速单元。
现在大家看到很多AI芯片都是单核芯片，所有模型都需要串行计算，即用一个模型进行计算，得到一个结果，需要将另一个传感器或者其他功能的数据进行计算。
更换为其他型号。
再次处理。
但是感知系统就像人眼一样，有多种功能同时运行，这就需要你在前端有一个并行的神经网络来加速它。
另外，该芯片还包括一些编解码器等功能模块，都比较成熟。
去年我们披露传感芯片计划时，还披露了我们在美国投资的物联网芯片技术公司Inspirit IoT。
在刚刚过去的DAC比赛中，我们的神经网络加速模型获得了第一名。
与其他一些GPU相比，它也排名第一。
我们可以实现高达50倍的DNN加速效率，并且在能效比方面也达到了8TOPS/W。
在感知融合方面，我们将利用边缘多传感器融合模型，利用来自不同传感器的多种数据，在前端进行深度学习数据融合处理，获得全面、准确的数据，满足实际场景的功能需求。
在ROI方面，我们也进行了更深入的优化。
传统的ISP技术强调拍照或制作视频，但在物联网场景中，重点是信息点以及如何智能调整信息点。
就像刚才提到的交通场景，使用的是超广角摄像头，但我们并不关心整个图像。
我们需要在前端处理关注的目标，比如车辆、人脸等。
我们将在前端处理它们。
捕获感兴趣区域并根据场景实现像素级ISP优化。
主要分为两部分，一是目标相关的，二是场景相关的，比如根据周围的灯光进行调整。
另外，我们的芯片还包含了比较优秀的细节优化算法，可以利用多帧算法来优化局部细节。
这对于未来的传感器来说也是一个挑战。
虽然我们使用的产品帧率都是几十帧，但实际上目前的传感器最多可以支持10帧，但是传输起来很困难。
在这种类型的传感器上，我们可以使用算法进行优化，这有助于我们获得更好的图像或数据质量。
今年我们还将进一步与Intel合作（见PPT），开发优化的框架，在Intel的FPGA上实现感知算法。
我们将实现非常高的能耗比提升，包括算法自适应优化和移植，其中包括非常高效的高级综合工具，自动生成RTL FPGA代码，快速将感知算法移植到FPGA平台。
从感性的角度来说，我们认为首先要从场景的角度去满足需求，而不是从技术和深度学习的角度来考虑如何加速计算。
我们希望解决产品和场景中遇到的挑战和问题，提供更易用的感知芯片，实现软件内核层面和芯片架构层面的全面产品。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-18
06-17
06-17
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态