解决数码成像在复杂光下成像痛点,眼擎科技朱

2019-11-05 21:22栏目:通讯产品
TAG:

图片 1

eyemoreX42成像芯片发布 眼擎科技填补全球AI视觉芯片空白

3月9日,上周五,由智东西主办的GTIC 2018全球AI芯片创新峰会在上海召开,大会邀请到来自芯片、安防、汽车和消费电子等领域的近40位业界翘楚到场分享研发AI芯片的经历与思考。

眼擎科技——eyemore 是一家摄像头视觉芯片公司。这个意思不是说他们是芯片制造商,他们的芯片也是采购来的,如果把芯片比喻为一本空白的书,那眼擎科技就是负责在这本书上写写画画的。

视觉“识别”是人工智能时代下,对安防行业而言最重要的技术之一,但目前无论是人脸识别还是车辆识别,都面临着被复杂光线影响的问题,而后端算法只能做到在特定场景、特定光线状况下,对物体进行有效识别,可一旦光线发生了变化,识别率就会大打折扣。

中新网1月22日电 近日,在极客公园创新大会上,眼擎科技发布“eyemore”成像芯片,成为AI芯片产业的关注焦点。

数千名到场观众挤爆了会场,AI芯片话题火热可见一斑。

在进行了四年技术研发后,最近,他们开始为客户按需求定制视觉芯片了,在汽车领域他们的客户主要是自动驾驶、辅助驾驶技术相关公司。产品有芯片,有包含芯片的模组,也有摄像头样机。样机是干嘛的?因为如果你想让自动驾驶客户体验芯片的成像能力,不能直接给对方一个芯片吧?你得把装着芯片的摄像头给对方使用、感受。

“机器视觉不能重蹈语音识别的覆辙。”眼擎科技CEO朱继志告诉亿欧,语音识别技术已经宣称识别率达到99%,但却迟迟无法在生活场景中大规模应用,原因就在于“99%的数据是在安静的实验室中得出的,而生活场景中有大量的噪音,这对识别产生了巨大的干扰。”同理,在视觉识别中,摄像头正常光照下的成像AI识别率能接近100%,但实际部署中不可避免会遇到弱光、逆光、反光等复杂光的影响,所以现实中算法识别率远不能达到实验室的“理论”效果。

图片 2极客公园创新大会上眼擎科技CEO朱继志演讲

在大会下午场的“自动驾驶加速落地,AI芯片引领计算平台”板块,眼擎科技CEO朱继志进行了主题为《成像引擎芯片进入视觉2.0时代》的演讲,就人工智能最大应用方向——机器视觉在前端成像上的痛点,分享了眼擎科技的解决方案,并分析了其在自动驾驶领域的应用。

图片 3

“大脑要强,但如果感知端无法传输有效的信息,那么大脑再强也没有用。”针对当前AI成像的问题,朱继志于2014年创立了眼擎科技,研发超越人眼视觉能力的成像引擎技术及芯片,解决数码成像在弱光、逆光、反光等复杂光环境下成像的痛点。

据了解,eyemore成像芯片是眼擎科技100%自主研发的视觉成像芯片,旨在“为AI视觉提供看清楚世界的成像引擎”。该成像引擎是基于超大规模计算、自主研发成像算法以及超过500+场景数据累计而成的专用成像芯片,主要解决AI视觉在成像过程中弱光、逆光、反光等复杂光线下高品质成像的核心痛点。eyemoreX42在各种复杂光线环境下,能排除现场光线的干扰,给AI视觉算法输出稳定可靠的高品质视觉图像。成像引擎模拟眼球对光线的反应,以超高宽容度智能处理反差较大的光影,拍出丰富细腻的层次感和色彩分明的明暗对比,输出高质量的照片成像。

朱继志演讲的要点,车东西整理如下。

这家公司所做的成像芯片有什么特别之处?

AI视觉新问题:大脑够强了,眼睛却跟不上

在过去的4年中,眼擎科技一直致力于eyemore成像芯片的研发与迭代,眼擎科技CEO朱继志发现,在机器针对视觉做处理的过程中,除了后端的认知分析外,负责处理各种复杂光线场景,生成高品质图像的前端感知系统同样必不可少,相当于AI认知世界的“眼睛”。而如果国内AI领域想要得到长足的发展,这个“眼睛”的感知和成像就是一道技术上的“鸿沟”。目前,eyemore将重点布局四个市场应用方向:自动驾驶的视觉成像;智能手机的AI成像;基于人脸识别的高端智能安防;包括工业监测和医疗在内的工业视觉成像。

图片 4

眼擎科技 CEO 朱继志指出,目前国内进行自动驾驶路测的初创公司,大部分使用的是从国外进口的工业摄像头,价格从 2、3000 元到 1 万元不等。这些摄像头的技术架构历史悠久,在设计之初就只是为了照出人眼看到的「漂亮」图像,而不是为了帮助机器识别,因此并不能满足自动驾驶的成像需求。

在安防领域,每年摄像头出货量超过1亿台,人脸识别、车辆识别等算法的成熟持续带动着安防市场扩大,但在实际应用中,“识别”受到了诸多环境因素的限制,其中最重要一个挑战就是复杂光线。

眼擎科技的实际合作项目已经覆盖到国内人脸识别安全、自动驾驶、医疗、工业监测、铁路交通等主要领域获得应用落地。其中,以AI人脸识别延伸的高端安防行业是一个非常具有潜力的市场,eyemore提供的成像引擎可以直接帮助视觉AI公司获取高品质影像数据,从而提高识别率;面向自动驾驶市场,eyemore计划联合该领域自动驾驶提供商开发车规级的成像模组和芯片产品;而手机市场,尽管手机厂商的Design-in周期较长,但随着更多的手机厂商开始将AI拍照能力作为手机的一项新标配功能,eyemore的成像技术将有望成为厂商们不可或缺的技术支持。

AI时代急需机器之眼

朱继志此前在图像处理行业和芯片分销行业任职,2014年他主导成立了眼擎科技。如其公司名,眼擎所做的工作即面向机器视觉打造对标人眼的成像引擎,用芯片+算法的方式提高机器视觉前端的成像能力,让AI有更高质量的图像数据可用。

图片 5

▲眼擎科技CEO朱继志

朱继志表示,AI这个巨大的技术生态下,已经进化出各种各样的新物种,比如自动驾驶汽车。而过去几年AI的大脑成长得很快,但还需要一个最重要的器官——眼睛。

目前绝大多数AI物种都是基于视觉能力成长起来,通过视觉生成的数据占据了AI世界绝大部分的数据量,AI的时代将会是万物视觉的时代:一个汽车会配备10个以上的传感器、每家无人零售店会有超过100枚视觉传感器。自动驾驶、无人零售、机器人、手机相机等领域,将会在未来五年内产生上百亿台的视觉设备需求。

图片 6

▲Uber早期无人车,以摄像头众多著称

但当下基于视觉的AI产品普遍遭遇到一个问题,在实验室内运行良好的AI视觉算法一落地,就从卖家秀变成了买家秀——复杂光线条件下,机器视觉的识别、判断能力显著降低。自动驾驶汽车过隧道,或者在夜间运行,在暗光、逆光条件下感知能力会遭遇很大挑战。

为此业界用上了很多辅助视觉的技术,比如无人车使用的激光雷达。但朱继志将此比作为只是给了自动驾驶汽车一根拐杖,并没有将视觉的能力发挥到极致。

与机器不同的是,人眼则对各种光线环境都有很好的适应能力。为此,眼擎科技推出一套软件+硬件的解决方案,打造对应AI处理需求的机器之眼,对标人眼的视觉成像能力,甚至做得比人眼更好——目前眼擎的产品在成像的动态范围上比人眼高18db,在人眼无法辨别色彩的极弱光条件下仍能输出清晰的彩色图片。

朱继志称,未来五年,机器视觉就能够仅依靠被动光学成像系统,实现全天候的运行工作。

图片 7

「机器需要看到的不是美,是在任何条件下的真实。」眼擎公司所研究的是复杂光线下的成像问题,这也是对自动驾驶 ADAS 来说最大的难点之一。

“如果将整个识别的系统比作一个人,我们现在已经有很强的大脑了,但眼睛却跟不上。”朱继志告诉亿欧,要对人脸、车辆进行识别的前提条件,是前端摄像头能够传回清晰的画面。但现在的问题是,在光线环境足够好的时候,“大脑”对画面内容的识别率能接近100%;但在弱光、逆光、反光等复杂光环境下,由于无法接收到清晰的画面,“大脑”对画面内容的识别率大打折扣。

在谈到AI成像技术最大优势时,朱继志表示:“eyemore团队为计算机视觉类的提供商们搭建了面向视觉深度学习和认知的一套整体软硬件解决方案,包括AI成像引擎以及将该引擎封装到硬件端的成像模组,但是我们坚信未来还是一个“软件定义硬件”的时代,因此我们的成像引擎架构在设计时,非常便于视觉AI软件开发者快速学习使用。”

软硬结合方案PK人眼

为了让自身掌握的成像技术能够最大限度地发挥作用,眼擎将其近4年累积的针对二十余种场景的智能成像算法凝聚在了一枚成像芯片——eyemore X42之上,打造出软硬件一体化的成像引擎,专门为各类机器视觉产品提供强大的成像能力。

图片 8

朱继志介绍,这款成像芯片有三大特点:

一是芯片是非集成的,与英伟达的独立显卡一样,眼擎采用了独立芯片设计,拥有更强大的计算能力。

二是在各种智能成像算法加持下,它拥有”视觉2.0”的能力,较传统的成像设备能够应对各种复杂光线,输出质量稳定的图像。

第三则是它提供了大量API接口,让后端算法工程师方便调用,减小开发难度,实现软件定义硬件。而传统的智能摄像头设备并未提供太多接口,大多数时候都是一个黑盒。

朱继志表示,根据他在芯片行业任职的经历来看,芯片的应用周期非常漫长,要推广一枚芯片难度也很大。为此,眼擎为下游客户提供了对应产品不同开发阶段的各种方案: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组,而到了产品量产阶段眼擎就可直接提供芯片。此外,眼擎还提供IP授权这类的合作形式,以更好地应对不同领域的需求。

图片 9

为了降低下游公司的开发门槛,眼擎今年会面向各个领域推出完整解决方案的参考设计。今年年中,眼擎为辅助驾驶提供的方案,视觉动态范围会超过100db,可以解决95%的复杂光线问题。

图片 10

面向无人零售、工业视觉,眼擎也会有板卡形式的方案推出。

目前,眼擎的芯片已经有实际应用案例。基于眼擎的成像芯片,其客户打造了一台面向淘宝卖家的3D扫描仪,用单目就实现了输出淘宝商品的高质量三维图像。

朱继志认为,目前各种拍摄设备源自日本的成像架构,其初衷都是面向人设计的,为的是满足人的主观审美,但机器所需要的成像是客观的,机器的使命是用视觉测量世界,在前端的测量越精准,那么后端的识别结果就越精确。

机器在视觉能力上做到超越人眼后,将会发现一个新世界——比如医生可以通过病人的脸色来看诊,而机器在视觉能力上如果超过医生100倍,将发现更多有价值的信息。而这也是AI产业的终极进化方向。

图片 11

下面各图中,左边是通过眼擎科技技术得到的图像,右边是其他摄像机的成像。在此摆出方便大家理解这家公司在做什么。

为了解决复杂光问题,业内出现了各种各样的应对方法。针对黑暗或弱光环境,可以使用红外线,或者直接在摄像头旁加装一盏灯,“但这些方法只能解决一部分的光问题,而且还有‘副作用’。”朱继志说,红外线只能在近距离发挥作用,而且成像噪点大,画质极易受到干扰;而加装灯的方法只在某些场景下可行,“比如晚上在闸机口处加装灯是可行的,但在公路上抓拍车辆的场景却不合适。”朱继志说道,大多数司机都对夜晚路过抓拍机的爆闪灯“有很不好的体验”,但如果不加装爆闪灯,监控设备就无法正常捕捉到车辆信息。

在眼擎科技现有应用案例中, eyemore联合合作伙伴研发了嵌入式AI摄像机,面向学校教室场景并基于人脸识别技术,统计课堂的学生出勤率;团队还与电商领域的设计公司合作,研发搭载结构光(用于采集实物的三维信息)和AI成像模组的深度相机,确保所采集的三维影像其色彩与实物无异。

AI芯片的三大趋势

在谈到眼下的AI芯片浪潮时,朱继志认为其中有三大重要趋势。

第一,眼下AI芯片是以视觉处理为核心的。无论是在PC时代还是移动互联网时代,所有的芯片处理工作都围绕CPU展开,而现在开始以视觉为中心的处理工作让CPU的地位开始滑落。

第二,AI芯片产业目前是去中心化的。以前的操作系统与CPU绑定,主芯片只有数枚,以CPU为中心开展工作。结果是越来越通用、功能越来越多,但产品却趋同。而人工智能时代对芯片对的要求会具体到每一个场景,这是通用型处理器所不及的。细分行业的应用需求成就了AI芯片的兴起。

第三,AI芯片对应了工业升级的要求。过去二十年中互联网产业是绝对的明星产业,很多工业产品被淡化。而人工智能时代工业升级对AI芯片提出了极大的需求。

正是因为这三点趋势,AI芯片架构呈现去中心化的态势,才会有大量的初创公司杀入芯片行业,与传统的芯片巨头们同场竞技。

朱继志做了一个类比,在被智能化、电动化趋势改造的汽车产业,同样有一批新造车公司涌现。在新趋势带来的产业变革下,原本相对固定的格局往往会被打破,率先对新趋势作出反映,改造乃至革新原有的技术/商业架构,是眼擎这类创业公司的机会所在。汽车行业如此,芯片行业亦然。

图片 12

图片 13

解决单一非正常光环境的方法已经不尽如人意了,而前端设备需要面临的远不止一种光环境。朱继志告诉亿欧,弱光、逆光、反光等只是复杂光线下的几种典型,而大部分在户外使用的摄像头需要面临的却是多种复杂光线交替出现的场景。

在发布会的最后,眼擎科技现场演示了AI成像技术。在大会现场灯光全关人眼视觉看到的图像已经接近黑暗,普通AI算法已经无法识别的前提下,搭载眼擎科技成像引擎的设备依然能够清晰还原图像,同时算法也清晰识别所拍摄环境中的每一个人以及物体的信息。

结语:芯片初创如何在AI时代掘金?

从眼擎的创业道路来看,AI无疑是其成长最好的东风。但清华大学微纳电子系主任、微电子所所长魏少军在GTIC 2018上坦言,未来2-3年,AI芯片初创公司就将出现先烈。那么,对于眼擎这样初创,要怎么在日趋激烈的人工智能竞赛中生存壮大?演讲结束后,朱继志接受了智东西的采访。

他认为除了技术之外,找到行业最需要解决的痛点是最重要的。能够解决的痛点越紧要、解决痛点的能力越不可复制,那么创业公司的护城河就越宽。

其次,以眼擎的经验来看,由于AI技术的大量落脚点在于升级传统产业,AI相关技术产品落地中遇到的最大难点其实在于信息不对等,即后端应用对前段技术的不了解、不信任。对于这种情况,比较重要的手段是针对不同的行业推出参考设计,降低技术应用门槛与陌生度。

此外朱继志认为,由于大公司在数据量上的优势,纯做算法研发的人工智能公司会比较危险,对于人工智能初创公司来说,虽然软硬结合是一种门槛比较高的方式,但也是能够更好保证初创公司生存的模式。

图片 14

以闸机口为例,摄像头架设的位置和方向是固定的,但一天中光线的强弱、光源位置都会发生变化。“早上太阳从东边升起,傍晚从西边落下,到了晚上又是黑的。”朱继志说,如果摄像机朝向东方,则早上逆光现象就会非常严重,朝向西边也是同理,到了晚上又是弱光,而通常情况下算法只能针对其中一种状况作出优化,这给闸机的高效识别带来巨大的挑战。

未来,眼擎科技将以eyemore成像芯片为原点,专注于自动驾驶、人脸识别安全场景、工业监测、手机医疗市场,为AI视觉领域创造VOE的无限可能。通过独有的技术特点迅速占领市场,在2020年之前成功实现500家AI客户的design in,成为AI视觉前端成像领域的领导者,眼擎科技将为广大客户和市场带来突破式发展。

图片 15

打破被日系企业垄断的ISP架构

2014 年公司创立后,眼擎团队开始研究一个不同于以往日系 ISP 架构的新技术架构,其中包括新的计算平台、新型的算法集成,以及在各种场景下测试的数据。现在搭载这种技术的芯片可以做到在弱光、逆光、反光等单项环境条件下,让摄像头看到的比人眼更清楚。未来 3 到 5 年内,这家公司的目标是让机器视觉的整体能力超过人眼。

不解决弱光、逆光、反光等复杂光环境下的自适应能力,AI视觉产品就无法大规模落地进行产业化。但要怎么做才能解决这个问题呢?

从产品来说,眼擎科技所卖的产品既有成像芯片,也有包含芯片的模组(电路板)。芯片价格 20 美金,模组价格根据企业不同需求的、配置而变动,可达到 40、50 美金。用于给企业做产品测试的完整样机(整个摄像头)则是 3000 元人民币一个。他们眼中的客户不光是摄像头厂商,也包括 Tier1、Tier2 供应商,以及整车厂等。

朱继志认为,这个问题的出路在前端。“无论是什么样的光环境,只要前端设备面临负责光线对成像的干扰时,依然能够输出如同正常光环境下成像的效果。那么企业在后端算法上就不需要再做过多的定制,如此一来,企业就能够生产更多标准化的产品,提升企业、乃至整个行业的效率。”

图片 16

要改造前端设备,首先需要了解当前摄像机成像的原理,以及存在的问题。

眼擎科技工程测试样机

朱继志介绍道,在数码时代,摄像头成像需要经历几个环节。首先,光线穿过镜头后,要经过CMOS传感器,CMOS会将光信号转化为电信号,“但这个电信号是很粗糙的,”朱继志说,“如果要将它再转化成一张可视化的图像,就要再经过ISP。”

样机的价格和国外进口的工业摄像头比差不多,但朱继志表示它的产品性能远好于国外现有的摄像头。「我们的定位非常清晰,就是帮助客户解决复杂光线问题,这是个高端市场的需求。做汽车里的行车记录仪、倒车后视镜、环视镜这种一般需求的就不会用我们的产品,至少在 2020 年前我们服务的都是高端市场。」

ISP全称为Image Signal Processing,即图像信号处理,主要用来对前端图像传感器输出信号处理进行处理。ISP架构能够通过一些列的工作,实现自动光圈、自动曝光、自动白平衡等功能,让电信号真正变成一张可看的图像。

在芯片领域有两个关键的时间节点,一个是「design in」,指的是客户经过样机测试后,确定用你的芯片了,你开始开发产品;另一个是「design win」,指客户的产品已经做完了,准备上市销售。朱继志透露,他们已经有了「design win」的国内和海外初创企业客户,但更多还在 design in 的阶段。

“但传统的ISP架构有两大问题。”朱继志说。第一个问题是所有RAW数据在进入ISP架构时,会直接从16位被裁成8位,导致了大量RAW数据信息丢失。RAW是一个单独的数据流,如果16位的信息变成8位,那么再转换成JPG格式图片时,图片信息就会比原始的RAW数据信息少256倍。“这就是为什么图像在逆光、反光等复杂光环境下质量不高、成像不清晰的原因。”

图片 17

另一个问题是,ISP架构所有核心技术都被日本企业掌握。“日本公司是成像行业的头部企业,如果他们都不对ISP架构进行突破,那其他公司更加不可能做出大的改变。”朱继志说道。

眼擎科技 CEO 朱继志

但成像中存在的痛点深深影响着AI视觉产品的大规模落地是不争的事实。既然无法改变传统的ISP架构,那就一定要在技术上进行创新。秉着这样的初衷,眼擎科技完全抛弃了日系成像技术的ISP架构,打破了日系厂商在成像领域的技术垄断,开发出了全新的“成像引擎”。

按计划,2018 年,眼擎科技在全球会做 60 个客户的「design in」,其中有 10 家预计来自汽车行业,主要是和自动驾驶、辅助驾驶相关的公司;三年内,公司要在全球做 500 个客户的「design in」,预计第一年每个客户的平均采购量是 2000 个。「未来销售肯定会采用二八原则,也就是 500 个客户里可能只有不到 100 家的需求量很大。而在新市场里我们无法看到谁的量会大,所以今年、明年眼擎科技的目标是让各个行业的更多企业来使用我们的成像芯片。」

从“给人看”到“给机器看”

对于汽车市场对摄像头的需求,朱继志较为看好。他认为,包括乘用车、商用车等各种车辆在哪,未来全世界每辆车不会低于 10 个摄像头。「例如滴滴要做司机的人脸识别,这也会在司机位置放一个或以上的摄像头。」

“如果一个问题存在了很久,都没有被现有架构解决,这说明一定要有全新的技术架构才能破解难题。”朱继志告诉亿欧,眼擎科技开发的“成像引擎”就是这样一个解决复杂光环境下AI视觉成像问题的全新架构。

除了汽车行业,眼擎科技的芯片也适用于安防、医疗、工业检测、3D 扫描等领域,主要服务需要图像检测、识别功能的摄像机公司。目前他们还在技术研发、升级中,每年也将推出不同规格的产品。眼擎团队现在有 30 多人,其中研发占 60%,到 2019 年团队应该会扩大到 100 人左右,以支持给客户提供不同需求的技术解决方案。朱继志作为在芯片行业有 20 年经验的 70 后老兵,在公司主要负责关键客户、产品定义、团队管理以及定战略方向。

“传统ISP架构的目的是为了实现成像这个功能,”朱继志说,“但成像引擎重视的是成像的性能。”

朱继志表示,自己见证了中国芯片市场从零到有的过程:「中国芯片产业已经出现了近 20 年,但以技术趋近进口中低端产品、以价格低廉取胜的进口替代芯片为主,这其中包括成立了 14 年的华为海思。偏中低端的芯片的市场需求量大,发展很快,在国际分工上它们主要是由中国、韩国、台湾公司来做,美国则只做高端芯片。」

据了解,成像引擎是一个“算力+算法+数据”的全新成像架构,具有学习功能。朱继志向亿欧介绍道,处理图片是一个十分复杂的过程,因此算力对成像引擎而言十分重要;但光有算力是不够的,还要开发出针对不同场景的算法,才能解决实际应用中的问题;在算力和算法都具备的条件下,最终还需要在不同复杂光环境下进行测试,以收集到更多的场景数据,让算法进行学习,达到让整个成像引擎能够适应多种复杂光环境的目的。

产业链的升级都是从后端往前端推动的过程,在一个国家或地区,只有有了终端产品的产业链,需求才会往上走,市场才会对芯片产生更高的需求。目前,中国自动驾驶、Ai 的新市场快速崛起,产业链前端也有做各种研究的企业,这是国内技术公司的机会。研究成像、图像识别技术的芯片公司纷纷崭露头角,在这其中,眼擎科技聚焦的是复杂光线下的成像问题。

在成像引擎实际运作中,“经过CMOS的8~16位RAW数据进来时,我们直接基于RAW数据进行无裁剪处理,如果按照16位的数据来算,成像引擎处理的原始图像信息量比传统ISP高256倍,最后把它压缩成8位的JPG图像。”朱继志说,这样的方法能够保留所有图像细节信息,无论在什么光线环境下,都能对图像实现优质处理。

在图像识别技术上是没有完美的,它没有百分之百,你只能不断前进,未来永远都有进步的空间。

“颜色是AI测量世界的根本依据,也是深度学习进行图像识别的基础。”朱继志认为,成像技术的目的已经从“给人看”过渡到“给机器看”,“AI视觉需要的是一把标尺,关注的不是美颜、像素,而是准确的输出物体的颜色、锐度以及丰富的细节。”

据了解目前成像引擎暗光能力比人眼高8倍,降噪能力比摄像头高64倍,逆光能力比摄像头高32倍。未来三年,眼擎科技的使命就是让成像引擎芯片的成像能力将全方位超越人眼。

AI视觉的“最后一公里”

今年1月,眼擎科技推出了完全自主研发的全球首款复杂光线专用成像芯片eyemoreX42。除了成像芯片,眼擎科技也通过提供成像开发套件、成像模组、成像算法IP以及深度定制成像方案等一系列全套的成像技术方案及服务。

“我们定位是一家上游的芯片公司。”朱继志告诉亿欧。传统ISP架构集成在SoC里面,而眼擎科技抛弃ISP架构后,需要填补成像技术的空白,但眼擎科技的成像引擎是一个“算力+算法+数据”的全新成像架构,原来ISP在SoC中所处的位置无法承担成像引擎的处理能力,“所以我们要单独生产一个芯片来实现成像引擎的功能。”

“AI正驱动着芯片产业发生变化。”朱继志告诉亿欧,以前CPU一家独大,摄像机里只需要一个主芯片就能实现所有功能;但AI时代来临后,GPU的重要性就体现出来了,所有算法都是基于GPU实现,因此摄像机中需要加入GPU;但当GPU的算力变得很强、算法很丰富的时候,前端摄像头能力的好坏就成了AI视觉“最后一公里”的关键问题,因此还需要一款新的成像芯片来解决这个问题,眼擎科技解决的正是这“最后一公里”的问题。

朱继志表示,眼擎科技的愿景是成为AI成像领域的头部企业,定位上游的技术方案商,通过赋能的方式,向下游打造终端产品的公司输出自己的成像能力。据了解,眼擎科技未来将在安防、工业检测、无人零售、智能医疗、机器人、深度相机等领域重点发力。

“我们是面向未来的,关注的是新产品和新应用市场。”朱继志告诉亿欧,眼擎科技的战略是先做核心技术突破,再找市场应用部署,“场景与技术是相互推动的,场景的需求能催生技术的更新,而技术的创新能’解锁’更多应用场景。”朱继志说,比如在安防领域,眼擎的全新成像技术将变革闸机的场景,未来闸机处的摄像头不再需要任何辅助光源,也能清晰的“看”见人和物;同样,“未来公路上有爆闪灯,可能也会变成一件奇怪的事。”

今年是眼擎科技启动市场推广的第一年,朱继志认为,将芯片推向市场需要2年的时间,之后还要再用2年的时间等待市场成熟。“AI视觉成像能力的改变并不是一蹴而就的,而是一个慢慢迭代升级的过程。”朱继志说,只讲技术原理,安防圈子的人都懂,但只有看到成像引擎的实际效果,市场才能对这个原创技术有最直观的感知,“用户体验这种主观的感觉是很难说清楚的,所以还需要时间让大家慢慢了解和接受。”

版权声明:本文由365bet亚洲首页发布于通讯产品,转载请注明出处:解决数码成像在复杂光下成像痛点,眼擎科技朱