央广网上海11月26日消息(记者杨静)“在保证8位整型的精度下,每秒最快能计算181帧(张)图片/视频,并且将人工智能(AI)算法从训练部署到实际应用的过程中,依然不损失算法的精度。”肇观电子创始人冯歆鹏说。

  从2014年开始,当人工智能计算机视觉芯片作为下一个科技和经济增长点的时候,无论是学院派还是科技寡头都高举着名义运算力这面旗帜(例如:算力10TOPS = 每秒运算10万亿次)来研发AI芯片。但冯歆鹏认为,AI芯片是否适合使用,名义算力并不是衡量智能视觉处理器的最重要的标准,芯片利用率才是优化指标。

  芯片利用率具体体现在哪里?冯歆鹏解释说,人工智能计算机视觉芯片性能利用率衡量标准就是:在运算图片的时候,既要保证图片的精度(准),又要保证运算的速度(快),是否又“快”又“准”。以基于人脸识别的AI技术做的智能门锁应用场景为例,如果识别不准,门锁会把家庭成员拒之门外,或者对陌生人敞开大门;如果识别不快,会让人在门外等很久,体验感变差。

肇观电子N1系列芯片(央广网发 肇观电子供图)

  在最初的技术战略选择上,肇观电子直接切入解决“利用率”这个AI芯片的核心痛点。冯歆鹏表示,一颗芯片投片的成本是巨大的。芯片设计好了以后投片生产,就如同一个孩子生出来以后就无法做任何更改一样,“产前” 需要不断的做 “产检” 来尽可能准的知道这个“孩子”(芯片)是否健康,这些 “产检”工作在芯片行业的专业名词叫做仿真验证模型。

  有了仿真验证模型,在第一代芯片设计中,模型所预言的芯片利用率是85%,可是最初的设计方案仿真结果只有75%左右。当时市面上所能见到的类似芯片实际利用率也差不多是这么多。为了能逼近理论预测,肇观电子CTO周骥带着几十个工程师连续奋战5个月,将利用率从75%一步步提高到83%左右……最终分析结果是,还有2%左右的差距是由于模型没有考虑电路板设计的一些问题。

  大学离市场太远,企业又想赚快钱,这其实就是创新型企业的一个“痛点”,不愿意搞基础研究,不愿意忍受基础研究的长期寂寞,不愿意等待艰难漫长的投资回报,就不能在底层技术上实现真正的创新。“为了获得突破性成果,立志做核心技术的公司必须得沉下心来搞基础研究,理论联系实际、实践检验理论。”冯歆鹏表示。

  攻破了这些技术难点,到底能干什么?冯歆鹏表示,比如在智能安防领域,建设城市视频监控系统是实现城市安全和稳定的重要基础,是“平安城市”建设的重要组成部分,更成为“智慧城市”的重要载体。传统的安防监控只能达到“看得见”的功能,而肇观的芯片应用到智能安防领域,能够让摄像头“看得清”“看得懂”,极大提高识别效率,把大量重复简单的工作留给机器去解决。

  比如在辅助驾驶领域,车舱内置摄像头可以监测司机是否在驾驶过程中出现说话、打电话、打瞌睡等情况,不仅能提醒司机,也可以直接联动到公安机关,提示交通事故风险。外置摄像头可以识别马路上的行人、标线、红绿灯,需要非常及时准确的提示或直接帮助司机避障或制动,否则,慢了一秒,都会提升交通事故发生的概率。这就回到了前面提到的,“快”是考核计算机视觉AI芯片性能的关键指标。

  在无人零售领域,传统的自动售卖货柜使用的是重力传感器,对应的价格是根据每一件商品的重量来事先预设的。当顾客取走某一件商品的时候,系统会根据减少的重量,核算出相应的价格,再进行扣款。然而,从技术上,重力传感器需要经常校准;从成本上,重力货柜成本高昂。换一种技术,安装了计算机视觉AI芯片的摄像头,可以通过对商品外形的识别来扣款,成本大大降低,但是对识别精准度提出了更高的要求,如果物体识别算法在实际运行中有1%的精度下降,货损率和运营成本就会大幅增加。这就意味着 “准”是考核计算机视觉AI芯片性能的关键指标。

  “在这个新兴的领域,大公司和小公司其实是在同一起跑线上。”冯歆鹏表示,与大型公司相比,肇观电子更加灵活,决策链条更短,对于市场需求反应更快,试错成本也更低。“我们希望能在自己的领域中,时不时给市场带来惊喜。”