張友發(fā)

據(jù)美國媒體報道，5月4日，在美國亞利桑那州錢德勒市的公路上，谷歌旗下自動駕駛公司W(wǎng)aymo的一輛自動駕駛汽車遭遇車禍。而在此之前的3月18日，亞利桑那州因為一起駕駛事故禁止了優(yōu)步的自動駕駛實驗，該事故導致了一位橫穿馬路女子的死亡。安全問題成為公眾對自動駕駛最大的質(zhì)疑。

眼擎科技公司在今年4月20號發(fā)布了國內(nèi)首個車規(guī)級自動駕駛視覺成像方案eyemoreDX120，為解決自動駕駛的困局提出了自己的方案。方案建立在公司的成像芯片eyemoreX42基礎上。這款芯片致力于解決復雜光線成像問題。

在交流中，眼擎科技CEO（首席執(zhí)行官）朱繼志措辭謹慎：“我們的方案還需要和設備商磨合，要經(jīng)過車廠測試。我只能說這比現(xiàn)有方案前進了一大步，但能否在成像方面解決自動駕駛的安全問題，還需要觀察?！?/p>

除了自動駕駛，朱繼志還談到了眼擎科技在人工智能和芯片領(lǐng)域的布局與野心。過程中，朱繼志經(jīng)常提到兩個詞：一是“專注”，即公司對某一個細分領(lǐng)域的專注；二是“機會”，包括大的技術(shù)變革給中國成像芯片產(chǎn)業(yè)帶來的機遇。

用人工智能的思路做成像芯片

創(chuàng)業(yè)過程中，眼擎科技經(jīng)歷了4年的科技沉淀，積累了能應用于人工智能（AI）領(lǐng)域的復雜成像技術(shù)。眼擎科技成像芯片的核心技術(shù)是復雜光線下的穩(wěn)定成像。朱繼志介紹，目前人工智能的圖像識別率已經(jīng)很高，在實驗室中能達到98%甚至99%，但來到現(xiàn)實場景時，圖像識別率就會大大下降。

“這就像我們在淘寶上買東西，看到的都是賣家秀，拿到手的卻是買家秀。這其中最大的差別，就是光線環(huán)境的問題?！敝炖^志認為眼擎科技研發(fā)的成像芯片能很好地解決行業(yè)痛點：“實驗室與現(xiàn)實環(huán)境的差別是光線差異，這是最大的落地難點。我們研發(fā)的這款成像芯片就像我們的眼睛一樣，能把實驗室99%（的識別率）變成現(xiàn)場99%（的識別率）?！?/p>

這是人工智能帶來的挑戰(zhàn)與機遇。在成像芯片領(lǐng)域，之前芯片廠商的思路是服務于相機，研發(fā)的出發(fā)點是看鏡頭的人；人工智能給成像芯片帶來了新的課題，研究思路從給人看轉(zhuǎn)向給AI看。

朱繼志說：“在傳統(tǒng)成像芯片時代，復雜環(huán)境下的成像問題不是剛需，因為環(huán)境光線不好可以補光，甚至可以不拍。但在自動駕駛時代，這就成了剛需?！?/p>

適應新的時代需要變革原有的技術(shù)框架，但在朱繼志看來，傳統(tǒng)公司很難完成轉(zhuǎn)型：“傳統(tǒng)的架構(gòu)不能解決復雜光線下成像的問題。為了解決這個問題，我們從芯片架構(gòu)到算法，再到場景測試，做了很多工作，我們在復雜光線的適應情況上和傳統(tǒng)公司不是一個層級，包括索尼?！?/p>

“過去30年，以ISP（圖像信號處理器）為代表的傳統(tǒng)成像架構(gòu)一直統(tǒng)治著成像能力的表現(xiàn)，即使現(xiàn)在AI發(fā)展了，效果也不可能有很大的提升。原因很簡單：30年前的技術(shù)架構(gòu)，人們不可能考慮未來人工智能有什么需求。以前圖像只考慮給人看，現(xiàn)在的圖像是給機器看，但傳統(tǒng)架構(gòu)成形多年，積重難返。這就是技術(shù)架構(gòu)的弊端。久而久之，大家沒看到視覺能夠突破，就會形成一種觀念——認為視覺能力是不可能突破的，這也是激光雷達日后被叫好的一個原因。其實本質(zhì)上，我們應該回到問題的源頭，視覺能力不夠，就研發(fā)新的成像引擎架構(gòu)，做視覺成像專用的芯片，以此來提升汽車的視覺能力。這件事不好干，我們?yōu)榇藢Ｗ⒘?年?！?/p>

朱繼志覺得這是人工智能的發(fā)展給中國芯片企業(yè)帶來的機遇：“在AI芯片領(lǐng)域，美國比中國領(lǐng)先得不多，也就是幾年的優(yōu)勢；而在傳統(tǒng)的芯片領(lǐng)域領(lǐng)先了我們幾十年。AI給中國公司帶來了機會，這是一個新興市場，我們起點相仿?！?h3>成像技術(shù)的第一個應用場景

朱繼志的思路是循序漸進，先通過4年積累掌握成像引擎核心技術(shù)，第二階段再推出產(chǎn)品，也就是成像芯片。今年朱繼志的目標是完成第三階段任務，讓產(chǎn)品在應用場景中進一步落地。目前發(fā)布的產(chǎn)品eyemoreDX120通過配置汽車外圍接口做成適應自動駕駛的模組，將芯片產(chǎn)品發(fā)展為情景化的自動駕駛解決方案。

eyemoreDX120解決方案的優(yōu)勢在于具備較強的場景適應性，在不同場景下都能夠穩(wěn)定成像，解決了自動駕駛面臨的復雜光線成像不穩(wěn)定的問題。eyemoreDX120的鏡頭傳感器符合接口的行業(yè)規(guī)范，能解決120dB動態(tài)范圍內(nèi)的自動駕駛成像問題。

朱繼志將自己的方案看作自動駕駛技術(shù)的重要一環(huán)：“AI落地的時候是一個接力賽，我們前面是鏡頭和傳感器，我們做的視覺成像處在第三棒，我們后面是成像識別。很多現(xiàn)在的明星芯片公司，比如地平線，都在做這個?！?/p>

眼擎科技今年打算讓成像芯片在多個行業(yè)落地，而之所以選擇自動駕駛作為起點，朱繼志有著自己的考量：“自動駕駛對人工智能領(lǐng)域的技術(shù)要求很高，可以說是最高的。其次，我們的產(chǎn)品在自動駕駛（領(lǐng)域）是剛需，痛點最大。我們判斷切入的標準，首先是看這個市場的容量夠不夠大，其次是看痛點多不多。自動駕駛恰好在這兩點上都符合?！?/p>

“人工智能的應用場景很多，其中自動駕駛的應用很容易推廣到其他領(lǐng)域，成熟的技術(shù)可以遷移到AI其他產(chǎn)品中?！敝炖^志這樣解釋自動駕駛對于人工智能發(fā)展的推動作用。

對于自動駕駛的未來發(fā)展，朱繼志覺得問題很復雜：“自動駕駛系統(tǒng)相比機器人，挑戰(zhàn)更大。自動駕駛需要人工智能不同系統(tǒng)的協(xié)調(diào)合作。我們只解決成像這一個點，但如果有十幾個像我們這樣專注的公司，那人工智能自動駕駛問題會得到很好的解決?！?h3>眼擎科技的關(guān)鍵一年

對朱繼志來說，今年是人工智能和眼擎科技的關(guān)鍵一年：“2018年是人工智能落地的一年，去年大家主要在做試點。我們公司在未來3年內(nèi)會有大規(guī)模的部署，預計在各個領(lǐng)域開發(fā)約60個客戶，讓方案在不同行業(yè)落地，豐富產(chǎn)品線。今年是重要的布局年?！?/p>

朱繼志未來打算重點在汽車、安防、工業(yè)檢測和機器人等方面發(fā)力：“人工智能進入的領(lǐng)域越多越好，需要和更多產(chǎn)業(yè)去磨合試錯，然后才能從小到大得到發(fā)展。而視覺是人工智能的關(guān)鍵點，我們需要把技術(shù)和芯片產(chǎn)品賦能到傳統(tǒng)行業(yè)?！?/p>

對于未來的人工智能大局，朱繼志覺得眼擎科技需要堅持好技術(shù)導向：“我希望公司能看到技術(shù)痛點，解決（痛點）后形成產(chǎn)品，再去尋找潛在的市場?！?/p>

至于成像芯片的對手，朱繼志半開玩笑地說：“成像芯片目前的綜合能力和眼睛差別還很大，我們的對手應該是人眼而不是傳統(tǒng)公司。AI最終就是要顛覆原有格局，讓機器做得比人更好，這是我們最終要解決的問題?！?h3>鏈接：新的千億級市場誕生

視覺技術(shù)分為兩種：成像（imaging）和圖像處理（image processing）。前端成像技術(shù)負責生成視覺圖像，后端圖像處理負責分析、識別、處理視覺圖像。換句話說，成像相當于人的眼睛，圖像處理相當于人的大腦。

目前人工智能領(lǐng)域的明星公司，包括商湯、曠世、地平線、云從、依圖、深鑒等，都是基于圖像處理算法為核心技術(shù)的公司。在過去的3年里，受深度學習技術(shù)的驅(qū)動，圖像處理獲得了飛速的發(fā)展，但前端的成像技術(shù)，仍然停留在20年前的水平，成為AI視覺未來發(fā)展以及商業(yè)應用落地的嚴重瓶頸，也是當前各大AI公司的下一個必爭之地。

和數(shù)碼時代相比，AI時代的成像在成像架構(gòu)、算法模型、評判標準、光線適應性等諸多關(guān)鍵環(huán)節(jié)都發(fā)生了本質(zhì)的變化。傳統(tǒng)的數(shù)碼成像技術(shù)架構(gòu)已不能滿足AI視覺的需求，面臨迅速被淘汰的窘境。未來5年，成像技術(shù)將有望完成從“圖像”到“視覺”的劃時代升級，視覺成像芯片和AI處理芯片一樣，成為人工智能的核心部件，由此衍生的產(chǎn)業(yè)升級需求，將在未來5年催生出成像領(lǐng)域千億級別的新增量市場。