視覺與人工智能的融合

縱觀信息產(chǎn)業(yè)發(fā)展歷程，從個人電腦時代到移動互聯(lián)網(wǎng)時代，承載高性能計算的芯片決定新型計算平臺的基礎架構和發(fā)展生態(tài)，并掌握著產(chǎn)業(yè)鏈最核心的話語權。傳統(tǒng)硬件架構難以滿足人工智能時代深度學習的要求，新的算法需要新的硬件來支撐。同時，芯片的結構將越來越像“大腦”，類腦芯片、智能芯片等將是人工智能的發(fā)展方向。

視覺芯片集成高速圖像傳感器和大規(guī)模并行圖像處理電路，能夠模仿人類視覺系統(tǒng)視覺信息并行處理機制，解決現(xiàn)有視覺圖像系統(tǒng)中數(shù)據(jù)串行傳輸和串行處理的速度限制瓶頸問題。人工智能（AI）視覺芯片與攝像頭的關系是：芯片做的是大腦，攝像頭做的是眼睛。

人眼的成像是非常聚焦的，只看到關注的東西。而當AI算法解決了“要看什么”的問題后，前端成像就有了目標，可以把所有的資源都調(diào)配到關注的對象上，做到“指哪打哪”，也就是取出噪音的處理過程，可以更高效智能地處理視覺信息。這種根據(jù)AI的需求來成像，能解決很多以前解決不了的問題。

現(xiàn)在，人工智能視覺處理已從數(shù)據(jù)中心迅速發(fā)展到邊緣，最新的專用集成電路（ASIC）和片上系統(tǒng)（SoC）IP正在圍繞一個主題發(fā)展，即從視覺信息的預處理，到傳統(tǒng)的計算機視覺算法，然后再用神經(jīng)網(wǎng)絡進行邊緣推理，產(chǎn)生對象檢測、識別以及適當?shù)膭幼?，是包括計算機視覺深度學習在內(nèi)的多種機器學習的總稱。

這些網(wǎng)絡的設計旨在使用數(shù)字等效物和感知器來模擬人腦的神經(jīng)元和突觸，它們通常需要經(jīng)過訓練，才能識別視覺等數(shù)據(jù)中的模式，然后當遇到新的數(shù)據(jù)時，就可以從中推斷出數(shù)據(jù)可能的含義。

在過去十年，由于可負擔計算能力的增加，以及卷積神經(jīng)網(wǎng)絡（CNN）及其所用傳感器的發(fā)展，視覺處理一直在以指數(shù)級的速率進步。具體而言，若能根據(jù)傳感器、數(shù)據(jù)集和SLAM（同時定位與映射）算法輸入去“了解”世界并對其“開發(fā)出”表征模型，那么系統(tǒng)就可以開始掌握周圍環(huán)境及其在空間中的位置，并做出預測和采取行動。

在對人工智能而非提高像素的需求推動下，特別是在由計算機視覺和數(shù)據(jù)驅動的決策制定方面，GPU（圖形處理單元）領域已出現(xiàn)一場革命：神經(jīng)網(wǎng)絡的到來已使視覺處理成為現(xiàn)代世界的關鍵因素。因此，機器人處理操作、智能監(jiān)控攝像頭以及汽車高級駕駛輔助系統(tǒng)（ADAS）等相關行業(yè)都發(fā)生了變化 —— 隨著這類技術的全面涌現(xiàn)，未來還將出現(xiàn)更多新的應用。

人工智能視覺處理都能做什么？

一片小小的人工智能視覺芯片能做什么？無人駕駛汽車主動識別并避讓行人、攝像頭實時甄別在逃犯，這些影視作品中的情節(jié)，或許不久將可通過基于嵌入式人工智能視覺芯片的“解決方案”成為現(xiàn)實。人工智能芯片被視為未來人工智能時代的戰(zhàn)略制高點。在視覺感知領域，人工智能視覺芯片正逐步應用于智能手機、安防監(jiān)控、自動駕駛、醫(yī)療成像和智能制造等領域。

· 自動駕駛：自動駕駛汽車上裝有多個攝像頭，用來實現(xiàn)計算機視覺、對象識別、車道警告和駕駛員監(jiān)控，以及其他傳感器（例如，熱成像、RADAR和LiDAR）而實現(xiàn)傳感器融合。人工智能和路徑規(guī)劃可以識別和預測是否有小孩會走到公路上，從而讓車輛預測和減速，以便采取規(guī)避行動。在更簡單的層面上，自動代客泊車可以使駕駛員省去尋找停車位的負擔。

· 醫(yī)療成像：其中最突出的應用領域是醫(yī)療計算機視覺和醫(yī)學圖像處理，這個區(qū)域的特征的信息從圖像數(shù)據(jù)中提取用于使患者的醫(yī)療診斷的目的?？梢詮膱D像數(shù)據(jù)中提取的一個例子是檢測的腫瘤，動脈粥樣硬化或其他惡性變化，它也可以是器官的尺寸，血流量等。

· 智能制造：信息被提取為支撐的制造工序的目的，例如，質(zhì)量控制其中的信息或最終產(chǎn)品被以找到缺陷自動檢測。同時也被大量用于農(nóng)業(yè)的過程，從散裝材料，這個過程被稱為去除不想要的東西，食物的光學分揀。

· 軍事應用：最明顯的例子是探測敵方士兵或車輛和導彈制導。更先進的系統(tǒng)為導彈制導發(fā)送導彈的區(qū)域，而不是一個特定的目標，并且當導彈到達基于本地獲取的圖像數(shù)據(jù)的區(qū)域的目標做出選擇。現(xiàn)代軍事概念，如“戰(zhàn)場感知”，意味著各種傳感器，包括圖像傳感器，提供了豐富的有關作戰(zhàn)的場景，可用于支持戰(zhàn)略決策的信息。在這種情況下，數(shù)據(jù)的自動處理，用于減少復雜性和融合來自多個傳感器的信息，以提高可靠性。

視覺處理行業(yè)的產(chǎn)業(yè)鏈是由上游基礎層、中游技術層以及下游應用層組成的。

· 上游基礎層基礎層：主要包括CPU、GPU等芯片硬件，深度神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等算法，以及由真實數(shù)據(jù)和模擬數(shù)據(jù)共同構成的數(shù)據(jù)集。核心芯片被Intel、Nvidia等傳統(tǒng)芯片廠商把控，新型芯片廠商尚未崛起，規(guī)模應用有待時日；開源平臺以谷歌的Tensorflow、Facebook的Caffe等為主，其它企業(yè)的深度學習框架多為二次開發(fā)。

· 中游技術層：主要包括視頻識別、圖片識別、模式匹配等嵌入式視覺軟件，以及一站式解決方案。算法，初創(chuàng)企業(yè)占優(yōu)；云計算，幾乎被AWS、Google Cloud、Azure、阿里云等壟斷。

· 下游應用層：為計算機視覺的落地場景，包括智慧安防、智慧金融、手機應用、無人駕駛等商業(yè)領域。垂直行業(yè)龍頭占據(jù)場景，技術層初創(chuàng)企業(yè)向上滲透。

由此，可以將國內(nèi)計算機視覺的玩家分為三類：

1. ?？低暋⒋笕A股份、宇視科技等安防廠商：安防影像分析的市場需求驅動此類企業(yè)的技術研發(fā)，近年來安防行業(yè)頭部廠商紛紛推出自家智能化產(chǎn)品和解決方案。作為人工智能范疇中最關鍵的子領域之一（人類從外界獲取的信息中有80%~85%是依靠視覺實現(xiàn)的），計算機視覺技術的愿景是利用攝像機等視覺傳感裝置來代替人眼對物體進行識別、跟蹤和測量，再由計算機處理這些視覺信息，從而達到像人眼一樣對事物進行感知和認知，直接對應安防監(jiān)控系統(tǒng)“看得懂”的需求。

2. 互聯(lián)網(wǎng)巨頭公司：近年來基于深度學習的智能語音、計算機視覺、自然語言處理等技術開始向各個應用領域滲透，全球人工智能產(chǎn)業(yè)規(guī)?？焖僭鲩L。為搶占人工智能高地，谷歌、微軟、阿里巴巴、百度、騰訊、IBM、Facebook 等國際知名企業(yè)均持續(xù)增加在人工智能領域的資本投入。美國、中國、英國、德國、日本等國家也分別出臺人工智能相關支持政策及國家戰(zhàn)略規(guī)劃，為整個產(chǎn)業(yè)的發(fā)展創(chuàng)造良好的政策環(huán)境。

3. 創(chuàng)業(yè)公司：包括商湯科技、依圖科技和曠視科技等企業(yè)，普遍以細分領域為發(fā)力點，布局思路各異。在商湯、曠視、依圖等頭部企業(yè)看，各家戰(zhàn)略思路差異明顯。商湯致力于構造平臺，專注底層基礎應用，力圖在完善平臺后于其他領域快速落地。曠視則在致力于在安防、金融、零售、汽車、教育等廣泛領域提供軟硬件一體化的解決方案。依圖則表現(xiàn)出對安防、醫(yī)療兩大領域的專注深耕，依托產(chǎn)品化、工程化能力深入落地。

AI視覺未來的發(fā)展

視覺人工智能行業(yè)的發(fā)展，離不開技術的驅動：一方面諸如GPU、FPGA、ASIC等一系列AI芯片的出現(xiàn)極大提升了芯片計算能力，突破了傳統(tǒng)CPU的算力瓶頸；另一方面以深學習為代表的AI算法的崛起，使得AI視覺的識別能力有了很大的提高。硬件算力的提升以及軟件算法的進步都對視覺人工智能的發(fā)展起到了重要的推動作用。

AI視覺行業(yè)的快速發(fā)展一方面得益于現(xiàn)階段算力的大幅提升及算法的大幅改善（國內(nèi)算法甚至已經(jīng)達到國際水平），另一方面則受益于下游應用市場的廣闊空間。機器學習、深度學習等算法能力的不斷增強促進了視覺人工智能行業(yè)的高速發(fā)展。

視覺處理的工作流程包含四個模塊：檢測、分類、跟蹤與語義分割。具體為成像設備首先捕獲圖像，然后對每個圖像進行預處理，提取特征后輸入到分類模型中。人工智能視覺是采用圖像處理、模式識別、人工智能技術相結合的手段，著重于一幅或多幅圖像的計算機分析。

圖像可以由單個或者多個傳感器獲取，也可以是單個傳感器在不同時刻獲取的圖像序列。在消費級領域，隨著數(shù)據(jù)量上漲、運算力提升和深度學習算法的發(fā)展，計算機視覺技術越來越多地被應用在各類消費級應用場景中，典型的如人臉識別服務，具體包括人臉檢測、人臉關鍵特征點、人臉對比、人臉搜索、人臉屬性、人臉聚類、人力活體檢測等。

AI視覺處理就是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，由計算機來代替大腦完成處理和解釋。這里要指出的一點是在計算機視覺系統(tǒng)中計算機起代替人腦的作用，但并不意味著計算機必須按人類視覺的方法完成視覺信息的處理，計算機視覺可以而且應該根據(jù)計算機系統(tǒng)的特點來進行視覺信息的處理。但是，人類視覺系統(tǒng)是迄今為止，人們所知道的功能最強大和完善的視覺系統(tǒng)。

當前人工智能理論和技術日益成熟，應用范圍不斷擴大，產(chǎn)業(yè)正在逐步形成、不斷豐富，相應的商業(yè)模式也在持續(xù)演進和多元化。據(jù)IDC統(tǒng)計，2018年我國人工智能市場規(guī)模為161.9億元，預計到2022年市場規(guī)模將接近700億元，年復合增長率超過50%。據(jù)中國人工智能學會和羅蘭貝格咨詢公司預測，2025年市場規(guī)模將達到3萬億美元。

以深度學習為代表的人工智能算法的出現(xiàn)極大推動了視覺人工智能行業(yè)的發(fā)展。計算機視覺是人工智能行業(yè)的最大組成部分，與其他細分的比較來看，計算機視覺技術應用的市場規(guī)模也遠遠大于其他細分。

那么，視覺系統(tǒng)芯片如果在未來實現(xiàn)產(chǎn)業(yè)化，其市場空間有多大？據(jù)推算，2018年，圖像傳感器的市場規(guī)模在150億美元左右，雖然其中120億美元發(fā)生在智能手機領域，但未來發(fā)展比較快的4個領域是安防、國防、汽車、醫(yī)療，到2021年將會迎來40億美元的市場空間，年增長率約10%—20%。

視覺處理器的需求增長會更快，目前該市場的整體規(guī)模（包括硬件、軟件、服務）在170億美元至180億美元，單從硬件來看也占到約30億美元。如果視覺系統(tǒng)芯片可以覆蓋70億美元的市場規(guī)模，企業(yè)在這中間拿到1%的話，其盈利空間就已經(jīng)很大了。

近年來，國內(nèi)外一批新型人工智能企業(yè)，依托人工智能領域技術和算法優(yōu)勢向芯片行業(yè)滲透，加強人工智能芯片基礎層研發(fā)。從市場格局來看，已經(jīng)發(fā)展成為一個相對獨立又相互依存的產(chǎn)業(yè)生態(tài)。在前端，索尼是圖像傳感器市場、生產(chǎn)和技術的領導者，緊隨其后的三星和豪威科技也保持著不錯的競爭力；在后端，Mobileye和英偉達（NVIDIA）是提供視覺處理芯片的主要廠商，在國內(nèi)該領域的公司有地平線等。

然而，截至目前，尚未有企業(yè)實現(xiàn)“圖像傳感器+視覺處理器”集成式芯片的大規(guī)模量產(chǎn)。不管是現(xiàn)在的創(chuàng)業(yè)企業(yè)，還是已經(jīng)在市場上占有一定份額的大企業(yè)，不是做圖像傳感器，就是做后端的視覺處理器，這將給初創(chuàng)企業(yè)帶來機會。