由于算法的演進(jìn)、大量數(shù)據(jù)的涌入以及算力的提升，人工智能迎來(lái)了最好的時(shí)代。同時(shí)，從智能手機(jī)，到自動(dòng)駕駛，再到安防，AI 圖像視覺(jué)技術(shù)也正在被應(yīng)用到越來(lái)越多的行業(yè)。

但目前落地應(yīng)用過(guò)程中所面臨的現(xiàn)實(shí)的情況是，受深度學(xué)習(xí)驅(qū)動(dòng)，云端視覺(jué)圖像處理技術(shù)飛速發(fā)展的同時(shí)，前端視覺(jué)成像技術(shù)卻依舊裹足不前，無(wú)法與之相匹配，成為了限制 AI 視覺(jué)發(fā)展的嚴(yán)重瓶頸。

比如，2016 年的時(shí)候，一輛特斯拉 MODEL S 在自動(dòng)駕駛時(shí)發(fā)生車(chē)禍，導(dǎo)致駕駛員死亡。究其原因，正是由于在逆光以及反光的情況下，其所配備的攝像頭無(wú)法識(shí)別前方車(chē)輛，才釀成了那起事故。

當(dāng)算法以及超強(qiáng)的計(jì)算能力賦予了機(jī)器邏輯思維能力之后，想要讓它真正能夠得以在實(shí)際生活、生產(chǎn)中實(shí)現(xiàn)落地，擁有一雙足夠明亮的「眼睛」是必不可少的，這也是接下來(lái)在人工智能向前推進(jìn)的過(guò)程中，需要去解決的難題。

成立于 2014 年的眼擎科技（eyemore），是一家從事前端成像引擎的技術(shù)公司，通過(guò)專(zhuān)業(yè)的成像引擎芯片，他們利用自主研發(fā)的成像算法，為各個(gè)應(yīng)用場(chǎng)景下的機(jī)器視覺(jué)公司提供前端成像的一體化解決方案，來(lái)解決目前 AI 視覺(jué)由于光線差導(dǎo)致識(shí)別準(zhǔn)確度低以及從圖像算法到視覺(jué)硬件產(chǎn)品落地周期太長(zhǎng)的問(wèn)題。

CES 2018 展會(huì)期間，極客公園舉辦了「極客之夜」活動(dòng)，我們?yōu)槭澜绺鞯氐钠髽I(yè)家和創(chuàng)業(yè)者搭建了交流的舞臺(tái)，希望能在這一舞臺(tái)，嘗試為人們找到科技困惑的答案，發(fā)現(xiàn)科技新趨勢(shì)。

在極客之夜的活動(dòng)上，我們邀請(qǐng)到了眼擎科技創(chuàng)始人朱繼志，來(lái)看看在 AI 時(shí)代，如何理解視覺(jué)成像這件事情，以及他們能夠?yàn)檎麄€(gè)行業(yè)的發(fā)展帶來(lái)哪些意義。

以下為眼擎科技創(chuàng)始人朱繼志演講實(shí)錄。

大家知道現(xiàn)在 AI 芯片很熱門(mén)，講到 AI 芯片，大部分都是用來(lái)處理圖像和視覺(jué)的。今天我們換一個(gè)角度，從成像的角度來(lái)看一看 AI 芯片。

成像的歷史分成三個(gè)階段。最早是膠卷時(shí)代，比較有代表性的企業(yè)是柯達(dá)；從 80 年代開(kāi)始進(jìn)入數(shù)碼時(shí)代，產(chǎn)品轉(zhuǎn)移到了日本，今天大家看到的所有的圖像、相機(jī)工業(yè)里面的視覺(jué)都是源自于 80 年代日本數(shù)碼成像的體系；現(xiàn)在我們正處于 AI 視覺(jué)時(shí)代。

到了 AI 時(shí)代以后，整個(gè)成像技術(shù)有了一個(gè)本質(zhì)的變化。最大的變化就是以前的圖像是給人看的，現(xiàn)在是給機(jī)器看的。給人看的時(shí)候大家關(guān)注的是多少像素，給機(jī)器看的時(shí)候，則更多的關(guān)注于識(shí)別的結(jié)果。對(duì)于整個(gè)成像產(chǎn)業(yè)而言，這是一個(gè)很大的歷史變化，這個(gè)變化會(huì)比從膠卷時(shí)代到數(shù)碼時(shí)代的升級(jí)更大。

眼擎科技是一家創(chuàng)業(yè)公司，做了有四年多的時(shí)間。我們的目標(biāo)是要做超越人眼識(shí)別能力的成像技術(shù)，同時(shí)，我們也是做芯片的，19 號(hào)在北京極客公園 IF 大會(huì)上，會(huì)發(fā)布我們 eyemore 成像芯片。

它會(huì)是第一顆專(zhuān)門(mén)面向 AI 視覺(jué)來(lái)開(kāi)發(fā)的成像芯片，針對(duì) AI 成像，我們做了一個(gè)全新的架構(gòu)，基于超大規(guī)模運(yùn)算和很多新型的成像算法，我們客戶(hù)的應(yīng)用主要包括自動(dòng)駕駛、安防、人臉識(shí)別、醫(yī)療視覺(jué)、工業(yè)檢測(cè)等各種和 AI 視覺(jué)相關(guān)的領(lǐng)域。

隨著我們算法的不斷的提升，計(jì)算能力不斷的提高，以及場(chǎng)景數(shù)據(jù)量的不斷增加，我們相信，在更多方面，機(jī)器的成像能力都能夠超越人眼的視覺(jué)能力。

我認(rèn)為視覺(jué)在 AI 里邊是最快能夠?qū)崿F(xiàn)落地變成產(chǎn)業(yè)的一個(gè)應(yīng)用，從我們接觸到的很多客戶(hù)來(lái)看，2018 年我認(rèn)為會(huì)有很多落地的 AI 視覺(jué)的產(chǎn)品，不管是在安防領(lǐng)域、醫(yī)療領(lǐng)域，還是在自動(dòng)駕駛領(lǐng)域。

由于深度學(xué)習(xí)帶來(lái)的 AI 算法有了一個(gè)大的突破，很快會(huì)傳遞到整個(gè)產(chǎn)業(yè)鏈條的上游，換句話說(shuō)，AI 的算法其實(shí)具備很強(qiáng)的工業(yè)賦能的能力。我認(rèn)為，未來(lái)在很多的設(shè)備里邊，可能都會(huì)帶來(lái)視覺(jué)功能的升級(jí)需求，因?yàn)橐曈X(jué)功能實(shí)際上是設(shè)備走向智能非常重要的一步。

有關(guān)產(chǎn)品落地的問(wèn)題，實(shí)際上我們所有接觸過(guò)的客戶(hù)都會(huì)碰到一個(gè)問(wèn)題：在實(shí)驗(yàn)室訓(xùn)練數(shù)據(jù)的時(shí)候，效果很好，但是到實(shí)際場(chǎng)景去部署的時(shí)候，因?yàn)楦鞣N各樣環(huán)境的問(wèn)題，比如弱光、逆光、反光這些的復(fù)雜環(huán)境下，效果就不行了，有點(diǎn)類(lèi)似于賣(mài)家秀很豐滿(mǎn)，但是買(mǎi)家秀卻很骨感。

他們做訓(xùn)練的數(shù)據(jù)可能從網(wǎng)上來(lái)的非常清晰的高品質(zhì)圖像，但在實(shí)際場(chǎng)景當(dāng)中，因?yàn)榄h(huán)境影響導(dǎo)致成像品質(zhì)不好，非常影響后端 AI 識(shí)別的效率和準(zhǔn)確率。我們的產(chǎn)品正是幫助這些 AI 客戶(hù)去解決在產(chǎn)品從算法到實(shí)際場(chǎng)景落地過(guò)程中所遇到的這個(gè)難點(diǎn)。