芯东西(公众号:aichip001)
编辑 | 韦世玮
GTIC 2020全球AI芯片创新峰会刚刚在北京圆满收官!在这场全天座无虚席、全网直播观看人数逾150万次的高规格AI芯片产业峰会上,19位产学界重磅嘉宾从不同维度分享了对中国AI芯片自主创新和应用落地的观察与预判。
在峰会上午场,亿智电子联合创始人兼COO吴浪,发表了题为《拆解端侧视觉AI芯片的落地难点与机遇》的演讲。
▲亿智电子联合创始人兼COO吴浪
亿智电子成立于2016年,作为端侧视觉AI SoC芯片领域的新锐玩家,主要围绕在视觉安防、汽车电子、智能硬件领域赋能AI 产品,并先后获得了北极光,英特尔资本和中建投等战略投资,实现AI系统级芯片量产。
在GTIC峰会上,吴浪向大家分享了亿智电子在端侧视觉AI芯片的研发思路,同时就端侧AI芯片的产业赋能,以及在落地进程中面临的挑战与机遇进行了深入探讨。 吴浪谈到,目前亿智电子已有超百万颗芯片量产落地,落地的场景也以人脸设备为主,这也是当下AI落地的主要场景。
但随着行业的AI需求逐渐爆发,AI芯片也面临着人才稀缺、应用碎片化、数据量大、缺少统一的软硬件平台等规模化落地的难点。
以下为吴浪演讲实录整理:
一、专注三大研发方向,超百万颗芯片量产落地
在吴浪看来,从2016年AlphaGo事件之后,人们对基于深度学习的人工智能算法及应用的关注重新回到新高潮,热切关注人工智能从技术、产品到资本等方方面面。
在这一浪潮下成立的亿智电子,是一家以AI机器视觉算法及AI SoC芯片设计为核心的系统级方案供应商,志在赋予亿万设备智能化。
自成立以来,亿智电子一直坚持AI加速、高清显示、视频编解码、高速数模混合等方向的自研,围绕视像安防、汽车电子、智能硬件三个方向赋能产业。
2019年7月,亿智电子首颗基于自研神经网络处理单元(NPU)的AI SoC正式量产,紧接着在同年10月,进入客户正式大规模市场化量产阶段。虽然受今年上半年疫情影响,如今亿智电子仍已有超过百万颗芯片量产落地。
目前,亿智电子在北京、上海、深圳和珠海均设有办公地点。其中,珠海总部是芯片设计和软件研发中心,深圳为行销中心,上海为行销及研发中心,北京为算法研究中心。
二、AI发展的三个阶段,当下AI落地以人脸设备为主
吴浪谈到,人工智能并不是一项新的技术,从50年代提出以来,伴随着算法的研究与发展,至今经历了3个重要的历程。
一是1950年,业界提出能够模拟人的思维的泛人工智能;二是80年代基于机器学习——特别是以模式识别算法的兴起,逐渐有了语音、指纹识别、静态人脸识别等行业应用;三是2010年以后,基于深度学习的AI算法能够更好模拟人脑的思维,这也是目前最接近人脑思维的算法,让业界对AI的关注达到新高度。
从产品应用场景来看,早期的视觉产品实现了“让设备能够看得见”。从2000年手机拍照模糊,到今天的2K、4K、8K视频技术,未来AI技术让设备从“看得见”到“看得更清晰”,再到“看得懂”,还能实现机器和人、机器和机器之间的交互。
吴浪认为,当下行业落地的AI产品主要以人脸设备为主。
2001年开始,人脸设备开始用于公安部的刑事侦查,早期的人脸设备主要依靠后台的云端服务器来提供算力。
2016年起,基于安卓芯片的算力发展让人脸设备实现了大规模应用,安卓芯片CPU为应用提供了算力,包括引入深度学习算法。但这时,行业也碰到了很多算力限制,设备除了做人脸识别外还有更广泛的应用场景,这些都对芯片算力提出了更高要求。
2019年以后,专门基于AI的SoC开始大规模商用,芯片的发展与产品的需求形成了互相拉动的关系。
三、三大领域的AI芯片落地趋势,行业的AI需求正在爆发
吴浪提到,现阶段在人脸方面的安防应用落地都较为相似,例如产品形态大小多为7-11寸的面板机,但每个具体应用中的实际算法却大不相同。
例如在工地中,除了需要人脸识别外,还需要安全帽识别,同时由于工地环境原因,人脸容易沾染灰尘或者其它物质,这个场景下又需要基于人脸有污渍情况下的识别。
在疫情影响下,办公楼宇除了人脸识别,还需要活体、口罩、测温的识别需求。其中,亿智电子有一个客户将人脸识别应用在酒店考勤中,除了识别人脸外,还需要识别员工的笑脸,以评测员工的表情是否合格。也就是说,依赖人脸识别扩展出来的许多人脸周边的识别场景正在慢慢深入应用。
在汽车电子领域,2015年至2016年,许多国家及地区对汽车安全提出较高需求。2018年,我国将ADAS(高级驾驶辅助系统)纳入安全法规,并在2019年对AEB(自动紧急制动系统)及商用车的部分场景提出了强装试用的要求。
现阶段,该领域主要以赋能辅助驾驶为主,包括疲劳检测、驾驶员行为等相关服务。未来,行业除了对汽车本身的安全性提出更高要求外,也会对汽车电子化发展提出越来越多的AI需求。
在智能硬件领域,吴浪认为,当下越来越多好玩又实用的智能化产品正在逐步落地,例如高尔夫追踪相机、室内番茄基地监控等。
在这一领域,亿智电子基于自身的SV806芯片开发了一个云台商用方案,其真实大小比硬币的面积还要小。
在智能交互方面,人类信息化经历了PC时代、移动互联网时代,接下来进入物联网时代,每一次发展都给交互带来很大的改善或提升。
例如,人们在PC时代的交互多采用键盘和鼠标,移动互联网时代则使用触摸+指纹,随着5G物联网时代的到来,如今有越来越多基于AI手势的交互场景在落地。同时,智能音箱、智能机器人也实现了手势交互的应用。
吴浪举例了比较典型的AI赋能智慧校园场景。从校车考勤到校门人脸考勤,再到教室考勤、食堂刷脸支付、宿舍门禁等,针对学生在学校中的各种活动,都可以通过利用5G和AI进行落地。
不仅如此,随着AI赋能各种行业、各种场景,AI在to G、to B、to C非常多的场景都能实实在在地落地。
但吴浪认为,目前大部分AI产品都用于改善传统工作流程,提高工作效率,减少标准化重复的一些体力或脑力劳动。
例如,基于安防的人脸识别,早期需要人工把所有视频中的各种人脸进行比对,通过行为分析去做抓取,今天则通过AI来大大提升这些工作效率。
与此同时,以前AI创业公司常常需要教育客户,告诉客户AI技术能做什么产品,能帮助客户改善什么体验,但现在这个方式已开始发生变化,客户已开始主动提出越来越多的AI产品需求,意味着行业的AI需求正在慢慢爆发。
四、AI芯片规模化落地的四大难点,端侧发展潜力巨大
吴浪谈到,如今亿智电子落地的芯片产品已达百万,但在落地过程中也遇到了AI难落地、难大规模落地等难点。
吴浪总结了四个AI芯片规模化落地的难点:
一是人才稀缺。今天大部分人才还是基于早期做图像、智能算法的人,没有专门基于深度学习的教育人才,尤其是基础算法、应用算法和场景算法的人才。
尽管在2019年我国有35所高校获批设立人工智能专业,但当下各种场景的算法人才仍非常缺乏。
二是应用碎片化。这个碎片化不单指场景特别多。例如,人脸识别应用在俯视、平视和仰视等不同的角度,都需要重新做数据训练和算法优化。
这意味着没有办法用一个或者几个算法来满足所有或大部分规模化的场景,哪怕是同一类算法都无法适配各种各样的场景,这也是端侧AI落地非常难的原因之一。
三是数据量大。由于数据量的庞大,如何从大数据里找到适合场景并适合算法的数据,这一获取难度非常大。
据统计,过去十年行业产生的数据量远超过去五千年的数据量,未来的数据化也将成倍数增长,把握基于场景的数据,到后期数据就是生产力。
四是缺少统一的软硬件平台。如何将开发人员在PC端或服务器上训练好的东西,以最快的速度适配到设备端,这也是AI芯片在落地过程中需要思考的问题。
与此同时,统一的平台除了解决硬件问题,还需要考虑三个问题。
一是如何让规模市场的算法进行标准化的交付,如果很多场景没有做好标准化,很难实现规模化的量产;二是如何让其它算法公司或终端厂商算法,能够快速移植到自身AI芯片上,这需要交付比较好的整套移植工具;三是产品整体的成本,根据不同的应用场景来定制不同的基于算力的芯片。
总的来说,AI芯片的发展经历了从早期基于CPU解决方案的AI产品,到GPU、FPGA、DSP、NPU等不同的算力及技术架构,整个产品化打磨的过程是非常困难和复杂的。
吴浪谈到,亿智电子作为一家自研NPU的SoC芯片厂商,有能力将算法和NPU做到更好的深度结合,并为客户提供产品在制造性、可量产性、算法移植、产品一致性、稳定性等方面完整解决方案。
回看今天的整个AI生态,从硬件到算法,再从产业到产品形态,其中的发展潜力非常巨大。尤其在当下算法和算力本身结合仍十分不足的情况下,随着未来落地场景更加的复杂和多样化,希望更多小公司或者创业者能抓住这个机会快速发展。
以上是吴浪演讲内容的完整整理。除吴浪外,在本届GTIC 2020 AI芯片创新峰会期间,清华大学微纳电子系尹首一教授,比特大陆、地平线、黑芝麻智能、燧原科技、壁仞科技、光子算数、知存科技、豪微科技等芯片创企,全球FPGA领先玩家赛灵思,Imagination、安谋中国等知名IP供应商,全球EDA巨头Cadence,以及北极光创投、中芯聚源等知名投资机构,分别分享了对AI芯片产业的观察与思考。如感兴趣更多嘉宾演讲的核心干货,欢迎关注芯东西后续推送内容。