Pada 9 Maret, Jumat lalu, GTIC 2018 Global AI Chip Innovation Summit yang diselenggarakan oleh Smart Things diadakan di Shanghai. Konferensi tersebut mengundang hampir 40 pemimpin industri dari bidang chip, keamanan, otomotif, dan elektronik konsumen untuk berbagi penelitian dan pengembangan chip AI. Pengalaman dan pemikiran.
Ribuan penonton memadati venue, dan topik hangat tentang chip AI terbukti.
Dalam sesi "Autonomous Driving Accelerated Landing, AI Chip Leads the Computing Platform" pada sesi sore konferensi, Zhu Jizhi, CEO Eyeking Technology, memberikan pidato tentang "Imaging Engine Chips Memasuki Era Vision 2.0". Mengenai titik sakit pencitraan front-end, saya membagikan solusi Teknologi Mesin Mata dan menganalisis aplikasinya di bidang mengemudi otonom.
Pokok-pokok pidato Zhu Jizhi adalah sebagai berikut.
Era AI sangat membutuhkan perhatian mesin
Zhu Jizhi sebelumnya bekerja di industri pengolahan citra dan industri distribusi chip.Pada tahun 2014, ia memimpin pendirian Eyeking Technology. Seperti nama perusahaannya, pekerjaan yang dilakukan oleh Eye Engine adalah membuat mesin pencitraan untuk penglihatan mesin untuk menargetkan mata manusia, menggunakan chip + algoritma untuk meningkatkan kemampuan pencitraan front-end penglihatan mesin, sehingga AI memiliki data gambar berkualitas lebih tinggi yang tersedia.
Zhu Jizhi, CEO Teknologi Eyeking
Zhu Jizhi mengatakan bahwa di bawah ekologi teknologi AI yang sangat besar, berbagai spesies baru telah berevolusi, seperti mobil tanpa pengemudi. Dalam beberapa tahun terakhir, otak AI telah berkembang pesat, tetapi masih membutuhkan salah satu organ terpenting - mata.
Saat ini, sebagian besar spesies AI telah tumbuh berdasarkan kemampuan penglihatan. Data yang dihasilkan oleh penglihatan menempati sebagian besar volume data di dunia AI. Era AI akan menjadi era penglihatan untuk segala hal: sebuah mobil akan dilengkapi dengan lebih dari 10 sensor. , Setiap toko ritel tak berawak akan memiliki lebih dari 100 sensor penglihatan. Pengemudi otonom, ritel tak berawak, robotika, kamera ponsel, dan bidang lainnya akan menghasilkan permintaan untuk puluhan miliar perangkat penglihatan dalam lima tahun ke depan.
Kendaraan tak berawak awal Uber, terkenal dengan banyak kameranya
Namun, produk AI berbasis vision saat ini umumnya mengalami masalah. Setelah algoritme visi AI yang berjalan dengan baik di laboratorium diterapkan, algoritme tersebut telah berubah dari pameran penjual menjadi acara pembeli dalam kondisi cahaya yang kompleks, kemampuan machine vision untuk mengenali dan menilai Berkurang secara signifikan. Ketika mobil self-driving melewati terowongan atau berjalan di malam hari, kemampuan mereka untuk melihat dalam kondisi cahaya redup dan lampu latar akan menghadapi tantangan besar.
Untuk alasan ini, industri telah menggunakan banyak teknologi penglihatan tambahan, seperti lidar yang digunakan pada kendaraan tak berawak. Tetapi Zhu Jizhi menggunakan perbandingan ini hanya sebagai tongkat pemukul mobil tanpa pengemudi, dan tidak memaksimalkan kemampuan visualnya.
Tidak seperti mesin, mata manusia memiliki kemampuan beradaptasi yang baik terhadap berbagai lingkungan cahaya. Untuk tujuan ini, Teknologi Eyeking telah meluncurkan seperangkat solusi perangkat lunak + perangkat keras untuk membuat mata mesin yang sesuai dengan kebutuhan pemrosesan AI. Ia dapat menargetkan kemampuan pencitraan visual mata manusia, dan bahkan lebih baik daripada mata manusia-produk mata saat ini. Rentang dinamis pencitraan lebih tinggi 18db daripada yang dimiliki mata manusia, dan masih dapat menghasilkan gambar berwarna yang jelas dalam kondisi cahaya yang sangat redup di mana mata manusia tidak dapat membedakan warna.
Zhu Jizhi mengatakan bahwa dalam lima tahun ke depan, penglihatan mesin hanya dapat mengandalkan sistem pencitraan optik pasif untuk mencapai operasi di segala cuaca.
Kombinasi software PK dan hardware mata manusia
Untuk memaksimalkan efek dari teknologi pencitraan yang telah dikuasainya, Eye Engine memadatkan algoritme pencitraan cerdasnya untuk lebih dari 20 pemandangan yang terakumulasi dalam 4 tahun terakhir pada pencitraan chip-eyemore X42, menciptakan suasana yang lembut. Mesin pencitraan yang terintegrasi dengan perangkat keras memberikan kemampuan pencitraan yang kuat untuk berbagai produk penglihatan mesin.
Zhu Jizhi memperkenalkan bahwa chip pencitraan ini memiliki tiga karakteristik utama:
Salah satunya adalah chip yang tidak terintegrasi.Seperti kartu grafis diskrit Nvidia, Eye Engine menggunakan desain chip independen dan memiliki kemampuan komputasi yang lebih bertenaga.
Kedua, dengan berkat berbagai algoritme pencitraan cerdas, alat ini memiliki kemampuan "Vision 2.0". Dibandingkan dengan peralatan pencitraan tradisional, alat ini dapat menangani berbagai cahaya kompleks dan gambar keluaran dengan kualitas stabil.
Yang ketiga adalah menyediakan sejumlah besar antarmuka API, yang nyaman bagi insinyur algoritma back-end untuk memanggil, mengurangi kesulitan pengembangan, dan mewujudkan perangkat keras yang ditentukan perangkat lunak. Perangkat kamera pintar tradisional tidak menyediakan terlalu banyak antarmuka, seringkali berupa kotak hitam.
Zhu Jizhi mengatakan bahwa berdasarkan pengalamannya di industri chip, siklus penerapan chip sangat lama, dan juga sangat sulit untuk mempromosikan sebuah chip. Untuk alasan ini, Eye Engine memberi pelanggan hilir berbagai solusi yang sesuai dengan berbagai tahap pengembangan produk: alat pengembangan dapat digunakan untuk kontak awal, modulnya dapat digunakan untuk produk verifikasi produksi skala kecil, dan Eye Engine dapat digunakan dalam tahap produksi massal. Sediakan keripik secara langsung. Selain itu, Eye Engine juga menyediakan bentuk kerjasama seperti otorisasi IP untuk lebih merespon kebutuhan berbagai bidang.
Untuk menurunkan ambang batas pengembangan perusahaan hilir, tahun ini Eyeking akan meluncurkan desain referensi solusi lengkap di berbagai bidang. Di pertengahan tahun ini, solusi yang diberikan Eye Engine untuk assisted driving akan memiliki visual dynamic range lebih dari 100db, yang dapat menyelesaikan 95% masalah cahaya yang kompleks.
Untuk visi ritel dan industri tak berawak, Eye Engine juga akan memiliki solusi kartu papan.
Saat ini, ada kasus aplikasi aktual untuk chip Eye Engine. Berdasarkan chip pencitraan Eye Engine, pelanggannya telah menciptakan pemindai 3D untuk penjual Taobao, yang dapat menghasilkan gambar tiga dimensi produk Taobao berkualitas tinggi dengan satu lensa.
Zhu Jizhi percaya bahwa berbagai peralatan pemotretan saat ini berasal dari arsitektur pencitraan Jepang, dan niat aslinya dirancang untuk manusia, untuk memenuhi estetika subjektif manusia, tetapi pencitraan yang dibutuhkan oleh mesin bersifat objektif, dan misi mesin adalah mengukur dengan penglihatan. Di dunia, semakin akurat pengukuran di ujung depan, semakin akurat hasil pengenalan di ujung belakang.
Setelah mesin mampu mengungguli mata manusia dalam kemampuan visualnya, ia akan menemukan dunia baru - misalnya, dokter dapat melihat dokter melalui wajah pasien, dan jika mesin tersebut memiliki kemampuan visual 100 kali lipat dari kemampuan visual dokter, hal-hal yang lebih berharga akan ditemukan. informasi. Dan ini juga merupakan arah evolusi utama industri AI.
Tiga tren utama dalam chip AI
Saat berbicara tentang gelombang chip AI saat ini, Zhu Jizhi percaya bahwa ada tiga tren penting.
Pertama, chip AI saat ini didasarkan pada pemrosesan visual. Baik di era PC atau era Internet seluler, semua pekerjaan pemrosesan chip berputar di sekitar CPU, dan sekarang pekerjaan pemrosesan visual-centric mulai membuat status CPU mulai melorot.
Kedua, industri chip AI saat ini terdesentralisasi. Sistem operasi sebelumnya terikat ke CPU, dan hanya ada beberapa chip utama, dan pekerjaan itu dipusatkan pada CPU. Hasilnya semakin universal, semakin banyak fungsi, tetapi produknya menyatu. Di era kecerdasan buatan, persyaratan untuk pasangan chip akan spesifik untuk setiap adegan, yang berada di luar jangkauan prosesor tujuan umum. Persyaratan aplikasi sub-industri telah berkontribusi pada peningkatan chip AI.
Ketiga, chip AI sesuai dengan persyaratan peningkatan industri. Industri Internet telah menjadi industri bintang absolut dalam dua dekade terakhir, dan banyak produk industri yang diremehkan. Di era kecerdasan buatan, peningkatan industri menempatkan tuntutan besar pada chip AI.
Justru karena ketiga tren inilah arsitektur chip AI menunjukkan tren desentralisasi, sehingga banyak startup yang akan memasuki industri chip dan bersaing dengan raksasa chip tradisional.
Zhu Jizhi membuat analogi, dalam industri otomotif yang telah bertransformasi oleh tren kecerdasan dan elektrifikasi, sejumlah perusahaan mobil baru juga bermunculan. Di bawah perubahan industri yang ditimbulkan oleh tren baru, pola yang semula relatif tetap akan sering rusak.Memimpin untuk mencerminkan tren baru, mentransformasikan dan bahkan menginovasi teknologi / struktur bisnis asli, adalah peluang bagi startup semacam itu. Ini berlaku untuk industri otomotif, seperti halnya industri chip.
Kesimpulan: Bagaimana chip start-up menghasilkan uang di era AI?
Dari perspektif jalur kewirausahaan Yanqing, AI tidak diragukan lagi merupakan sumber pertumbuhan terbaiknya. Namun, Wei Shaojun, direktur Departemen Elektronik Mikro di Universitas Tsinghua dan direktur Institut Mikroelektronika, mengatakan dengan jujur di GTIC 2018 bahwa dalam 2-3 tahun ke depan, start-up chip AI akan memiliki martir. Jadi, untuk startup seperti Eyeqing, bagaimana caranya agar bisa bertahan dan tumbuh dalam persaingan kecerdasan buatan yang semakin ketat? Setelah pidatonya, Zhu Jizhi menerima wawancara dengan Zhixi.
Dia percaya bahwa selain teknologi, yang paling penting adalah menemukan titik sakit terpenting dalam industri ini. Semakin penting poin rasa sakit yang dapat dipecahkan, dan semakin tidak dapat direproduksi kemampuan untuk menyelesaikan poin rasa sakit, semakin luas parit startup.
Kedua, berdasarkan pengalaman Eye Engine, karena banyak pijakan teknologi AI terletak pada peningkatan industri tradisional, kesulitan terbesar yang dihadapi dalam implementasi produk teknologi terkait AI sebenarnya adalah informasi yang tidak sama, yaitu aplikasi back-end tidak memahami teknologi front-end. Ketidakpercayaan. Untuk situasi ini, cara yang lebih penting adalah memperkenalkan desain referensi untuk industri yang berbeda untuk mengurangi ambang batas dan ketidaktahuan aplikasi teknologi.
Selain itu, Zhu Jizhi percaya bahwa karena keunggulan perusahaan besar dalam hal volume data, perusahaan kecerdasan buatan yang murni melakukan penelitian dan pengembangan algoritme akan lebih berbahaya.Untuk pemula kecerdasan buatan, meskipun kombinasi perangkat lunak dan perangkat keras relatif tinggi, hal itu juga memungkinkan. Model untuk memastikan kelangsungan hidup startup dengan lebih baik.
- Zhidou dan BAIC New Energy keluar dari permainan! Mengapa hanya ada mobil listrik kecepatan rendah di kota kecil?
- Siapa bilang hanya ada Alibaba di Hangzhou? Kami menemukan perusahaan pengemudi otonom di Universitas Zhejiang
- Xiaoma Zhixing dan GAC telah mencapai kerjasama dan telah memulai operasi uji coba car-hailing tanpa awak di Guangzhou
- Dikejar-kejar pemilik mobil di seluruh negeri dalam semalam, siapa yang memprovokasi Honda Civic generasi ke-10?