叫板英特尔旗舰产品,上海张江这家创业公司研发的视觉芯片为什么这么牛?

前沿风 2020-11-29 15:03
来源:上观新闻 作者:王志彦
车舱内置摄像头可以监测司机是否在驾驶过程中出现说话、打电话、打瞌睡等情况,不仅能提醒司机,也可以直接联动到公安机关,提示交通事故风险。

“在保证8位整型的精度下,每秒最快能计算181帧(张)图片/视频,并且将人工智能算法从训练部署到实际应用的过程中,依然不损失算法的精度,性能甚至高过英特尔旗舰产品Myriad X人工智能计算机视觉芯片。”在浦东张江科学城,肇观电子创始人冯歆鹏这么对记者说,“五年前创办肇观的时候,我们不将名义算力作为衡量智能视觉处理器的标准,而是将芯片实际利用率作为优化标准。今天看来,我们最初的选择是正确的。”


 创新要另辟蹊径

   

人工智能技术作为一门应用于千行百业的基础研究,其意义在于让机器代替人去做大量简单重复的工作,把人解放出来,去做更高级的和创造性的工作。对于AI在具体行业中的落地而言,芯片是核心元器件,是人工智能的基础设施,如同扎实的文字功底是传情达意的“基础设施”一个道理。

   

从2014年开始,当人工智能计算机视觉芯片作为下一个科技和经济增长点的时候,无论是学院派还是科技寡头都高举着名义运算力这面旗帜来研发AI芯片,大部分行业初入参与者也跟着这面旗帜。就好像强大的心脏能支持你跑下马拉松,芯片就是这颗心脏,芯片的算力代表的就是这颗心脏是否强大。

   

但是,冯歆鹏认为,AI芯片是否适合使用,往往从每元钱能获得的性能、每度电能获得的性能、部署实施的成本、元器件是否稳定可靠等几个方面来衡量。也就是说,名义算力并不是衡量智能视觉处理器的最重要的标准,芯片利用率才是优化指标。

    

芯片利用率具体体现在哪里?冯歆鹏解释说,人工智能就是我们教会机器学习的过程,如同教会一个孩子学习。不管什么考试,速度和准确率是衡量这个孩子学习成果的标准。人工智能计算机视觉芯片性能利用率衡量标准就是:在运算图片的时候,既要保证图片的精度(准),又要保证运算的速度(快),是否又“快”又“准”。以基于人脸识别的AI技术做的智能门锁应用场景为例,如果识别不准,门锁会把家庭成员拒之门外,或者对陌生人敞开大门;如果识别不快,会让人在门外等很久,体验感变差。


 解决别人解决不了的问题

   

在最初的技术战略选择上,肇观电子为什么能够直接切入解决“利用率”这个AI芯片的核心痛点?因为肇观非常重视基础理论方面的投入。

   

 冯歆鹏表示,一颗芯片投片的成本是巨大的。芯片设计好了以后投片生产,就如同一个孩子生出来以后就无法做任何更改一样,“产前” 需要不断的做 “产检” 来尽可能准的知道这个“孩子”(芯片)是否健康,这些 “产检”工作在芯片行业的专业名词叫做仿真验证模型。

    

仿真验证模型的预测误差取决于有没有能够准确预测结果的数学模型。得益于在数学基础理论方面的高投入,肇观在智能视觉芯片研发方面有了强有力的系统仿真模型,能够远在芯片流片前就准确预测芯片性能。肇观电子CTO周骥博士说:“搞基础理论很耗时间很烧钱,但磨刀不误砍柴工。”

   

有了仿真验证模型,在第一代芯片设计中,模型所预言的芯片利用率是85%,可是最初的设计方案仿真结果只有75%左右。当时市面上所能见到的类似芯片实际利用率也差不多是这么多。周骥反复问一个问题:为什么实际数据和理论预测差这么多?为了能逼近理论预测,他带着几十个工程师连续奋战5个月,将利用率从75%一步步提高到83%左右……最终分析结果是,还有2%左右的差距是由于模型没有考虑电路板设计的一些问题,而别的厂家也会面临同样问题。

    

搞这些基础研究的目的到底是什么?冯歆鹏表示,大学离市场太远,企业又想赚快钱,这其实就是创新型企业的一个“痛点”,不愿意搞基础研究,不愿意忍受基础研究的长期寂寞,不愿意等待艰难漫长的投资回报,就不能在底层技术上实现真正的创新。“为了获得突破性成果,立志做核心技术的公司必须得沉下心来搞基础研究,理论联系实际、实践检验理论。”冯歆鹏表示。


 靠实际应用说话

   

攻破了这些技术难点,到底能干什么?肇观电子自主研发的人工智能计算机视觉芯片究竟要为哪些行业降低成本,提高效率?冯歆鹏每天都在问自己。

   

 比如在智能安防领域,建设城市视频监控系统是实现城市安全和稳定的重要基础,是“平安城市”建设的重要组成部分,更成为“智慧城市”的重要载体。传统的安防监控只能达到“看得见”的功能,而肇观的芯片应用到智能安防领域,能够让摄像头“看得清”,“看得懂”,极大提高识别效率,把大量重复简单的工作留给机器去解决。

    

又比如在辅助驾驶领域,车舱内置摄像头可以监测司机是否在驾驶过程中出现说话、打电话、打瞌睡等情况,不仅能提醒司机,也可以直接联动到公安机关,提示交通事故风险。外置摄像头可以识别马路上的行人、标线、红绿灯,需要非常及时准确的提示或直接帮助司机避障或制动,否则,慢了一秒,都会提升交通事故发生的概率。这就回到了前面提到的,“快”是考核计算机视觉AI芯片性能的关键指标。

    

在无人零售领域,传统的自动售卖货柜使用的是重力传感器,对应的价格是根据每一件商品的重量来事先预设的。当顾客取走某一件商品的时候,系统会根据减少的重量,核算出相应的价格,再进行扣款。然而,从技术上,重力传感器需要经常校准;从成本上,重力货柜成本高昂。换一种技术,安装了计算机视觉AI芯片的摄像头,可以通过对商品外形的识别来扣款,成本大大降低,但是对识别精准度提出了更高的要求,如果物体识别算法在实际运行中有1%的精度下降,货损率和运营成本就会大幅增加。这就意味着 “准”是考核计算机视觉AI芯片性能的关键指标。

   

“在这个新兴的领域,大公司和小公司其实是在同一起跑线上。”冯歆鹏表示,与大型公司相比,肇观电子更加灵活,决策链条更短,对于市场需求反应更快,试错成本也更低。“我们希望能在自己的领域中,时不时给市场带来惊喜。”

栏目主编:王志彦 文字编辑:王志彦 未经正式授权严禁转载本文,侵权必究