广告

能落地才是好AI!轻量级人工智能登场

时间:2019-01-10 作者:刘于苇 阅读:
如果问,目前被讨论最多的人工智能(AI)应用是什么?大多数人都会说是自动驾驶;但如果问,最快落地的AI应用是什么?毫无疑问是智能手机、智能家居、智能安防这些我们每天都用到的东西。如果AI应用也与拳击比赛一样采用分级制,那么“轻量级“应用在普及速度和难度上,都有着绝对优势……
EETC https://www.eet-china.com

如果问,目前被讨论最多的人工智能(AI)应用是什么?大多数人都会说是自动驾驶nFoEETC-电子工程专辑

但如果问,最快落地的AI应用是什么?毫无疑问是智能手机、智能家居、智能安防这些我们每天都用到的东西。nFoEETC-电子工程专辑

AI芯片问世已有数年,但真正落地的应用寥寥。如今,业界的关注点逐渐转向市场普及,特别是产品量产与应用。如果AI应用也与拳击比赛一样采用分级制,那么自动驾驶无疑是重量级选手,而智能门锁、智能家电、儿童智能产品,以及智能手机、平板电脑、门禁系统等下游市场则属于轻量级。相较而言,轻量级应用在普及速度和难度上,都有着绝对优势。nFoEETC-电子工程专辑

不过,轻量级AI芯片要想实现快速普及,功耗、传感器适配性、识别范围等问题也亟待解决。《电子工程专辑》曾专访耐能(Kneron)创始人兼CEO刘俊诚,了解到耐能在市场策略上力推轻量级人工智能,并将其定义为——“Tiny AI”。nFoEETC-电子工程专辑

终端AI的星星之火,可成燎原之势。但什么应用才是Tiny AI的最佳风口?nFoEETC-电子工程专辑

从最有希望普及的应用入手

2017年,苹果推出iPhone X让3D人脸识别开始流行于大众,这让一批AI厂商找到了突破口。nFoEETC-电子工程专辑

2018年,针对3D AI领域,耐能将其NPU与MCU整合,推出低功耗、小体积的支付等级3D AI软硬件一体化解决方案,希望藉此抢占AI芯片快速普及的制高点。nFoEETC-电子工程专辑
2018年11月,耐能推出支付等级3D AI软硬件一体化解决方案.JPGnFoEETC-电子工程专辑
2018年11月,耐能推出支付等级3D AI软硬件一体化解决方案(图自:耐能)nFoEETC-电子工程专辑

该方案支持结构光、ToF、双目立体视觉等主流3D传感技术,通过结合2D图像分析识别与深度信息分析,进行面部、身体、物品等识别,不仅能提升识别精准度,消除被照片、视频、蜡像、3D打印模型等解锁的风险,还能精准识别物品、行为,并提供其他3D图像采集应用,可用在智能手机解锁、移动支付、智能门锁开锁等高安全等级要求领域。nFoEETC-电子工程专辑

值得一提的是其中的3D面部识别解决方案,只要搭配入门的近红外线镜头和原有的RGB镜头,不需额外的双摄校准,就可提供3D面部识别解锁、3D建模等应用,且适用于各种终端设备。nFoEETC-电子工程专辑

比如入门级智能手机,只要具备百万以上像素的前置镜头,安装软件后即可进行真人脸部识别,排除用照片、视频解锁的风险,并延伸到手机支付等其他应用,其中人脸识别准确率据称达99.99%。而针对智能安防领域,该算法可实时侦测多张人脸并进行人脸识别、身份核对,在离线状态下,终端监控设备也能识别是否为陌生人,而主动通知管理员。nFoEETC-电子工程专辑

降功耗,降维攻击传统芯片

据调查显示,消费者在购买智能化设备时十分关注能效与续航能力,这两项指标也极易影响使用体验。例如,空调等智能家电需要长期运行,耗电量直接决定着用户的使用成本;对智能手机、智能门锁、机器人等主要采用蓄电池的设备而言,续航能力不仅影响使用体验,更可能关乎生活、工作乃至安全。要解决这些问题,关键在于芯片的功耗。nFoEETC-电子工程专辑

按常理,普通芯片由于设计逻辑简单,执行功能单一,功耗上应该比AI芯片更有优势,AI芯片如何在能效上突围?nFoEETC-电子工程专辑
2018年9月,耐能发布第二代NPU IP.jpgnFoEETC-电子工程专辑
2018年9月,耐能发布第二代NPU IP(图自:耐能)nFoEETC-电子工程专辑

2018年9月,耐能发布的第二代NPU IP在能效上做了大量优化。该系列包括低功耗版KDP 320、标准版KDP 520、高效能版KDP 720等三大产品,整体效能相较于上一代产品大幅提升达3倍,计算能力最高可达5.8TOPS(每秒万亿次计算)。nFoEETC-电子工程专辑

其中,依托KDP 520设计的芯片,支持语音、人脸、物品等多种识别,满足机器人、智能玩具等儿童智能产品对低功耗、高效能AI芯片的需求,特别是在语音交互、身份识别、跟随陪伴、物品识别、趣味教学、家长远程监护、儿童教育等领域,可对长期“霸占”该领域的传统MCU芯片进行降维攻击。nFoEETC-电子工程专辑

不挑食,入门级传感器也能配

AI芯片的效能不断升级,为传感效果的提高奠定了基础。不过,要想实现出色的传感效果,仍有待AI芯片与传感器进行良好适配。截至目前,多数AI芯片均对传感器的规格、性能要求较高,否则便无法达到预期效果,甚至无法适配。相比之下,耐能NPU就比较“不挑食”,与入门级的传感器也可适配,降低了终端设备实现AI的门槛。nFoEETC-电子工程专辑

以智能门锁为例,受年龄增长、伤病等的影响,人的指纹可能出现变化或被磨损,进而无法被识别,使以指纹识别为主要卖点的现有智能锁存在明显的局限性。而受限于传统芯片的计算能力和功耗表现,现有的2D人脸识别则很可能被照片、视频、蜡像、3D打印模型等破解,陷入安全性的瓶颈,始终无法大规模普及。nFoEETC-电子工程专辑

2018年10月,耐能携手奇景光电推出基于结构光技术的SLiM 3D传感解决方案.jpgnFoEETC-电子工程专辑
2018年10月,耐能携手奇景光电推出基于结构光技术的SLiMTM 3D传感解决方案(图自:耐能)nFoEETC-电子工程专辑

基于此,耐能与奇景光电联手,推出AI芯片与3D 结构光的模组方案,通过专门的AI芯片对3D人脸数据进行高效识别处理,创新性地解决当前智能门锁市场对方便、安全、高效的使用需求,填补市场空白,预计2020年搭载这款3D AI安防解决方案的产品将商用。nFoEETC-电子工程专辑

另外,耐能还与钰创科技、Cadence等企业共同开发用于终端智能设备的先进视觉解决方案,加速计算机视觉与机器学习的应用普及。nFoEETC-电子工程专辑

认得出图像,也听得懂语音

AI兴起之初,图像识别、语音识别俨然成了两个对立的阵营,不仅各有一批看好其前景的芯片厂商,在终端设备上也各有应用。前者如智能手机、门禁系统、视频监控摄像机,后者则如智能音箱、机器人。而今,源于用户需求的变化,越来越多厂商意识到,图像、语音等识别需求不可能割裂开来,而必须互相融合。nFoEETC-电子工程专辑

其中,最具代表性的莫过于智能家电。例如,早期的智能空调侧重于语音识别,即用户以语音控制空调的开启、关闭以及温度、湿度等的升降,但当用户的普通话不标准、声音嘈杂时,设备就可能接收到错误的指令,使相关功能大打折扣。而且,从手动按键到“喊话”,各项功能的实现仍依赖用户主动操作。若用户像忘记按开关一样忘记说“关闭空调”,仍然无法解决浪费电的痛点。nFoEETC-电子工程专辑

相比之下,将图像识别、语音识别等AI功能相融合后,则可将两者的优势无缝衔接,从而全面解决各种痛点。同样以智能空调为例,借助图像识别功能,内置摄像头可识别室内有没有人,若用户已经离开,则自动关闭,从而避免电能浪费。nFoEETC-电子工程专辑

目前,耐能消费级别AI芯片解决方案已实现智能家电对人、物、场景的离线识别,这在安全可靠的同时,也让智能家电变得智能、灵性,大大拓展了智能家电的内容和服务场景,在智能空调、智能电视、智能冰箱等应用领域都有大量应用。nFoEETC-电子工程专辑

为智能家居打造AI SoC

nFoEETC-电子工程专辑
在近日举办的CES 2019上,耐能除了展示最新的3D AI解决方案外,还宣布将新增AI SoC产品线,在第二季度率先推出一款专为智能家居应用所设计的AI SoC,可应用在门锁、门禁系统、智能玩具,以及其他家电设备等。此AI SoC搭载基于耐能 NPU IP- KDP 520的AI处理器,可支持2D、3D图像识别、语音识别,能与不同的3D传感技术整合,以及计算不同神经网络模型。nFoEETC-电子工程专辑

刘峻诚表示:“耐能致力于发展人工智能在终端设备上的应用,3D AI解决方案结合3D传感技术与终端人工智能,让图像识别精准度和使用安全性大幅提升,我们预期它将为市场带来更多创新应用。我们很高兴同时宣布将新增AI SoC产品线,推出专为智能家居应用所设计的AI SoC,该产品为耐能产品发展策略Tiny AI的体现,提供一个体积小、功耗低的轻量级终端AI解决方案。”nFoEETC-电子工程专辑

耐能在CES 2019的现场展示(图自:耐能):nFoEETC-电子工程专辑

20190110-neron-1.jpgnFoEETC-电子工程专辑

20190110-neron-2.jpgnFoEETC-电子工程专辑

20190110-neron-3.jpgnFoEETC-电子工程专辑

20190110-neron-4.jpgnFoEETC-电子工程专辑

 nFoEETC-电子工程专辑

 nFoEETC-电子工程专辑

EETC https://www.eet-china.com
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
刘于苇
电子工程专辑(EETimes China)副主分析师。
您可能感兴趣的文章
  • 深度学习的兴起,是通用计算的挽歌? 早期的计算机鲜有真正“通用”的设计,它们基本上都是为某一类算法特制的,我们不能简单将其说是像ASIC或FPGA。即便在真空管转向半导体以后,针对新功能进行硬件重新设计也是必须的。后来才有基于冯诺依曼体系的计算机架构,即可以存储指令,在软件中执行算法才成为可能。这是“专门硬件”向通用硬件的华丽转身。
  • Graphcore如何能成为西方半导体业唯一“独角兽”? 总部位于英国布里斯托的新创公司Graphcore,开发了一款被称为智能处理单元的新型AI加速器;Graphcore估计市值达17亿美元,被认为是西方半导体产业界唯一的“独角兽”,其投资者包括Dell、Bosch、BMW、Microsoft和Samsung等巨擘。
  • 机器也有偏见,AI算法仍须“留校察看” AI决策的公正与否,在很大程度上取决于人工智能训练算法所使用之测试数据集的准确性和完整性,而且取决于算法本身的准确性,以及如何做出“成功”的决定。训练算法的优化策略如果是为了实现整个群体的最大整体精度,实际上会放大偏见(bias)。
  • 何谓迄今最复杂的处理器芯片——IPU处理器? Graphcore公司日前推出了一款称为智能处理单元(IPU)的新型AI加速处理器。其首席执行官Nigel Toon在接受EETimes采访时介绍了其公司愿景、AI加速器市场以及AI的未来。
  • 别让AI变成人类眼中的混蛋! 要充分了解何谓 AI 的“不公正”,你需要想象自己是机器决策触发之坏消息的受害者。
  • 全球超算500强最新榜单:中国上榜数蝉联第一 当地时间6月17日上午,第53届全球超算TOP500名单在于德国法兰克福举办的“国际超算大会”(ISC)上发布。从上榜的超算总数来看,中国以219台上榜系统数继续位列第一位,美国以116台排第二位。
相关推荐
    广告
    近期热点
    广告
    广告
    广告
    可能感兴趣的话题
    广告