You are currently viewing AI需要硬件,更需要重新定义硬件

AI需要硬件,更需要重新定义硬件

  • Post author:
  • Post category:IT
  • Post comments:0评论


今年夏天烈日炎炎,在太阳的直射之下,不仅是人类很难睁开眼睛,张目对日,即便是专业相机、手机等摄影设备在拍摄太阳的过程中,也很容易因过强的阳光而对摄像头中的元器件造成伤害。虽然景色在拍摄成视频之后,所有人都可以从屏幕中看到炫目的光点,但这本质上是因为当前的视频都以SDR(标准动态范围)规格拍摄和显示,无法呈现出真实世界的亮度。

目前虽然市面上HDR(高动态范围)显示设备越来越多,但能直接拍摄、录制HDR视频的设备却依然有限,这就造成了大多数可获得的视频资源仍然是SDR格式,随着AI技术在计算摄影领域的应用,SDR高保真的转为HDR成为可能,AI能在理解场景信息的基础上,重现蜡烛、灯光、太阳真实的色调和高光,无需高昂的HDR录制设备,手机也能实现HDR视频的拍摄。

 图源:旷视
图源:旷视

将SDR转换为HDR规格的视频,只是AI为手机计算摄影带来的技术革新中的冰山一角,AI甚至在硬件形态上重新定义了手机计算摄影。如今的手机不需要像单反相机那么大的镜头和光圈就能实现虚化、变焦、双重曝光、视频光斑,甚至手机就能实现专业摄像机才具备的电影模式。

AI算法的介入呈现在手机形态上的改变就是摄像头、传感器的增多,以及更小、更轻薄、更多样化的传感器,传感器将不再单独的、直接的提供应用的价值,手机和传感器之间需要算法来作为承上启下的桥梁,可以说AI正在定义手机传感器。

纵观历史,AI与硬件的关系其实同软件和硬件关系的演进历程非常相似。著名的网景公司创始人Marc Andreessen曾说,软件正在吞噬人类世界(Software eats the world)。

那么,在AI加速发展的今天,算法定义硬件逐渐在成为现实。

软件定义时代

在软件刚出现不久的软硬一体化阶段,软件更多作为一种高级程序设计语言而存在,用户对其感知并不强,一直到IBM 360系列机硬件搭配OS/360操作系统捆绑出售,人们才逐渐意识到软件系统的重要性,但此时的软件系统依然被视为硬件的附属品,其应用领域和灵活性都比较差。

微软及Windows操作系统的诞生则标志着软件行业发生了翻天覆地的变化,软件不再作为硬件的附属品而捆绑销售,而是作为独立可迁移“拷贝”售卖的版权商品,颠覆了过去计算机行业硬件为王的时代,各类办公、影音、游戏软件重塑了人们的经济生活,微软也凭借在软件系统上的强势,成为了IT行业的头部企业,这个阶段属于软件的产品化、产业化阶段。

在互联网普及和其商业化带来的信息化浪潮2.0阶段,软件也开始与互联网深度融合,“软件即服务”(Software as a Service)的概念开始被提出,即用户不再需要通过单机拷贝的方式来获得软件服务,通过互联网即能随时随地按需使用软件的功能。在软件的网络化和服务化阶段,以苹果Apple Store为代表的各类移动应用商店迅猛发展,百万开发者和海量移动端应用出现,微信、淘宝、美团、微博等超级应用也是在这一时期出现,在软件的定义下,手机从最初的通讯硬件工具变成了平台式的智能手机。

如今,软件定义已成为行业共识,如果说,互联网的核心价值是“连接”,那么,软件就是实现“连接”的基础技术。虽然软件在PC、智能手机领域已渗入的足够深,但在如今的物联网时代,千行百业中各类复杂多变的loT硬件却和软件连接的却仍然不够。

如今,AI算法在人类社会经济生活中扮演的角色愈加重要,从当下最热门的互联网软件抖音、脸书、淘宝、亚马逊背后都有AI算法的身影,智能电视、扫地机器人、智能空调、智能空气净化器等越来越多的硬件也在与AI深度融合。

而AI算法正是软件定义时代突破IoT领域的关键技术,在新一轮的软件定义浪潮中扮演“连接者”的角色。

AI突破IoT闭环

在手机Apple Store中,用户想要购物、外卖、游戏、影音,每种类别下都有无数应用可以选择,但在家庭里的吸尘器、电视、冰箱、空调、油烟机等各类IoT设备中,却常常看不到可选择应用的软件选项,传统的软硬件方式难以满足AIoT海量场景的智能化需求。

据2021年艾瑞咨询统计的数据,当前的AIoT行业,AI的渗透率仅为4%,还有约96%的场景还没有被AI渗透。过去,AIoT端传统的智能化解决方案是根据硬件“灌”算法,即根据不同型号、不同种类的硬件来为其适配一套算法,这种解决方案是以硬件为主导的,硬件、场景和AI算法之间的联系较为割裂,硬件的设计没有考虑AI算法数据采集和硬件适配的需求,这导致算法的复用度低,算法必须在硬件功能与场景之间寻找平衡,性能上做出妥协,硬件的性能与真实需求之间存在鸿沟。

硬件和AI算法的割裂就无法解决吗?起码在计算摄影领域旷视已突破了这种割裂,在前文的例子中,智能手机凭借AI算法让其机身上小巧、轻薄的摄像头达到能媲美一些专业相机的拍摄效果,在AI算法的定义下,手机摄像头的形态相对于专业相机也做出了调整,AI算法需要多个不同功能的摄像头来计算景深、解析色彩。

根据不同场景,AI会在一开始便判断需要调动的不同镜头组合,来实现用户想要的拍摄效果。例如,当用户选择风光模式时,AI算法便已将主摄像头和广角摄像头调动起来;当用户选择人像模式时,AI算法便会调动主摄像头和人物细节解析力更好的黑白摄像头结合起来,在双摄像头模拟大光圈效果的同时获得更优的人像表现能力。

如果将场景放到更加复杂、零碎的AIoT领域,千千万万的设备如何连接起来呢?旷视的解法是“算法定义硬件”,即通过如Apple Store中应用数量般的海量算法+各领域的通用型/标准硬件,来满足AIoT领域海量的碎片化场景需求。

简单来说就是从“海量硬件+定制算法”转变为“海量算法+通用硬件”。

在今年的旷视企业业务合作伙伴大会上,旷视联合创始人、企业业务事业部研发负责人杨沐表示:“一方面是产品和应用场景足够丰富、算法功能需求日新月异,针对每一个场景都进行硬件和算法的定制适配效率太低。另一方面,AI时代的基础产品不再是一个个孤立的硬件载体,也不是一个硬件搭配软件这么简单,需要有一整套的具备扩展性和低成本的软硬件体系。”

旷视将算法前置,以“算法定义硬件”,其实就是用可随时迭代更新升级的海量算法,来匹配复杂多变、碎片化的AIoT场景,通用标准化的硬件则作为算法的载体,相比于更新迭代成本较大的硬件,更贴近用户场景需求的AI算法无疑更适合作为核心,来定义一套AIoT产品,由此,用户无需频繁更换硬件,就能通过算法定义功能,来满足日新月异的场景和需求。

 图源:旷视
图源:旷视

算法定义硬件

当然,要成功实现“算法定义硬件”并不容易,首先出现的难题就是海量算法的生产上,AI的背后就是算法,海量的算法是实现“算法定义硬件”的前提,只有算法生产想当下的海量APP一般,生产的足够多、足够快、成本足够低,海量算法来定义硬件才会成为可能。

旷视认为算法生产的主要困难集中在整个生产环节的复杂性上。具体来说,可以分为三个方面:第一,数据生产的复杂性。第二,算法模型本身的不确定性。第三,算法最终要推广落地到各式各样的AIoT平台上,这个硬件平台的多样性也带来了整个生产过程的复杂和高成本。

旷视则具备算法量产的能力,旷视本身是一个算法起家的公司,基于Brain++,旷视有固定流水线式的批量生产算法,能以更低成本生产更高质量的算法,并且这些算法能够随着AI落地的推广程度,根据数据迭代不断进化。

算法生产过程标准化正是真效地解决复杂的、碎片化的算法生产所面临挑战的手段。这个标准化包括了数据生产的标准化、算法模型的标准化和整个推理框架的标准化。旷视自研的算法生产平台AIS是基于旷视Brain++体系,在旷视自研的深度学习框架MegEngine中,旷视搭建了数据管理平台MegData和计算平台MegCompute,它们为算法生产构建的一个从数据处理到模型训练,到性能分析调优,到推理部署测试全链路的零代码自动化的生产力工具平台。

算法量产是对AI生产模式的理念革新和生产力进化,旷视构建了“2+1”的AIoT核心技术科研体系,即以“基础算法科研”和“规模算法量产”为两大核心的AI技术体系,和以“计算摄影学”为核心的“算法定义硬件”IoT技术体系(包括AI传感器和AI机器人)。

“算法定义硬件”,除了已经在智能手机行业中广为应用的AI+计算摄影,旷视的“魔方盒子”也是近年来成功的产品落地案例。“魔方盒子”是旷视研发的边缘计算产品,它能以一种更加经济和智能的方式,让前端大量非智能的高清摄像机具备AI识别能力。

传统的智能摄像头难以同时进行“图像检测”、“烟雾检测”、“工地未佩戴安全帽检测”、“危险行为检测”等诸多不同类型检测任务,常常需要根据园区、工地、加油站、停车棚等不同的应用场景更换不同的摄像设备,而旷视的“魔方盒子”则是基于“算法定义硬件”的理念所设计,在设计之初就和芯片硬件进行联合调优,只需通过更新迭代盒子中的算法,不需要更新摄像头硬件就能实现一套设备匹配安监领域、办公领域、社区领域、智慧工地等等不同场景。

 图源:旷视;“魔方盒子”
图源:旷视;“魔方盒子”

目前,旷视已经形成了最小硬件闭环体系,不过“算法定义硬件”仍是一个宏伟的目标,还有很长的路要走,旷视为其规划了三个发展阶段。第一个阶段也是目前所处的阶段,以自研硬件为基础开启产品阶段。第二个阶段,是通过算法下发平台实现用户的个性化采购。第三个阶段则是生态的充分开放,充足的算法供应与不同厂商的硬件,形成开放的行业生态。

AIoT是一场持久战,未来,旷视将持续推动AI核心技术能力的突破,让算法的生产和部署更快、更好、更便宜。另一方面,不断积累丰富的硬件know-how以及算法的软硬件协同设计能力,实现更多完整的产品价值闭环,让海量算法和硬件形成开放的生态,重铸AIoT行业。

发表评论