量子位 | "大众年夜众号 QbitAI

这年头，日常生活里的AI运用，那可真是细到头发丝儿里了。

身处加油站，却有人偷偷摸摸抽起了烟？如此危险行为，AI的小眼睛第一韶光就能盯上。

居民区里，高空抛物令人头大，但有AI站岗，便能直击现场发出警报。

老人跌倒、乃至是厨房垃圾桶盖没盖盖儿这样的细节之处，AI也通通都能cover到。

工地等安全系数需拉满的场景更不用多说，从烟雾检测到看谁没戴安全帽、忘穿反光衣什么的，对AI来说都不在话下。

最主要的是，想要引入这样的AI“巡查员”，现在不再须要专门安装新的智能摄像头等设备。

说出来你可能不信，以上所有场景所有任务，乃至一只“盒子”就能hold住。

一只AI“盒子”的魔力

没错，便是这么一只10寸大小的真·盒子：

这只“盒子”来自旷视，开头提到的这么些个AI运用，都是它的实际落地案例。

单从硬件角度来看，这个名为“魔方智能剖析盒”的设备，内置一颗AX630全国产AI芯片，INT4算力达28.8TOPS——

妥妥的一个边缘打算产品。

可如果加上其背后的一大堆AI算法，事情就发生了一些变革：

有了算法加持，再通过RTSP（实时流传输协议）、国标等协议与前审察机产品快速对接，它就能完成“人脸检测”、“烟雾检测”、“危险行为检测”等诸多不同类型检测任务，适配加油站、社区、园区、工地等各种运用处景。

也便是说，原有的摄像头不用动，加上这么一只魔方盒子，就能完成各种检测系统的智能化升级。

是不是有点方便？

说到这，你可能也看出来了，与目前市情上常见的物联网智能设备不同，这只魔方盒子的侧重点不在硬件，而在算法。

乃至可以说，这个硬件终极的产品类型，是由算法来定义的——

把核心的办理方案都放到算法层面上，摆脱对硬件的依赖，让硬件只管即便通用，做到一套硬件产品就能应对诸多场景。

“算法定义硬件”

那么问题就来了，为何要另辟路子，用“算法定义硬件”？

这事儿还得从物联网行业现状提及。

长期关注AI的朋友们都知道，安防是AI最早运用落地的场景之一。
无论是AI公司还是海康威视这样的老牌科技企业，环绕AIoT （人工智能物联网）这个观点，最多的案例便是在安防场景展开。

但有智能化需求的物联网场景，远不止于安防。

2021年的数据显示，在AIoT领域，AI的渗透率仅为4%，还有96%的场景没有被AI渗透。

数据背后，反响出的正是AIoT当下面临的最大痛点之一：需求的碎片化。

从技能角度来阐明这个问题，便是在安防这样需求量大，场景又相对单一、集中的业务中，算法可以不断复用、迭代。

但如果换成电瓶车检测、垃圾分类、高空抛物等等更为碎片化的场景，受限于当前的AI技能，无论是数据采集还是算法复用，都存在较大的困难。

而这样的碎片化场景，才是AIoT的大头。

传统解法：海量硬件+定制算法

如何办理？

传统解法大略粗暴：海量硬件 + 定制算法。

也便是说，检测电瓶车就用专门检测电瓶车的摄像头，检测高空抛物则用检测高空抛物专用的硬件设备。
在这样的产品体系下，乃至能出来几万种不同的摄像头。

详细到一个场景中，以聪慧社区举例，如果一个社区既有电瓶车检测的需求，又有智能鉴戒、室外通道占用检测的需求，全体事情流就会变成这个样子：

首先，要提前勘定不同的点位，确定哪个点位支配哪种硬件设备。
然后根据这些详细的需求，去分别下单、采购不同类型的产品。

如此一来，就对现场方案和勘点提出了较高的哀求，并且一旦设备支配进来，要对不同点位的功能进行调度也会比较困难。

说到这里，想必个中的问题你也就看出来了。

其一，碎片化物联网场景下，“海量硬件 + 定制算法”欠缺灵巧性，硬件培植和掩护本钱较高，基本上想要针对新需求支配新算法，就得重新换硬件。

其二，更深一层从技能实践的角度来说，由于办理方案很大程度上依赖于硬件功能，算法就或多或少须要做出妥协，在业务需求和硬件之间做平衡，导致最适配的算法每每并非最优解。

新思路：软硬一体，最大化算法上风

面对这样的市场现状，旷视作为一家以AI算法技能起身的公司，就逐渐摸索出了所谓“算法定义硬件”的新思路。

正如前文所说，也便是反其道而行之，以算法为核心去办理场景差异化的问题，弱化对硬件特性的依赖。

同样以聪慧社区的场景来举例，在选用旷视魔方智能剖析盒的情形下，确定检测点位数量之后，只需采购统一的硬件。

而后，再根据详细方案，在不同的点位安装不同的算法包即可。
比如，须要在电梯里监测电瓶车是否进入电梯，那么就加载安装电瓶车检测的算法包。

后续如果须要将该点位改用来检测烟火，也无需改换硬件，换上烟火检测的算法包就行了。

大略总结一下，在魔方盒子这一类产品中，旷视所做的，便是基于软硬一体的能力，从最大化算法能力的需求出发，自研硬件。

通过加载不同算法包的办法，在一种硬件设备上形身分歧的产品，使硬件本身更加通用、标准化。

如此，站在用户的角度来看，一方面，在旧有的系统上做智能化改造本钱会变得更低，更多潜在需求能更低成本地实现。

另一方面，产品本身从算法出发，最大化发挥算法的上风，能实现更高的性价比。
比如通过算法来针对性地优化较低等级的新品，使其达到更高的算力、精度水准。

值得一提的是，这还只是“算法定义硬件”的第一阶段。

旷视透露，随着算法分发平台的完善，硬件将进一步蜕变成为算法的载体。
就像特斯拉的OTA，算法更新就能给硬件产品带来新功能。

AI公司突围之机

事实上，长期以来，在安防等物联网场景之中，虽然智能化能力的主要性愈发显现，但外界仍不免有疑问：AI公司作为后来者，竞争上风究竟何在？

在供应链、渠道等商业领域，传统强企无疑具备先发市场上风，这使其在以硬件为主导的标准化产品领域早早奠定霸主地位。

但如今看来，也正因如此，在越来越多量产硬件产品难以覆盖到的碎片化场景中，正好存在AI公司的突围之机。

旷视的“算法定义硬件”，便是一条具有代表性的AIoT突围路径：算法实质上是直接面向各种运用处景的，天然更靠近于用户的需求，以算法为核心，才有可能让硬件知足AIoT的海量运用处景需求。

相较于传统强企，AI公司的核心上风，还是表示在对付AI技能的长期研讨和深入洞察。
这种上风详细表示在：

在根本模型研究上的长期投入，对付算法模型有更深刻的理解；处于行业领先地位的算法精度；算法量产能力，能够高效产生海量算法，降落算法生产门槛；更具可扩展性的平台，能根据用户场景的变革，实现高效灵巧的算法迭代；具备软硬一体化的产品能力，最大化算法上风。

……

如此看来，在AIoT时期，以AI算法见长的AI公司，已经具备了先发上风。

— 完 —

量子位 QbitAI · 号签约

关注我们，第一韶光获知前沿科技动态