触景无限肖洪波：感和知的融合之道

过去，我们说到机器感知能力，大多指的是安装各种不同种类满足不同需求的传感器，然后数据传输到云端进行处理，这就出现了一个时效性问题。而人类在看一个事物时，它的颜色、光照、形状、移动还有距离基本是同时可以感知到的，我们不谈生物脑电流传播速度有多快，可不可以从结果角度去考虑，也许感和知是可以融合在一起的。

触景无限CEO肖洪波对36氪表示，他们推出了一系列嵌入式智能感知模组，最大的特点是感和知的融合，本身具备了可以定制的多种传感器和数据处理平台，信息处理可以直接在前端完成。

但嵌入式智能感知芯片也面临着几个挑战：

不同传感器获取数据后的深度融合

一个设备通常要配备非常多的传感器，比如激光雷达、超声波雷达、IMU、压力传感器、GPS、TOF等，这些传感器在不同的情况下要满足用户的不同需求，数据要做深度的融合。这些传感器怎么样能够把数据进行很好的过滤和融合，是前端和后端处理都要考虑的问题。

计算能力更低，实时性要求却更高

实时性要求可能比后端服务器还要高，否则这个设计就是没有意义的。但前端不适合做非常深层的算法模型，相同配置下，前端处理的计算能力其实比较低的，怎样在前端嵌入式系统里对神经网络模型进行踩点和压缩，是嵌入式智能感知面临的非常大的课题。它需要把对数据的裁减和压缩转化成在模型上的优化问题，以最小的计算资源代价，跑最大规模的神经网络，从而保证识别率。

针对第二个挑战，肖洪波对36氪称，触景无限最新推出了一款产品V203，其计算能力被提升到了1T/s，功耗却被降低到了2w，另外值得一提的是其体积只有5cm2，一枚硬币大小，可以很好地嵌入融合到客户产品中。

除了技术，肖洪波还给我们讲述了一些与情怀有关的事情。“我之前在国外研究室工作学习，当时我们组的博士们研究出了不少超级牛逼的算法，但那又怎样，发表一篇文章也就没有然后了。”“产业的细化分工是趋势，我们想做好中间那一环，降低实验室研究成果和工业应用之间的壁垒。我们提供的产品里有自己的算法也有国内外知名研究院提供的，我们希望提供这样一个平台，让研究院们潜心做好研究，让厂商们以较低成本获取功能。”

触景无限作为一家专注于机器视觉领域的初创企业，年初完成了5000万人民币的A 轮融资。昨日，2017春季▪人工智能产业峰会在京举办，触景无限CEO肖洪波现场发表了主题演讲。

以下为肖洪波发言原文：

大家下午好！我是触景无限科技的CEO肖洪波，其实从我们公司的名字（SENSCAPE）里面，大家可以看到我们其实是一家做传感器融合的公司。我们通过传感器帮助人类。今天上午一来看到一个非常严肃的话题，机器人什么时候取代人类？我女儿前两天刚出生，对我来说压力很大，难道过两天人类就被取代了？！

今天希望给大家探讨的一个话题：人工智能和视觉感知怎样结合？其实刚才我觉得李总讲得非常好，人工智能是一个数据处理方法，其实我觉得说得更准确一点，它更像一个统计学工具，就是通过统计的方式帮我们去做一些数值上的模拟和处理。这样讲，视觉感知就变得更加重要，因为视觉是我们很多传感器里面非常重要的一个，我甚至觉得是最重要的传感器，就像眼睛对于我们人类的重要程度一样。

很多时候我们都把视觉问题简化成了一个分类或者一个识别的问题，但实际上视觉里面涉及到非常多的细节问题，它主要涉及5个大的领域，包括颜色、光照、形状、移动，还有距离。这几个处理在视觉皮层中是同时并行的处理。

视觉系统和力学系统类似，力学分为经典力学和量子力学，两者有着截然不同的规则。目前我们研究视觉系统主要通过很多宏观的理论，其实还有很多微观的理论去解释，比如说当我们看到一个东西的时候，在产生视觉刺激在前150毫秒的时候，我们这5个神经系统处理功能会有非常微妙的时间差，即并行又相互作用。通过研究这些视觉问题，如何让机器也可以拥有这样的视觉，这可能是我们希望解决的一个问题。

实际上有一个非常重要的环节，在前端的感知，这里我们说的是嵌入式的视觉感知中，怎样能够把更多的传感器与图像传感器前面看到的数据做深度的融合。比如视觉传感器，它在白天的时候可能很好，但是晚上根本没有办法使用。比如TOF在室内可能很好，但是在室外光线的影响下可能什么东西都不能识别。嵌入式实时性要求很高，就像我刚刚提到的，感和知，看和理解是同时发生的。如果放在服务器上处理，时间是非常慢的，没有办法在前端做实时的反馈和处理。所以感和知这两个事情本身来讲，它是同一个命题，如果是同一个命题它将带来哪些技术上的挑战？这一块是我们要思考的一个问题。

现在嵌入式的智能感知已经在一些行业中形成应用，智能感知是将很多的领域知识结合在一起，比如说多传感器在前端的融合和记忆视觉，还有深度学习，这些领域的技术结合在一起提供给终端产品来使用。其实现在市面上已经有非常多的产品在使用这些智能感知的技术，比如说无人机，它可以实现自动避障，实际上是通过前端的摄像头去识别周围的现实空间，在空间里面实现避障。

但是现在这些产品做的多数是端到端的产品，比如它有自己的芯片，有自己的算法，从头做到尾。我们认为随着人工智能的发展，会出现非常大的产业分工，大家专注到自己的领域，提供不同的解决方案，把各自擅长的东西融合在一起，将为用户提供更加有效的解决方案。

在智能感知里面我们首先面临的第一个挑战，就是多传感器的数据融合。我们会碰到非常多的传感器，比如说有激光雷达（Lidar）、IMU、超声波雷达、高速测量的压力传感器、GPS、TOF等，这些传感器在不同的情况下要满足用户的不同需求，它的数据就需要做深度融合。比如刚才提到的无人驾驶、无人机，包括安防、机器人等其他行业。这些传感器怎样能够把它的数据进行非常好的过滤，包括通过数据源的方式对它进行数据融合，这个是我们要考虑的问题。

另外一点在智能感知整个解决方案里面，我们的深度学习是在前端的嵌入式端来运行的。以前大家在做深度学习的过程中，倾向于把网络做得越深越好，因为这样的话，可能能够识别更多的图片，比如说有做上千层的深度学习网络，但是在嵌入式上面临的一个挑战，就是说我们的资源是有限的，没有办法去跑特别大的这些模型。

第三它的实时性要求可能比我们后端的服务器处理还要高，比如无人机在飞行过程中，需要一秒钟至少20到30帧的处理速度，能够判断周围的环境，能够避障，降落的时候希望降落到水里面，去识别周围的环境，识别水面。怎么样在前端嵌入式系统里面能够对这个神经网络的模型来进行踩点和压缩，是嵌入式的智能感知面临的非常大的课题。

所以在我们推出的嵌入式视觉感知的解决方案里面，我们采用的是嵌入式的芯片，这两款芯片都是在嵌入式上做处理的芯片。我们在过去的三年里面，一共研发了6款产品，这些产品都是针对嵌入式去做智能感知的，比如我们母板里面都会集成到现在市面上大家能看到的所有的传感器，包括像双目摄像头、TOF都会在我们母板里面有集成，包括驱动里面数据的过滤。针对不同的行业，我们会有不同行业定制的版本。

我们还在这两个嵌入式芯片基础上，开发了一个智能感知的平台。我们希望在整个产业链里面可以帮助到很多终端的产品公司。以前很多终端产品公司都要做端到端的产品解决方案，从芯片选型开始到算法的这种移植，再到怎么样整合这些传感器，一直到最后的产品里面。我们希望提供一个中间的平台可以提供给产品的开发商，让他们比较简单地就把传感器的这个功能，或者说智能感知的这个功能嵌入到他们的产品里面去。所以我们希望通过这样软硬件一体的解决方案，帮助我们的客户或者合作伙伴让他们真正地拥有这种智能感知的能力。

我们线上还提供算法库的支持，这个算法库有我们自己的算法库，也有全球的研究所，我们和中科院也有联合的嵌入算法的处理。底层的话，我们会把这些传感器都集成到这个硬件平台上来，包括这些并行的芯片，包括网络的接口，包括WIFI、USB等等这些产品。

我们希望未来能够向这三个方向发展：第一个更加小型化。我们从1系列到2系列，产品的体积缩小了10倍；功耗从15W降低到了2W；运算能力从300G提高到1TFLPS。我们3系列会更小功耗更低。触景无限致力于为大家提供一个嵌入式的智能感知解决方案，所以我们非常希望和我们的合作伙伴一起将智能感知的能力嵌入式到你的产品里面，无论是无人机厂商、安防厂商、机器人厂商，或者其他任何传统行业的企业，如果你愿意给你的产品赋予这种感知的能力，都希望你们来找触景，我们愿意和你们一起去做行业的创新，谢谢大家！