近日，中科創(chuàng)達副總裁孫力在 Thunder World 2018 嵌入式 AI 人工智能技術(shù)大會上發(fā)表了主題演講，主要分享了以下三方面內(nèi)容：

視覺的傳統(tǒng)技術(shù)和挑戰(zhàn)

嵌入式視覺+AI=智能視覺

智能視覺賦能行業(yè)的智能化升級轉(zhuǎn)型

視覺的傳統(tǒng)技術(shù)和挑戰(zhàn)

以手機相機為例，孫力講述了其視覺系統(tǒng)的復(fù)雜性。無論是底層驅(qū)動、核心算法的曝光、對焦，到最后視頻處理，相機的系統(tǒng)架構(gòu)異常復(fù)雜。如果要做一個優(yōu)秀的圖像處理系統(tǒng)，面臨攝像頭模組的光學(xué)特性、圖象處理的算法、芯片加速、畫質(zhì)調(diào)優(yōu)等各方面的挑戰(zhàn)。

另一大麻煩是硬件碎片化，不同的操作系統(tǒng)要對畫質(zhì)做一些復(fù)雜的調(diào)優(yōu)流程（實驗室和實際生活場景），此外需善用硬件加速，解決功耗和性能問題。

中科創(chuàng)達在畫質(zhì)調(diào)優(yōu)方面的競爭力是調(diào)試整個圖像的 Pipeline 和 3A ，包括亮度、白平衡、對比度要精準(zhǔn)對焦，不斷進行調(diào)試，做大量畫質(zhì)的調(diào)優(yōu)，以產(chǎn)生最優(yōu)圖像采集。調(diào)試過程分成三個階段：第一，先把基礎(chǔ)的軟件、驅(qū)動做好；第二，實驗室 tuning，包含 LSC, AWB, AE, Gamma, 對比度增強, CCM, DPC 等等；第三，真實場景 tuning，與參考設(shè)備對比拍攝。

他以汽車 ADAS 芯片為例講述了要滿足高畫質(zhì)要求可能達到的技術(shù)趨勢，首先是從外置的 ISP，到 Bayer sensor 的轉(zhuǎn)變，目前主流的方案是用外置的 ISP，但在汽車?yán)飼?jīng)歷類似于手機從功能機到智能機的演變。孫力稱，在自動駕駛芯片的圖像處理部分中科創(chuàng)達已有一定布局。

嵌入式 AI 算法應(yīng)用的挑戰(zhàn)

目前很多算法都基于 2D 技術(shù)，但3D 技術(shù)會越來越普及。孫力指出，這主要取決于以下四個問題的解決：BOM 的成本，由于規(guī)?；膯栴}，還沒有降低到平民化；其次，多種的光學(xué)設(shè)計，碎片化（ToF、結(jié)構(gòu)光、雙目、主動雙目等）；嵌入式的 SoC 的 depth map 的運算能力（pc 輔助到嵌入式 ARM based）；多套使用的完整建模問題；RGBD，基于 3D 的人工智能學(xué)術(shù)進展。中科創(chuàng)達要解決的是圖像質(zhì)量問題，比如寬動態(tài)/HDR、降噪，導(dǎo)入 AI 技術(shù)來解決圖像質(zhì)量問題。

嵌入式 AI 算法挑戰(zhàn)主要在哪兒？孫力給出了三點：計算資源有限，終端處理平臺碎片化；另外應(yīng)用場景和需求多樣化，準(zhǔn)確率、速度等方面也需要做出取舍。

具體的優(yōu)化策略是什么？在他看來，最重要的還是要做深度結(jié)合的系統(tǒng)化設(shè)計。硬件上，在滿足功耗、發(fā)熱等限制條件的前提下，實現(xiàn) AI 運算加速引擎，其次是 DSP/GPU/NPU 等芯片的加速，同時要與芯片平臺進行深度合作。

而軟件方面，最核心的是降低算法模型的計算量，這需要設(shè)計適合的嵌入式平臺的模型架構(gòu)，裁剪模型，與場景的深度整合和適配優(yōu)化以及共享深度學(xué)習(xí)模型中的超參數(shù)。

大會現(xiàn)場，中科創(chuàng)達展示了基于驍龍 845 芯片的終端智能分析盒子 AI Kit。

智能視覺賦能行業(yè)的智能化升級轉(zhuǎn)型

從智能視覺賦能行業(yè)方面，他的感受有三點：第一，客戶一定期望有一個整體解決方案，而不只是 AI。在整個過程中要幫客戶考慮數(shù)據(jù)獲取、數(shù)據(jù)隱私、訓(xùn)練、私有云部署、生產(chǎn)管理系統(tǒng)等等。

第二，客戶衡量 AI 的價值不是多么高大上，而是根據(jù)生產(chǎn)力提升，運行效率優(yōu)化，及經(jīng)營業(yè)績能承受的預(yù)算能力來進行反推，這和目前昂貴的 AI 投入成本是個矛盾。

第三，行業(yè)客戶的工作流程，部門職能等還未能圍繞先進生產(chǎn)力來進行部署和優(yōu)化，客戶期望一次性投入建設(shè)一個人工智能平臺，可以一勞永逸否認自我訓(xùn)練，升級和部署，對比于現(xiàn)在需要定制化的算法，未來圍繞需要解決的領(lǐng)域問題，少數(shù)的人力服務(wù)于算法的流程需要被建立。

最后，孫力再次強調(diào)，要給客戶提供整體解決方案，要從 AI 模型的構(gòu)建到整個生命周期管理起來，而不僅是提供算法。另外，他表示不能太迷信 AI 算法，有時還要用傳統(tǒng)圖象處理算法，最終的目的是幫客戶解決問題。