嵌入式AI创新峰会万字干货,16位大咖演讲精华

5月25日汇聚了16位AI与物联网行业大佬的GTIC 2021嵌入式AI创新峰会在北京举办!

当下,随着AI落地进入深水期,越来越多的AI需要从云端,扩展到设备端和边缘端——智能耳机、智能手环、智能门锁、智能摄像机、AI无人机、扫地机器人、物流机器人等设备层出不穷。而在一个信息安全问题日益凸显的时代,将AI部署在端侧、边缘侧,也成为产业亟待关注的需求。

而这,正是嵌入式AI要做的事情——将AI部署到嵌入式的设备端和边缘端。人工智能真正业务落地的大舞台,已经越来越转向物联网端侧的AI嵌入这一新战场!

作为今年首场聚焦嵌入式AI的创新峰会,来自产业链上下游的16位大佬共聚一堂,围绕嵌入式AI的软硬件生态创新、家居AIoT、移动机器人和工业制造产业4大版块地图,带来了深入浅出的分享。

峰会现场

智一科技联合创始人/CEO龚伦常代表主办方发言称,据相关机构统计,2020年智能设备迎来拐点,活跃的物联网连接数量第一次超过了非物联网连接的数量。同时,国家十四五规划也首次明确提出了生产、生活以及社会治理的全面数字化。随着设备算力的大幅度提升,嵌入式AI迎来了快速发展的机遇期。

在这样的大环境下,于端侧、边缘侧智能爆发前夜,当下AI在物联网领域落地的深度和广度如何?背后又有什么样的痛点,以及对应出现了什么样的前沿技术创新和商业化逻辑?AI与物联网产业未来发展的方向又在何方?

我们为大家梳理了16位大咖分享的干货,以助大家以点带面地把握AI落地物联网产业的发展新趋势。

01.技术创新:算法“减重”、芯片攻关,让嵌入式AI开发降本增效

大会上午,在第一大板块——嵌入式AI的软硬件生态创新版块,来自商汤科技、大华股份、知存科技、安谋中国、恩智浦、睿赛德电子及OPEN AI LAB的专家都带来了前沿分享。

知无不言,深入浅出,专家们的分享话题覆盖了轻量级神经网络模型设计、模型压缩、AI推理引擎、AI芯片架构创新等多个热门领域。

商汤科技:打造媲美在线量化的离线量化算法

商汤科技副总裁、研究院副院⻓、通⽤智能负责⼈闫俊杰博⼠带来了题为《极致灵活的深度学习模型优化与部署》的演讲。

商汤科技副总裁、研究院副院⻓、通⽤智能负责⼈闫俊杰

他认为,当下深度学习模型部署面临三大核心挑战,包括:(1)硬件设备逐渐多样化,模型需要匹配多种设备;(2)需要思考如何提高模型在特定硬件上的性能,⽀持模型压缩算法;(3)市场AI模型需求变大,供应商需要提高模型自动化部署能力。

为此,商汤推出Spring.NART模型部署框架,支持代码级别、算子级别及网络级别等不同的接入级别,以通过统一的接入框架适配多种深度学习芯片。据称,该框架支持16类不同硬件设备,能保证算法方案灵活跑在各类设备上。

同时,商汤通过编译优化技术及一套量化模型⽣产⼯具,使模型在Arm框架和英伟达GPU上都能实现低bit量化;同时,除了系统层面的优化,商汤今年还提出了媲美在线量化的离线量化算法BRECQ,⾸次将4bit离线量化的效果做到接近量化训练,以此实现高效地模型自动化部署。

另外,在软硬件协同方面,商汤兼顾结构、推理库和硬件,建立了一个计算数据库Spring.GPDB (Graph Performance DataBase),基于这一软硬件协同的数据库帮训练好的模型做诊断,使模型得到较好的精度提升。

总的来说,针对硬件多样化、模型压缩、模型自动化部署三大挑战,商汤试图让深度学习模型在嵌入式设备上灵活优化和部署。

大华股份:聚焦模型微服务化,降低嵌入式AI开发门槛

会上,大华股份先进技术研究院科学家朱树磊以《嵌入式AI算法模型微服务的设计与实践》为题带来了深入的演讲。

大华股份先进技术研究院科学家朱树磊

微服务并不是一个新概念,它是一个SOA软件架构的变种。简单来说,微服务把一些功能模块拆分出来,运行在不同的进程中或不同的服务器上。相比于单体式架构,微服务具有开发难度降低、维护成本低、开发周期短、可扩展性较强等优点。

为什么要强调微服务?朱树磊认为,当下,行业AI智能需求快速增长的背景下,嵌入式算法产品架构设计和开发流程亟需变革,嵌入式平台模型微服务能够降低嵌入式开发的工程门槛,使算法人员有效参与到工程落地,提升算法效果、有效分配算力,高效满足客户的碎片化需求。与此同时,嵌入式AI算法模型微服务能促进端边云一体化,使得模型一致、服务一致,从而使整个系统的可维护性更高、成本更低。

但是,相比于云原生微服务,嵌入式微服务在功耗、内存、算力等资源方面都受限,无法复用成熟的云原生生态,需要自己打造。

朱树磊认为,打造模型、接口、代码三大编译器是嵌入式平台模型微服务化的关键。为此,大华股份基于组件规划、技术栈选择、架构设计三大环节,打造模型编译器DNNX、接口编译器IDLC、通用交叉编译器UCC三大编译器,将代码开发转化为编译器、中间件等核心标准件的开发,实现微服务。

此外,朱树磊还提到,要因地制宜实践嵌入式算法开发的DevOps流程,始终把性能作为嵌入式平台模型服务化的核心关注点。

知存科技:行业面临存储墙瓶颈,存算一体是最高效AI计算

知存科技CEO王绍迪主要以《存算一体AI芯片:AIoT设备的算力新选择》为题,解读存算一体技术如何带来更加高效的AI计算。

知存科技CEO王绍迪在发表演讲

作为存算一体AI芯片赛道的领军者,知存科技主要研发基于Flash的存算一体芯片。王绍迪谈到,现在行业已经进入到了后摩尔时代,尤其当芯片进入到7nm和5nm阶段后,研发进度放缓,芯片研发成本急剧增高,每一次迭代单个芯片成本增加1倍。

但碎片化的IoT市场对先进工艺芯片的需求并不强烈,反而更青睐于低成本、低功耗、易开发的芯片。不过,目前芯片都都采用传统的冯诺伊曼架构,最先进的存储器仍采用1X工艺,“所以摩尔定律走到这个阶段,存储器的速度很难满足现在行业的需求。”王绍迪说。

在他看来,现在行业大多都面临着存储墙问题,存储器的数据搬运慢、搬运能耗大,缓存的大小和密度都很难提升。为了解决存储器瓶颈的问题,许多公司都采用了不同的方案,包括3D Xpoint、近内存计算、近存储计算和存内计算。

其中,王绍迪认为存算一体是最高效率的AI计算。今年知存科技发布了基于存算一体技术开发的第二代芯片WTM2101,算力相比第一代提高10倍,主要面向智能语音和智能健康领域,AI算力达50Gops,预计今年第四季度实现量产。

安谋中国:专用架构正兴起,主流AI算法呈轻量化趋势

安谋中国AI技术高级市场经理吴彤以《构建AI智能“芯”生态》为题,对当前AI芯片发展趋势以及安谋自研人工智能专用处理器IP“周易”AIPU进行解读。

安谋中国AI技术高级市场经理吴彤

如今行业已进入以数据为驱动的计算时代,也称为第五波计算浪潮,从网络架构到计算架构都产生了大量需求。依托Arm世界领先的生态系统资源与技术优势,安谋中国面向国内市场独立研发了“周易”AIPU。

吴彤谈到当下AI芯片市场有四大发展趋势,一是端侧芯片市场增速非常高,二是未来5-10年端侧推理市场的增速最快,三是ASIC定制化芯片将成为未来的主流,四是细分市场规模将会保持高速增长。

另一方面,AI芯片行业专用架构(DSA)正在兴起,主流AI算法也呈现轻量化趋势。在这些趋势下,安谋中国自研的“周易”AIPU拥有完全自主可控、完整生态等特点,目前已经推出两代产品,分别为“周易”Z1和“周易”Z2。

其中,“周易”Z1是边缘计算通用的AI IP,面向IoT&Edge,基于“周易”Z1研发的全志R329智能语音芯片即将大规模商用;“周易”Z2面向边缘计算中高性能场景,基于“周易”Z2开发的芯片也即将应用落地,主要覆盖中高端安防和自动驾驶/智能座舱领域。

此外,吴彤还介绍了两款AI IP的应用案例,包括人体关键点检测、驾驶员疲劳监测 (DMS) 和DTV超级分辨率应用等。

恩智浦:用AI工具链让MCU焕发智能“魔力”

前面的嘉宾提到了AI工具链概念,恩智浦AI-IoT方案资深研发经理秦建峰在会上则进一步探讨了《如何设计高效率MCU AI工具链》这一细分领域的核心问题。

恩智浦AI-IoT方案资深研发经理秦建峰

MCU(微控制单元)具有低算力、低功耗、低成本的特点,在MCU上做AI开发面临众多限制。秦建峰谈到,一方面,MCU硬件限制了推理引擎规模,另一方面,已有的开源工具对算法优化仍缺乏标准,都阻碍了在MCU上做AI应用。

如何提升MCU边缘端AI运算性能和精度 ?

秦建峰认为,需要选取成熟及高效率总线架构设计的MCU;同时避免采用大内核的卷积运算,找到精度和性能的平衡点;另外,要采用适当的量化算法或者是混合量化算法,以保持精度并减少冗余运算,等等。

恩智浦内部有一套持续维护优化的Nano.AI工具链,包括Nano.AI PC端工具和Nano.AI MCU边缘端推理引擎两大部分。开发者首先在PC端针对现有MCU完成精度和性能的仿真,当PC仿真效果达标后,再将最后生成的代码全部放上来,做真实环境下的验证,最后得到加速库,包括模型和转化过的文件。这样一来,集成到MCU上花的时间会大大节省,使开发效率得到提升。

睿赛德电子:革新物联网操作系统,直击碎片化痛点

在峰会上,多位嘉宾都提到了AI落地场景的碎片化。上海睿赛德电子科技有限公司RT-Thread人工智能总监杨武认为,解决碎片化的最好方法,是采用一套物联网操作系统。

睿赛德电子人工智能总监杨武

在题为《让设备更聪明:物联网操作系统推动嵌入式AI开发》的演讲中,杨武谈到,当下,随着AI模型本身对算力的渴求直线上升,尽管人们不断用轻量化技术进行模型压缩,但一旦腾出一点点空间,人们就想用它解决更多问题。

在这种背景下,突破算力瓶颈需要专用处理器,AI芯片市场一片火热。但同时,这也导致智能物联产业进一步呈现碎片化态势。对于算法开发者来说,在端侧进行AI开发面临的首要问题,就是上手太难,尤其在算法部署方面力不从心。

为了支持AI算法在嵌入式设备中的便捷部署,睿赛德电子公司推出一套支持嵌入式AI落地的软件包,并更进一步推出RT-Thread AIKit软件包——一套易用、开放的边缘AI落地解决方案,这一方案能让开发者感到集成运用AI算法模型就跟普通代码库一样简单。

OPEN AI LAB:破解边缘异构计算难题的AI计算框架

OPEN AI LAB联合创始人&CTO⻩明⻜以《Tengine:加速边缘计算中的AI部署与落地》为题,分享了Tengine的优势与生态发展。

OPEN AI LAB联合创始人&CTO⻩明⻜在发表演讲

⻩明⻜谈到,边缘计算作为一种特殊的信息/数据处理方式,拥有本地操作、时延低、成本低、安全隐私性高等优势,而边缘计算的爆发是大势所趋,众多的基础技术和应用将基于边缘原生(Edge Native)。

相比云原生(Cloud Native),边缘原生拥有连接与计算并重的特点,同时还能实现远程管理、边缘自治和跨节点编排,重视物联网和5G无线接入。

“边缘计算的核心还是计算本身,但由于SoC种类各不相同,也带来了不少问题。”黄明飞谈到,为了解决不同芯片平台部署的问题,OPEN AI LAB开发的AI边缘计算框架Tengine已服务多家边缘智能芯片企业,并持续拓展开源生态。

其中,Tengine Framework是OPEN AI LAB自主设计的边缘AI计算框架,是一个开源的AI推理框架,能高效地解决边缘AI异构计算的难题;Tengine MLOps是一个商用级边云自动化部署平台,具有易开发、快部署的优点,能帮助集成商加速行业智能化。

最后谈及Tengine的开放生态,⻩明⻜提到Tengine已经和行业最大的机器视觉项目OpenCV达成战略合作,还成为了ONNX的官方认证合作伙伴。同时,Tengine已和20+主流芯片厂商SoC的底层全面适配,对多种最新NPU的早期介入适配并实现了最优化支持。

通过第一版块嘉宾的演讲,我们看到无论是来自AI物联网产业链的哪一环节,这些代表性的企业都在通过技术创新将开发者、工程师的工作化繁为简,从而让AI在端侧、边缘侧设备端实现更高的精度和性能。

而这些产业链上下游星星点点的技术革新,将在以智慧家居、移动机器人、工业制造、智慧城市等行业领域中,让AI及物联网技术爆发出令人惊艳的智能“魔力”。

02.深耕行业:家居、机器人、工业领域玩家各显神通

本次峰会,我们也邀请了来自智能家居AIoT、移动机器人及工业制造领域的行业代表玩家带来了深入分享。

全屋智能时代来临,AI技术及生态面临痛点

在峰会下午第一场、整个峰会第二大板块——智能家居AIoT领域,来自阅面科技、腾讯云、地平线公司的专家就嵌入式视觉AI落地、全屋智能规模化商用、边缘AI芯片落地等话题带来了精彩解读。

阅面科技:自然人机交互成智能家居主题,多模态技术融合日益重要

智能家居正朝着全屋智能方向发展,对多模态传感技术的需求进一步提高。针对当下智能家居的发展,阅面科技联合创始人&CEO丁小羽带来题为《面向智能家居的嵌入式视觉之旅》的演讲。

阅面科技联合创始人&CEO丁小羽

作为我国嵌入式视觉识别技术领域的新锐玩家,阅面科技从2015年成立后就一直专注嵌入式视觉技术的民用落地探索。丁小羽谈到,阅面科技的嵌入式视觉技术发展经历了四个阶段:

一是AI和算力的适配阶段,二是AI和传感的融合阶段,三是行为/健康AI智能终端阶段,四是全屋智能的感知基础阶段。

其中在行为/健康AI智能终端阶段,阅面科技主要开发创新型硬件,整体地设计人机交互,以智能终端的形式部署,让设备能主动感知人体行为动作和生理体征等状态。

而在全屋智能的感知基础阶段,阅面科技的目标是实现智慧的人居环境。丁小羽认为,家庭AI拥有隐私数据规范、应用形态灵活、交互亲切自然等特点,超越人眼视觉的AI传感融合有很大机会。

“尽管目前智能家居还处于初期发展阶段,但智能家居服务最终会从数字化空间走到机器人服务的物理空间阶段。”他谈到,在这一阶段,人和系统的自然交互已成为智能家居发展的主题,超声波雷达、热成像等传感技术的融合越来越重要。

腾讯云:发挥资源与技术优势,从四大层面使能全屋智能

当下,智能家居正从单品阶段进化到主动智能阶段,更关注用户体验,主动为客户提供个性化的服务。腾讯云智能终端行业首席架构师马英奎对此深以为然,在会上带来以《智能家居新阶段,腾讯云AIoT使能全屋智能》为主题的演讲。

腾讯云智能终端行业首席架构师马英奎

马英奎认为,当下全屋智能有四大关键要素,包括连接、交互、服务和计算。腾讯云自身不会做智能硬件,更多是开放腾讯的内部资源和技术能力,赋能智能家居客户。

具体而言,腾讯云面向智能家居客户,在平台层面,提供腾讯云服务;在能力层面,提供一站式的物联网开发平台;在服务层面,将QQ音乐、腾讯视频等海量内容资源覆盖智能家居场景;在体验层面,基于微信生态提供腾讯连连小程序,帮客户实现更多能力,提升用户体验。

其中,一站式物联网开发平台能够实现开箱即用,能提供消息通讯、视频通讯、安全认证、智能语音、NLP等众多服务,目前已落地生活消费、健康医疗、城市政务、工业制造等多个消费物联网及产业物联网领域。

另外值得一提的是,在体验层面,腾讯连连会提供小程序配网能力,开放微信扫一扫入口,提升设备配网率和用户体验。目前微信已有12亿用户入口,能助力品牌最快触达用户,并带来“用完即走”的流畅体验。在开发层面,客户可直接选择腾讯连连,降低开发成本,提升家电、安防传感、运动健康等设备智能化效率。

可以看到,随着嵌入式AI落地进入广大消费者的生活领域,像腾讯这样的云厂商将发挥自身社交媒体及内容服务的优势深入物联网产业链,充当重要的入口及平台角色。

地平线:解读智能家居市场的技术和生态痛点

地平线不仅是知名汽车智能芯片独角兽,也面向智能家居场景打造了多代AIoT芯片。地平线AIoT产品线总经理王丛以《加速智能家居产业爆发,构建AIoT开放应用生态》为题,为大家分享了地平线在智能家居领域的几点思考。

地平线AIoT产品线总经理王丛

现阶段,地平线研发的旭日AI芯片主要面向扫地机、智能电视、智能会议,以及其他传统IoT边缘计算场景。同时,地平线还为传统芯片提供标准工具,包括配套的算法和方案。

王丛谈到,智能家居的不同细分赛道各有发展趋势。在扫地机器人领域,近两年市场发展速度非常快,其中多传感器融合是产品发展的重要趋势,例如激光+视觉+ToF感知技术的融合。

在智能电视领域,尽管近几年电视市场规模已经饱和,但市场需求已开始发生变化,结合摄像头开发应用的智能电视渗透率正逐年增加,智能交互功能将会成为主流。

整体来看,王丛提到了当下智能家居行业发展的本质。一是消费者开始拥抱智能化,愿意为附加值买单;二是在所有产品品类中,人机交互是多类产品的共通性需求,存在标准化的可能性。

但王丛认为,整个市场仍存在技术和生态两个层面的痛点。尤其在生态层面,目前OEM还需要更多元的AI算法生态配合,而应用方也希望有标准化的硬件土壤来适配。

“针对这些行业痛点,地平线将提供更多相应的解决方案,在人机交互和算法方面做提前性的预研。”王丛说,作为供应商,地平线会进一步将芯片做好,把探索AI的价值做大。同时,也将更加开放地和更多合作伙伴一起把生态做大。

机器人进入生活生产,AI+多传感器成新突破口

看完智能家居大佬分享,在峰会第三大板块——移动机器人领域,来自极智嘉、360人工智能研究院、迦智科技的大牛带来了在物流机器人、扫地机器人等领域的嵌入式AI技术落地应用及经验。

极智嘉:深耕行业场景,克服物流机器人的视觉感知技术挑战

在机器人应用专场,极智嘉研发总监陈超带来了题为《物流机器人视觉感知技术的挑战与创新》的开场演讲。

极智嘉研发总监陈超

物流行业是一个巨大市场,但行业长期面临用人难、市场需求变化快等痛点。物流机器人在这样的背景下应运而生,目前已经演化出智能分拣、智能搬运、智能叉车、智能仓储等多场景的产品形态,并在众多实际场景中落地。

陈超回顾,在极智嘉物流机器人落地行业过程中,在视觉感知技术方面克服了众多挑战。

在仓储AMR移动机器人领域,场景相对简单,主要包括货架到人的拣选和货箱到人的拣选两大场景。针对用于导航的地面二维码,团队遇到了污损/反光、运动模糊等问题,以及成本降低的诉求。为此,极智嘉在最新机器人上引入了基于地纹融合的V1.5,弥补二维码易污损的问题;更进一步,极智嘉基于Marker-Net的V2.0解决方案将故障率降低两个数量级。

在工业AMR移动机器人领域,面临的场景和挑战也更加复杂多样。比如,针对行业样本少的问题,极智嘉采取学习仿真方案,快速扩充样本;针对未知目标检测问题,极智嘉引入深度相机,使得深度学习模型有机结合深度数据,提高目标检测性能。

而针对鲁棒性要求高的问题,极智嘉采用复合模型方法,并通过地图更新和语义地图,从而得到鲁棒性更高的结果;针对端侧设备低算力的需求,极智嘉通过算法优化及加速引擎来突破算力限制。

可以看到,作为自2015年就成立的物流机器人头部企业,极智嘉已经针对仓储及工业特定应用场景,攻克了嵌入式AI开发的一座座山头。

360人工智能研究院:AI能力比拼是扫地机器人下一个比拼赛道

针对扫地机器人市场的发展和技术创新,360人工智能研究院运动引擎算法负责人潘俊威带来了题为《嵌入式AI快速发展,扫地机器人进入感知决策新赛道》的演讲。

360人工智能研究院运动引擎算法负责人潘俊威

潘俊威提到,我国扫地机器人市场规模已从2013年的8.4亿元,增长到2020年的93.8亿元,正不断快速增长。同时,扫地机器人产品中高端化明显,智能已成为高附加值特征。

不过,扫地机器人在易用性上还有较大提升空间。“尤其是用户对避障的需求越来越强烈,将3D深度相机应用在扫地机器人上也变得水到渠成。”潘俊威说,将3D深度相机和多传感器融合,能让机器人获取环境信息的能力从二维提升到三维,大大增强设备的环境感知能力。

为了进一步满足消费者需求,360提出了扫地机器人的无人驾驶大脑概念,重点是提升移动机器人在环境感知、场景理解、决策规划三个方面的能力。

例如,基于360无人驾驶大脑研发的三雷达融合避障技术,采用多传感器融合感知算法,结合聚类和分割算法,能让扫地机器人识别门槛、推拉轨道、厚地毯和普通障碍物,做到避障的同时顺畅通行门槛轨道等区域。

目前扫地机器人年销量为600万台,是洗衣机销量的15%,市场渗透率不足8%,仍存在广阔空间。潘俊威认为,想要推动这一市场的发展,要持续升级扫地机器人的导航、避障和清洁三大核心要素。

“随着嵌入式端侧的AI能力不断提升,AI能力也将成为下一个比拼赛道。”他说。

迦智科技:攻坚AMR落地制造业挑战,打造室内外全流程智能工业物流解决方案

就在5月,迦智科技刚完成了亿元级B轮融资。本次,迦智科技产品总监吴俊翔在峰会上带来了以《AMR机器人多传感器融合定位的发展趋势》主题的分享。

迦智科技产品总监吴俊翔在发表演讲

吴俊翔回顾道,从基于磁钉、磁条的自动导引车(AGV)到新一代移动机器人(AMR),迦智科技开始基于地图的环境感知能力与智能决策,寻求差异化的自主导航能力。通过AI机器视觉与激光雷达融合建图与定位,团队产品实现了更加精准及时的定位导航以及多机器人协作。

吴俊翔认为,在AMR逐渐成为越来越多制造业标配的当下,技术本身依然面临着新的挑战。首先,计算资源受限条件下的大场景地图构建,带来了性能问题;其次,环境动态变化也会对定位导航精度与稳定性产生影响;此外,核心部件成本过高,影响产品快速推广落地,等等。

为了应对众多挑战,迦智科技不断攻坚技术难关。比如在地图构建能力方面,公司突破运行场景的尺寸限制,进一步压榨硬件与算法极限;在算法性能方面,发力语义特征与激光点云融合的地图构建,从而提高系统鲁棒性;此外,公司也在布局面向室内外综合感知场景的新一代AMR技术栈与工具链,以促进更安全的人车物交互。

展望未来技术布局,迦智科技也明确了方向,依托合伙人团队与浙江大学机器人实验室的长期技术积淀,公司将继续布局和深挖智能感知与定位导航技术,打造室内外全流程智能工业物流解决方案。

工业制造数字化,AI赋能视觉升维

在峰会第四大板块——工业制造产业领域,来自图麟科技、赛灵思及图漾科技的高管也带来了关于工业质检转型、工业视觉软件及解决方案、3D视觉工业应用等话题带来的深入探讨分享。

图麟科技:用通用视觉平台降低工业质检的数智化门槛

专注于机器视觉研发与应用的图麟科技,是国内率先实现“AI+工业质检”落地应用的AI供应商之一。图麟科技联合创始人&副总裁张险峰以《工业质检数智化转型新思维》为题,向大家分享了图麟科技推动工业质检降本增效的创新思路。

图麟科技联合创始人&副总裁张险峰

他谈到,据中商产业研究院数据,2020年中国智能制造市场规模已超过27000亿元,预计2025年将超过55000亿元,行业场景化特征明显。其中,工业质检是数智化热门场景之一。

“随着下游市场对产品质量要求越来越高,工业质检领域需求已呈现明显变化。”张险峰说,以外观缺陷检测为例,外观缺陷检测涉及的领域丰富多样,生产流程中的质量管理需求逐渐增加,质检标准不断提升。

但现阶段,工业质检的难点在于,人工检测存在效率低、良品率不稳定等难点,而数智化的技术门槛也很高。

针对这些难点,图麟科技基于光学系统、机电控制、视觉算法和大数据四大核心技术,推出能快速开发部署的Tunicorn通用视觉平台,面向跨行业、跨领域的工业质检场景,并融合了两大系统,可实现算法多模型场景下的调度管理方案。

张险峰提到,依托Tunicorn通用视觉平台,图麟科技从手机、车载、TV、笔电等终端盖板玻璃检测,扩展至显示模组外观检测,推出了国内首个成熟的屏幕贴合后智能化检测方案,不断推动工业质检的数智化。

此外,张险峰还分享了Tunicorn通用视觉平台在盖板玻璃检测、显示模组外观检测、显示玻璃电路检测、半导体/类半导体外观检测、通用膜材外观检测等细分垂直领域的解决方案。

赛灵思:兼顾计算加速与安全,为工业场景打造自适应可编程硬件

作为下午场唯一家硬件平台厂商代表,赛灵思公司的软件和解决方案市场部高级经理刘珊珊带来了以《MPSoC平台加速工业视觉应用创新》为题的深入分享。

赛灵思公司的软件和解决方案市场部高级经理刘珊珊

刘珊珊回顾,近些年赛灵思在不断地加速转型,从传统的FPGA,到延续FPGA核心价值的片上系统,再到最新一代的自适应计算加速平台(ACAP平台),公司研发出更易于软件编程的体系结构,同时也为客户提供更广泛的部署方法。

据刘珊珊分享,MPSoC平台最大的优势是具备整体应用协同优化的能力。谈到AI在工业场景的应用,她提到了安全生产、工业质检、AGV/AMR三大领域,并列举了测量、识别、引导、检测等工业质检领域的的细分场景,指出其中都可能嵌入视觉AI应用。

刘珊珊谈到,赛灵思的工业和视觉解决方案堆栈提供包括功能安全、网络安全、控制、通信、视觉处理、机器学习和边缘分析等解决方案,支持实时决策。硬件可编程的MPSoC使通用处理子系统与可编程逻辑相结合,从而适应多种工业场景解决方案的定制开发,并通过单芯片边缘平台方案降低成本。

最后,刘珊珊介绍了一款赛灵思最新发布的系统化模组K26 SOM,这正是基于MPSoC架构为工业视觉打造的芯片。该模组即插即用,无FPGA开发经验的人也能在一小时内启动运行;针对这一标准平台,赛灵思还向用户推出应用商城,提供标准化的软件开发流程。

图漾科技:3D机器视觉商用潜力大,嵌入式AI是机会点

成立于2011年的图漾科技是我国3D机器视觉领域的新锐玩家。图漾科技创始人&CEO费浙平以《3D机器视觉在工业制造领域的前景与实践》为题,分享了图漾科技在3D机器视觉发展的几点思考。

图漾科技创始人&CEO费浙平

“图漾科技全球3D机器视觉行业的领头企业,出货量全球领先,其中公司有20%的收入来自海外市场。”费浙平说。

基于过去的技术积累和市场经验,费浙平对行业进行了一些分析和展望。从实际落地来看,他认为3D机器视觉是2D机器视觉的补充和延伸,更多的价值在于完成2D机器视觉做不到的任务。

在他看来,3D机器视觉在消费、安防、工业和商业领域都有许多应用方向,尤其是商业领域的应用潜力巨大。与此同时,费浙平还分享了图漾科技对当下3D机器视觉市场现状的内部分析数据,涉及工业自动化、工业检测、物流科技和商业应用四大垂直领域。

其中,工业检测是现阶段行业3D机器视觉渗透率最高的领域,但也意味着它的增长空间较少;3D机器视觉在物流科技领域还有很大发展潜力,至少有100倍以上的增长空间;而在商业应用场景,3D机器视觉甚至能达到1000倍的增长空间。

费浙平认为,现在3D机器视觉还处于创新产品的创新应用落地阶段,拥有100倍的成长空间,但还面临着传感器、算法软件、算力单元三大方向的发展挑战,而算力单元的最大挑战是成本。

“总地来看,3D机器视觉正在兴起,它将会来到我们每个人的身边。”费浙平谈到,“相机+软件+算力”三大件仍在不断迭代演进,而嵌入式AI在3D视觉的应用刚刚起步,这将是一个重大的机会点。

03.结语:物联网端侧AI嵌入新战场进入爆发前夜!

通过本次峰会,在底层技术创新方面,我们看到在轻量级神经网络模型设计、模型压缩、AI推理引擎、AI芯片架构创新等领域的最新创新实践。

而在行业落地层面,我们也洞察了智能家居、移动机器人、工业互联网、智能安防等多个领域面临的挑战和应对举措,看到AI落地的火苗正焕发出多样化的智能“魔力”。

总的来说,当AI落地从云端扩展到更加宽广的端侧、边缘测领域,一个更加广阔的物联网端侧的AI嵌入新战场正在爆发前夜,AI也将真正进入普罗大众生产、生活的方方面面!