0
| 本文作者： 張瑞 | 2019-06-13 15:25 |
成立于2010年，觸景無限最初從AR領域切入，讓算法與傳感器直接結合，應用于手機。
然而AR的繁盛及泡沫都出現(xiàn)得都很快： “對于創(chuàng)業(yè)公司來說，AR落地還不成熟，于是我們將‘感知’從AR中抽取了來?！?觸景無限CEO肖洪波說道。
觸景無限希望能在前端把傳感器的信息，如圖像、視頻、聲音、距離、氣壓、高度、地理位置等融合在一起，在此基礎之上再做人工智能的分析，以得到更有價值的信息。
“轉行”不久，觸景無限就徒手打造了融合算法和硬件的“前端感知”。
2016年，觸景無限提供了實際的前端感知產品。這塊原本瞄準無人機的感知模塊，卻被不少安防企業(yè)看中，希望與自己的安防產品集成，實現(xiàn)智能化。
與安防市場的碰撞，讓觸景無限第一次進入了這個領域。
隨后肖洪波敏銳的發(fā)現(xiàn)，“安防里面真的有需求”。
據調研，在一個中等城市里面，約有一類攝像頭5萬個，二類聯(lián)防攝像頭，大約為一類攝像頭七倍。因而，一個中等城市有大量視頻監(jiān)控數據，以中心式人工智能應對對傳輸和后端壓力很大。并且隨著安防智能化大潮的襲來，邊緣計算的發(fā)展，實時、本地化的處理，成為安防的新趨勢。
風口之下，觸景無限果斷切入這一領域。
“無論是前端智能，還是后端智能，都會有很大的用武之地。前端相當于人的眼睛，很多視覺信息都是在視覺的神經皮層中處理的，而后端則相當于大腦，會進行更多更復雜的處理?！碧と氚卜朗袌龅男ず椴ㄟ@樣判斷道。
自安防行業(yè)掀起智能化浪潮開始，對前端智能和后端智能的討論就不曾停止。
原有的中后端方案，能處理大量視頻，并且在對視頻數據的多維識別、運維和升級上存在優(yōu)勢。而近些年來興起的前端則可實時采集人臉、車牌等關鍵信息，高效抽取關鍵信息，減少傳輸的帶寬壓力，也更適用于廣域、移動、便捷的場景。
作為一家從前端切入的公司，肖洪波則認為，視頻監(jiān)控不僅有前端智能和后端智能，從邊緣到云端數據中心的運算，其實可以分為從“邊緣節(jié)點，到邊緣中心、局域中心到最后的云端數據中心”的四層結構。
每一層都有不同的應用場景。
而海康也提出了“邊緣域、邊緣中心，邊緣節(jié)點”的邏輯架構，可見行業(yè)內智能的應用并不是簡單的二分法。
“從企業(yè)角度出發(fā)，選擇哪一層，更多是企業(yè)關注點不同的問題。我們專注的就是以邊緣為中心的這一層，并不存在非此即彼的說法。相對其他企業(yè)，我們只是找準了自己的位置和市場?！毙ず椴ū硎尽?/p>
而在前端，智能到底又能做到幾分？
目前在安防領域，前端主要進行的還是對人臉的抽取和識別分析。但隨著算力的提升，人體、車輛、車型以及暗光條件下的圖像質量恢復等也在不斷向“前”遷移。而在安防領域，穿戴設備、手持、門禁、公交、卡口及閘機等場景，如今都能見到前端智能的身影。
“我估計幾年之內這個過程不會停止。未來，很有可能五年之后，不再有普通攝像頭?！?/p>
而除了攝像頭，也會有越來越多的帶有前端感知能力的電子產品進入市場，挖掘更有價值的傳感器數據，打開更大的市場入口。
“前端的主要難題在于邊界已經給定了，在算法、算力，以及外界的限制條件下，通過數學或物理上的東西，如何去做優(yōu)化，這才是前端的挑戰(zhàn)?！弊鳛閷Ｗ⑶岸烁兄钠髽I(yè)，對這之中的苦辣，顯然體會更深。
前端智能，無異于“在螺絲里做道場”。
相對后端智能，前端雖有很多優(yōu)點，但同時也面臨著模型參數大、實時性要求高、運算能力弱以及室外復雜場景運行等問題。
前端對功耗、散熱的要求很高，需要做到極致。同時傳統(tǒng)神經網絡模型參數復雜，會給前端硬件很大的運算壓力，模型的壓縮、優(yōu)化也是一個極其重要的點。
另外，前端場景對實時要求高，無法通過網絡傳輸，后端處理數據，同時又涉及各種各樣的傳感器，會生成大量的數據，這對于前端處理速度也帶來很大挑戰(zhàn)。
前端算力有限，運算復雜算法的能力相對較弱。而如果要提升運算能力，就需要芯片、工具鏈的配合，這兩者必須同步提升。
“前端智能，實現(xiàn)起來真的很復雜。相對后端有比較成熟的GPU服務器，有很完善的處理環(huán)境，前端往往要采用一些不是很成熟的思路。如，現(xiàn)在前端還沒有很成熟的芯片，也沒有特別豐富的供應鏈，所以開發(fā)難度非常大?！?/p>
肖洪波也介紹道，觸景無限目前采用的是國外某知名廠商的一款芯片。該芯片，在2014年觸景無限將其應用于前端時，已經進行了很長時間的技術打磨，但肖洪波依然覺得“不夠”。
室外復雜環(huán)境下的問題，也給前端帶來了更多的挑戰(zhàn)。
“芯片電路功能，在野外的環(huán)境下能否使用十年，就是一個挑戰(zhàn)。另外，有的時候可能沒有電，需要太陽能充電，這樣供電很小，就必須保證功耗降低，對硬件和模型進行優(yōu)化。”
因而，前端智能的問題，不單是一個將智能從后端大型服務器或云端轉移到算力有限前端的問題，還是一個將數據處理，從室內轉移到室外的問題，需要面對外部環(huán)境中電子器件工作條件（溫度、濕度等）、壽命、供電等工程問題。
前端智能，實則是“戴著鐐銬在跳舞”。
在對技術和場景應用的不斷打磨中，觸景無限也在不斷推出產品及解決方案，加速前端智能進化的過程。
相對于目前后端部署更為常見的市場狀況，肖洪波為自己的前端產品，選擇了差異化路線。
觸景無限目前的前端AI產品，包括盾悟智能盒/分析主機、人工智能模塊“瞬視”、 角蜂鳥Horned Sungem AI視覺套件等。
其中，“盾悟”系列主要面向存量市場，相當于在原有普通攝像頭基礎上改造，一臺 “盾悟”支持多路攝像頭接入，能對均路成本進行更好控制。
而基于“盾悟”系列的性能和拓展性，觸景無限衍生出了針對社區(qū)、校園、商場、高戒備場所等多套方案。
例如去年觸景無限在司法領域落地，以往監(jiān)獄等場所，都是人工點名，一小時一次，一次十幾分鐘，效率和勞動力投入不成比例。而觸景無限的方案，可實現(xiàn)行走情境下的非配合點名，效率更高。
相對成本較高的人工智能模塊“瞬視”，則瞄準了更垂直的高端智能攝像機領域，注重對超高清攝像頭支持多維感知數據的處理及圖像的識別。
“這方面我們可能有1-2年的領先優(yōu)勢?！比缭诮煌I域，觸景無限的電子警察方案可在前端進行14合一的違章行為的抓拍處理： “我們在一個試點進行實驗，原本一個月只能抓拍30多個違章行為，現(xiàn)在能抓拍七百多個違章行為，效率大幅提升?！?/p>
目前，業(yè)內對于前端和后端的討論不少。但實際上，能放手押注前端的企業(yè)并不多。
大多數安防廠商，面對這一頗具挑戰(zhàn)的趨勢，選擇的策略是“兩手抓”。即多是持“端到端”的策略，前端智能與后端智能兼顧：發(fā)展前端智能，守住后端智能，看場景和成熟度逐步部署前端，更穩(wěn)妥。
但是這些布局前端的企業(yè)，也逐漸感知到了瓶頸。
“客戶之前也跟我們溝通，說很多人在講前端，但真正能把產品拿過來給測試，真沒幾個?！毙ず椴ㄒ舱J為，前端技術上還有很多難點，市場也還在慢慢打磨。
一方面，部分企業(yè)前后端兼顧，精力會相對分散；另一方面，企業(yè)若只專注前端，在技術和場景還不夠成熟的時候，也會有一定的入局風險。
觸景無限則勝在從感知領域切入，并且入局較早，已經有了一定技術和場景積累，這些都形成了行業(yè)的門檻。
不過，立足于感知，觸景無限的野心，起于安防，不止于安防。
談及未來，肖洪波告訴雷鋒網，安防并非是終點，前端感知有著更廣闊的市場。
肖洪波提出了“三毫”概念：毫米、毫秒、毫瓦。
這描述了觸景無限對感知的技術愿景，即打造“小體積、反應速度快，且功耗低”的產品，這一理念的最終點就是感知的“芯片化”。以單一的芯片取代原來的復雜設計，置入各種設備，打造一個“看得見”的世界。
至此，觸景無限基于感知的未來藍圖愈加清晰?？梢云诖氖牵瑥那岸说拈_始的感知革命，由“感”而“知”的變化，會在安防及更多領域，在觸景無限及更多創(chuàng)企手中越走越遠。雷鋒網雷鋒網雷鋒網
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
