智東西5月25日消息，今天，匯聚了16位AI與物聯網行業大佬的GTIC 2021嵌入式AI創新峰會在北京舉辦，現場座無虛席，十分火爆！
當下，隨著AI落地進入深水期，越來越多的AI需要從云端，擴展到設備端和邊緣端——智能耳機、智能手環、智能門鎖、智能攝像機、AI無人機、掃地機器人、物流機器人等設備層出不窮。而在一個信息安全問題日益凸顯的時代，將AI部署在端側、邊緣側，也成為產業亟待關注的需求。
而這，正是嵌入式AI要做的事情——將AI部署到嵌入式的設備端和邊緣端。人工智能真正業務落地的大舞臺，已經越來越轉向物聯網端側的AI嵌入這一新戰場！
作為今年首場聚焦嵌入式AI的創新峰會，今天，來自產業鏈上下游的16位大佬共聚一堂，圍繞嵌入式AI的軟硬件生態創新、家居AIoT、移動機器人和工業制造產業4大版塊地圖，帶來了深入淺出的分享。現場觀眾時而安靜傾聽，時而掌聲熱烈，線上直播觀看人數也超150萬！
▲峰會現場座無虛席，十分火爆
智一科技聯合創始人/CEO龔倫常代表主辦方發言稱，據相關機構統計，2020年智能設備迎來拐點，活躍的物聯網連接數量第一次超過了非物聯網連接的數量。同時，國家十四五規劃也首次明確提出了生產、生活以及社會治理的全面數字化。隨著設備算力的大幅度提升，嵌入式AI迎來了快速發展的機遇期。
在這樣的大環境下，于端側、邊緣測智能爆發前夜，當下AI在物聯網領域落地的深度和廣度如何？背后又有什么樣的痛點，以及對應出現了什么樣的前沿技術創新和商業化邏輯？AI與物聯網產業未來發展的方向又在何方？
我們為大家梳理了16位大咖分享的干貨，以助大家以點帶面地把握AI落地物聯網產業的發展新趨勢。
一、技術創新：算法“減重”、芯片攻關，讓嵌入式AI開發降本增效
大會上午，在第一大板塊——嵌入式AI的軟硬件生態創新版塊，來自商湯科技、大華股份、知存科技、安謀中國、恩智浦、睿賽德電子及OPEN AI LAB的專家都帶來了前沿分享。
知無不言，深入淺出，專家們的分享話題覆蓋了輕量級神經網絡模型設計、模型壓縮、AI推理引擎、AI芯片架構創新等多個熱門領域。
1、商湯科技：打造媲美在線量化的離線量化算法
商湯科技副總裁、研究院副院?、通?智能負責?閆俊杰博?帶來了題為《極致靈活的深度學習模型優化與部署》的演講。
▲商湯科技副總裁、研究院副院?、通?智能負責?閆俊杰
他認為，當下深度學習模型部署面臨三大核心挑戰，包括：（1）硬件設備逐漸多樣化，模型需要匹配多種設備；（2）需要思考如何提高模型在特定硬件上的性能，?持模型壓縮算法；（3）市場AI模型需求變大，供應商需要提高模型自動化部署能力。
為此，商湯推出Spring.NART模型部署框架，支持代碼級別、算子級別及網絡級別等不同的接入級別，以通過統一的接入框架適配多種深度學習芯片。據稱，該框架支持16類不同硬件設備，能保證算法方案靈活跑在各類設備上。
同時，商湯通過編譯優化技術及一套量化模型?產?具，使模型在Arm框架和英偉達GPU上都能實現低bit量化；同時，除了系統層面的優化，商湯今年還提出了媲美在線量化的離線量化算法BRECQ，?次將4bit離線量化的效果做到接近量化訓練，以此實現高效地模型自動化部署。
另外，在軟硬件協同方面，商湯兼顧結構、推理庫和硬件，建立了一個計算數據庫Spring.GPDB （Graph Performance DataBase），基于這一軟硬件協同的數據庫幫訓練好的模型做診斷，使模型得到較好的精度提升。
總的來說，針對硬件多樣化、模型壓縮、模型自動化部署三大挑戰，商湯試圖讓深度學習模型在嵌入式設備上靈活優化和部署。
2、大華股份：聚焦模型微服務化，降低嵌入式AI開發門檻
會上，大華股份先進技術研究院科學家朱樹磊以《嵌入式AI算法模型微服務的設計與實踐》為題帶來了深入的演講。
▲大華股份先進技術研究院科學家朱樹磊
微服務并不是一個新概念，它是一個SOA軟件架構的變種。簡單來說，微服務把一些功能模塊拆分出來，運行在不同的進程中或不同的服務器上。相比于單體式架構，微服務具有開發難度降低、維護成本低、開發周期短、可擴展性較強等優點。
為什么要強調微服務？朱樹磊認為，當下，行業AI智能需求快速增長的背景下，嵌入式算法產品架構設計和開發流程亟需變革，嵌入式平臺模型微服務能夠降低嵌入式開發的工程門檻，使算法人員有效參與到工程落地，提升算法效果、有效分配算力，高效滿足客戶的碎片化需求。與此同時，嵌入式AI算法模型微服務能促進端邊云一體化，使得模型一致、服務一致，從而使整個系統的可維護性更高、成本更低。
但是，相比于云原生微服務，嵌入式微服務在功耗、內存、算力等資源方面都受限，無法復用成熟的云原生生態，需要自己打造。
朱樹磊認為，打造模型、接口、代碼三大編譯器是嵌入式平臺模型微服務化的關鍵。為此，大華股份基于組件規劃、技術棧選擇、架構設計三大環節，打造模型編譯器DNNX、接口編譯器IDLC、通用交叉編譯器UCC三大編譯器，將代碼開發轉化為編譯器、中間件等核心標準件的開發，實現微服務。
此外，朱樹磊還提到，要因地制宜實踐嵌入式算法開發的DevOps流程，始終把性能作為嵌入式平臺模型服務化的核心關注點。
3、知存科技：行業面臨存儲墻瓶頸，存算一體是最高效AI計算
知存科技CEO王紹迪主要以《存算一體AI芯片：AIoT設備的算力新選擇》為題，解讀存算一體技術如何帶來更加高效的AI計算。
▲知存科技CEO王紹迪在發表演講
作為存算一體AI芯片賽道的領軍者，知存科技主要研發基于Flash的存算一體芯片。王紹迪談到，現在行業已經進入到了后摩爾時代，尤其當芯片進入到7nm和5nm階段后，研發進度放緩，芯片研發成本急劇增高，每一次迭代單個芯片成本增加1倍。
但碎片化的IoT市場對先進工藝芯片的需求并不強烈，反而更青睞于低成本、低功耗、易開發的芯片。不過，目前芯片都都采用傳統的馮諾伊曼架構，最先進的存儲器仍采用1X工藝，“所以摩爾定律走到這個階段，存儲器的速度很難滿足現在行業的需求。”王紹迪說。
在他看來，現在行業大多都面臨著存儲墻問題，存儲器的數據搬運慢、搬運能耗大，緩存的大小和密度都很難提升。為了解決存儲器瓶頸的問題，許多公司都采用了不同的方案，包括3D Xpoint、近內存計算、近存儲計算和存內計算。
其中，王紹迪認為存算一體是最高效率的AI計算。今年知存科技發布了基于存算一體技術開發的第二代芯片WTM2101，算力相比第一代提高10倍，主要面向智能語音和智能健康領域，AI算力達50Gops，預計今年第四季度實現量產。
4、安謀中國：專用架構正興起，主流AI算法呈輕量化趨勢
安謀中國AI技術高級市場經理吳彤以《構建AI智能“芯”生態》為題，對當前AI芯片發展趨勢以及安謀自研人工智能專用處理器IP“周易”AIPU進行解讀。
▲安謀中國AI技術高級市場經理吳彤
如今行業已進入以數據為驅動的計算時代，也稱為第五波計算浪潮，從網絡架構到計算架構都產生了大量需求。依托Arm世界領先的生態系統資源與技術優勢，安謀中國面向國內市場獨立研發了“周易”AIPU。
吳彤談到當下AI芯片市場有四大發展趨勢，一是端側芯片市場增速非常高，二是未來5-10年端側推理市場的增速最快，三是ASIC定制化芯片將成為未來的主流，四是細分市場規模將會保持高速增長。
另一方面，AI芯片行業專用架構（DSA）正在興起，主流AI算法也呈現輕量化趨勢。 在這些趨勢下，安謀中國自研的“周易”AIPU擁有完全自主可控、完整生態等特點，目前已經推出兩代產品，分別為“周易”Z1和“周易”Z2。
其中，“周易”Z1是邊緣計算通用的AI IP，面向IoT&Edge，基于“周易”Z1研發的全志R329智能語音芯片即將大規模商用；“周易”Z2面向邊緣計算中高性能場景，基于“周易”Z2開發的芯片也即將應用落地，主要覆蓋中高端安防和自動駕駛/智能座艙領域。
此外，吳彤還介紹了兩款AI IP的應用案例，包括人體關鍵點檢測、駕駛員疲勞監測 (DMS) 和DTV超級分辨率應用等。
5、恩智浦：用AI工具鏈讓MCU煥發智能“魔力”
前面的嘉賓提到了AI工具鏈概念，恩智浦AI-IoT方案資深研發經理秦建峰在會上則進一步探討了《如何設計高效率MCU AI 工具鏈》這一細分領域的核心問題。
▲恩智浦AI-IoT方案資深研發經理秦建峰
MCU（微控制單元）具有低算力、低功耗、低成本的特點，在MCU上做AI開發面臨眾多限制。秦建峰談到，一方面，MCU硬件限制了推理引擎規模，另一方面，已有的開源工具對算法優化仍缺乏標準，都阻礙了在MCU上做AI應用。
如何提升MCU邊緣端AI運算性能和精度 ？
秦建峰認為，需要選取成熟及高效率總線架構設計的MCU；同時避免采用大內核的卷積運算，找到精度和性能的平衡點；另外，要采用適當的量化算法或者是混合量化算法，以保持精度并減少冗余運算，等等。
恩智浦內部有一套持續維護優化的Nano.AI工具鏈，包括Nano.AI PC端工具和Nano.AI MCU邊緣端推理引擎兩大部分。開發者首先在PC端針對現有MCU完成精度和性能的仿真，當PC仿真效果達標后，再將最后生成的代碼全部放上來，做真實環境下的驗證，最后得到加速庫，包括模型和轉化過的文件。這樣一來，集成到MCU上花的時間會大大節省，使開發效率得到提升。
6、睿賽德電子：革新物聯網操作系統，直擊碎片化痛點
在峰會上，多位嘉賓都提到了AI落地場景的碎片化。上海睿賽德電子科技有限公司RT-Thread人工智能總監楊武認為，解決碎片化的最好方法，是采用一套物聯網操作系統。
▲睿賽德電子人工智能總監楊武
在題為《讓設備更聰明：物聯網操作系統推動嵌入式AI開發》的演講中，楊武談到，當下，隨著AI模型本身對算力的渴求直線上升，盡管人們不斷用輕量化技術進行模型壓縮，但一旦騰出一點點空間，人們就想用它解決更多問題。
在這種背景下，突破算力瓶頸需要專用處理器，AI芯片市場一片火熱。但同時，這也導致智能物聯產業進一步呈現碎片化態勢。對于算法開發者來說，在端側進行AI開發面臨的首要問題，就是上手太難，尤其在算法部署方面力不從心。
為了支持AI算法在嵌入式設備中的便捷部署，睿賽德電子公司推出一套支持嵌入式AI落地的軟件包，并更進一步推出RT-Thread AIKit軟件包——一套易用、開放的邊緣AI落地解決方案，這一方案能讓開發者感到集成運用AI算法模型就跟普通代碼庫一樣簡單。
7、OPEN AI LAB：破解邊緣異構計算難題的AI計算框架
OPEN AI LAB聯合創始人&CTO?明?以《Tengine：加速邊緣計算中的AI部署與落地》為題，分享了Tengine的優勢與生態發展。
▲OPEN AI LAB聯合創始人&CTO?明?在發表演講
?明?談到，邊緣計算作為一種特殊的信息/數據處理方式，擁有本地操作、時延低、成本低、安全隱私性高等優勢，而邊緣計算的爆發是大勢所趨，眾多的基礎技術和應用將基于邊緣原生（Edge Native）。
相比云原生（Cloud Native），邊緣原生擁有連接與計算并重的特點，同時還能實現遠程管理、邊緣自治和跨節點編排，重視物聯網和5G無線接入。
“邊緣計算的核心還是計算本身，但由于SoC種類各不相同，也帶來了不少問題。”黃明飛談到，為了解決不同芯片平臺部署的問題，OPEN AI LAB開發的AI邊緣計算框架Tengine已服務多家邊緣智能芯片企業，并持續拓展開源生態。
其中，Tengine Framework是OPEN AI LAB自主設計的邊緣AI計算框架，是一個開源的AI推理框架，能高效地解決邊緣AI異構計算的難題；Tengine MLOps是一個商用級邊云自動化部署平臺，具有易開發、快部署的優點，能幫助集成商加速行業智能化。
最后談及Tengine的開放生態，?明?提到Tengine已經和行業最大的機器視覺項目OpenCV達成戰略合作，還成為了ONNX的官方認證合作伙伴。同時，Tengine已和20+主流芯片廠商SoC的底層全面適配，對多種最新NPU的早期介入適配并實現了最優化支持。
通過第一版塊嘉賓的演講，我們看到無論是來自AI物聯網產業鏈的哪一環節，這些代表性的企業都在通過技術創新將開發者、工程師的工作化繁為簡，從而讓AI在端側、邊緣側設備端實現更高的精度和性能。
而這些產業鏈上下游星星點點的技術革新，將在以智慧家居、移動機器人、工業制造、智慧城市等行業領域中，讓AI及物聯網技術爆發出令人驚艷的智能“魔力”。
二、深耕行業：家居、機器人、工業領域玩家各顯神通
本次峰會，我們也邀請了來自智能家居AIoT、移動機器人及工業制造領域的行業代表玩家帶來了深入分享。
1、全屋智能時代來臨，AI技術及生態面臨痛點
在峰會下午第一場、整個峰會第二大板塊——智能家居AIoT領域，來自閱面科技、騰訊云、地平線公司的專家就嵌入式視覺AI落地、全屋智能規模化商用、邊緣AI芯片落地等話題帶來了精彩解讀。
（1）閱面科技：自然人機交互成智能家居主題，多模態技術融合日益重要
智能家居正朝著全屋智能方向發展，對多模態傳感技術的需求進一步提高。針對當下智能家居的發展，閱面科技聯合創始人&CEO丁小羽帶來題為《面向智能家居的嵌入式視覺之旅》的演講。
▲閱面科技聯合創始人&CEO丁小羽
作為我國嵌入式視覺識別技術領域的新銳玩家，閱面科技從2015年成立后就一直專注嵌入式視覺技術的民用落地探索。丁小羽談到，閱面科技的嵌入式視覺技術發展經歷了四個階段：
一是AI和算力的適配階段，二是AI和傳感的融合階段，三是行為/健康AI智能終端階段，四是全屋智能的感知基礎階段。
其中在行為/健康AI智能終端階段，閱面科技主要開發創新型硬件，整體地設計人機交互，以智能終端的形式部署，讓設備能主動感知人體行為動作和生理體征等狀態。
而在全屋智能的感知基礎階段，閱面科技的目標是實現智慧的人居環境。丁小羽認為，家庭AI擁有隱私數據規范、應用形態靈活、交互親切自然等特點，超越人眼視覺的AI傳感融合有很大機會。
“盡管目前智能家居還處于初期發展階段，但智能家居服務最終會從數字化空間走到機器人服務的物理空間階段。”他談到，在這一階段，人和系統的自然交互已成為智能家居發展的主題，超聲波雷達、熱成像等傳感技術的融合越來越重要。
（2）騰訊云：發揮資源與技術優勢，從四大層面使能全屋智能
當下，智能家居正從單品階段進化到主動智能階段，更關注用戶體驗，主動為客戶提供個性化的服務。騰訊云智能終端行業首席架構師馬英奎對此深以為然，在會上帶來以《智能家居新階段，騰訊云AIoT使能全屋智能》為主題的演講。
▲騰訊云智能終端行業首席架構師馬英奎
馬英奎認為，當下全屋智能有四大關鍵要素，包括連接、交互、服務和計算。騰訊云自身不會做智能硬件，更多是開放騰訊的內部資源和技術能力，賦能智能家居客戶。
具體而言，騰訊云面向智能家居客戶，在平臺層面，提供騰訊云服務；在能力層面，提供一站式的物聯網開發平臺；在服務層面，將QQ音樂、騰訊視頻等海量內容資源覆蓋智能家居場景；在體驗層面，基于微信生態提供騰訊連連小程序，幫客戶實現更多能力，提升用戶體驗。
其中，一站式物聯網開發平臺能夠實現開箱即用，能提供消息通訊、視頻通訊、安全認證、智能語音、NLP等眾多服務，目前已落地生活消費、健康醫療、城市政務、工業制造等多個消費物聯網及產業物聯網領域。
另外值得一提的是，在體驗層面，騰訊連連會提供小程序配網能力，開放微信掃一掃入口，提升設備配網率和用戶體驗。目前微信已有12億用戶入口，能助力品牌最快觸達用戶，并帶來“用完即走”的流暢體驗。在開發層面，客戶可直接選擇騰訊連連，降低開發成本，提升家電、安防傳感、運動健康等設備智能化效率。
可以看到，隨著嵌入式AI落地進入廣大消費者的生活領域，像騰訊這樣的云廠商將發揮自身社交媒體及內容服務的優勢深入物聯網產業鏈，充當重要的入口及平臺角色。
（3）地平線：解讀智能家居市場的技術和生態痛點
地平線不僅是知名汽車智能芯片獨角獸，也面向智能家居場景打造了多代AIoT芯片。地平線AIoT產品線總經理王叢以《加速智能家居產業爆發，構建AIoT開放應用生態》為題，為大家分享了地平線在智能家居領域的幾點思考。
▲地平線AIoT產品線總經理王叢
現階段，地平線研發的旭日AI芯片主要面向掃地機、智能電視、智能會議，以及其他傳統IoT邊緣計算場景。同時，地平線還為傳統芯片提供標準工具，包括配套的算法和方案。
王叢談到，智能家居的不同細分賽道各有發展趨勢。在掃地機器人領域，近兩年市場發展速度非常快，其中多傳感器融合是產品發展的重要趨勢，例如激光+視覺+ToF感知技術的融合。
在智能電視領域，盡管近幾年電視市場規模已經飽和，但市場需求已開始發生變化，結合攝像頭開發應用的智能電視滲透率正逐年增加，智能交互功能將會成為主流。
整體來看，王叢提到了當下智能家居行業發展的本質。一是消費者開始擁抱智能化，愿意為附加值買單；二是在所有產品品類中，人機交互是多類產品的共通性需求，存在標準化的可能性。
但王叢認為，整個市場仍存在技術和生態兩個層面的痛點。尤其在生態層面，目前OEM還需要更多元的AI算法生態配合，而應用方也希望有標準化的硬件土壤來適配。
“針對這些行業痛點，地平線將提供更多相應的解決方案，在人機交互和算法方面做提前性的預研。”王叢說，作為供應商，地平線會進一步將芯片做好，把探索AI的價值做大。同時，也將更加開放地和更多合作伙伴一起把生態做大。
2、機器人進入生活生產，AI+多傳感器成新突破口
看完智能家居大佬分享，在峰會第三大板塊——移動機器人領域，來自極智嘉、360人工智能研究院、迦智科技的大牛帶來了在物流機器人、掃地機器人等領域的嵌入式AI技術落地應用及經驗。
（1）極智嘉：深耕行業場景，克服物流機器人的視覺感知技術挑戰
在機器人應用專場，極智嘉研發總監陳超帶來了題為《物流機器人視覺感知技術的挑戰與創新》的開場演講。
▲極智嘉研發總監陳超
物流行業是一個巨大市場，但行業長期面臨用人難、市場需求變化快等痛點。物流機器人在這樣的背景下應運而生，目前已經演化出智能分揀、智能搬運、智能叉車、智能倉儲等多場景的產品形態，并在眾多實際場景中落地。
陳超回顧，在極智嘉物流機器人落地行業過程中，在視覺感知技術方面克服了眾多挑戰。
在倉儲AMR移動機器人領域，場景相對簡單，主要包括貨架到人的揀選和貨箱到人的揀選兩大場景。針對用于導航的地面二維碼，團隊遇到了污損/反光、運動模糊等問題，以及成本降低的訴求。為此，極智嘉在最新機器人上引入了基于地紋融合的V1.5，彌補二維碼易污損的問題；更進一步，極智嘉基于Marker-Net的V2.0解決方案將故障率降低兩個數量級。
在工業AMR移動機器人領域，面臨的場景和挑戰也更加復雜多樣。比如，針對行業樣本少的問題，極智嘉采取學習仿真方案，快速擴充樣本；針對未知目標檢測問題，極智嘉引入深度相機，使得深度學習模型有機結合深度數據，提高目標檢測性能。
而針對魯棒性要求高的問題，極智嘉采用復合模型方法，并通過地圖更新和語義地圖，從而得到魯棒性更高的結果；針對端側設備低算力的需求，極智嘉通過算法優化及加速引擎來突破算力限制。
可以看到，作為自2015年就成立的物流機器人頭部企業，極智嘉已經針對倉儲及工業特定應用場景，攻克了嵌入式AI開發的一座座山頭。
（2）360人工智能研究院：AI能力比拼是掃地機器人下一個比拼賽道
針對掃地機器人市場的發展和技術創新，360人工智能研究院運動引擎算法負責人潘俊威帶來了題為《嵌入式AI快速發展，掃地機器人進入感知決策新賽道》的演講。
▲360人工智能研究院運動引擎算法負責人潘俊威
潘俊威提到，我國掃地機器人市場規模已從2013年的8.4億元，增長到2020年的93.8億元，正不斷快速增長。同時，掃地機器人產品中高端化明顯，智能已成為高附加值特征。
不過，掃地機器人在易用性上還有較大提升空間。“尤其是用戶對避障的需求越來越強烈，將3D深度相機應用在掃地機器人上也變得水到渠成。”潘俊威說，將3D深度相機和多傳感器融合，能讓機器人獲取環境信息的能力從二維提升到三維，大大增強設備的環境感知能力。
為了進一步滿足消費者需求，360提出了掃地機器人的無人駕駛大腦概念，重點是提升移動機器人在環境感知、場景理解、決策規劃三個方面的能力。
例如，基于360無人駕駛大腦研發的三雷達融合避障技術，采用多傳感器融合感知算法，結合聚類和分割算法，能讓掃地機器人識別門檻、推拉軌道、厚地毯和普通障礙物，做到避障的同時順暢通行門檻軌道等區域。
目前掃地機器人年銷量為600萬臺，是洗衣機銷量的15%，市場滲透率不足8%，仍存在廣闊空間。潘俊威認為，想要推動這一市場的發展，要持續升級掃地機器人的導航、避障和清潔三大核心要素。
“隨著嵌入式端側的AI能力不斷提升，AI能力也將成為下一個比拼賽道。”他說。
（3）迦智科技：攻堅AMR落地制造業挑戰，打造室內外全流程智能工業物流解決方案
就在本月，迦智科技剛完成了億元級B輪融資。本次，迦智科技產品總監吳俊翔在峰會上帶來了以《AMR機器人多傳感器融合定位的發展趨勢》主題的分享。
▲迦智科技產品總監吳俊翔在發表演講
吳俊翔回顧道，從基于磁釘、磁條的自動導引車（AGV）到新一代移動機器人（AMR），迦智科技開始基于地圖的環境感知能力與智能決策，尋求差異化的自主導航能力。通過AI機器視覺與激光雷達融合建圖與定位，團隊產品實現了更加精準及時的定位導航以及多機器人協作。
吳俊翔認為，在AMR逐漸成為越來越多制造業標配的當下，技術本身依然面臨著新的挑戰。首先，計算資源受限條件下的大場景地圖構建，帶來了性能問題；其次，環境動態變化也會對定位導航精度與穩定性產生影響；此外，核心部件成本過高，影響產品快速推廣落地，等等。
為了應對眾多挑戰，迦智科技不斷攻堅技術難關。比如在地圖構建能力方面，公司突破運行場景的尺寸限制，進一步壓榨硬件與算法極限；在算法性能方面，發力語義特征與激光點云融合的地圖構建，從而提高系統魯棒性；此外，公司也在布局面向室內外綜合感知場景的新一代AMR技術棧與工具鏈，以促進更安全的人車物交互。
展望未來技術布局，迦智科技也明確了方向，依托合伙人團隊與浙江大學機器人實驗室的長期技術積淀，公司將繼續布局和深挖智能感知與定位導航技術，打造室內外全流程智能工業物流解決方案。
3、工業制造數字化，AI賦能視覺升維
在峰會第四大板塊——工業制造產業領域，來自圖麟科技、賽靈思及圖漾科技的高管也帶來了關于工業質檢轉型、工業視覺軟件及解決方案、３D視覺工業應用等話題帶來的深入探討分享。
（1）圖麟科技：用通用視覺平臺降低工業質檢的數智化門檻
專注于機器視覺研發與應用的圖麟科技，是國內率先實現“AI+工業質檢”落地應用的AI供應商之一。圖麟科技聯合創始人&副總裁張險峰以《工業質檢數智化轉型新思維》為題，向大家分享了圖麟科技推動工業質檢降本增效的創新思路。
▲圖麟科技聯合創始人&副總裁張險峰
他談到，據中商產業研究院數據，2020年中國智能制造市場規模已超過27000億元，預計2025年將超過55000億元，行業場景化特征明顯。其中，工業質檢是數智化熱門場景之一。
“隨著下游市場對產品質量要求越來越高，工業質檢領域需求已呈現明顯變化。”張險峰說，以外觀缺陷檢測為例，外觀缺陷檢測涉及的領域豐富多樣，生產流程中的質量管理需求逐漸增加，質檢標準不斷提升。
但現階段，工業質檢的難點在于，人工檢測存在效率低、良品率不穩定等難點，而數智化的技術門檻也很高。
針對這些難點，圖麟科技基于光學系統、機電控制、視覺算法和大數據四大核心技術，推出能快速開發部署的Tunicorn通用視覺平臺，面向跨行業、跨領域的工業質檢場景，并融合了兩大系統，可實現算法多模型場景下的調度管理方案。
張險峰提到，依托Tunicorn通用視覺平臺，圖麟科技從手機、車載、TV、筆電等終端蓋板玻璃檢測，擴展至顯示模組外觀檢測，推出了國內首個成熟的屏幕貼合后智能化檢測方案，不斷推動工業質檢的數智化。
此外，張險峰還分享了Tunicorn通用視覺平臺在蓋板玻璃檢測、顯示模組外觀檢測、顯示玻璃電路檢測、半導體/類半導體外觀檢測、通用膜材外觀檢測等細分垂直領域的解決方案。
（2）賽靈思：兼顧計算加速與安全，為工業場景打造自適應可編程硬件
作為下午場唯一家硬件平臺廠商代表，賽靈思公司的軟件和解決方案市場部高級經理劉珊珊帶來了以《MPSoC平臺加速工業視覺應用創新》為題的深入分享。
▲賽靈思公司的軟件和解決方案市場部高級經理劉珊珊
劉珊珊回顧，近些年賽靈思在不斷地加速轉型，從傳統的FPGA，到延續FPGA核心價值的片上系統，再到最新一代的自適應計算加速平臺（ACAP平臺），公司研發出更易于軟件編程的體系結構，同時也為客戶提供更廣泛的部署方法。
據劉珊珊分享，MPSoC平臺最大的優勢是具備整體應用協同優化的能力。談到AI在工業場景的應用，她提到了安全生產、工業質檢、AGV/AMR三大領域，并列舉了測量、識別、引導、檢測等工業質檢領域的的細分場景，指出其中都可能嵌入視覺AI應用。
劉珊珊談到，賽靈思的工業和視覺解決方案堆棧提供包括功能安全、網絡安全、控制、通信、視覺處理、機器學習和邊緣分析等解決方案，支持實時決策。硬件可編程的MPSoC使通用處理子系統與可編程邏輯相結合，從而適應多種工業場景解決方案的定制開發，并通過單芯片邊緣平臺方案降低成本。
最后，劉珊珊介紹了一款賽靈思最新發布的系統化模組K26 SOM，這正是基于MPSoC架構為工業視覺打造的芯片。該模組即插即用，無FPGA開發經驗的人也能在一小時內啟動運行；針對這一標準平臺，賽靈思還向用戶推出應用商城，提供標準化的軟件開發流程。
（3）圖漾科技：3D機器視覺商用潛力大，嵌入式AI是機會點
成立于2011年的圖漾科技是我國3D機器視覺領域的新銳玩家。圖漾科技創始人&CEO費浙平以《3D機器視覺在工業制造領域的前景與實踐》為題，分享了圖漾科技在3D機器視覺發展的幾點思考。
▲圖漾科技創始人&CEO費浙平
“圖漾科技全球3D機器視覺行業的領頭企業，出貨量全球領先，其中公司有20%的收入來自海外市場。”費浙平說。
基于過去的技術積累和市場經驗，費浙平對行業進行了一些分析和展望。從實際落地來看，他認為3D機器視覺是2D機器視覺的補充和延伸，更多的價值在于完成2D機器視覺做不到的任務。
在他看來，3D機器視覺在消費、安防、工業和商業領域都有許多應用方向，尤其是商業領域的應用潛力巨大。與此同時，費浙平還分享了圖漾科技對當下3D機器視覺市場現狀的內部分析數據，涉及工業自動化、工業檢測、物流科技和商業應用四大垂直領域。
其中，工業檢測是現階段行業3D機器視覺滲透率最高的領域，但也意味著它的增長空間較少；3D機器視覺在物流科技領域還有很大發展潛力，至少有100倍以上的增長空間；而在商業應用場景，3D機器視覺甚至能達到1000倍的增長空間。
費浙平認為，現在3D機器視覺還處于創新產品的創新應用落地階段，擁有100倍的成長空間，但還面臨著傳感器、算法軟件、算力單元三大方向的發展挑戰，而算力單元的最大挑戰是成本。
“總地來看，3D機器視覺正在興起，它將會來到我們每個人的身邊。”費浙平談到，“相機+軟件+算力”三大件仍在不斷迭代演進，而嵌入式AI在3D視覺的應用剛剛起步，這將是一個重大的機會點。
結語：物聯網端側AI嵌入新戰場進入爆發前夜！
通過本次峰會，在底層技術創新方面，我們看到在輕量級神經網絡模型設計、模型壓縮、AI推理引擎、AI芯片架構創新等領域的最新創新實踐。
而在行業落地層面，我們也洞察了智能家居、移動機器人、工業互聯網、智能安防等多個領域面臨的挑戰和應對舉措，看到AI落地的火苗正煥發出多樣化的智能“魔力”。
總的來說，當AI落地從云端擴展到更加寬廣的端側、邊緣側領域，一個更加廣闊的物聯網端側的AI嵌入新戰場正在爆發前夜，AI也將真正進入普羅大眾生產、生活的方方面面！
