“在保證8位整型的精度下，每秒最快能計算181幀（張）圖片/視頻，并且將人工智能（AI）算法從訓練部署到實際應用的過程中，依然不損失算法的精度，又“快”又“準”的性能甚至高過英特爾（Intel） 旗艦產品Myriad X人工智能計算機視覺芯片。

11月25日，肇觀電子創始人馮歆鵬對外表示：“五年前創辦肇觀的時候，我們不將名義算力作為衡量智能視覺處理器的標準，而是將芯片實際利用率作為優化標準。今天看來，我們最初的選擇是正確的。”

▲ 針對5種算法，肇觀電子N161芯片與英特爾Myriad X芯片每秒可跑的幀（張）數

例如：在MobileNetV1算法下，N161芯片每秒可跑181幀（張），Intel Myriad X芯片每秒跑106幀（張）

創新要另辟蹊徑

人工智能技術作為一門應用于各行各業的基礎研究，其意義在于讓機器代替人去做大量簡單重復的工作，把人解放出來，去做更高級的和創造性的工作。如同扎實的文字功底是傳情達意的“基礎設施”，對于AI在具體行業中的落地而言，芯片是核心元器件，是人工智能的“基礎設施”。

▲肇觀電子N1系列芯片

從2014年開始，當人工智能計算機視覺芯片作為下一個科技和經濟增長點的時候，無論是學院派還是科技寡頭都高舉著“名義運算力”這面旗幟（例如：算力10TOPS = 每秒運算10萬億次）來研發AI芯片，隨后，行業初入參與者也紛紛入局。

就好像強大的心臟可以支持一個人跑完全程馬拉松，芯片就好像一顆“心臟”，芯片的算力代表的就是這顆“心臟”是否強大。

但是，馮歆鵬認為：“AI芯片是否適合使用，往往要從每元錢能獲得的性能、每度電能獲得的性能、部署實施的成本、元器件是否穩定可靠等幾個方面來衡量。也就是說，名義算力并不是衡量智能視覺處理器的最重要的標準，芯片利用率才是優化指標。”

芯片利用率具體體現在哪里？

馮歆鵬解釋說，人工智能就是我們教會機器學習的過程，如同教會一個孩子學習。不管什么考試，速度和準確率是衡量這個孩子學習成果的標準。人工智能計算機視覺芯片性能利用率衡量標準就是：在運算圖片的時候，既要保證圖片的精度（準），又要保證運算的速度（快），是否又“快”又“準”。

以基于人臉識別的AI技術做的智能門鎖應用場景為例，如果識別不準，門鎖會把家庭成員拒之門外，或者對陌生人敞開大門；如果識別不快，會讓人在門外等很久，體驗感變差。

解決別人解決不了的問題

在最初的技術戰略選擇上，肇觀電子為什么能夠直接切入解決“利用率”這個AI芯片的核心痛點？

——因為肇觀電子非常重視基礎理論方面的投入。

馮歆鵬表示，一顆芯片投片的成本是巨大的。芯片設計好了以后投片生產，就如同一個孩子生出來以后就無法做任何更改一樣，“產前”需要不斷的做“產檢”，來盡可能準得知道這個“孩子”（芯片）是否健康。這些 “產檢”工作在芯片行業的專業名詞叫做仿真驗證模型。

仿真驗證模型的預測誤差取決于有沒有能夠準確預測結果的數學模型。

得益于在數學基礎理論方面的高投入，肇觀電子在智能視覺芯片研發方面有了強有力的系統仿真模型，能夠遠在芯片流片前就準確預測芯片性能。肇觀電子CTO周驥博士說：“研究基礎理論，既耗時間，又‘燒錢’，但磨刀不誤砍柴工。”

有了仿真驗證模型，在第一代芯片設計中，模型所預言的芯片利用率是85%，可是最初的設計方案仿真結果只有75%左右。當時，市面上所能見到的類似芯片實際利用率也差不多是這么多。

于是，周驥反復問了這樣一個問題：為什么實際數據和理論預測差這么多？

為了能逼近理論預測，他帶著幾十個工程師連續奮戰5個月，將利用率從75%一步步提高到83%左右……最終的分析結果是，還有2%左右的差距是由于模型沒有考慮電路板設計的一些問題，而別的廠家也會面臨同樣的問題。

做這些基礎研究的目的到底是什么？

馮歆鵬表示，大學離市場太遠，企業又想賺快錢，這其實就是創新型企業的一個“痛點”：不愿意搞基礎研究，不愿意忍受基礎研究的長期寂寞，不愿意等待艱難漫長的投資回報，就不能在底層技術上實現真正的創新。

“為了獲得突破性成果，立志做核心技術的公司必須得沉下心來搞基礎研究，理論聯系實際、實踐檢驗理論。”他坦言。

靠實際應用說話

攻破了這些技術難點，到底能干什么？肇觀電子自主研發的人工智能計算機視覺芯片究竟要為哪些行業降低成本，提高效率？關于這些問題，馮歆鵬每天都在問自己。

比如在智能安防領域，建設城市視頻監控系統是實現城市安全和穩定的重要基礎，是“平安城市”建設的重要組成部分，更是“智慧城市”的重要載體。

傳統的安防監控只能達到“看得見”的功能，而肇觀電子的芯片應用到智能安防領域，能夠讓攝像頭“看得清”、“看得懂”，極大地提高識別效率，大量重復簡單的工作都可以留給機器去解決。

再比如在輔助駕駛領域，車艙內置攝像頭可以監測司機是否在駕駛過程中出現說話、打電話、打瞌睡等情況，不僅能提醒司機，也可以直接聯動到公安機關，提示交通事故風險。

外置攝像頭可以識別馬路上的行人、標線、紅綠燈，需要非常及時準確的提示或直接幫助司機避障或制動，否則，即使是慢了一秒，也會提升交通事故發生的概率。

這就回到了前面提到的，“快”是考核計算機視覺AI芯片性能的關鍵指標。

新零售時代，在無人零售這一垂直領域，傳統的自動售賣貨柜使用的是重力傳感器，對應的價格是根據每一件商品的重量來事先預設的。

當顧客取走某一件商品的時候，系統會根據減少的重量，核算出相應的價格，再進行扣款。然而，從技術上來說，重力傳感器需要經常校準；從成本上來說，重力貨柜成本高昂。

相比之下，安裝了計算機視覺AI芯片的攝像頭可以通過對商品外形的識別來扣款，成本大大降低，但是也對識別精準度提出了更高的要求。如果物體識別算法在實際運行中有1%的精度下降，貨損率和運營成本就會大幅增加。這就意味著，“準”是考核計算機視覺AI芯片性能的關鍵指標。

“在這個新興的領域，大公司和小公司其實是在同一起跑線上。”馮歆鵬表示，與大型公司相比，肇觀電子更加靈活，決策鏈條更短，對于市場需求的反應速度更快，試錯成本也更低。“我們希望能在自己的領域中，時不時給市場帶來驚喜。”

責任編輯：xj

原文標題：肇觀電子：我們希望能在AI視覺芯片這個領域，時不時給市場帶來驚喜

文章出處：【微信公眾號：你好張江】歡迎添加關注！文章轉載請注明出處。