新闻来源：
中新社
中新网上海新闻11月25日电(记者 陈静)人工智能技术的价值在于让机器代替人做大量简单重复的工作，而人可以有更多的时间和精力做更具创造性的工作。在人工智能技术中，芯片是核心元器件。
让智能安防领域的摄像头更具识别效果，让车舱内的摄像头监测司机是否在驾驶过程中违规并及时联动警方，基于双目视觉和深度学习的3D相机……记者25日走访科创企业——上海肇观电子科技有限公司，该企业创始人冯歆鹏表示，五年前创办肇观的时候，便将芯片实际利用率作为优化标准，如今看来，最初的选择是正确的。
据悉，从2014年开始，当人工智能计算机视觉芯片开始成为科技和经济增长点的时候， AI芯片研发中，名义运算力便成为“旗帜”。但冯歆鹏认为，AI芯片是否适合使用，往往从每元钱能获得的性能、每度电能获得的性能、部署实施的成本、元器件是否稳定可靠等几个方面来衡量。也就是说，名义算力并不是衡量智能视觉处理器的最重要的标准，芯片利用率才是优化指标。
冯歆鹏对记者解释，人工智能就是我们教会机器学习的过程。人工智能计算机视觉芯片性能利用率衡量标准就是：在运算图片的时候，既要保证图片的精度(准)，又要保证运算的速度(快)，是否又“快”又“准”。他以基于人脸识别的AI技术做的智能门锁应用场景为例，解释，如果识别不准，门锁会把家庭成员拒之门外，或者对陌生人敞开大门；如果识别不快，会让人在门外等很久，体验感变差。
冯歆鹏表示，一颗芯片投片的成本是巨大的。芯片设计好了以后投片生产，就如同一个孩子生出来以后就无法做任何更改一样，“产前” 需要不断的做 “产检” 来尽可能准的知道这个“孩子”(芯片)是否健康，这些 “产检”工作在芯片行业的专业名词叫做仿真验证模型。仿真验证模型的预测误差取决于有没有能够准确预测结果的数学模型。
据了解，得益于在数学基础理论方面的高投入，肇观在智能视觉芯片研发方面有了强有力的系统仿真模型，能够远在芯片流片前就准确预测芯片性能。肇观电子CTO周骥博士说：“搞基础理论很耗时间很烧钱，但磨刀不误砍柴工。”
有了仿真验证模型，在第一代芯片设计中，模型所预言的芯片利用率是85%，可是最初的设计方案仿真结果只有75%左右。当时市面上所能见到的类似芯片实际利用率也差不多是这么多。周骥反复思考：为什么实际数据和理论预测差这么多？为了能逼近理论预测，他带着几十个工程师连续奋战5个月，将利用率从75%一步步提高到83%左右……最终分析结果是，还有2%左右的差距是由于模型没有考虑电路板设计的一些问题。
在冯歆鹏看来，为了获得突破性成果，立志做核心技术的公司必须得沉下心来搞基础研究，理论联系实际、实践检验理论。”他表示，大学离市场太远，企业又想赚快钱，这其实就是创新型企业的一个“痛点”，不愿意搞基础研究，不愿意忍受基础研究的长期寂寞，不愿意等待艰难漫长的投资回报，就不能在底层技术上实现真正的创新。
肇观电子自主研发的人工智能计算机视觉芯片究竟要为哪些行业降低成本，提高效率。采访中，记者了解到， 在智能安防领域，建设城市视频监控系统是实现城市安全和稳定的重要基础，是“平安城市”建设的重要组成部分，更成为“智慧城市”的重要载体。传统的安防监控只能达到“看得见”的功能，而肇观的芯片应用到智能安防领域，能够让摄像头“看得清”“看得懂”，极大提高识别效率，把大量重复简单的工作留给机器去解决。
在辅助驾驶领域，车舱内置摄像头可以监测司机是否在驾驶过程中出现说话、打电话、打瞌睡等情况，不仅能提醒司机，也可以直接联动到公安机关，提示交通事故风险。外置摄像头可以识别马路上的行人、标线、红绿灯，需要非常及时准确的提示或直接帮助司机避障或制动，否则，慢了一秒，都会提升交通事故发生的概率。这就回到了前面提到的，“快”是考核计算机视觉AI芯片性能的关键指标。
在无人零售领域，传统的自动售卖货柜使用的是重力传感器，对应的价格是根据每一件商品的重量来事先预设的。当顾客取走某一件商品的时候，系统会根据减少的重量，核算出相应的价格，再进行扣款。然而，从技术上，重力传感器需要经常校准；从成本上，重力货柜成本高昂。换一种技术，安装了计算机视觉AI芯片的摄像头，可以通过对商品外形的识别来扣款，成本大大降低，但是对识别精准度提出了更高的要求，如果物体识别算法在实际运行中有1%的精度下降，货损率和运营成本就会大幅增加。这就意味着 “准”是考核计算机视觉AI芯片性能的关键指标。
据悉，该企业自主研发的人工智能视觉芯片在保证8位整型的精度下，每秒最快能计算181帧(张)图片/视频，并且将人工智能(AI)算法从训练部署到实际应用的过程中，依然不损失算法的精度，又“快”又“准”的性能完全可以媲美英特尔(Intel) 旗舰产品Myriad X人工智能计算机视觉芯片。
新闻来源：
中新社
注：请在转载文章内容时务必注明出处!
编辑：陈静
