消息來源：科技日報

11月26日-28日，2020世界5G大會舉辦，在本次大會的“5G與數字生活新消費論壇”上，與會專家對5G與數字芯片的發展進行討論。在數字時代，如同扎實的文字功底是傳情達意的“基礎設施”，對于AI技術而言，芯片是核心元器件，是人工智能的基礎設施。

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，行業中都將名義運算力作為“旗幟”來研發AI芯片。對此，上海肇觀電子科技有限公司創始人馮歆鵬認為，評估AI芯片是否適合使用，往往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，這體現在運算圖片的時候是否又“快”又“準”。?

人工智能計算機視覺芯片性能利用率衡量標準在于，在運算圖片的時候是否又“快”又“準”。以人臉識別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。

肇觀推出的“拳頭產品”N1系列計算機視覺芯片，刷新了端側AI芯片性能記錄。N1系列芯片不同于市場上常見的計算機視覺芯片，并非AI協處理器，而是一款高度集成的主芯片。這意味著N1系列芯片除了具備信號采集功能、信號處理功能等計算機視覺芯片的“老本行”外，還能支持更多功能。

每個應用和系統廠商都在尋找在性能、功耗、成本等方面綜合因素下合用的AI芯片。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需要不斷的做仿真驗證模型。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。在最初的技術戰略選擇上，肇觀電子決定直接切入解決“利用率”這個AI芯片的核心痛點，得益于在數學基礎理論方面的高投入，肇觀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。

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%，但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。肇觀團隊連續奮戰5個月，將利用率從75%一步步提高到83%左右……最終分析結果是，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。

攻破了這些技術難點，能為哪些行業降低成本，提高效率？馮歆鵬認為，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，更是“智慧城市”的重要載體。研發的新一代芯片能夠讓攝像頭“看得清”，“看得懂”，極大提高識別效率；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。“快”是考核計算機視覺AI芯片性能的關鍵指標。

在無人零售領域，傳統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，然而從技術上，重力傳感器需要經常校準；從成本上，重力貨柜成本高昂。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使成本大大降低，但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。“準”是考核計算機視覺AI芯片性能的關鍵指標。

據悉，肇觀自主研發的人工智能視覺芯片在保證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”的性能可媲美英特爾旗艦產品Myriad X人工智能計算機視覺芯片。“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。”馮歆鵬說，與大型公司相比，小公司更加靈活，決策鏈條更短，對于市場需求反應更快，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”。

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。”馮歆鵬說。

責任編輯：陳可軒