CMOS傳感器是如何驅(qū)動人工智能的

隨著人工智能概念逐漸成為科技界最炙手可熱的話題，這一依托芯片產(chǎn)業(yè)的全新概念牽動了整個科技界的心。依靠政府的大力扶持、潛在市場的巨大規(guī)模以及已經(jīng)逐漸落地的海量應(yīng)用場景，中國已然成為世界上潛力最大的人工智能市場之一。

在今年2019世界人工智能大會上，一份《中國人工智能芯片產(chǎn)業(yè)發(fā)展白皮書》再次引爆了整個科技界。根據(jù)白皮書的統(tǒng)計，中國人工智能應(yīng)用重點集中在安全、金融和商業(yè)三大領(lǐng)域，2018年中國人工智能核心產(chǎn)業(yè)規(guī)模超過900億元，預(yù)計2020年將超過1600億元。

而在諸多人工智能應(yīng)用場景中，圖像識別則是最為重要的應(yīng)用之一。正如清華大學(xué)微電子所所長魏少軍教授在世界人工智能大會的演講中所說，數(shù)據(jù)、算法和算力是人工智能的三大驅(qū)動力。而在圖像識別應(yīng)用中，采集圖像數(shù)據(jù)的CMOS圖像傳感器，又分別在這三大驅(qū)動力的背后起到了怎樣的重要作用呢？

一、視覺，人與機器的第一感知

如果問一個人，最重要的感官是哪個？大部分人的答案一定是——視覺。正如同眼睛為大腦提供了最多的外界感知信息一樣，在未來的人工智能應(yīng)用場景中，CMOS圖像傳感器也將成為感知層面最重要的傳感器。

人工智能的發(fā)展離不開海量的數(shù)據(jù)，而這些數(shù)據(jù)中的大部分都是圖像數(shù)據(jù)。因此可以這么說，人工智能應(yīng)用的崛起就是CMOS圖像傳感器繼移動設(shè)備普及之后的第二次爆發(fā)機會。我們不妨看看目前人工智能最主要的應(yīng)用場景，包括人臉識別、自動駕駛、智能家居等，都需要大量的CMOS圖像傳感器提供圖像數(shù)據(jù)。

而人工智能豐富的應(yīng)用場景則會帶來多樣的問題——低光照、高速運動、功耗限制等，這些問題無一不在考驗CMOS廠商的產(chǎn)品開發(fā)實力。可以說，海量的數(shù)據(jù)采集需求為傳感器領(lǐng)域帶來了巨大的商機，同時也引入了更多全新挑戰(zhàn)。而在應(yīng)對這些挑戰(zhàn)的過程中，更注重創(chuàng)新的國內(nèi)新興CMOS圖像傳感器廠商往往比相對保守的國際巨頭表現(xiàn)更好。

二、沒有準(zhǔn)確的圖像數(shù)據(jù)，何談深度學(xué)習(xí)

談及圖像識別算法，必然繞不開“深度學(xué)習(xí)”這個概念。圖像識別，本質(zhì)上就是分析圖像傳感器獲得的圖像數(shù)據(jù)，并識別出圖像中的待識別物體，因此，圖像識別算法的開發(fā)至關(guān)重要。目前，圖像識別算法的開發(fā)已經(jīng)有將近三十年的歷史了，從最早的人工特征提取方式，到“深度學(xué)習(xí)”概念提出后，利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取、分類等操作，再到使用一個網(wǎng)絡(luò)的端對端模型來完成識別任務(wù)，算法開發(fā)者們正逐漸地革新算法，從而實現(xiàn)更快的速度、更低的資源消耗、更少的學(xué)習(xí)成本，乃至達(dá)到實時的圖像識別。

正如“看”離不開大腦也離不開眼睛一樣，利用深度學(xué)習(xí)進(jìn)行圖像識別，也離不開“機器眼”——CMOS圖像傳感器。算法開發(fā)者都知道，圖像數(shù)據(jù)中噪點的數(shù)量會直接影響最后識別的結(jié)果，過多的噪點甚至?xí)?dǎo)致準(zhǔn)確率下降到一個無法承受的程度。同時，由于CMOS成像原理造成的諸如快速運動下的“果凍效應(yīng)”、像素驅(qū)動模式造成的“LED頻閃”等諸多成像問題，都會導(dǎo)致深度學(xué)習(xí)算法無法獲得準(zhǔn)確的圖像數(shù)據(jù)。

因此，圖像識別算法的革新以及應(yīng)用的開發(fā)，也離不開CMOS圖像傳感器開發(fā)者的努力。正如同眼腦合作才能視物一樣，只有CMOS圖像傳感器和圖像識別算法的緊密合作，才能實現(xiàn)真正實用的實時圖像識別。

三、從云端到云邊一體再到傳感器端運算

人工智能的物理基礎(chǔ)，就是由人工智能芯片組成的算力。而根據(jù)《中國人工智能芯片產(chǎn)業(yè)發(fā)展白皮書》的預(yù)測，隨著邊緣計算的發(fā)展和邊緣端人工智能芯片的發(fā)展，人工智能算力正在經(jīng)歷從云端到云邊一體的發(fā)展過程。

云端計算往往聚焦非實時、長周期的大數(shù)據(jù)分析，而邊緣端運算則通過人工智能算法的前置，解放部分云端的計算資源，提高計算效率，增加整體算法的實時性。兩者互補，就能同時滿足強大運算性能和實時性的要求。因此，業(yè)界正在追求云邊一體的結(jié)合，從而實現(xiàn)更靈活的人工智能算法部署。

而隨著人工智能應(yīng)用場景的進(jìn)一步發(fā)展，在滿足實時性需求時，可能會出現(xiàn)邊緣端計算仍然無法應(yīng)對的情況，這時候就需要將人工智能算法進(jìn)一步前置，通過傳感器端的運算，減輕邊緣端算力壓力和數(shù)據(jù)傳輸帶寬壓力。雖然這一概念仍然處于初步探索階段，但已經(jīng)有國內(nèi)的CMOS廠商已經(jīng)開始探索這一概念的可能性了。例如國內(nèi)安防領(lǐng)域市占率第一的CMOS圖像傳感器廠商思特威科技，早在今年3月就已正式推出“SmartSensor”AI智能傳感器芯片平臺的概念。

四、三大驅(qū)動力融合方能塑造人工智能的未來

無論是數(shù)據(jù)（感知層）、算法還是算力，目前的產(chǎn)業(yè)發(fā)展往往還是以單一企業(yè)為主體，各個產(chǎn)業(yè)鏈環(huán)節(jié)的企業(yè)各自進(jìn)行獨立的創(chuàng)新，這在產(chǎn)業(yè)的新興階段往往能通過激烈的競爭誕生不少黑馬。但是，隨著產(chǎn)業(yè)的逐漸發(fā)展成熟，未來人工智能產(chǎn)業(yè)的發(fā)展將以合作為主線，若干個主要的生態(tài)系統(tǒng)或者平臺將崛起成為行業(yè)的核心。

中國新興的CMOS圖像傳感器廠商在這樣的生態(tài)系統(tǒng)或者平臺中，會處于何種地位呢？與擁有產(chǎn)業(yè)鏈優(yōu)勢的國際巨頭不同，中國新興CMOS圖像傳感器企業(yè)往往只專精于CMOS圖像傳感器領(lǐng)域本身，因此，只有積極參與生態(tài)系統(tǒng)和平臺的合作中，與整條產(chǎn)業(yè)鏈的各個環(huán)節(jié)開展緊密的協(xié)作，才能在人工智能應(yīng)用領(lǐng)域誕生出不容忽視的中國力量。

Arm模式在移動時代的巨大成功已經(jīng)證明，小而精的企業(yè)組成生態(tài)系統(tǒng)的商業(yè)模式也能取得堪比PC時代巨頭壟斷模式的成功。那么在下一個人工智能時代，一個融合了數(shù)據(jù)、算法和算力層面諸多創(chuàng)新企業(yè)的生態(tài)系統(tǒng)，也擁有美好的前途，而在這其中，CMOS圖像傳感器企業(yè)則將是 “必不可少”的配角。