千亿级AI赛道开启规模落地新周期，产业更需重视生态交融

11月23日，<与非网>主办的“2022 AI视觉技术论坛”在线成功举办。与非网资深行业分析师张慧娟分享了在AI视觉领域的独家调研成果，长安大学副教授/AI领域专家杨云、虹科电子机器视觉项目技术总监徐嘉隆、AMD大中华区汽车业务系统架构师毛广辉，围绕AI视觉在多个领域的需求与实现进行了主题分享。

《与非网2022 AI视觉产业调研报告》发布

与非网资深行业分析师张慧娟分享了《与非网2022 AI视觉产业调研报告》，AI视觉作为人工智能当前发展和应用都比较成熟的领域，从资本热度、市场规模、场景泛化能力、对传统产业的带动效应等角度，都是产业的主战场，且增长动力较为强劲。

当前，市面上主流的AI视觉方案可以划分为三大类，分别是：低功耗AI视觉方案、AI IPC模组方案和AI算力盒子。对于这些AI应用的落地与实现，算力在其中的作用非常关键。与非网报告分析了约20家国产芯片厂商的产品和应用情况，既有传统的芯片厂商，也有初创和跨界的从事芯片开发的企业，面向手机、安防、金融支付、人脸识别闸机、智能门铃、家用摄像头、机器人、车载视觉等应用。

与非网报告显示，为AI视觉系统提供算力支持的计算架构中，CPU+GPU架构占41.8%，CPU+DSP占36.4%，CPU占30.0%，CPU+NPU占23.2%，CPU+FPGA占23.2%，CPU+DSP+NPU占11.8%。

从受调研企业所提供的AI视觉方案类型来看，定制化方案占53.2%。这反映了两层信息：第一，AI视觉方案面向的应用场景确实非常碎片化，需要大量定制化的方案来匹配用户需求；第二，过度的定制化不利于产业的规模化发展，也成为当前AI大规模落地的一个主要瓶颈。未来，通过模型的不断优化，以及算法泛化能力的提升等，行业在推进方案规模化落地方面还有较长的路要走。

行业专家共话AI视觉落地新机遇

长安大学副教授、AI领域专家杨云分享了《基于深度神经网络的公路隧道智能照明系统设计与实现》。她介绍，公路隧道是交通的关键环节，也是智能交通技术落地的重要工程场景，由于其半封闭的特殊工况环境，自然光无法直接照射，必须以人工照明方式，为驾驶人员提供安全通行的光照条件。

不过，公路隧道照明系统由于必须考虑自然光与人工照明互相切换、驾驶员视觉感知功能间断性减弱等问题，基于深度神经网络的多节点多源自适应智能隧道照明系统能够有效解决上述问题。YOLO网络（You Only Look Once）是目前计算机视觉领域中的端到端实时目标检测算法，该算法更接近人类视觉系统“瞥一眼”的信息处理机制，可实现单网络的多尺寸多目标快速检测和分类任务。通过在隧道视频监控模块中集成YOLO V5版本，可在全天候全时段识别隧道来往车辆，实现各种尺寸和型号车辆定位、分类和计数，实现进入、通过和离开隧道车辆实时追踪调光与非法目标预警功能。

虹科电子机器视觉项目技术总监徐嘉隆介绍了《一体化推理相机AI解决方案》。他提到，传统的图像处理往往耗费时间，且成本较高，而将AI部署在边缘，实现相机推理一体化，可以解决上述挑战。虹科智能相机集成了专用人工智能芯片“深海芯片”来支持硬件加速，相机运行的人工神经网络在几毫秒内即可完成推理，速度和精度都足以与AI相媲美。用户只需要一台相机就可以搭建视觉解决方案从图像采集、图像分析和处理到工业生产机器的控制的所有任务，能有效节省部署空间和成本。

虹科IDS NXT为工业应用创造了一个紧凑的嵌入式视觉平台，通过该平台，用户可以实现视觉解决方案所需的全部操作，包括图像采集、分析、处理以及生产设备的控制。虹科的IDS NXT相机可以自主生成独立于PC的结果，直接触发后续处理，简化并加速了工作流程，确保降低网络负载，减少能耗。

AMD大中华区汽车业务系统架构师毛广辉分享了《FPGA赋能CMS汽车电子后视镜》。据他介绍，汽车电子后视镜通过摄像成像技术的应用，解决了传统后视镜的缺点，并且在成像清晰度和亮度方面具有先天的优势，因此在市场上已经取得一定的量产成果。不过，电子后视镜仍面临一定发展挑战，主要包括：图像延迟眩晕、缺乏专用芯片处理ISP以及相应的功能，同时，在可靠性与功能安全、法规与驾驶习惯方面也面临一定挑战。

毛广辉介绍，AMD FPGA在赋能电子后视镜方面有一定优势：包括低延迟、灵活性、可扩展性、可定制、可靠性与安全性等，目前主要有两种配置方式来支持电子后视镜：FPGA集成在屏幕，与相机模组分离的方式；FPGA与相机集成在外耳，与舱内显示屏分离的方式。他认为，GB15084的发布将进一步刺激电子后视镜增量市场，各主机厂已着手准备优先搭载CMS功能的首发，电子后视镜取代传统后视镜的趋势将日益凸显。