王筱骄 科技日报记者 王春
11月26日-28日，2020世界5G大会举办，在本次大会的“5G与数字生活新消费论坛”上，与会专家对5G与数字芯片的发展进行讨论。在数字时代，如同扎实的文字功底是传情达意的“基础设施”，对于AI技术而言，芯片是核心元器件，是人工智能的基础设施。
从2014年开始，当人工智能计算机视觉芯片作为下一个科技和经济增长点的时候，无论是学院派还是科技寡头，行业中都将名义运算力作为“旗帜”来研发AI芯片。对此，上海肇观电子科技有限公司创始人冯歆鹏认为，评估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，这体现在运算图片的时候是否又“快”又“准”。
人工智能计算机视觉芯片性能利用率衡量标准在于，在运算图片的时候是否又“快”又“准”。以人脸识别的智能门锁应用场景为例，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。
肇观推出的“拳头产品”N1系列计算机视觉芯片，刷新了端侧AI芯片性能记录。N1系列芯片不同于市场上常见的计算机视觉芯片，并非AI协处理器，而是一款高度集成的主芯片。这意味着N1系列芯片除了具备信号采集功能、信号处理功能等计算机视觉芯片的“老本行”外，还能支持更多功能。
每个应用和系统厂商都在寻找在性能、功耗、成本等方面综合因素下合用的AI芯片。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需要不断的做仿真验证模型。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。在最初的技术战略选择上，肇观电子决定直接切入解决“利用率”这个AI芯片的核心痛点，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。
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%，但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。肇观团队连续奋战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。
攻破了这些技术难点，能为哪些行业降低成本，提高效率？冯歆鹏认为，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，更是“智慧城市”的重要载体。研发的新一代芯片能够让摄像头“看得清”，“看得懂”，极大提高识别效率；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。“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，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。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使成本大大降低，但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。“准”是考核计算机视觉AI芯片性能的关键指标。
据悉，肇观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”的性能可媲美英特尔旗舰产品Myriad X人工智能计算机视觉芯片。“在这个新兴的领域，大公司和小公司其实是在同一起跑线上。”冯歆鹏说，与大型公司相比，小公司更加灵活，决策链条更短，对于市场需求反应更快，试错成本也更低。“我们希望能在自己的领域中，时不时给市场带来惊喜”。
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，不愿意等待漫长的投资回报，就不能在底层技术上实现真正的创新。“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。”冯歆鹏说。
