亿智电子吴浪：超百万颗芯片量产落地，AI芯片规模化落地的四大难点 | GTIC2020( 二 ) 芯东西（公众号：aichip001）编辑|韦世

2016年起，基于安卓芯片的算力发展让人脸设备实现了大规模应用，安卓芯片CPU为应用提供了算力，包括引入深度学习算法。但这时，行业也碰到了很多算力限制，设备除了做人脸识别外还有更广泛的应用场景，这些都对芯片算力提出了更高要求。
2019年以后，专门基于AI的SoC开始大规模商用，芯片的发展与产品的需求形成了互相拉动的关系。
三、三大领域的AI芯片落地趋势，行业的AI需求正在爆发吴浪提到，现阶段在人脸方面的安防应用落地都较为相似，例如产品形态大小多为7-11寸的面板机，但每个具体应用中的实际算法却大不相同。
例如在工地中，除了需要人脸识别外，还需要安全帽识别，同时由于工地环境原因，人脸容易沾染灰尘或者其它物质，这个场景下又需要基于人脸有污渍情况下的识别。
在疫情影响下，办公楼宇除了人脸识别，还需要活体、口罩、测温的识别需求。其中，亿智电子有一个客户将人脸识别应用在酒店考勤中，除了识别人脸外，还需要识别员工的笑脸，以评测员工的表情是否合格。也就是说，依赖人脸识别扩展出来的许多人脸周边的识别场景正在慢慢深入应用。
在汽车电子领域， 2015年至2016年，许多国家及地区对汽车安全提出较高需求。 2018年，我国将ADAS（高级驾驶辅助系统）纳入安全法规，并在2019年对AEB（自动紧急制动系统）及商用车的部分场景提出了强装试用的要求。
现阶段，该领域主要以赋能辅助驾驶为主，包括疲劳检测、驾驶员行为等相关服务。未来，行业除了对汽车本身的安全性提出更高要求外，也会对汽车电子化发展提出越来越多的AI需求。
文章插图
在智能硬件领域，吴浪认为，当下越来越多好玩又实用的智能化产品正在逐步落地，例如高尔夫追踪相机、室内番茄基地监控等。
在这一领域，亿智电子基于自身的SV806芯片开发了一个云台商用方案，其真实大小比硬币的面积还要小。
在智能交互方面，人类信息化经历了PC时代、移动互联网时代，接下来进入物联网时代，每一次发展都给交互带来很大的改善或提升。
例如，人们在PC时代的交互多采用键盘和鼠标，移动互联网时代则使用触摸+指纹，随着5G物联网时代的到来，如今有越来越多基于AI手势的交互场景在落地。同时，智能音箱、智能机器人也实现了手势交互的应用。
【亿智电子吴浪：超百万颗芯片量产落地，AI芯片规模化落地的四大难点 | GTIC2020】吴浪举例了比较典型的AI赋能智慧校园场景。从校车考勤到校门人脸考勤，再到教室考勤、食堂刷脸支付、宿舍门禁等，针对学生在学校中的各种活动，都可以通过利用5G和AI进行落地。
不仅如此，随着AI赋能各种行业、各种场景， AI在to G、to B、to C非常多的场景都能实实在在地落地。
文章插图
但吴浪认为，目前大部分AI产品都用于改善传统工作流程，提高工作效率，减少标准化重复的一些体力或脑力劳动。
例如，基于安防的人脸识别，早期需要人工把所有视频中的各种人脸进行比对，通过行为分析去做抓取，今天则通过AI来大大提升这些工作效率。
与此同时，以前AI创业公司常常需要教育客户，告诉客户AI技术能做什么产品，能帮助客户改善什么体验，但现在这个方式已开始发生变化，客户已开始主动提出越来越多的AI产品需求，意味着行业的AI需求正在慢慢爆发。
四、AI芯片规模化落地的四大难点，端侧发展潜力巨大吴浪谈到，如今亿智电子落地的芯片产品已达百万，但在落地过程中也遇到了AI难落地、难大规模落地等难点。