算法定义硬件，旷视把AI装回黑盒子

鱼羊 丰色 发自 凹非寺

量子位 | 公众号 QbitAI

这年头，日常生活里的AI应用，那可真是细到头发丝儿里了。

身处加油站，却有人偷偷摸摸抽起了烟？如此危险行为，AI的小眼睛第一时间就能盯上。

居民区里，高空抛物令人头大，但有AI站岗，便能直击现场发出警报。

老人摔倒、甚至是厨房垃圾桶盖没盖盖儿这样的细节之处，AI也通通都能cover到。

工地等安全系数需拉满的场景更不用多说，从烟雾检测到看谁没戴安全帽、忘穿反光衣什么的，对AI来说都不在话下。

最重要的是，想要引入这样的AI“巡查员”，现在不再需要专门安装新的智能摄像头等设备。

说出来你可能不信，以上所有场景所有任务，甚至一只“盒子”就能hold住。

一只AI“盒子”的魔力

没错，就是这么一只10寸大小的真·盒子：

这只“盒子”来自旷视，开头提到的这么些个AI应用，都是它的实际落地案例。

单从硬件角度来看，这个名为“魔方智能分析盒”的设备，内置一颗AX630全国产AI芯片，INT4算力达28.8TOPS——

妥妥的一个边缘计算产品。

可如果加上其背后的一大堆AI算法，事情就发生了一些变化：

有了算法加持，再通过RTSP（实时流传输协议）、国标等协议与前端相机产品快速对接，它就能完成“人脸检测”、“烟雾检测”、“危险行为检测”等诸多不同类型检测任务，适配加油站、社区、园区、工地等各种应用场景。

也就是说，原有的摄像头不用动，加上这么一只魔方盒子，就能完成各种检测系统的智能化升级。

是不是有点方便？

说到这，你可能也看出来了，与目前市面上常见的物联网智能设备不同，这只魔方盒子的侧重点不在硬件，而在算法。

甚至可以说，这个硬件最终的产品类型，是由算法来定义的——

把核心的解决方案都放到算法层面上，摆脱对硬件的依赖，让硬件尽量通用，做到一套硬件产品就能应对诸多场景。

“算法定义硬件”

那么问题就来了，为何要另辟蹊径，用“算法定义硬件”？

这事儿还得从物联网行业现状说起。

长期关注AI的朋友们都知道，安防是AI最早应用落地的场景之一。无论是AI公司还是海康威视这样的老牌科技企业，围绕AIoT （人工智能物联网）这个概念，最多的案例就是在安防场景展开。

但有智能化需求的物联网场景，远不止于安防。

2021年的数据显示，在AIoT领域，AI的渗透率仅为4%，还有96%的场景没有被AI渗透。

数据背后，反映出的正是AIoT当下面临的最大痛点之一：需求的碎片化。

从技术角度来解释这个问题，就是在安防这样需求量大，场景又相对单一、集中的业务中，算法可以不断复用、迭代。

但如果换成电瓶车检测、垃圾分类、高空抛物等等更为碎片化的场景，受限于当前的AI技术，无论是数据采集还是算法复用，都存在较大的困难。

而这样的碎片化场景，才是AIoT的大头。

传统解法：海量硬件+定制算法

如何解决？

传统解法简单粗暴：海量硬件 + 定制算法。

也就是说，检测电瓶车就用专门检测电瓶车的摄像头，检测高空抛物则用检测高空抛物专用的硬件设备。在这样的产品体系下，甚至能出来几万种不同的摄像头。

具体到一个场景中，以智慧社区举例，如果一个社区既有电瓶车检测的需求，又有智能警戒、室外通道占用检测的需求，整个工作流就会变成这个样子：

首先，要提前勘定不同的点位，确定哪个点位部署哪种硬件设备。然后根据这些具体的需求，去分别下单、采购不同类型的产品。

如此一来，就对现场规划和勘点提出了较高的要求，并且一旦设备部署进来，要对不同点位的功能进行调整也会比较困难。

说到这里，想必其中的问题你也就看出来了。

其一，碎片化物联网场景下，“海量硬件 + 定制算法”欠缺灵活性，硬件建设和维护成本较高，基本上想要针对新需求部署新算法，就得重新换硬件。

其二，更深一层从技术实践的角度来说，由于解决方案很大程度上依赖于硬件功能，算法就或多或少需要做出妥协，在业务需求和硬件之间做平衡，导致最适配的算法往往并非最优解。

新思路：软硬一体，最大化算法优势

面对这样的市场现状，旷视作为一家以AI算法技术起家的公司，就逐渐摸索出了所谓“算法定义硬件”的新思路。

正如前文所说，也就是反其道而行之，以算法为核心去解决场景差异化的问题，弱化对硬件特性的依赖。

同样以智慧社区的场景来举例，在选用旷视魔方智能分析盒的情况下，确定检测点位数量之后，只需采购统一的硬件。

而后，再根据具体规划，在不同的点位安装不同的算法包即可。比如，需要在电梯里监测电瓶车是否进入电梯，那么就加载安装电瓶车检测的算法包。

后续如果需要将该点位改用来检测烟火，也无需更换硬件，换上烟火检测的算法包就行了。

简单总结一下，在魔方盒子这一类产品中，旷视所做的，就是基于软硬一体的能力，从最大化算法能力的需求出发，自研硬件。

通过加载不同算法包的方式，在一种硬件设备上形成不同的产品，使硬件本身更加通用、标准化。

如此，站在用户的角度来看，一方面，在旧有的系统上做智能化改造成本会变得更低，更多潜在需求能更低成本地实现。

另一方面，产品本身从算法出发，最大化发挥算法的优势，能实现更高的性价比。比如通过算法来针对性地优化较低等级的新品，使其达到更高的算力、精度水准。

值得一提的是，这还只是“算法定义硬件”的第一阶段。

旷视透露，随着算法分发平台的完善，硬件将进一步演化成为算法的载体。就像特斯拉的OTA，算法更新就能给硬件产品带来新功能。

AI公司突围之机

事实上，长期以来，在安防等物联网场景之中，虽然智能化能力的重要性愈发显现，但外界仍不免有疑问：AI公司作为后来者，竞争优势究竟何在？

在供应链、渠道等商业领域，传统强企无疑具备先发市场优势，这使其在以硬件为主导的标准化产品领域早早奠定霸主地位。

但如今看来，也正因如此，在越来越多量产硬件产品难以覆盖到的碎片化场景中，恰恰存在AI公司的突围之机。

旷视的“算法定义硬件”，便是一条具有代表性的AIoT突围路径：算法本质上是直接面向各种应用场景的，天然更接近于用户的需求，以算法为核心，才有可能让硬件满足AIoT的海量应用场景需求。

相较于传统强企，AI公司的核心优势，还是体现在对于AI技术的长期钻研和深入洞察。这种优势具体体现在：

• 在基础模型研究上的长期投入，对于算法模型有更深刻的理解；
• 处于行业领先地位的算法精度；
• 算法量产能力，能够高效产生海量算法，降低算法生产门槛；
• 更具可扩展性的平台，能根据用户场景的变化，实现高效灵活的算法迭代；
• 具备软硬一体化的产品能力，最大化算法优势。

……

如此看来，在AIoT时代，以AI算法见长的AI公司，已经具备了先发优势。