去年以來，人工智能從技術(shù)走向應(yīng)用，從云端走向終端。隨之而來的是各類公司對各個(gè)應(yīng)用場景的挖掘。為了滿足人工智能終端設(shè)備對計(jì)算的需求，人工智能芯片趁勢興起。

當(dāng)前，人工智能主流的應(yīng)用仍是圍繞圖像做文章，尤其對于自動駕駛，通過攝像頭看懂、看清周圍環(huán)境的能力異常重要。但圖像質(zhì)量恰恰是其中的一個(gè)痛點(diǎn)——現(xiàn)有的攝像頭對光線環(huán)境的適應(yīng)力太差，遠(yuǎn)不如人眼，輸出的低質(zhì)量圖像數(shù)據(jù)嚴(yán)重制約了AI算法的能力發(fā)揮。

但在四年之前，就有一家公司成立，力圖解決這個(gè)問題。日前，智東西造訪眼擎科技，與GTIC 2018重磅嘉賓——眼擎科技創(chuàng)始人兼CEO朱繼志進(jìn)行深度對話，了解了這家公司4年來在技術(shù)上的修行，以及其成像引擎將對AI應(yīng)用所起到的價(jià)值。

一、技術(shù)研發(fā)：耗時(shí)四年打磨 目標(biāo)超越人眼

北大電子系畢業(yè)的朱繼志在成立眼擎科技之前，先任職于中興視訊通訊部。在這段為期十年的工作經(jīng)歷中，朱繼志負(fù)責(zé)視頻圖像的技術(shù)開發(fā)工作以及技術(shù)的產(chǎn)品化，對技術(shù)與產(chǎn)品的雙重經(jīng)驗(yàn)讓他成為了圖像處理這個(gè)行業(yè)的老江湖。

后來，朱繼志又投身芯片行業(yè)，擔(dān)任國內(nèi)最大芯片分銷商副總裁，在8年的時(shí)間里對接手機(jī)、家電、汽車等對芯片有大量需求的行業(yè)，也摸透了芯片的產(chǎn)品開發(fā)邏輯與下游行業(yè)的不同需求。

這兩段經(jīng)驗(yàn)日后被捏合，成就了現(xiàn)在的眼擎科技。

2014年，對圖像處理行業(yè)仍保持高度關(guān)注的朱繼志看到了一個(gè)機(jī)會——人們?nèi)粘Ｉ钪械南鄼C(jī)實(shí)在是太過孱弱：逆光、暗光、強(qiáng)光、多光源，任意一種復(fù)雜光線情況，都會讓相機(jī)輸出的圖片不忍直視，不是暗部一團(tuán)黑就是亮部一片白，再加上各種顏色失真、噪點(diǎn)爆表，與人眼所見相去甚遠(yuǎn)。而在數(shù)碼攝影誕生的數(shù)十年里，盡管成像的關(guān)鍵元器件——CMOS圖像傳感器（此前也流行CCD，但已退出主流市場）一直保持著迭代，但直到今天，這些問題都沒有得到有效解決。

當(dāng)年，朱繼志主導(dǎo)成立了眼擎科技，英文取名“eyemore”，意在使其產(chǎn)品的成像能力對標(biāo)乃至趕超人眼。

朱繼志認(rèn)為，現(xiàn)有的成像系統(tǒng)對光線適應(yīng)能力差與產(chǎn)業(yè)鏈上游的日系廠商主導(dǎo)的全局成像路徑有很大的關(guān)系。而朱繼志對此的解法是——分區(qū)域、分層成像，即將成像對象分解為大量的小格子，用自研的成像算法對每個(gè)格子中的數(shù)字信號進(jìn)行分別計(jì)算，使得每個(gè)小格子中的圖像都輸出最好的成像效果。

原理聽上去不難理解，公司成立的第一年，朱繼志帶領(lǐng)團(tuán)隊(duì)打造了一個(gè)原型，經(jīng)過驗(yàn)證，技術(shù)可行。當(dāng)年，眼擎拿到了來自柔宇科技投資人楊向陽的天使投資。

但事情遠(yuǎn)沒有那么簡單。成像算法是一個(gè)牽一發(fā)而動全身的事情，或許只是為了調(diào)整了一個(gè)暗部的亮度，整張圖片的亮度就同時(shí)生變。要使成像算法能夠應(yīng)對各種光線條件，就需要針對一個(gè)個(gè)場景進(jìn)行具體的調(diào)參。比如自動駕駛車進(jìn)隧道時(shí)，光源會從自然光瞬間變成人造光，光線強(qiáng)度也會經(jīng)歷強(qiáng)—弱—中這樣的快速變動，此時(shí)攝像頭穩(wěn)定輸出明亮、清晰圖像的能力將大受挑戰(zhàn)。

要應(yīng)對這種情況，只能去隧道實(shí)地測試，一遍遍地優(yōu)化應(yīng)對這種場景的算法。而不同的場景，還有很多， 這件事花了眼擎團(tuán)隊(duì)三年。

同時(shí)，為了滿足更復(fù)雜成像架構(gòu)帶來的巨大運(yùn)算需求，眼擎還打造了一個(gè)獨(dú)立ISP（Image Signal Processor，圖像信號處理器），來承載眼擎自研的算法。

二、產(chǎn)品落地：芯片承載成像引擎 為AI機(jī)器打造視覺器官

到2017年，眼擎的成像方案初步成熟，接下來該進(jìn)入產(chǎn)品化的階段。

在進(jìn)行技術(shù)開發(fā)的幾年中，眼擎曾面向消費(fèi)者市場推出過Demo類的產(chǎn)品進(jìn)行探索。但朱繼志很快發(fā)現(xiàn)普通消費(fèi)者對成像效果的喜好似乎是個(gè)玄學(xué)——人們根據(jù)不同的需求，對圖像質(zhì)量的評判各有一套主觀的標(biāo)準(zhǔn)?；蛟S某些人希望自己能被拍得更白，某些人則希望圖像里的色彩更艷。眼擎準(zhǔn)確輸出圖像中各種物體色彩、紋理、材質(zhì)細(xì)節(jié)的能力，在這種情況下并沒有形成優(yōu)勢。

不過這幾年暴漲的機(jī)器視覺市場為眼擎提供了更大的機(jī)會。無論是手機(jī)上的人臉識別、還是安防、或是自動駕駛，對運(yùn)行人工智能算法的機(jī)器來說，它們需要的都是客觀、準(zhǔn)確、清晰的圖像數(shù)據(jù)，這正是眼擎的強(qiáng)項(xiàng)。

找準(zhǔn)To B的市場，眼擎的產(chǎn)品應(yīng)運(yùn)而生——eyemore X42成像芯片。這塊成像引擎芯片凝聚了眼擎創(chuàng)業(yè)四年的成果，針對超過500種不同場景封裝了二十余種智能成像算法。同時(shí)，由于采用全新的成像架構(gòu)，其單像素的計(jì)算能力比封裝在SoC上的集成ISP提升了20倍。這塊芯片有著推動機(jī)器視覺再向前一步的力量，而朱繼志也喜歡把它稱為成像引擎。

這些參數(shù)的背后，是它面對復(fù)雜光線實(shí)打?qū)嵉母咚刭|(zhì)成像能力。在智東西實(shí)際體驗(yàn)的弱光成像演示中，搭載了眼擎成像引擎方案的攝像頭在室內(nèi)只有一臺電腦顯示屏作為光源的條件下，呈現(xiàn)出了明亮、清晰、色彩還原度相當(dāng)高的圖像，而手機(jī)在這種場景中為了拍出明亮的電腦顯示屏，已經(jīng)完全放棄了暗部的成像。而人眼在這樣的照度下，也早已無法分辨物體的色彩。

▲上圖為暗光環(huán)境下eyemore成像效果 下圖為正常光線條件下現(xiàn)場圖片

在不依靠紅外光等主動照明的情況下，眼擎的的確確實(shí)現(xiàn)了弱光環(huán)境下對人眼的超越。在朱繼志看來，這非常關(guān)鍵。

他很認(rèn)同馬斯克在自動駕駛上的一個(gè)看法——“激光雷達(dá)是自動駕駛的拐杖?！敝炖^志認(rèn)為激光雷達(dá)之所以在自動駕駛中如此受歡迎，正是攝像頭的被動光學(xué)成像沒有將潛力發(fā)揮到極致，才需要激光雷達(dá)這樣的主動光學(xué)成像系統(tǒng)。但一旦攝像頭能在更復(fù)雜的情況下看得比人清楚、比人看到更多的色彩，那么人工智能會有更加優(yōu)質(zhì)的圖像數(shù)據(jù)可用，能夠進(jìn)一步發(fā)揮其在識別物體、感知環(huán)境上的能力。

畢竟，人類依靠雙眼已經(jīng)能夠很好地完成駕駛?cè)蝿?wù)。比人眼更加優(yōu)秀的成像系統(tǒng)，不僅將使自動駕駛變得更加容易，也能夠運(yùn)用在其他場景中。

不過，朱繼志認(rèn)為這還不夠。因?yàn)槿搜蹞碛械某瑥?qiáng)視覺能力，并不只在于擁有多么優(yōu)秀的光學(xué)系統(tǒng)，更重要的是，它通過神經(jīng)與大腦無時(shí)不刻地進(jìn)行著交互，通過聚焦的形式屏蔽不重要的信息，將注意力放在真正關(guān)鍵的視覺區(qū)域和物體上。

要達(dá)到真正的智能，處在成像步驟前端的眼擎，需要和后端的AI進(jìn)行交互，了解AI真正需要什么。于是，眼擎的團(tuán)隊(duì)又為成像引擎設(shè)計(jì)了一套與后端AI算法的交互架構(gòu)，來獲知AI對圖像的需求。在必要的時(shí)候，這套設(shè)計(jì)可以像人眼的聚焦一樣，將計(jì)算資源集中起來，對AI關(guān)心的某一幀圖像或者圖像中的某個(gè)區(qū)域進(jìn)行更高質(zhì)量的成像。

朱繼志稱，這種與AI系統(tǒng)的交互能力，將使得成像系統(tǒng)真正成為AI的有機(jī)器官。