您当前的位置:首页 > 金融

专访中科院半导体研究所研究员吴南健:人工智能视觉系统芯片将颠覆产业格局

发布时间:2019-05-01 13:44:03

  “大多数人对AI视觉芯片有些误解,认为做图像处理芯片的AI企业就掌握了全部的视觉技术,其实不然。”在中国,视觉独角兽的竞逐让视觉处理技术得到长足发展,近几年也正逐步应用于智能手机、安防监控、自动驾驶、医疗成像、智能制造等领域。

  不过,视觉处理芯片离不开信息的获取,必须依赖图像传感器。自人工智能技术带来芯片市场“去中心化”的机遇后,各种功能型芯片纷纷涌现。4月28日,中科院半导体研究所研究员吴南健博士向《每日经济新闻》记者表示,所谓视觉芯片,实际上是一种具有高速图像采集和实时图像处理功能的片上集成系统芯片。

  吴南健是中国科学院半导体研究所半导体超晶格国家重点实验室研究员,负责和领导设计完成芯片40余款。2011年他与团队成功研制出新型视觉芯片并发表论文,但截至目前尚未有企业实现“图像传感器+视觉处理器”集成式芯片的大规模量产。

  “这必将颠覆现有的产业格局。”对吴南健的专访是在首届长三角全球科创项目集中路演期间,而这也是人工智能视觉系统芯片项目的第一次路演。视觉系统芯片如何走向商业化运作?到何时才能为产业界所接受?吴南健表示:“大型企业不敢做抢饭碗的事,那么可以交给初创企业来做,这是一个慢慢转化的过程。”

  以下为每日经济新闻记者(以下简称NBD)对吴南健博士的专访:

  NBD:人工智能视觉系统芯片与现有的视觉芯片有什么不同?

  吴南健:人工视觉分为两个部分,类似于人的眼睛和大脑。人的眼睛是一个典型的图像传感器,能够摄取图像并且进行一些噪声去除等初级图像处理;人的大脑神经元网络是一个视觉图像处理系统,具有非常强的对所摄取的视觉信息进行并行处理的能力。

  目前国内外在人工视觉芯片领域的研究主要是CMOS图像传感器芯片技术、并行图像处理技术和CMOS集成技术。

  在CMOS图像传感器领域,目前国际技术水平朝着高分辨率、宽动态范围、高帧率、高智能化、宽波长范围和三维成像的方向发展。人工视觉系统芯片能够完成图像获取,和初级(图像滤波)、中级(特征提取)和高级(特征识别和不规则处理)三个图像处理步骤。

  随着对AI视觉技术的基础研究不断深化,从市场格局来看已经发展成为一个相对独立又相互依存的产业生态。在前端,索尼是图像传感器市场、生产和技术的领导者,紧随其后的三星和豪威科技也保持着不错的竞争力;在后端,Mobileye和英伟达(NVIDIA)是提供视觉处理芯片的主要厂商,在国内该领域的公司有地平线等。

  而人工智能视觉系统芯片是将高速CMOS图像传感器、并行信号处理单元和输出电路集成于单一芯片内,实现实时视觉芯片系统,对于现有的产业而言相当于一种颠覆性的芯片。将不同功能的技术集成在一个芯片上有很多优势,简单地说视觉系统芯片在处理能力、速度、功耗和成本上有较高匹配度。

  但是,不管是现在的创业企业也好,还是已经在市场上占有一定份额的大企业,他们不是做图像传感器,就是做后端的视觉处理器。

  NBD为什么没有企业选择尝试将图像传感与处理集成在同一个芯片上?

  吴南健:事实上有,索尼就做这个事情,在2017年的年报中可以看到,他们有一支团队在做人工视觉系统方面的研究,但是没有做大。我也曾经与他们交流过芯片设计经验,索尼对此有兴趣,但他们有所顾虑,说做集成可能将会面对无法估量的局面。

  且不说索尼已经在智能手机领域投入了大量心血,仅从图像传感器的市场竞争格局来看,有索尼、三星和豪威三家企业,一旦将视觉芯片集成后,一方面若是后两家团结起来,可能会动摇索尼在整个市场中的地位;另一方面因为把后端(视觉处理器)企业的饭碗抢走了,对产业生态会产生破坏性的影响。那么做视觉处理器的企业也是同样的想法。

  但是以我个人的观点,视觉系统芯片是否会成为必然的趋势?我觉得会。就像手机和相机结合成就了智能手机一样,目前在技术上已经突破了填充率低、分辨率低和信号干扰严重的难题,将科研成果转化并投放市场只不过是时间问题。而对于大型企业最担心的方面,如果是一家完全创新型的企业来做,就不存在这种顾虑。

  NBD:视觉系统芯片如果在未来实现产业化,其市场空间有多大?

  吴南健:对于这一点,我们做过推算。2018年,图像传感器的市场规模在150亿美元左右,虽然其中120亿美元发生在智能手机领域,但未来发展比较快的四个领域是安防、国防、汽车、医疗,到2021年将会迎来40亿美元的市场空间,年增长率大约是10%~20%。

  视觉处理器的需求增长会更快,目前该市场的整体规模(包括硬件、软件、服务)在170亿美元至180亿美元,单从硬件来看也占到了30亿美元左右。如果视觉系统芯片可以覆盖70亿美元的市场规模,企业在这中间拿到1%的市场规模的话,其盈利空间就已经很大了。

  NBD:那么,让AI视觉技术真正从实验室走向应用落地,有哪些准入门槛?

  吴南健:目前基于该技术的产成品已经试用于一些创新企业,比如在工业产品的自动化检测领域完全可以使用视觉系统芯片代替人工检测;在智能监控领域,过去需要将视觉处理芯片装在具有传感器技术的摄像头上,通过把数据结构化、再压缩送到数据中心的复杂方式完成数据传输和计算,以后可能就会破坏这种结构。

  要知道,集成电路具有显著的资金密集、技术密集、人才密集的行业特征,因此每一项门槛对企业的要求都非常高。在技术上,经过几十年的研究,现阶段至少把较难的问题理解了,核心问题在实验室已经克服了,这是因为它集成了有关电和光两种芯片,目前在国内只有为数不多的团队能够做到。

  但想要实现真正的商业化还有很多门槛,首先是资金的问题,一直靠国家的项目来支撑做产业化是不太可能的,所以需要寻求社会资本的支持;其次是人才的问题,前期主要关注在技术研发上的人才筹备,但后期更需要工程团队与市场团队的加入,才能更好地让企业客户理解新型视觉系统芯片的优势与实用性。