去年以來，人工智能從技術走向應用，從云端走向終端。隨之而來的是各類公司對各個應用場景的挖掘。為了滿足人工智能終端設備對計算的需求，人工智能芯片趁勢興起。
當前，人工智能主流的應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、看清周圍環境的能力異常重要。但圖像質量恰恰是其中的一個痛點——現有的攝像頭對光線環境的適應力太差，遠不如人眼，輸出的低質量圖像數據嚴重制約了AI算法的能力發揮。
但在四年之前，就有一家公司成立，力圖解決這個問題。日前，智東西造訪眼擎科技，與GTIC 2018重磅嘉賓——眼擎科技創始人兼CEO朱繼志進行深度對話，了解了這家公司4年來在技術上的修行，以及其成像引擎將對AI應用所起到的價值。
一、技術研發：耗時四年打磨 目標超越人眼
北大電子系畢業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歷中，朱繼志負責視頻圖像的技術開發工作以及技術的產品化，對技術與產品的雙重經驗讓他成為了圖像處理這個行業的老江湖。
后來，朱繼志又投身芯片行業，擔任國內最大芯片分銷商副總裁，在8年的時間里對接手機、家電、汽車等對芯片有大量需求的行業，也摸透了芯片的產品開發邏輯與下游行業的不同需求。
這兩段經驗日后被捏合，成就了現在的眼擎科技。
2014年，對圖像處理行業仍保持高度關注的朱繼志看到了一個機會——人們日常生活中的相機實在是太過孱弱：逆光、暗光、強光、多光源，任意一種復雜光線情況，都會讓相機輸出的圖片不忍直視，不是暗部一團黑就是亮部一片白，再加上各種顏色失真、噪點爆表，與人眼所見相去甚遠。而在數碼攝影誕生的數十年里，盡管成像的關鍵元器件——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。
當年，朱繼志主導成立了眼擎科技，英文取名“eyemore”，意在使其產品的成像能力對標乃至趕超人眼。
朱繼志認為，現有的成像系統對光線適應能力差與產業鏈上游的日系廠商主導的全局成像路徑有很大的關系。而朱繼志對此的解法是——分區域、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格子中的數字信號進行分別計算，使得每個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，朱繼志帶領團隊打造了一個原型，經過驗證，技術可行。當年，眼擎拿到了來自柔宇科技投資人楊向陽的天使投資。
但事情遠沒有那么簡單。成像算法是一個牽一發而動全身的事情，或許只是為了調整了一個暗部的亮度，整張圖片的亮度就同時生變。要使成像算法能夠應對各種光線條件，就需要針對一個個場景進行具體的調參。比如自動駕駛車進隧道時，光源會從自然光瞬間變成人造光，光線強度也會經歷強—弱—中這樣的快速變動，此時攝像頭穩定輸出明亮、清晰圖像的能力將大受挑戰。
要應對這種情況，只能去隧道實地測試，一遍遍地優化應對這種場景的算法。而不同的場景，還有很多， 這件事花了眼擎團隊三年。
同時，為了滿足更復雜成像架構帶來的巨大運算需求，眼擎還打造了一個獨立ISP（Image Signal Processor，圖像信號處理器），來承載眼擎自研的算法。
二、產品落地：芯片承載成像引擎 為AI機器打造視覺器官
到2017年，眼擎的成像方案初步成熟，接下來該進入產品化的階段。
在進行技術開發的幾年中，眼擎曾面向消費者市場推出過Demo類的產品進行探索。但朱繼志很快發現普通消費者對成像效果的喜好似乎是個玄學——人們根據不同的需求，對圖像質量的評判各有一套主觀的標準。或許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。眼擎準確輸出圖像中各種物體色彩、紋理、材質細節的能力，在這種情況下并沒有形成優勢。
不過這幾年暴漲的機器視覺市場為眼擎提供了更大的機會。無論是手機上的人臉識別、還是安防、或是自動駕駛，對運行人工智能算法的機器來說，它們需要的都是客觀、準確、清晰的圖像數據，這正是眼擎的強項。
找準To B的市場，眼擎的產品應運而生——eyemore X42成像芯片。這塊成像引擎芯片凝聚了眼擎創業四年的成果，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，由于采用全新的成像架構，其單像素的計算能力比封裝在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。
這些參數的背后，是它面對復雜光線實打實的高素質成像能力。在智東西實際體驗的弱光成像演示中，搭載了眼擎成像引擎方案的攝像頭在室內只有一臺電腦顯示屏作為光源的條件下，呈現出了明亮、清晰、色彩還原度相當高的圖像，而手機在這種場景中為了拍出明亮的電腦顯示屏，已經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。
▲上圖為暗光環境下eyemore成像效果 下圖為正常光線條件下現場圖片
在不依靠紅外光等主動照明的情況下，眼擎的的確確實現了弱光環境下對人眼的超越。在朱繼志看來，這非常關鍵。
他很認同馬斯克在自動駕駛上的一個看法——“激光雷達是自動駕駛的拐杖。”朱繼志認為激光雷達之所以在自動駕駛中如此受歡迎，正是攝像頭的被動光學成像沒有將潛力發揮到極致，才需要激光雷達這樣的主動光學成像系統。但一旦攝像頭能在更復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質的圖像數據可用，能夠進一步發揮其在識別物體、感知環境上的能力。
畢竟，人類依靠雙眼已經能夠很好地完成駕駛任務。比人眼更加優秀的成像系統，不僅將使自動駕駛變得更加容易，也能夠運用在其他場景中。
不過，朱繼志認為這還不夠。因為人眼擁有的超強視覺能力，并不只在于擁有多么優秀的光學系統，更重要的是，它通過神經與大腦無時不刻地進行著交互，通過聚焦的形式屏蔽不重要的信息，將注意力放在真正關鍵的視覺區域和物體上。
要達到真正的智能，處在成像步驟前端的眼擎，需要和后端的AI進行交互，了解AI真正需要什么。于是，眼擎的團隊又為成像引擎設計了一套與后端AI算法的交互架構，來獲知AI對圖像的需求。在必要的時候，這套設計可以像人眼的聚焦一樣，將計算資源集中起來，對AI關心的某一幀圖像或者圖像中的某個區域進行更高質量的成像。
朱繼志稱，這種與AI系統的交互能力，將使得成像系統真正成為AI的有機器官。
三、商業定位：做技術方案商 已找到四大應用場景
在eyemore X42成像芯片的量產提上日后后，2018年，眼擎的工作重點開始變為將技術運用到各類終端產品。
這時候，朱繼志在芯片行業的經驗開始進一步發揮作用。目前，眼擎為其技術先確立了六大應用場景：自動駕駛（汽車）、手機、安防、工業檢測、機器人、無人零售。這其中大部分，都是朱繼志曾經接觸過的下游。
在商業模式上，朱繼志想得很清楚，這些行業都有不低的進入門檻，有些早已巨頭林立，因此眼擎選擇的方式是賦能——定位上游的技術方案商，向下游打造終端產品的公司輸出自己的成像能力。
為了讓成像引擎這個新生兒更好地被合作伙伴們驗證、接受，在eyemore X42這枚ASIC芯片量產之前，眼擎就用FPGA打造了開發工具套件，供下游公司試用，也借此收集反饋意見。
到eyemore X42量產時，眼擎又提供不同能力的API接口，降低下游的開發難度。
目前，眼擎已經與電商行業的公司合作，打造出了一款智能3D掃描儀。在這臺單目的深度相機上，眼擎提供了單次曝光同時呈現亮部、暗部細節，以及準確輸出商品色彩、紋理的能力。
今年，眼擎正在和超過20家來自不同行業的公司合作，讓eyemore X42成像芯片進入各類終端產品中。在自動駕駛這個場景，眼擎的合作伙伴不乏自動駕駛的頭部明星公司。今年五月，眼擎將針對這一市場推出超寬動態輔助駕駛視覺成像方案，視覺動態范圍超過100dB，并且滿足車規要求。
而面向不同行業的具體需求（比如汽車行業的芯片需要過車規），眼擎也將采取IP授權的形式，讓相關行業的公司來對芯片進行針對性的開發、生產。
結語：從底層搶占人工智能時代的視覺入口
在近兩年的人工智能發展高潮中，以后端為主的人工智能算法公司層出不窮，并率先獲得廣泛關注。AI視覺算法公司，在其中占據了大頭。
而隨著AI的概念逐漸明晰、產業進一步發展，人工智能越來越快地走向落地、走向普通人的日常生活、從云端走向終端。這時候，承載軟件算法的計算硬件重要性凸顯出來。
而回過頭看，由于硬件的高門檻，有勇氣踏入這個方向并耐得住數年寂寞研發技術的公司并不多。
從底層入手，花四年打磨技術的眼擎，已經在產業鏈中占住了一個空當，分食越來越大的AI視覺蛋糕。