格物行业洞察 > 人物专访 > 正文

泓观科技:以边缘计算连接物联网与人工智能

作者: 李晓利 时间:2018-01-02

日前,全球科技创业团队孵化投资机构Plug and Play(PNP)携手星河互联共同启动了“星启·PNP独角兽加速计划”。星河互联的强势加入,双方将在创业项目挖掘、孵化,创业公司与全球知名企业的对接合作等方面展开深入合作。以中国市场为主要基地,贯穿并整合全球的创新资源、投融资服务,助力创业公司满足大企业创新需求及特色产业的转型升级需求,加快独角兽进阶速度。泓观科技,就是入选2017星启·PNP 独角兽加速营的十家初创企业之一。

谈到入选星启·PNP独角兽加速营,泓观科技的创始成员表示:“这对于我们来说,一方面是对我们创立近两年来所取得进展和成绩的肯定;另一方面也给我们提供了更广阔的产业链资源对接平台。”

微信图片_20180102173929.jpg

泓观科技成立于2015年,位于中国北京中关村及美国硅谷。泓观科技的创始成员介绍到,放眼世界,泓观科技也是最先将边缘计算概念和全方位异构加速技术应用于嵌入端人工智能商业化的一拨创业企业之一,其定位于成为人工智能领域的全栈式技术产品提供商,致力于驱动深度学习技术的嵌入端部署与物联端赋能,并担当技术创新、应用落地与生态建设的关键角色。

泓观科技创始团队的三位成员均毕业于清华大学,并各自拥有十年以上科技界或工业界职业阅历,知识背景覆盖了体系结构、集成电路及行业工程等多项领域。在此基础上,三位创始成员构建并发展出了一个具备复合背景与贯通技术的研发及产品团队,聚焦于软硬件一体化的异构加速及边缘计算技术。

技术一定是服务于商业的

泓观科技所专注的的基于边缘计算的全方位异构加速技术,会给相关产业带来怎样的推助呢?泓观科技创始成员举了一个例子,如今深度学习的技术飞跃在使得人工智能的功能和性能大幅攀升,但同时更为复杂的算法模型也会消耗更多的硬件资源和功耗。那么,如何用技术的手段去提升硬件资源的使用效率,达到最优的性价比,以更少的资源实现更多的功能,是有着很大优化空间但也是很有挑战性的技术门槛的,而这一技术着力点正是泓观科技所擅长和聚焦的。

泓观科技创始成员在接受采访时对物联网资本论表示:“优秀的技术不一定都能够落地转化为优秀的商业。这个过程中有着太多技术之外的关键要素,首先要以应用需求为导向,同时需要对技术与生态发展路线有着足够的预见力。如果总是停留在因看到而知道的层面上,就很难敏锐的抓住稍纵即逝的商机。”同时,“技术的发展过程和商业的原则逻辑都是有其客观规律的,值得尊重和敬畏。”

对于成就商业来讲,技术可能只是一个用到的要素或者手段。“这些年我们见到过太多优秀的技术因为没有实现有效的商业落地从而错过了市场。好的技术不代表能够转化为产品;产品被做出来,不代表其具备市场竞争力;拥有了领先性,不代表可以与产业生态兼容。这种紧密相连接的环节一环扣一环,要把所有的环节全部处理好,才可能构成一个好的商业。”泓观科技创始成员这样强调。

那么泓观科技对此采取了什么样的策略呢?泓观科技创始成员这样告诉记者:“作为一家初创公司,我们对于自身的定位一贯有着清醒的认识,非常注重与产业生态的对接,创业初期一定要专注于自己该做的事情。我们认为,一家公司能够持续健康发展,一定要有自己的独立商业判断,有自己的路线和节奏。”

内嵌“深度学习”的智能终端产品

泓观科技的产品和方案可以被应用于多个行业领域,如公共安全、智能交通、智慧城市、消费金融、工业4.0等,均可实现商业落地。

以应用于安防领域的内嵌“深度学习”的智能网络摄像机为例,这是一款基于融合了新型加速器的异构处理器将“深度学习”完全部署于终端的嵌入式设备。

微信图片_20180102173959.jpg

该款智能网络摄像机能够实现全实时本地化的“深度学习”部署,拥有当前顶尖的终端级人脸检测速度,并支持多种模式,参数可灵活配置设定;支持数据远程扩展与交互;可达星光级标准,支持暗光环境下的全彩效果;且支持丰富的网络协议及智能化编码控制等。这款产品中,不论是实时高效的强智能应用还是完善的基础摄像及网络功能,均完全部署运行于安装灵活、小巧便携的嵌入端设备。 

微信图片_20180102173946.jpg

泓观科技会针对不同类型与定位的客户及厂商,灵活提供包含不同交付形态的全栈式产品,从而便于其以各自最为适合的方式实现快速无缝对接。

人工智能和大数据的关系

这一拨“人工智能”的热潮兴起,恰逢“大数据”的蓬勃发展时代。二者的相互关系,从而成为行业内外被时常探讨的热门话题。有一种观点曾经在一定的范围内大行其道:人工智能的核心就是大数据,没有大数据就做不了人工智能,其他要点与环节一概沦为配角。

对于这种“唯数据论”,泓观科技的创始成员认为这显然是一种偏颇的观点,“如果按照这个逻辑,那么只有拥有海量数据的公司(例如互联网公司巨头)才有资格研究人工智能技术,这么多人工智能创业公司几乎都可以自动关门大吉了。”“况且,当前人工智能领域中的一大热门研究正是如何利用小数据进行学习,或者通过迁移学习等手段,就如同人类一样,从而解决某个领域暂时或长期数据不足的问题。”“算法、算力和数据”都是构建实现人工智能的关键要素,在不同层面和类型的应用中,也许有着各自不一样的权重,但是没有必要刻意的托高或者踩低其中哪一个。”

泓观科技的创始成员从四方面分析阐述了数据在人工智能中的角色及特质:

第一,并不是所有数据都是有意义的数据。通过大量的实际人工智能应用案例可以看出, 大部分都是通过监督式学习的方法进行模型的训练。因此,数据必须是经过标定,且最好是根据应用的场景准确标定过。否则,空有海量的数据也是无意义。

第二,即使标注过的数据,也未必是”好数据”。从统计学角度讲,我们希望测试(应用)数据和训练数据分布尽量相似,这样才能达到更高的准确率。因此,如果理想情况下,训练数据和测试数据分布相同,则训练数据确实是多多益善。然而,在实际情况下不可能满足这一条件。所以,如果训练数据集中掺杂很多不同分布的数据,反而有可能起到反效果。

第三,给定一个模型结构,数量过大会反而会训练失败(不收敛)。干扰数据会起到反效果导致准确率降低。实际上,如果数据量过大,甚至会引起欠拟合,从而导致模型训练无法收敛,这经常发生在面向终端应用场景(如摄像头等嵌入式设备)的小模型上。

第四,对于终端应用场景,其所依托的硬件资源有限,通常都将模型尽可能的缩减、压缩,从而满足速度的要求。因此,在给定模型的前提下,训练数据达到一定量后,模型在测试集上的误差以很大概率接近模型在训练集上的误差,换言之,模型只要在训练集上表现良好,则模型有较强的泛化能力,既在实际应用时同样表现不错。

总而言之,合理的选择数据集,需要考虑应用的场景、算法模型的设计、预期的性能等多方面因素。尤其是针对终端特定应用场景时,数据贵在精而不在多。

边缘计算驱动物联网的智能进阶

物联网在未来十年里将迎来一个真正的高速发展期,泓观科技的创始成员对此这样评价。“这是一个非常依赖于技术驱动的产业,并不限于传感器、射频标签、通信、网络、系统等构成要素。伴随着当今集成电路技术在摩尔定律下的衍进发展,无数的物联节点作为边缘侧的前沿,不仅仅承载这感知、处理、传输这些功能,也将会在一定范围和程度内,把智能化的思考和判断也囊括进来。”

微信图片_20180102181419.jpg

“边缘计算的兴起,实现了人工智能与物联网之间的连接,将会把物联网提升到一个与以往不同的新境界,从而构建出更加广泛的、融合的多维度产业生态系统。”边缘计算未来必定与物联网产业紧密相连,并成为其迈向全面智能化的重要技术支撑,同时也将人工智能的功能网络呈分布式的渗透部署至海量的物联端节点。

标签: 泓观科技

相关阅读

关注 物联网资本论 微信公众号 了解物联网行业最新趋势、产业政策、企业及企业家专访、投资机构及投资事件,参与更多物联网行业线上线下活动。