央廣網上海11月26日消息（記者楊靜）“在保證8位整型的精度下，每秒最快能計算181幀（張）圖片/視頻，并且將人工智能（AI）算法從訓練部署到實際應用的過程中，依然不損失算法的精度。”肇觀電子創始人馮歆鵬說。

　　從2014年開始，當人工智能計算機視覺芯片作為下一個科技和經濟增長點的時候，無論是學院派還是科技寡頭都高舉著名義運算力這面旗幟（例如：算力10TOPS = 每秒運算10萬億次）來研發AI芯片。但馮歆鵬認為，AI芯片是否適合使用，名義算力并不是衡量智能視覺處理器的最重要的標準，芯片利用率才是優化指標。

　　芯片利用率具體體現在哪里？馮歆鵬解釋說，人工智能計算機視覺芯片性能利用率衡量標準就是：在運算圖片的時候，既要保證圖片的精度（準），又要保證運算的速度（快），是否又“快”又“準”。以基于人臉識別的AI技術做的智能門鎖應用場景為例，如果識別不準，門鎖會把家庭成員拒之門外，或者對陌生人敞開大門；如果識別不快，會讓人在門外等很久，體驗感變差。

肇觀電子N1系列芯片（央廣網發 肇觀電子供圖）

　　在最初的技術戰略選擇上，肇觀電子直接切入解決“利用率”這個AI芯片的核心痛點。馮歆鵬表示，一顆芯片投片的成本是巨大的。芯片設計好了以后投片生產，就如同一個孩子生出來以后就無法做任何更改一樣，“產前” 需要不斷的做 “產檢” 來盡可能準的知道這個“孩子”（芯片）是否健康，這些 “產檢”工作在芯片行業的專業名詞叫做仿真驗證模型。

　　有了仿真驗證模型，在第一代芯片設計中，模型所預言的芯片利用率是85%，可是最初的設計方案仿真結果只有75%左右。當時市面上所能見到的類似芯片實際利用率也差不多是這么多。為了能逼近理論預測，肇觀電子CTO周驥帶著幾十個工程師連續奮戰5個月，將利用率從75%一步步提高到83%左右……最終分析結果是，還有2%左右的差距是由于模型沒有考慮電路板設計的一些問題。

　　大學離市場太遠，企業又想賺快錢，這其實就是創新型企業的一個“痛點”，不愿意搞基礎研究，不愿意忍受基礎研究的長期寂寞，不愿意等待艱難漫長的投資回報，就不能在底層技術上實現真正的創新。“為了獲得突破性成果，立志做核心技術的公司必須得沉下心來搞基礎研究，理論聯系實際、實踐檢驗理論。”馮歆鵬表示。

　　攻破了這些技術難點，到底能干什么？馮歆鵬表示，比如在智能安防領域，建設城市視頻監控系統是實現城市安全和穩定的重要基礎，是“平安城市”建設的重要組成部分，更成為“智慧城市”的重要載體。傳統的安防監控只能達到“看得見”的功能，而肇觀的芯片應用到智能安防領域，能夠讓攝像頭“看得清”“看得懂”，極大提高識別效率，把大量重復簡單的工作留給機器去解決。

　　比如在輔助駕駛領域，車艙內置攝像頭可以監測司機是否在駕駛過程中出現說話、打電話、打瞌睡等情況，不僅能提醒司機，也可以直接聯動到公安機關，提示交通事故風險。外置攝像頭可以識別馬路上的行人、標線、紅綠燈，需要非常及時準確的提示或直接幫助司機避障或制動，否則，慢了一秒，都會提升交通事故發生的概率。這就回到了前面提到的，“快”是考核計算機視覺AI芯片性能的關鍵指標。

　　在無人零售領域，傳統的自動售賣貨柜使用的是重力傳感器，對應的價格是根據每一件商品的重量來事先預設的。當顧客取走某一件商品的時候，系統會根據減少的重量，核算出相應的價格，再進行扣款。然而，從技術上，重力傳感器需要經常校準；從成本上，重力貨柜成本高昂。換一種技術，安裝了計算機視覺AI芯片的攝像頭，可以通過對商品外形的識別來扣款，成本大大降低，但是對識別精準度提出了更高的要求，如果物體識別算法在實際運行中有1%的精度下降，貨損率和運營成本就會大幅增加。這就意味著 “準”是考核計算機視覺AI芯片性能的關鍵指標。

　　“在這個新興的領域，大公司和小公司其實是在同一起跑線上。”馮歆鵬表示，與大型公司相比，肇觀電子更加靈活，決策鏈條更短，對于市場需求反應更快，試錯成本也更低。“我們希望能在自己的領域中，時不時給市場帶來驚喜。”