您的位置:首页资讯行业软件 → AIoT爆发在即,聆思科技“芯片+算法”深度耦合路线有何价值?

AIoT爆发在即,聆思科技“芯片+算法”深度耦合路线有何价值?

时间:2024/3/24 12:34:15来源:www.pc6.com作者:清晨我要评论(0)

在日趋成熟的AI技术助力下,物联网(IoT)领域已开始显现爆发势能。

具体而言,IoT的经典架构包含了感知层、传输层、应用层等,涉及到对物理世界大量信息的收集和处理,过去受制于算法算力问题,难以对收集到的数据进行高效处理,现在借助于AI算法,才终于实现了从数据感知到数据认知的飞跃。

在AI加持之下,IoT也升级跃迁为AIoT,相关市场规模逐步打开。IDC数据显示,2021年全球AIoT市场规模超5万亿元,同比增长11%,预计2026年将超过10万亿元,2021-2026年复合增长率达13%。

不过,现阶段AIoT行业碎片化痛点仍然突出,渗透率还有待提升,根据Euromoniter、CIC、BCG等研究机构数据,当前全球物联网行业整体渗透率平均仅为4%-5%。

这一背景下,“芯片+算法”深度耦合路线引起市场关注,一些初创企业也借此崛起。比如聆思科技,天眼查显示,该公司成立于2020年,坚持基于人工智能算法与自主芯片设计强耦合,来输出垂类场景解决方案,截至目前已完成四轮融资。

而结合AIoT行业现状来看,聆思科技走到台前究竟反映了怎样的市场需求?大模型时代,这类企业又将如何发挥其价值?

AIoT产业链视角下,软硬强耦合模式有何价值?

就行业特质而言,AIoT注重万物智联,这决定了其要面对的市场需求纷繁复杂、应用场景碎片化特征显著,而这种碎片化反映在产品品类、技术平台多样化,连接协议、安全协议不统一,芯片与操作系统高度分散化等方面,相应要求产业链上下游加强协同。

不过,由于产业链较长,面对特定场景需求,当前AIoT行业中的芯片厂商、算法提供商、方案提供商等主体一定程度上存在不协同。

具体而言,芯片是AIoT产业的核心,可保证终端产品的高性能、高能效比,尤其是SoC(系统级)芯片集成了CPU、GPU、NPU、存储器、基带、ISP、DSP、WIFI、蓝牙等模块,是实现设备智能化的关键;算法有应用领域广、种类多样化、演进速度快等特点,对芯片架构设计提出较高要求。

而两者的不协同就主要体现在市面上流行的更多是通用型芯片,但由于物联网应用场景、设备、功能的多样性,通用型芯片很难满足算法公司的个性化需求,这种情况下,鉴于采购的芯片已然固化,一些算法公司会对算法模型进行裁剪来适应硬件条件。

这一方案下,算法公司或将产生较大的时间和资金投入,而且难免造成算力浪费、模型裁剪过多、芯片成本偏高等问题,进而也影响了AIoT设备智能化发展。

当然,目前也有不少算法公司开始自研芯片,不过考虑到算法和芯片研发的规律截然不同,相关企业若此前并未经验积累,而是从零出发招兵买马,一定程度上也面临风险。

这一背景下,为了响应市场需求,软硬强耦合方案应运而生。所谓软硬强耦合,即独立芯片设计公司基于算法与场景需求,打造具备定制化属性的人工智能端侧芯片,为行业提供更优、更快、更具性价比的解决方案。

对此,聆思科技曾做过相关解释:“从AI芯片到loT芯片到解决方案再到研测产制平台,一揽子打包交付给客户,才能把一个设备从不智能升级为智能。”

据聆思科技相关负责人介绍,在同等面积下,公司研发的定制化芯片,算力大约比传统通用芯片高5-10倍,可支持多个AI算法的并发运行。同时,聆思科技提供与芯片配套的全流程工具链,覆盖产品研发设计到落地的全周期。

值得一提的是,考虑到技术门槛,同时推进AIoT的两大主线——芯片和算法,并非易事。而聆思科技能够实现软硬强耦合,与其对行业的深度洞察及研发积淀密切相关。

据悉,由于认识到企业客户落地AIoT之艰难——需要与AI公司、芯片公司、方案提供商多方交涉,其中不仅沟通成本极高,而且种种不兼容、不匹配难以避免,聆思科技创业之初即搭建了完整的芯片团队和算法团队,这在业内较为少见。

而依托人才优势,其也逐步构建起面向AIoT全领域的芯片矩阵;在算法方面,已经具备数百种端云结合的丰富算法(从语音、视觉、OCR、降噪,到离线自由说、分布式唤醒、Smart TTS、方言、声纹等)。

凭借解决方案的易用性及性价比优势,聆思科技的业绩规模也持续扩大。数据显示,截至2023年,聆思科技的年销售额已经破亿。

这也更进一步印证了AIoT产业中芯片与算法强耦合路径的必要性和正确性。而在云端大模型已获得革命性突破的当下,AIoT行业有望迎来一轮新的面貌革新,聆思科技等企业仍是重要的推进力量。

大模型驱动,AIoT万物智联的时代真正到来?

据了解,AIoT时代,90%信息输入依靠语言,80%信息输出依靠视觉。如今,在语言、视觉、交互等方面实现重大突破的大模型赋能AIoT的想象空间,既宽广又诱人。

具体而言,以ChatGPT为代表的AI大模型展现出了非常优秀的自然语言交互能力,聆思科技此前就做过相关总结:ChatGPT的智能涌现表现在海量信息参数化全量记忆、任意任务的对话式理解、复杂逻辑思维链推理、多角色多风格长文本生成、即时交互修正能力支持进化、程序代码自动生成、输入图像的语义层理解这七个方面。

而近段时间OpenAI发布的首个文生视频模型Sora,在语言理解能力等方面再上台阶,并不断往物理世界模拟进化,可以说这场AI技术主导的科技盛宴“全程高能”。

再试想如果能够将大模型的能力融入AIoT产品打造中,无疑将带来终端使用体验质的提升,比如在智能家居场景中,设备不再仅针对固定的有限口令进行反应,而是具备与人类对话互动等高度智能化能力,这种情况下,专业智慧管家等角色或能真正具象化。

而物联网领域海量的数据,也可以为大模型的应用提供充足的“养料”。根据机构预测,到2025年,全球每分钟将有超过15万台物联网设备连接入网,预计物联网设备生成的数据量将达到73.1ZB,占到全球数据总量的44%。

基于此,目前也已经有厂商正在推进相关愿景实现。比如,智能安防领域,宇视科技推出具备CV(计算机视觉)、NLP(自然语言处理)、MM(多模态)等多项能力的“梧桐”大模型。

聚焦智能家居场景,聆思科技也已经开发新一代多模态人机交互方案,基于大模型,结合虚拟人、Smart TTS技术,打造生成式虚拟AI管家,以实现智慧家庭人机交互。

不过,相关企业在推进大模型应用的过程中也面临不小的挑战。一方面,大模型的应用门槛较高,动辄百亿甚至千亿参数规模,需要AIoT芯片具备更强大的算力支持。

另一方面,考虑到物联网数据具备多模态、异构性等特征,要想使大模型落地AIoT场景并充分发挥作用(如对现实中瞬息万变的状况第一时间完成信息采集并做出反应),还需将其与系统深度耦合,以实现对物联网感知数据的使用以及对相关设备的控制、调度。

正如特斯联CTO华先胜曾指出的,大模型本身是AIoT的扩充,类似具有强大理解能力的“大脑”,若通过系统连接AIoT设备来给它配上“眼睛”“鼻子”“耳朵”“手”“脚”,其将具备多元的感知、分析、决策和控制能力,从而实现更强的智能。

因此,可以看到,去年10月,聆思科技推出了“芯云战略计划”,该计划融合了芯片层、算法层以及云端平台层,其中,芯片层解决算力问题,算法层解决AI效果问题,云端平台层解决大模型的接入问题。

考虑到当前AI技术大幅提升等因素,有专家预测,2024年将是AloT产业发展的分水岭。这一形势下,随着聆思科技等厂商不断促进产业上下游协同、加强系统化运作,万物智联时代有望真正到来。

相关视频

    没有数据

相关阅读 人工智能“第三浪”中,中国AI如何打造新质生产力?视频会议也可能有假人 怀疑对方AI换脸可以让对方摁鼻子百度AI,能否“投”出未来?协同办公大战再起,钉钉、飞书“决战”AI盈利超预期,百度AI收获季还有多远AI重塑CRM:腾讯企点精进不止,纷享销客折腾不息财报解读:基本盘稳定后,联想如何进一步抢占AI时代?印度要求 AI 模型发布需政府批准

文章评论
发表评论

热门文章 solidworks2010安装方三菱PLC仿真软件GX Si完美桌面

最新文章 数势联动百川,发布首AIoT爆发在即,聆思科 AI重塑CRM:腾讯企点精进不止,纷享销客折腾人工智能“第三浪”中,中国AI如何打造新质协同办公大战再起,钉钉、飞书“决战”AI大模型时代,华为与中软国际携手“打通AI落

人气排行 solidworks2010安装方法及序列号淘宝助理5.5使用教程 淘宝助理怎么上传数据三菱PLC仿真软件GX Simulator6安装使用图文草图大师怎么画球体 sketchup草图大师绘制球京东商家助手怎么打印快递单 京东商家助手打百度推广助手关键词推荐工具怎么使用如何快速统计CAD工程图里面的材料CIMCOEdit5使用教程 CIMCOEdit5如何与CNC连