先人一步, 玩转AI

人脸识别技术线下产业链在个场景下开始发力 , 人脸识别技术线下场景有着更为长远的产业链与更复杂的环境场景

随着人脸识别技术的不断成熟发展,人脸识别开始在线下场景发力。

线下也拥有这更庞大的市场体量与更丰富的业务形态。

仅以线下安防市场为例,据中商产业研究院发布的《2018-2023年中国安防行业市场前景及投资机会研究报告》显示,2018年安防市场达到6570亿。 更别说还有新零售、机器人、AR、VR、工业质检等一大批极具潜力的市场。

因此,线下场景,也不可避免的成为了兵家必争之地。

蛋糕是巨大的,但能吃到这个蛋糕可不简单。与线上场景不同,线下场景有着更长的产业链与更复杂的环境场景。

从下图看,线下市场的产业链,至少分为5层:芯片公司、硬件厂商、算法公司、系统商、终端客户。

人脸识别技术

芯片公司--AI硬件基础

提供最底层的基础硬件架构。人脸识别技术最初在线下应用之时,还是使用的通用芯片,即传统移动终端上的处理器。

07年之前,由于当时的算法和数据受限于,对于AI芯片还没有特别强烈的需求,通用的CPU芯片即可提供足够算力。

之后由于高清视频和游戏产业的发展,GPU取得迅速发展。因为GPU有更多的逻辑运算单元,属于高并行结构,在处理图形数据和算法上,比CPU更有优势。比如人脸识别等视觉AI,需要解析多帧图像的数据特征,GPU能比CPU带来更大的算力。也因此,一段时间内,GPU取代CPU成为AI芯片的主流。但是GPU也具有比较明显的劣势,那就是功耗高,因此GPU一般用在云端。

人脸识别技术

但是,人脸识别等视觉AI算法的应用流程,首先是需要在设备端对视频流进行人脸检测、物体检测等视频流处理,然后送至云端进行人脸识别,更别说一些对实时性和隐私性要求比较高的场景,所有算法都需要本地计算,因此终端的AI计算不可避免,但CPU和GPU,都不是特别具有针对性。因此,兴起了很多AI芯片公司,研制ASIC架构甚至类脑芯片等针对性的AI芯片,他们功耗更低,算力更强。

硬件厂商--转型快

自成体系,历史悠久。硬件厂商中,主要分为主板厂和整机厂。主板厂采购芯片、摄像头等元件,并做成主板,也是我们常说的模组;而整机厂则负责将外壳、主板以及周边配件组合为成品。

硬件厂商以中小厂商居多,因为有着完整的供应链,转型生产硬件也比较容易。以深圳为代表,可能不出10里,就聚集着主板厂、磨具厂等完整的硬件供应链,因此当AI浪潮袭来,硬件厂商也嗅到商机,能快速转型,生产出适用于上游客户需求的产品。

对于一般硬件厂商来说,AI产业的核心驱动力还是在于卖硬件,系统商是其客户。因此,大部分硬件厂商,并不会参与AI核心算法集成、落地的事宜。

人脸识别技术

系统层--战略高地

系统层,作为连接硬件与软件层的核心,起着至关重要的作用。可以说,谁掌握了系统层,谁也就掌握了战略高地。

虽然目前的物联网操作系统还是以Andriod Windows Linux的通用的系统为主,但物联网操作系统,也已经有头部公司开始布局,比如华为鸿蒙。

人脸识别技术

系统开发商--方案落地专家

系统商整合算法、软硬件等资源,并集成进自身系统,为终端客户提供服务。可以说,系统软件商是和终端客户离得最近的人。

系统商大体上可分为垂直行业系统商与外包软件服务商。

垂直行业服务商,立足于行业,提供精细化服务。

外包软件服务商,针对企业定制化需求,以项目制落地。

这两类软件商,驱动力上也不尽相同。垂直行业服务商,以业务驱动为主,一般会经过业务需求调用、确认立项、开发等阶段;而对于外包软件服务商,以项目制为主,主要是客户的需求。

人脸人别技术