从风力、畜力、燃机到新能源，动力换代提高工作效率，推动人类文明发展；岩画、照片、影片到视频流，视觉上的享受，是影像行业的进步动力；IT硬件、虚拟化到云，对算力和存储的需求，改变了IT行业的脉络。
所有这些无穷尽的效率追求，体现在自动化与数据结构化之上，便有了今天的人工智能。
其中计算机视觉的进步主导着人工智能。在部署上，视觉端负责采集视频，而云端负责计算包括检测、追踪、感知和认知。
阅面科技CEO赵京雷认为，造成这样局面的原因是，根本没有智能的端。
算法再好只是调味料 终端产品必须降门槛
“牵扯到深度学习模型在前端的部署，以往端的算力无法达到要求，要保证算法在端的运算性能，技术的门槛会相对比较高。“赵京雷说“等于说我要做AI就要接受云的高成本和比较难预测鲁棒性。这在无形中大大提高了人工智能的使用门槛。”
阅面科技其实一直拥有识别精度高的优秀的人脸识别算法，在人脸检测评测平台FDDB与人脸识别公开测试集LFW数据测试中均获世界第一。但算法再好，也只是调味料，体现价值的还是终端产品。
对效率的渴望造就计算机视觉
赵京雷说，”为了能够让算法在端上能够比较顺利的去跑，阅面一直在累积的底层技术，把深度学习的模型的做大量的底层优化。“
目前，阅面的人脸识别算法网络层深仅为50层，与通常的网络模型平均层深为500层相比，在精度不变的情况下，阅面拥有着更小的计算资源与功耗需求。
“我们比较强的能力在于算法和应用层包括解决方案这里。”赵京雷说，“但我们更看重硬件的衔接配合和在应用层面形成的解决方案，能为行业带来什么样的价值。“
繁星AI智能芯片模块
11月，阅面科技与英特尔发布“繁星”系列产品。集成了传感器、ISP；并在Intel Movidius芯片100 GIGA flops的算力帮助下集成了嵌入式深度学习视觉算法。
繁星模块中的Intel Movidius AI芯片
“繁星的一大特点是把高精度的人脸识别算法放到了端上。我们指的最高精度的模型，在以前认为只能部署在云上。”赵京雷说。
FDDB官方发布的人脸检测技术曲线
端云争未来 白痴端还是万能云
十几年之前云刚开始兴起的时候，有种论调是人们以后的计算都在云端，比如笔记本、个人电脑都可以没有CPU没有内存——只是显示器通过协议连上云端以后，就能通过算力解决使用问题。
上云曾经是所有企业都面临的问题
“那种事情从来没有变成现实，如果说一个完全依赖于白痴终端的AI架构，肯定会失败的。“赵京雷认为，目前在云端，提供AI服务的主要还是阿里云、百度云、AWS、腾讯云这些大厂，另一些稍小的厂商像UCloud也正试水这一领域。他们提供的AI云服务主要有4个方向，基础算力设施服务，比如GPU云服务器、FPGA云服务器等；AI环境服务，比如AI实验室、AI训练托管、深度学习等；AI基础认知服务，如人脸、文字、语音识别等；AI应用层产品，如客服机器人等。
.
端与云之争
阅面希望云和端它是有不同的分工，比较合理的架构就是端应该具备很强的智能感知和基础认知的能力。
“必须要有认知能力，”赵京雷补充道。“比方说计算机视觉，视觉中检测跟踪一定是做到前端去的，因为要实时处理，要高效低成本，要在前端最接近摄像头的地方去做；基础认知层，比如说我们拿人脸识别或者包括很多其它识别，它一定也是做到前端去的，因为很多情况下云端成本太昂贵，云端也是不可靠的。”
不仅是太昂贵与不可靠，除了应用层产品外，我们换种视角去思考未来的AI云服务，基础算力设施一定会受终端AI芯片的崛起的影响；AI训练托管及实验室服务会在AI算法成熟后变得不重要；而AI基础认知服务会变成成熟的大厂认知算法，恐怕会为云厂商捆绑AI业者提供手段。
赵京雷说，”在未来AI架构一定是分布的，只有分布体才能可能诞生比较大的活力，就说未来每个端都是具备智能能力的。“
端的智能化倾斜算力天平
赵京雷继续说，“未来几年前端还会具备学习能力成为智能体，如果前端本身不具备认知能力，那这种智能体只能是在固定的单一大脑上进行进化，整个智能的进化周期会非常长，我们看到的未来里，我们把每个智能体分布出去，当全世界都有上百万上千万上亿甚至几十亿甚至上百亿的智能终端在前端，自发的在采集数据，在进行智能运算的时候，整个智能的进化速度会非常非常的快”
“计算机视觉的未来一定在端的进化上面，而不是在云的统一大脑的进化上面，阅面正在把他变成现实。”
围绕端找产业入口 AI云服务将回归本质
阅面认为计算机视觉主要有3波机会，第一个就是人脸识别，将人脸作为Face id，会在很多的这种人脸认证和出入口控制会发挥非常重要的作用；第二个就是端这块具备足够智能以后，视觉摄像头会变成一种数据传感器，那会在很多领域发挥巨大的作用；第三点当然就是视觉上头具备智能能力以后，它会是未来人机交互的载体。
繁星系列产品应用领域
在繁星计划开展后不久，基于AI智能硬件模块的合作就纷至沓来，比如金融、教育、医疗行业，比如幼儿园与中小学的AI安防建设等。
”在人脸识别的为face id中的应用上，我们就做安全控制，比如说各种各样的进出的控制，刷脸的登录认证各种各样相关的设备和应用；另外一块数据采集的话，目前我们主要在零售相关的这种行业，比如说用视觉的新型传感器来捕捉人数，对人流行为、属性、轨迹等等这些细节，第三方面当然我们用在各种各样的智能体，也就是说比如机器人、IOT设备。我们希望能够通过这样的端，然后把功耗、把成本、把门槛大大降下来以后，AI现在就能够进入到千家万户，进入到生活的方方面面。“赵京雷说， “在经历最开始的几个典型的应用场景，比如说金融安防以后，AI正在快速走向长尾化，开始进入各个生活领域，学校与医院非常细的领域。这种应用领域都有可能会诞生计算机视觉的典型应用和爆品。“
高度集成的繁星 AI芯片模块
“云将来会起到时协调智能体的作用，比如说人脸识别把整体特征下，怎么进行同步，怎么进行数据的选择，数据的备份、存储、搜索，是云应该去做的。”赵京雷说，“所以在未来，会发现越来越多AI架构有很多的端，它可能会有一个边缘云，就是协调某个局部或某个应用场景的和所有的智能个体，之外呢会有个更大的公有云，起到存储的作用。“
阅面认为，随着端算力的提升，云主要作用一定会回归它的本质，就是存储。
在行业中探索入口的计算机视觉
结语
阅面科技作为在计算机视觉方面拥有影响力的企业，一举一动都在左右整个AI行业。镁客君向赵京雷了解到，与英特尔的合作只是整个硬件平台发展的开始。事实上，阅面的算法可以在DSP、VPU 等专用芯片上跑，也能在ARM Coretx-A7 甚至 A5 等通用 CPU 内核上跑。
阅面科技希望在未来能够支撑海量视觉硬件产品，为行业赋能。
“芯片和应用层之间缺失的，一定会需要阅面这样的厂商去衔接。“赵京雷说，”阅面推出硬件模块，更多的还是希望将底层算法能力更加快速开放出去，让大家更加快速的作出产品。“
伽利略曾经对着繁星说：“给我空间，时间以及对数，我就可以创造一个宇宙。“
我想，用创造性思维打造自己的事业，是每个先驱者都拥有的特质吧。
