錢焜 胡軍華 戴智盼

　　上海地鐵的平面廣告，一年四季都在變換，手機廣告一直是主角之一。2017年的手機廣告，逆光、夜景拍照成為訴求的焦點，像素的高低之爭慢慢隱退。

　　手機配上攝像頭后，在最近十幾年的時間里，攝像頭的像素從30萬到100萬、200萬、500萬到1000萬，直至有超過2000萬像素的攝像手機的出現；攝影功能日漸強悍的手機首先讓傻瓜相機銷聲匿跡，而家用數碼相機的市場也被日漸蠶食，岌岌可危。

　　像素越高，手機功能越強大，但是在手機像素越過2000萬門檻之後，各大手機廠商比拼像素量級的遊戲玩不下去了。

　　在美國工作多年的資深視頻處理專家單記章告訴第一財經記者，單個像素的尺寸從2004年的5.6微米，越做越小，現在已經達到1微米的極限，在手機有限的物理空間里，靠擴充像素提高圖像質量基本上走到了盡頭。

　　攝像頭在硬體上碰到天花板后，要讓競爭持續下去，視頻技術公司開始在軟體和視頻數據處理優化上為手機公司找到產品新的賣點。

　　攝像頭新舊事

　　攝像頭的運用最早是在電腦上。現任黑芝麻智能科技有限公司（下稱「黑芝麻」）CEO的單記章經歷了攝像頭從電腦運用到手機的完整周期。

　　「當年，我們的產品上市了，從賣得不錯到無人問津，不過短短幾個月的時間。」回憶起17年前在矽谷的工作經歷，單記章很是感慨。

　　彼時，單記章所在的Omnivision（豪威科技）正在嘗試將攝像頭放入電腦中，以供消費者拍照並分享。

　　電腦攝像頭市場卻沒有預期的火熱。單記章告訴第一財經記者，PC端攝像頭遭到冷落，主要是因為當時的網速太慢，照片無法傳出去、無法分享。「所以我們考慮轉戰移動端。雖然速度也不快，但至少（手機）是能傳出去的。」

　　2000年9月，日本手機製造商夏普發佈了世界上第一款帶有攝像頭的手機J—SH04。而Omnivision正是這款手機的供應商之一，雖然那時的攝像頭僅有11萬像素而已。

　　此後，市場逐漸被打開。單記章對比了當時的出貨數據，「之前的市場上，我們的出貨量只有1k+1k；後來就變成了一天3kk，一年相當於十億顆。」（編者注：1k為一千，1k+1k是兩千，1kk是一百萬）據介紹，Omnivision曾在全球圖像感測器市場佔有高達40%的份額。

　　市場研究機構IDC最新預計，2017年，全球智能手機的出貨量將達到15億部，到2021年，預計將增長至17億部。

　　每一部智能手機基本上都有幾個攝像頭，僅僅手機對攝像頭數據處理的需求，就是一個無比龐大的市場，單記章選擇離開Omnivision，而當年的中學同學劉衛紅離開一家世界500強企業，選擇與他一起創業，圖像市場的巨大前景是至關重要的一個考慮因素。

　　攝像頭背後的圖像感測器與應用處理市場，並不僅僅是局限於手機領域。隨著人工智慧產業的發展，從圖像的獲取、傳導到計算、理解、反饋，再到應用層面的倉儲物流、智能駕駛，圍繞在攝像頭身前身後的生意模式正逐漸走來。

　　所謂的圖像感知，是人工智慧的一個重要細分領域，是計算機對圖像進行處理、分析和理解，來感知並識別不同的目標。

　　第一財經記者梳理髮現，在前端捕捉深度信息，後端處理並理解複雜數據，最後反饋從而進行決策，成為圖像感知產業活動中的一個循環。

　　正是在這樣一個循環流程中，誕生了大量初創企業，它們以自己掌握的硬體或演算法為核心，提供軟體或軟硬一體化的產品，以期撬動產業金礦。

　　平安證券發佈的《人工智慧圖像識別專題報告》顯示，截至2016年初，在所有AI領域的企業中，聚焦於圖像感知的公司數量總計有185家，僅次於最火的機器學習。而其截至2016年初的累計融資總額更是超過了11億美元。

　　和單記章一樣，敏銳的企業家們小心翼翼地打量著這個龐大的市場，試圖從各個垂直領域切入，尋找著更進一步的可能。

　　從捕捉到理解

　　刷臉支付、機場自助通關、物流自動分揀、無人駕駛等都是圖像感知技術快速普及的一個縮影。在這樣場景的背後，是越加成熟的技術和越發準確的識別率。

　　據第一財經記者了解，在ImageNet比賽的圖像識別中，對象分類項目的準確率已經從2010年的72%提升到了2016年的97%。那麼，如此之高的準確率是如何實現的呢？

　　無論是深度攝像頭、AI晶元，還是基礎演算法、神經網路，在圖像感知產業鏈上，一切都是為了兩個目的而服務的：更好地在前端捕捉深度信息，以及更準確地在後端處理並理解數據。

　　「如果前面獲取的圖像壞了，或者糊了，那後方如何針對圖像進行分析呢？」單記章問道。

　　的確，在圖像捕捉的過程中極容易受到外界的干擾與影響，較上述物流領域更為複雜的情況比比皆是，比如自動駕駛：需要應對山洞內外的不同光信號強度、車身抖動甚至極端的霧霾及雨雪天氣。「晚上很暗，雨飛來飛去、雨刷刮來刮去，這個時候怎麼看清楚；大太陽照在攝像頭上，人眼都看不見，這個時候又如何判斷。這些都是圖像捕捉中的難點。」單記章表示。

　　此時，就需要加強數據的預處理，其目的就是加強有用的信息，改善圖像質量，便於對圖像進行後期的處理分析。單記章透露，懸挂的攝像頭容易來回晃動，他們曾做過一個防抖的優化方案，不僅增強了畫質，還提高了設備的使用壽命。

　　另一方面，相比前者捕捉圖像需要應對各種突發因素，後者的處理分析看似更加簡單。但往往這種情況下的計算更為複雜。

　　單記章告訴記者，刷臉技術用人工智慧、神經網路來做，識別率都能達到99%以上，很難出錯。但是很多技術無法抵禦蓄意的攻擊，比如讓機器判斷是真人、照片還是視頻或者模型。這時候，如何實現生物特徵的判斷非常重要。

　　比如，當開車遇到前方有物體時，在判斷該物體的車道、速度、方向等因素之外，還需要判斷這是個路樁，還是輛車，或者是個人。「複雜環境下，需要對場景進行理解，是人是車結果一定是不一樣的。」單記章稱。

　　超越硬體

　　「如何應對不斷上漲的計算量是圖像處理中最難的部分之一。」圖漾科技副總經理徐韜向記者透露，960P的深度攝像頭如果想要更進一步做成1080P的話，換一個基礎攝像頭其實並不難，但精度的提高將導致計算量的大幅上漲，把握如此之高的計算量才是難點。

　　事實上，在圖像感知領域，硬體的難以突破由來已久，即便是在整個人工智慧的發展歷程中，硬體的計算能力不足始終是制約其發展的瓶頸之一。可可資本合伙人李笙凱在接受第一財經記者採訪時表示，雖然深度學習和GPU的利用對視覺硬體的處理計算能力有很大的提高，但怎麼進一步提高到可用的程度，市場上還始終沒有明確的解決方案。

　　單記章對此表示認同，他認為這是一個系統工程，一方面要提高硬體的計算能力，提高演算法的適應能力，同時也需要有創新的整體解決方案。他以不同時間開車為例，「在傍晚時太陽平射過來，攝像頭需要減少光強和炫光，而晚上又需要儘可能接受最多的光，還要解決對面大燈的照射問題，這裏就需要結合光學、攝像頭和圖像處理技術，在此基礎上採用機器學習的方法，才能從系統的角度更有效地解決端的計算能力不足的問題」。

　　另一方面，單記章認為，現階段的很多硬體在物理上已經達到極限，難以升級，比如圖像感測器。「由於載體本身的大小限制，攝像頭需要做得很小，這就導致感測器的感光點也越做越小。有人研發還在做0.9微米，但這個性能已經很差了。靠這些東西提高也會有一定的空間，但是真的非常難。」

　　「圖像感知技術正處於發展階段，還有很長的路要走，比如軟體演算法也還需要5~10年甚至20年的積累突破。」李笙凱對記者表示。他認為，行業的技術壁壘和應用壁壘一直都存在，市場的完全爆發還需要兩到三年的時間。

　　不過，也正是因為存在這樣巨大的發展空間，潛力才得以凸顯，可能才得以孕育。這些在行業中耕耘多年的從業者，他們擁有最專業的眼光和最敏銳的嗅覺，有心證明他們的堅持並非一場豪賭。

　　是不是豪賭無從得知，但正如李笙凱對當下的判斷：優化已有的技術，以滿足市場的剛性需求，是這個行業最困難的痛點，亦是最敞亮的通道。