当“新基建”碰上“芯基建”,国产芯片替代机遇在哪里?

当“新基建”碰上“芯基建”,国产芯片替代机遇在哪里?

新基建一定程度上也是围绕着底层的基础设施、半导体和集成电路展开。新基建背景下其实也蕴含着“芯基建”的机遇。

毫米波雷达、激光雷达、视觉传感…芯片领域有哪些国产替代细分领域?这些细分领域的市场情况如何?

撰文 | 徐丹

华为断供事件以来,半导体的国产替代问题又一次被推上了风口浪尖。

作为IT行业“皇冠上的明珠”,半导体行业对科技的意义不言自明,但长期以来我国芯片都极大依赖进口,自给程度非常低。

2018年,政府提出“新基建”,将5G、大数据中心、人工智能、工业互联网、新能源汽车充电桩、轨道交通、特高压等行业定义为新型基础设施。

而剖开这些行业的内核,会发现底层基础设施新都是半导体和集成电路。新基建背景下其实也蕴含着“芯基建”的机遇。

国产芯片替代的情况如何?产业机遇在哪里?8月28日,BV百度风投“百业智能研究院”举办了“新基建下半导体前沿技术闭门研讨会”。

当“新基建”碰上“芯基建”,国产芯片替代机遇在哪里?

参加研讨会人士包括和诚咨询研究总监顾成建、招商证券投行部执行董事胡明勇、微度芯创始人罗俊、爱莱达创始人潘卫清、凝眸科技创始人张光斌,以及特邀行业专家中国电子信息产业集团有限公司规划部集成电路处处长董大伟、北京易华录信息技术股份有限公司何继伟博士、东软集团(北京)有限公司技术总监张静波、北京赛目科技有限公司总经理何丰等,共同探讨在国际摩擦激烈的情况下,国产半导体替代的机遇与路径。


 一 拆解半导体国产替代,机遇在哪?

首先,和诚咨询研究总监顾成建分享了新基建背景下国产芯片的机遇。在划分为新型基础设施建设的几个行业中,5G和大数据中心是国产芯片替代中机遇最大的领域。

5G高频高功率高宽带高线性的变化趋势之下,价值量变化最大的系统之一是射频前端,从2G到5G,单部手机射频前端系统价值从3.25美金增长至38美金。根据YOLE预测,到2025年全球射频前端市场规模将会达到258亿美金,年复合增长率8%。

但全球射频前端市场份额几乎被前五大厂商(Murata村田、Skyworks思佳讯、Qorvo、Broadcom博通/Avago、Qualcomm/TDK Epcos)占据,中国在其中的参与程度比较低,且还没有公司能够独立支撑IDM的运营模式,主要为Fabless设计公司。

从细分方向来说,射频前端系统包含的芯片品类较多,包括功率放大器PA、滤波器、开关、低噪放、多工器等,其中滤波器和PA是最大的两个细分方向。

滤波器有声表波滤波器(SAW)和体声波滤波器(BAW)两种,前者国内布局企业包括麦捷科技、无锡好达等,其中无锡好达先后受到华为和小米的投资。

不过这些企业虽然取得了一些进展但在大批量生产和出货能力方面仍有追赶空间,且大多集中在中低端领域。近年主流日本厂商的技术专利即将到期,对国产厂商来说会是一个较好的机遇。

BAW技术壁垒更高,该领域的国内企业更是凤毛麟角。

PA模组是射频前端系统中单体价值最大的零件,国外垄断程度同样很高,96%的市场被Skyworks、Qorvo、Broadcom、Murata占据国内参与的玩家主要有紫光展锐、中科汉天下等,但均非上市公司,行业巨头尚未出现,新企业有机会进入。

近年来,射频前端集成化趋势越来越明显,巨头公司倾向于强强联合,提供射频终端的整体解决能力,如2014年RFMD与Triquint合并成立Qorvo。

两年内5G可能会开始大规模商用,这段时间对于国内5G射频产业会是一个非常好的发展机会。顺应射频前端发展趋势,国内企业应当在研发初期进行技术协同,以提供整体解决方案为目标。同时加强并购和技术整合,以资本运作的方式达到产融结合。另外加大各个环节的投入,包括设计-制造-封装,补足芯片制造的短板以免被卡脖子。

5G之外,大数据中心也是一个蕴含着大量机会的市场。预测到2024年服务器行业增长规模可达到320.7亿美元,预测年复合增长率11.6%。用于服务器端芯片主要是存储芯片和处理器芯片。

应用程度较高的主流存储器为DRAM存储器。受5G+IoT发展需求,DRAM需求会有较大增长,5G新机单机存储用量大幅提升,物联网时代CIS传感需求强劲,今年DRAM产能已经有供不应求的趋势,存储器价格上涨。

DRAM市场同样高度垄断,三星、镁光、SK海力士、东芝等头部企业占据超90%的市场份额,中国DRAM正处于技术研发阶段,合肥长鑫的DRAM存储器预计于2020年可大规模生产,之后国产DRAM预计会迎来国产替代期。

服务器芯片厂商几乎被英特尔、AMD、英伟达三家占据,目前国内研发CPU的厂商包括龙科大、华芯通、龙芯中科、上海兆芯、海光等,其中海光等已经进入量产阶段。2018年国产CPU进入政府采购网站,在外部环境动荡的情况下,CPU国产替代的趋势会长期存在。

当前GPU市场有较大需求,在很多公司进入实体名单或涉及敏感行业之际,国产GPU有机会打入供应链,另外AI计算也需要大量GPU,GPU方面国内国内创业企业较多,6月,成立不到一年的GPU初创企业壁仞科技拿到了11亿元A轮融资,创下同行融资新纪录,说明资本也比较青睐GPU市场。

但GPU创业最难构建的是生态,有业内人士认为,云端GPU机会较大,在云端适配一个应用就能获得一个应用场景。同时,可以用最先进的制程以及降低毛利润率的方法,来提供效率好的方案。

那么,当视野抽离宏观,各个细分赛道情况如何?有哪些值得关注的企业?


 二 自动驾驶之外,毫米波雷达的归宿还有哪?

就射频芯片的应用领域而言,一个潜力非常大的市场是毫米波雷达。 微度芯创始人罗俊分享了毫米波雷达在自动驾驶领域之外的应用机会。

毫米波频段通常在30~300GHz之间,波长1-10nm,介于厘米波和光波之间,兼有微波制导和光电制导的优点,更是除sub-6GHz外唯一能部署5G的频段,成为5G时代的“兵家必争之地”。毫米波雷达就是指工作在毫米波波段探测的雷达,相比摄像头、红外、激光等光学传感器,毫米波雷达穿透雾、烟、灰尘的能力和抗干扰能力强。

目前毫米波雷达的大多应用在自动驾驶,雷达可通过天线向外发射毫米波,接受目标反射信号,获取汽车车身周围的物理环境信息,最终由中央处理器单元(ECU)处理。

不少人认为毫米波雷达的主要应用市场就是自动驾驶、军工和测量领域,但实际上毫米波雷达的归宿绝不止于此,它还可以广泛运用于智慧城市、智慧楼宇甚至智慧养老和智慧医疗领域。

毫米波成像并非像普通摄像头一样记录真实影响,所以在卧室、病房、卫生间等不适合部署视频监控的领域,毫米波雷达可胜任视频监控工作,同时由于其强大的探测能力,毫米波雷达也可以非接触式的方式对生命体征进行检测。

安防领域,毫米波雷达最大的优势是可以穿透编织物,可清晰检测到衣物下隐藏携带的违禁物品。通过微度芯创独有的主动式高帧率成像系统,能够实现在开放空间进行高通量、无感知、非配合的智能化安检业务。

这一特点意味着毫米波雷达未来可用于医院、轨道交通、学校、重要广场甚至是商场这些对安检“高通量、无感知”需求强烈的部门和场所,目前这些场所的高通量安检市场在国内几乎还是“无人区”。

据Plunkeet Research预测,2020年全球毫米波雷达出货量将达到7000万个,市场规模50亿美元,2015-2020年年均复合增速24%。

从市场竞争格局看,全球毫米波雷达设备市场主要被博士、大陆集团、富士通等厂商占领,中国毫米波雷达创业企业从2014年开始兴起,团队往往都是科研、军工或供应商跳槽背景,数量较少,不过也有一些企业已经逐步实现量产,开始占据部分市场份额。

珠海微度芯创科技有限责任公司是毫米波雷达一股新兴的实力强劲的力量,公司成立于2017年,目前已获得三轮融资,投资机构包括百度风投、清研资本等。核心团队学术背景雄厚,基本来自清华大学

毫米波雷达主要包括雷达射频前端、信号处理系统、后端算法三部分,其中射频前端是最难攻克的技术,内含的MMIC芯片以及天线PCB板则是毫米波雷达的硬件核心。毫米波雷达公司的创业方向一般就是芯片或者非成像模组。

微度芯创的独特之处在于,它既做芯片设计,同时做基于芯片的模组和产品。“芯片领域相对窄,为了将芯片更快的推向市场,我们会自己做应用和模组。这是先纵深打透,再联合其他生态做更大的芯片供应。”微度芯创CMO张德智说。

毫米波芯片方面,微度芯创芯片研发主要基于硅基,目前已经量产了80GHz太赫兹芯片,160GHz芯片完成流片和验证,260GHz也已经投入研发,芯片性能包括噪声系数、发射功率、最大宽带等都已经达到车规标准AECQ-100,逼近国际先进水平。另外还有AI自动检测算法的研发,可智能分析监控内容。

除此之外,微度芯片还有封装天线(AIP)和双极化天线系统等毫米波天线技术;压缩感知、多入多出(MIMO)、数字波束合成(DBF)等毫米波成像技术。模组方面,也有物位计、水位计、交通雷达、场景雷达等产品。

具体到应用领域,微度芯产品主要应用于工业交通和安防领域,未来还会拓展至汽车领域,目前已经和北京公安局做了联合立项,帮助开放式空间的非配合式安检。

目前应用毫米波雷达的终端产品形态包括毫米波摄像头、通道式高流量安检设备和安检门等。其中毫米波摄像头和通道式高流量安检设备都属于非配合式安检,可通过AI算法自动检测大型管制器具、枪械和轨道交通禁止携带的物品,5m以内成像,成像速度每秒10帧。


 三 激光雷达的想象力

接下来,爱莱达创始人潘卫清和孙建锋分别介绍了激光雷达另类的技术和市场,给激光雷达带来了不同的想象力。

自动驾驶技术逐渐成熟,市场越来越火热的情况下,激光雷达作为自动驾驶中的“C位单品“得到了越来越多的注意。可以说,激光雷达是汽车迈向全自动驾驶的关键一步。

激光雷达通过发射光束来测量现场物体中轮廓边沿与设备间的相对距离,从而准确捕捉到这些轮廓信息组点成云,绘制出3D地图,有超高分辨率、精度和抗干扰能力。

一旦无人驾驶汽车进入大规模生产阶段,预计该市场将呈现快速增长趋势,根据MarketsandMarkets数据,全球激光雷达市场规模预计将从2019年的8.44亿美元增长到2024年的22.73亿美元,2019-2024年的复合年增长率为18.5%。

主流激光雷达都是使用飞行时间(Time of Flight)探测,直接发射光波通过记录反射光到达接收器点时间计算光源与物体距离。

但ToF技术存在一定缺陷,首先抗干扰能力弱,如果多辆汽车用同样的雷达扫描,雷达就没办法识别脉冲是附近的车打来的还是自己发出的信号回波,容易失灵。另外探测距离较近,只能探测200米以内,车速上不去。

解决ToF缺陷的一个技术是「相干探测激光雷达」,它在抗干扰能力、工作距离、人眼安全等级、固态雷达和毫米波雷达兼容性等方面都强于激光雷达

这是一个相对冷门的激光雷达领域,国外有代表性的公司是美国的 Blackmore 传感器和分析公司、Insight LiDAR等,而国内最早开展该领域研究的是杭州爱莱达科技有限公司,该公司由中科院和美国麻省理工学院领先的激光雷达与空间激光通信科研团队创办,2018年该团队获得千万级别的天使轮投资。

所谓相干测距即调频连续波FMCW雷达,该方案发的信号是连续波,频率是线性的周期,意味着发射的频率和接收的频率有差异,光线混频探测可捕捉到两个波之间的差,通过频率转换就可以算出距离。

此外,FMCW激光雷达的光子电路一部分出射相干激光与接收光混合。这提供了一种独特的“解锁钥匙”,可以有效阻止任何背景辐射或其它激光雷达的干扰。

相比激光雷达,相干探测增加的模块主要是光学处理部分,爱莱达的方案主要利用相干增益,光线进来之前,在背景光不变的情况下,对其信号进行放大,通过背景光差分,提高光学信噪与抗干扰能力,探测灵敏度是ToF方案的至少两个以上数量级,探测距离可以达到一公里,更适合自动驾驶场景。

当“新基建”碰上“芯基建”,国产芯片替代机遇在哪里?


相干激光雷达工作原理,图源《激光与红外》杂志

目前,爱莱达FMCW工业激光雷达开发已完成,正在进行软件开发和FMCW+MEMS车载激光雷达上车测试。未来会主要用于无人驾驶汽车和轨道交通场景。

除了自动驾驶和轨道交通,激光雷达是否还有其他商用市场?爱莱达的另一款产品给了答案。

人工智能时代,人和机器交互的一个重要媒介就是声音,目前获取声音的最主要技术是电子拾音,但电子拾音技术相对粗糙,目前有两个关键问题很难解决,一是远距离识音,由于声音在空气中传输时衰减速度非常快,当声源距离电子拾音器较远时声音便听不清。另外电子拾音也无法做到定向拾音,无法搜集某个特定方向的声音。

爱莱达的光子拾音可以很好的解决这个问题。光子拾音的原理和电子拾音相似,都是通过声源的震动拾取声音,但光子拾音是通过激光雷达,采用迈克耳逊干涉光路得到振动全息信号 拾取震动,再通过数字全息算法获取振动相位、速度和加速等全部信息。

这看似是一个冷门技术,但也有不小的应用空间。

重点应用领域在安防。音频健康已经成为智慧安防建设系统的一个重要重要组成部分,平安城市、公检法办案区等越来越多的智慧安防案例已经要求增加音频采集。声音在安防中的应用主要包括语音识别、声纹识别、生源定位和异常事件监测。

光子拾音在安防中的应用方案主要有四种:

单点拾音,在靠近行人的位置安装反光盒,使拾音更清晰;与视频轮巡联动,声音探测和视频拍摄区域跟着走;突发事件声源定位,任意三个点位的拾音便可以确定声源位置;医用光子无线听诊,光子拾音在医疗领域可以听心音和肺音,助力无线非接触和远程医疗。

光子拾音器在安防中的应用主要取决于两个关键技术突破:体积和价格。目前爱莱达产品的体积已经比安防相机小,未来会采用硅光芯片方案,体系甚至可以比火柴盒小;另外,价格也由原来的几十万降为5k以内,单点拾音最低价格200元,改进系统封装工艺后还有更多降价空间。

安防之外,光子识音也可以应用在工业互联网中进行产品检测和故障诊断。

目前工业互联网大多用自动传感器和工业麦克风检测进行质检,但问题是需要紧贴设备才能操作,很难在高温、强电、有毒等复杂环境工作,另外工业设备嘈杂,声音质量易受噪声影响。而光子拾音可以做到非接触、声源定位绝对精准、抗干扰,适合在恶劣环境工作。

具体应用场景包括冶金行业等机电设备检测、传动链检测;化工行业转动设备的异常震动和噪音、家电行业的故障分析等等。


 四 机器“看见”世界

凝眸科技创始人张光斌则分享了视觉传感器平台的先进技术。

人与机器交互的另一个重要方式是视觉,处理信息的第一步就是“看见”信息。无人驾驶汽车中的行人检测、安防监控、医疗影像、智能制造、交通管理等各个行业都有对机器视觉的需求。

人工智能视觉处理方案一般包括两部分,CMOS图像传感器和AI算法。传感器负责摄录信息,信息传到服务器或云端后利用服务器上的显卡进行运算。

但这种数据处理方式较为复杂,目前比较先进的解决方案是“嵌入式人工智能”,直接将视觉芯片嵌入摄像头,这样可以大大节省方案。所谓视觉芯片就是高速图像采集和实时图像处理功能的片上集成系统芯片。

视觉传感是一个非常庞大的市场,据前瞻产业研究院,到2021年,全球CMOS图像传感行业市场将突破200亿美元。

国内一个具有代表性的智能视觉传感器平台是凝眸智能科技,这是一家把视觉传感器和嵌入式人工智能结合在一起的机器视觉解决方案公司,核心团队学术背景十分强大,有近20年的视觉传感器经验。

国内传感器市场虽然玩家众多,但就安防等领域而言,还是有很多无法解决的痛点。

首先分辨率太低,虽然2019年手机摄像头分辨率已经有1亿,但绝大部分已装机的安防及IoT摄像头仍然是1080p及以下,比最新技术至少落后3-5代。在商场等开阔地点摄像头无法准备识别到人脸,用于交通监控的传感器也分辨不清路名和车牌号码。

其次识别速度太慢,对于一些运动场景,比如奔跑中的人、汽车行驶、打乒乓球等都很难捕捉到清晰影像。

此外监控视野也比较有限,容易受光线和天气等外在条件影像。

目前业界也有一些相关解决方案,但都不尽如人意,比如抢球机方案、360度融合方案、人眼摄像机和多镜头摄像机矩阵方案等均有功耗大、成本高的问题。

针对CIS在AI应用中的痛点,凝眸科技基于20多年视觉传感器的经验,致力于实现以AI为核心的多项视觉感知技术融合,推出HyperSens亿格智能视觉平台及传感器芯片。

视觉智能平台方面,核心技术包括超分辨率的视频传感技术、超高动态范围的感知技术、捕捉超快瞬间的运动传感技术、高分辨率的三维感知技术和多型多态传感器的全景融合技术,可以很好的解决大场景中远距离目标识别的痛点问题,可以更加高效的抓取、追踪信息。

成像系统外,视觉智能平台还包括视觉芯片,基于M-Perception 前端边缘 AI架构,可满足边缘边缘计算在功耗/延迟方面的需求。

传统处理流程是图像数据导入后直接用图像处理引擎ISP处理,然后进入边缘CNN检测,最后进入应用层CNN。而M-Perception 流程在进入ISP处理前会经过前段IPU、浅层CNN和深度CNN,前端IPU和浅层CNN之间还有一个反馈环节。相比之下M-Perceptio可过滤大多数无效信息,将数据宽带减小约100倍。

综合之下,HyperSens方案在可在不升级现有平台ISP处理能力、 网络传输带宽、数据存储容量的情况下,将现有的机器视觉系统升级到10倍或更高的清晰度。对于高端应用,HyperSens 能进一步提高系统到几亿像素的清晰度,远远超过当前工业标准和人眼视觉的极限。

目前凝眸的首款类人眼只能传感器样片已流片成功,核心架构及设计模块已得到有效验证,正在向量产版转化。即将推出安防监控和 AIoT 应用的系列 HyperSensTM 芯片、运动视觉传感器、单像素单次曝光 140dB 高动态范围视觉传感器 和3D传感器。


五 尾声

除了产业端,资本市场也在为“中国芯”助力。最后招商证券投行部执行董事胡明勇分享了科创板的政策,分享中胡明勇表示,“科创板几乎就是为半导体企业量身定制的。”

胡明勇从科创板、创业板的发行上市要求、审核与注册程序、发行与承销规定等方面介绍了半导体企业IPO事项。

胡明勇表示,科创板对半导体项目的规定主要在两方面,硬核性和规范性。

所谓硬核性即项目的科技含量,半导体企业可以不盈利,但必须要有足够的科技价值,其中有一些硬性指标规定,比如研发投入需占比5%、5个发发行专利、年增长20%等。

规范性是科创板审核的重中之重,主要是财务信息的审核,包括研发资本化、公司出资问题、关联交易、资产减值准备、股权支付、会计政策和会计估计、税收优惠及其他常见的财务会计问题。

据公开资料显示,2020年上半年科创板已上市半导体企业14家,融资近1440亿元。

国产替代的大趋势下,希望中国半导体企业会更进一步。

产业激光雷达ToF凝眸科技智能芯片
相关数据
英特尔机构

英特尔(NASDAQ: INTC)是全球半导体行业的引领者,以计算和通信技术奠定全球创新基石,塑造以数据为中心的未来。我们通过精尖制造的专长,帮助保护、驱动和连接数十亿设备以及智能互联世界的基础设施 —— 从云、网络到边缘设备以及它们之间的一切,并帮助解决世界上最艰巨的问题和挑战。

https://www.intel.cn/content/www/cn/zh/homepage.html
相关技术
Qualcomm机构

高通公司(英语:Qualcomm,NASDAQ:QCOM)是一个位于美国加州圣地亚哥的无线电通信技术研发公司,由加州大学圣地亚哥分校教授厄文·马克·雅克布和安德鲁·维特比创建,于1985年成立。两人此前曾共同创建Linkabit。 高通公司是全球3G、4G与5G技术研发的领先企业,目前已经向全球多家制造商提供技术使用授权,涉及了世界上所有电信设备和消费电子设备的品牌。根据iSuppli的统计数据,高通在2007年度一季度首次一举成为全球最大的无线半导体供应商,并在此后继续保持这一领导地位。其骁龙移动智能处理器是业界领先的全合一、全系列移动处理器,具有高性能、低功耗、逼真的多媒体和全面的连接性。目前公司的产品和业务正在变革医疗、汽车、物联网、智能家居、智慧城市等多个领域。

http://www.qualcomm.com/
清华大学机构

清华大学(Tsinghua University),简称“清华”,由中华人民共和国教育部直属,中央直管副部级建制,位列“211工程”、“985工程”、“世界一流大学和一流学科”,入选“基础学科拔尖学生培养试验计划”、“高等学校创新能力提升计划”、“高等学校学科创新引智计划”,为九校联盟、中国大学校长联谊会、东亚研究型大学协会、亚洲大学联盟、环太平洋大学联盟、清华—剑桥—MIT低碳大学联盟成员,被誉为“红色工程师的摇篮”。 清华大学的前身清华学堂始建于1911年,因水木清华而得名,是清政府设立的留美预备学校,其建校的资金源于1908年美国退还的部分庚子赔款。1912年更名为清华学校。1928年更名为国立清华大学。1937年抗日战争全面爆发后南迁长沙,与北京大学、南开大学组建国立长沙临时大学,1938年迁至昆明改名为国立西南联合大学。1946年迁回清华园。1949年中华人民共和国成立,清华大学进入了新的发展阶段。1952年全国高等学校院系调整后成为多科性工业大学。1978年以来逐步恢复和发展为综合性的研究型大学。

相关技术
华为机构

华为创立于1987年,是全球领先的ICT(信息与通信)基础设施和智能终端提供商,致力于把数字世界带入每个人、每个家庭、每个组织,构建万物互联的智能世界。目前华为有19.4万员工,业务遍及170多个国家和地区,服务30多亿人口。

https://www.huawei.com/cn/
自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

边缘计算技术

边缘运算(英语:Edge computing),又译为边缘计算,是一种分散式运算的架构,将应用程序、数据资料与服务的运算,由网络中心节点,移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解,切割成更小与更容易管理的部分,分散到边缘节点去处理。边缘节点更接近于用户终端装置,可以加快资料的处理与传送速度,减少延迟。在这种架构下,资料的分析与知识的产生,更接近于数据资料的来源,因此更适合处理大数据。

噪音技术

噪音是一个随机误差或观测变量的方差。在拟合数据的过程中,我们常见的公式$y=f(x)+\epsilon$中$\epsilon$即为噪音。 数据通常包含噪音,错误,例外或不确定性,或者不完整。 错误和噪音可能会混淆数据挖掘过程,从而导致错误模式的衍生。去除噪音是数据挖掘(data mining)或知识发现(Knowledge Discovery in Database,KDD)的一个重要步骤。

语音识别技术

自动语音识别是一种将口头语音转换为实时可读文本的技术。自动语音识别也称为语音识别(Speech Recognition)或计算机语音识别(Computer Speech Recognition)。自动语音识别是一个多学科交叉的领域,它与声学、语音学、语言学、数字信号处理理论、信息论、计算机科学等众多学科紧密相连。由于语音信号的多样性和复杂性,目前的语音识别系统只能在一定的限制条件下获得满意的性能,或者说只能应用于某些特定的场合。自动语音识别在人工智能领域占据着极其重要的位置。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

信号处理技术

信号处理涉及到信号的分析、合成和修改。信号被宽泛地定义为传递“关于某种现象的行为或属性的信息(如声音、图像和生物测量)”的函数。例如,信号处理技术用于提高信号传输的保真度、存储效率和主观质量,并在测量信号中强调或检测感兴趣的组件。我们熟悉的语音、图像都可以看做是一种信号形式。因此,对于语音、图像的增强、降噪、识别等等操作本质上都是信号处理。

压缩感知技术

压缩感知(Compressed sensing),也被称为压缩采样(Compressive sampling)或稀疏采样(Sparse sampling),是一种寻找欠定线性系统的稀疏解的技术。压缩感知被应用于电子工程尤其是信号处理中,用于获取和重构稀疏或可压缩的信号。这个方法利用讯号稀疏的特性,相较于奈奎斯特理论,得以从较少的测量值还原出原来整个欲得知的讯号。核磁共振就是一个可能使用此方法的应用。这一方法至少已经存在了四十年,由于David Donoho、Emmanuel Candès和陶哲轩的工作,最近这个领域有了长足的发展。近几年,为了因应即将来临的第五代移动通信系统,压缩感知技术也被大量应用在无线通讯系统之中,获得了大量的关注以及研究。

百度机构

百度是全球最大的中文搜索引擎,是一家互联网综合信息服务公司,更是全球领先的人工智能平台型公司。2000年1月1日创立于中关村,公司创始人李彦宏拥有“超链分析”技术专利,也使中国成为美国、俄罗斯、和韩国之外,全球仅有的4个拥有搜索引擎核心技术的国家之一。

https://www.baidu.com/
百度风投机构

2016 年 9 月 13 日,百度宣布成立百度风投 (Baidu Ventures),李彦宏亲自出任董事长和投资委员会主席。 百度风投致力于成为「人工智能时代的世界一流 VC」,依托百度作为世界人工智能领先企业的独特平台,通过富有洞察力的行业判断、积极主动的增值服务、独立高效的决策机制,成为优秀人工智能创业者的「共同创始人」,与他们共同成长并分享他们的成功。 百度风投将在北京、硅谷设立区域总部,覆盖全球初创期到成长期的人工智能项目。 2017 年 2 月 6 日,百度宣布前联想之星合伙人刘维作为副总裁正式加盟百度,任百度风投 (Baidu Ventures)CEO,全面负责百度风投的各项工作。同时加入的还有曾任百度高级技术总监、后创办多盟并担任 CEO 的齐玉杰,以及曾任高盛亚洲执行董事及 TA Associates 合伙人的蔡薇。

https://bv.ai/en/
5G技术

第五代移动通信系统(5th generation mobile networks),简称5G,是4G系统后的延伸。美国时间2018年6月13日,圣地牙哥3GPP会议订下第一个国际5G标准。由于物理波段的限制,5G 的网络也将会与其他通信技术并用,包含长距离的其他传统电信波段。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

反馈环技术

反馈回路是系统输出的某些部分(或全部)用作将来操作的输入的环结构。

行人检测技术

行人检测是从摄像机中检测行人的任务。

暂无评论
暂无评论~