什么是碎片化场景呢?需要用出货量和非标化这两个维度来衡量整个AIoT产业。以机器视觉方向的AIoT为例,在出货量上,这个领域需求非常成熟,如智能安防、监控摄像头,每款硬件的出货量都很大,可以运用"海量硬件+定制算法"的方式,先做出一整套物联网硬件,再针对不同场景注入不同的算法,其中每个场景都会对应一套硬件和一套算法。这种做法虽不灵活,但是高效,能最大程度发挥规模效应。
叠加非标化维度来看,基于不同需求的产品设计就是非标准化的集中体现,由此构成了碎片化场景。碎片化场景是用一套硬件绑定一套算法,这是靠传统规模化生产难以实现的,如流水线的瑕疵监测、养殖场的水下观测等,每个碎片化场景都是个性化、差异化的,其产品是非标化的,AI落地成本高,难以形成规模。因此,诸多成熟的算法模型仅停留在实验室里,未能面向市场,这是科研资源的巨大浪费。
其实,这些碎片化场景可通过"海量算法+标准硬件"的方式落地。例如,一个摄像头或者机械臂可以根据不同场景加载不同算法,这样一来硬件可以量产,而算法可以各异,如同智能手机一样,可以灵活安装各种小众APP。
以物业管理为例,垃圾与火灾隐患是两大主要问题,如何用AI同时解决这两类问题呢?最简单方法就是用普通摄像头加载不同的高级算法。从硬件角度来看,这类摄像头技术简单、成本低,让这些设备针对垃圾、火情两类场景加载不同的算法模型才是真正的挑战。
依照传统做法,则需要一套算法识别垃圾,另一套算法识别烟头,这两种算法切换之后精准度还不能下降,即便漏掉了一个烟头也可能导致火灾。因此,在这种场景下,"海量算法+标准硬件"组合模式最能够体现价值。
但是,在整个AIoT领域里,这种模式并未大规模应用。究其缘由,懂需求的人不懂算法、懂算法的人不懂硬件、懂硬件的人不懂需求,跨界融合困难重重。突破这些难题,创建AIoT开放平台显得尤为重要,平台可以开放AI算法到物联网硬件,所有软硬件、技术都可以提供给有需求的企业共创产品,如物流、零售、交通运输等企业,可以利用开放研发平台做AIoT新产品。
前文提到垃圾和火情的识别场景,最早发现这种需求的可能就是某个物业系统集成公司的产品经理。对于AI的理解,这些公司可能是外行,但是对于小区需求的理解绝对是权威。那么问题在于,即便他们能发现需求也不会有下文,因为产品经理会先找到技术团队评估实现难度。结果发现大家既不懂算法也不懂硬件,再好的想法也只能作罢。
AIoT开放平台能够给这类公司提供从软件、算法到摄像头、芯片、传感器的模组方案,再到模型训练算法的部署,最后是POC测试方案与交付,这类小团队也能做出符合大家都需要的产品。
来源:企业管理杂志