在嵌入式设备上做深度学习让设备更智能化

（文章来源：OFweek）

随着终端设备大规模接入互联网，在终端设备上产生的海量数据在提供商业价值的同时，也对数据处理提出挑战。由于网络带宽有限，又要满足实时响应的需求，边缘计算成为发展的新趋势之一。

当边缘计算遇上深度学习会是怎么样？在嵌入设备等终端设备上做深度学习有几个天然的优势，第一就是在没有网络的情况下嵌入设备上也能直接做计算，第二就是直接在嵌入设备上计算避免了延迟的问题，不需要担心由于网络传输带来的延迟问题，第三就是数据存储在终端解决了一大部分的隐私问题。当然目前一般只是把推理（Inference）部分放在终端设备，训练(training)部分还是可以在云端完成。

不过由于终端设备上计算能力和计算带宽有限，需要特殊的深度学习算法，探长最近采访了一家计算机视觉领域的创业公司Pilot AI Labs，他们就提供基于深度学习的嵌入式设备的计算机视觉的解决方案。Pilot AI Labs的联合创始人兼首席执行官Jonathan Su是个连续创业者，拥有斯坦福大学计算机博士学位，在数值优化和高性能计算方面拥有丰富的专业知识。

他是PhiSix时装实验室的首席执行官和联合创始人，于2014年出售给eBay。他在eBay担任工程总监，并在MetaMind担任高级数据科学家。Pilot AI Labs创始团队来自于斯坦福和MetaMind，Jonathan和其他核心成员是同事、同学，其中还有多年的室友。Pilot AI Labs目前公司团队约三十人，丹华资本领投了种子轮，而NEA领投A轮融资。

Pilot AI Labs专注于构建基于深度学习的计算机视觉平台，该平台已经过优化，可在嵌入式设备上实时运行。 他从创业之初就选择了深度学习领域的创业，而且明确的选择了视觉作为创业方向，一方面是他们在这方面有相当的积累，另一方面则是学术界和工业界的研究和应用已经有了一定的基础。

Pilot AI Labs他们有特殊的经过收缩(shrink)的深度神经网络算法，不同于一般意义的将神经网络进行剪裁(pruning)，收缩（shrink)后的神经网络能够在大部分计算能力和计算带宽比较受限的环境下运行，此外，他们也有比较独特的数据训练方式，最大化利用训练数据。他们还开发了自己的深度学习框架和工具，可以相对通用的用于计算机视觉的各个领域，他们的解决方案也融合了传统的计算机视觉方法。

Pilot AI Labs技术上比较强于跟踪(tracking)和检测(detecting)，他们评估了计算机视觉的各种可能应用场景，最终选择无人机作为切入口，利用视觉来实现自动跟随等功能。Pilot.ai 将为无人机做视觉追踪降低门槛。对于无人机厂商来说，直接购买嵌入了 Pilot.ai 算法的芯片就可以获得其计算机视觉识别能力，无需GPS 追踪定位。他们的解决方案可以在多人的环境下依然比较好的实现跟踪。

Pilot AI Labs是目前少有的基于深度学习的可用的无人机视觉方案，他们的已经收到超过800万美元的订单，已经被广泛应用于工业界。Pilot AI Labs目前的应用还包括零售行业的店内客流分析等场景。另外一个已经被应用的场景则是辅助司机的驾驶以及疲劳检测等，比如，将摄像头安装在汽车正面挡风玻璃上，用来识别司机和乘客的情况，这可用于Uber等共享出行服务。

目前他们的年收入超过一千万美元，并且在创办一年内就实现了赢利，并准备进入移动设备、安防、智能家居、工业自动化等更多的领域，目标是实现一个亿美元的年收入。视觉作为人类认知世界的重要手段，人的大脑皮层的活动， 大约70%是在处理视觉相关信息。视觉就相当于人脑的大门。

Jonathan对硅谷密探表示希望他们的解决方案能够应用于物理世界中广泛存在于的通用摄像头中，让任何地方的摄像头都能够主动识别周围的环境，用于人们的日常生活和提高工作效率。在很多场景下，仅仅使用通用摄像头就能解决很多问题，当然如果结合更多的传感器则威力更大。

Pilot AI Labs目前专注于嵌入设备和移动设备上应用计算机视觉，在这个领域深度耕耘并拥有先发优势，现在也有越来越多的大公司注意到这个领域，Jonathan表示未来将和更多公司合作开发这个领域，目前，在美国，Pilot.ai 正在和某大型电子消费品牌进行合作，由其线下零售商店来帮助 Pilot.ai 快速进入各大线下超市。

长期来说，计算机视觉会在越来越多的场景下取代人的“看”的功能，会解放出大量的生产力、时间和精力投入，未来还会在更多的领域得到应用，这个市场大有可为。
       （责任编辑：fqj）