阅面科技丁小羽：自然人机交互成智能家居主题，多模态技术融合日益重要( 二 )

我们把智能家居看作是一个方向，而不是一个行业，看作是一个大家都想去追求的更懂你的家——这个家可以感知人的需要，去理解人的需求，恰如其分地提供服务。（比如）我回到家的时候想做一件事，打开窗帘、听一首歌，并不想在手机18个APP里面找到应该用哪个，也不想跟手机说话，并不自然。
我们朝着这个方向，沿途经过了跟芯片的结合，做到把实验室的GPU服务器上的算法做到嵌入式芯片上，把（视觉识别）模块用到像人脸抓拍摄像机、门禁闸机的行业应用上，一步步小型化。去年，我们开始大规模进入家庭场景，比如将3D人脸识别做到门锁上。
现在我们看家庭AI服务这里怎么走还是一团迷雾。智慧的人居环境是大家都想去的方向，有人从“开关上网”去做，有人从智能音箱去做，我们则从嵌入式视觉这条路去走。怎么过去是未知的，但这也是有意思的地方。
一个团队的出发点非常重要——人都有路径依赖，有时候是自己知道的，有时候是不知道的。现在回想起来当时出发时的环境，其实深远地影响我们对事情的认知，包括(处理问题)一些思维习惯。
比如，当时我们出发的时候，大部分是静态图片的识别，目前大部分的网络设计在交互过程中也还是静态的，只是在时间域上加权策略性的方式。当时，端到端刚刚兴起的时候，我们应用到实际环境中发现，真正要在成百上千万的设备上都得到不错的效果，其实理解整个决策过程的网络可解释性是非常重要的。这是当时的环境决定，导致现在需要克服的一些问题。
二、拨开家庭AI服务迷雾，阅面科技走出的四程路
随后，丁小羽分享了阅面科技在嵌入式视觉这个方向上走过的四程路。
其演讲实录如下：
1、第一程：AI和算力适配，讲求精准打击
带着这些问题，我们第一程做的是把实验室GPU集群上的视觉计算搬入到嵌入式设备上，抽象层面做的是AI和嵌入式算力的适配。上午听了很多嘉宾分享算力这块，大家已经开始在反思，非常同意算力不是评价芯片的唯一标准，甚至不是一个最重要的标准。
分享一组数字，最早做VPU视觉模组的时候，芯片算力0.1T ，今天看来是很小的数字，当时我们已经可以做本地的连续无感人脸检测和追踪，在抓拍机这些应用上可以运行的很好。现在，算力已经翻了几十倍，甚至芯片价格还变得更低。
今天跟大家分享一点，对AIoT智能家居的应用来说，还是要讲精准打击的，最适合这个场景包括I/O、存储各方面，综合性能要最适合，算力是其中可以说是比较小甚至有些资源过剩的一块。用超过十余家的芯片公司做过量产产品，甚至我们觉得做这个事情不是为了赚钱，只是为了跟芯片圈交个朋友而已，今天很高兴认识更多芯片圈的朋友，大家一起朝智能家居方向更进一步迈进。