數(shù)據(jù)是新經(jīng)濟的源泉，是新的能量。我們用不同的單位來衡量數(shù)據(jù)，從最初的KB、MB，到如今的GB、PB、TB，數(shù)據(jù)量越來越大，單位層級越來越高。在過去10年中，每年產(chǎn)生的數(shù)據(jù)量比過去幾年產(chǎn)生的數(shù)據(jù)總和都多。

2020年會怎么樣?大數(shù)據(jù)將走向何方?AI又在其中扮演怎樣的角色?

99%的無用數(shù)據(jù)是什么?

很多數(shù)據(jù)中心現(xiàn)在已經(jīng)建成，它們在處理大量的數(shù)據(jù)的同時，要消耗能量。數(shù)據(jù)量每4年可能會翻番，數(shù)據(jù)中心的規(guī)模也會翻番。

這么多數(shù)據(jù)中，只有1%是真正的純信息，99%的數(shù)據(jù)是無用的，其中80%的大數(shù)據(jù)來自攝像頭或其它拍攝裝置，大多數(shù)是圖片。什么是純信息數(shù)據(jù)?怎么區(qū)分?這些數(shù)據(jù)對于設備、對于機器人、對于各種應用場景是不是有用?為什么要收集、處理這么多數(shù)據(jù)?

我們一直在研究這些問題。

150年前一位英國人發(fā)明了攝像機。攝像機不能完整地捕捉整個運動的過程， 而是捕捉到一系列連續(xù)的畫面，將畫面連接起來才形成了類似連續(xù)的一段影像。直到今天，我們?nèi)詫⒁曨l視作一系列的圖片。

因此，我們需要改變傳統(tǒng)的數(shù)據(jù)收集和處理方式，從而在視覺領域做出更多的貢獻。

利用AI技術(shù)捕捉關鍵數(shù)據(jù)

在汽車、超高速相機、實時游戲及工業(yè)應用中，我們關注兩點：一是抓取真正有意義的圖像，二是節(jié)省能源。

所有的視覺數(shù)據(jù)都是由傳感器按預定的節(jié)奏獲取的。傳統(tǒng)的方式是獲取海量數(shù)據(jù)， 通過一層層剝離來減少數(shù)據(jù)量，逐漸提取有價值的關鍵視覺信息并最終做出決策。

我們要減少無效數(shù)據(jù)的收集，有效利用資源，提高效率和安全性。

數(shù)碼相機每秒大概30幀，在高速運轉(zhuǎn)時，一些圖像會出現(xiàn)邊緣模糊的情況。如果提高精細度，則會面臨增加消耗電能的問題。

我們利用AI的感知和處理，通過增強感應器的性能， 努力改善動態(tài)過程中邊緣模糊的情況。同時優(yōu)化取樣，抓取相關性大的圖像，并且通過過濾90%以上的無用信息，來實現(xiàn)節(jié)能。

現(xiàn)在的數(shù)據(jù)如同一種新形式的石油，非常珍貴。我們需要不斷抓取有用的數(shù)據(jù)， 使這些數(shù)據(jù)服務于我們。

構(gòu)建先進的仿生視覺系統(tǒng)

想一想人的眼睛。人眼是如何看東西的?我們捕捉動態(tài)信息，而非關注靜止不動的部分，這時大腦和眼睛協(xié)調(diào)工作。人腦只收集有意義的信息，從而快速做出響應和決定，這非常高效。大腦要處理的信息量很大，而大腦的功率是25W，非常節(jié)能。

我們要打破傳統(tǒng)方式，開發(fā)出與拍攝裝置和AI結(jié)合的新技術(shù)，模擬大腦和眼睛的工作，依賴場景動態(tài)學， 僅捕捉關鍵信息，同時綜合考慮時間、能量、計算成本等參數(shù)，讓人與機器能夠和諧共存。

例如，在自動駕駛中100%地避免事故，在永不關閉的監(jiān)控系統(tǒng)上實現(xiàn)高安全性和效率，無人機憑直覺避免碰撞，甚至讓失明的人都可以恢復視覺。

我們希望汽車能檢測并繞開各種障礙以及道路上的其他汽車和行人。

交通場景下有一些動態(tài)過程，如汽車從隧道里開出來突然一亮，司機的眼睛被晃到就可能發(fā)生事故。運用芯片的感應器能夠了解相關光照情況下的具體交通量， 如同神經(jīng)形態(tài)傳遞。

我們利用基于事件的視覺系統(tǒng)來改革所有的動態(tài)應用，實現(xiàn)嵌入式事件流控制及被動邊緣檢測，采用低功耗傳感器，并使用高時間分辨率重建。

我們的系統(tǒng)只感知場景核心，運算數(shù)據(jù)僅為傳統(tǒng)方法的十分之一到千分之一;小于10mW的低功耗;微秒級的事件采樣，等同于每秒10000幀圖像;捕捉極端光照條件下的隱藏信息，大于120dB的高動態(tài)范圍;每個像素異步曝光，不產(chǎn)生運動模糊。

我們的系統(tǒng)可以用于安防/人工智能機器人,提高機器和工藝生產(chǎn)率，調(diào)試和維護感興趣的區(qū)域;在移動/可穿戴設備物聯(lián)網(wǎng)中，實現(xiàn)智能存在檢測以及實時高速SLAM ，進行眼動追蹤;在無人駕駛中，用實時高速的機器視覺以及HDR和低數(shù)據(jù)速率來提高安全性，并降低系統(tǒng)的復雜性和成本。