今年夏天烈日炎炎，在太陽的直射之下，不僅是人類很難睜開眼睛，張目對日，即便是專業相機、手機等攝影設備在拍攝太陽的過程中，也很容易因過強的陽光而對攝像頭中的元器件造成傷害。雖然景色在拍攝成視頻之后，所有人都可以從屏幕中看到炫目的光點，但這本質上是因為當前的視頻都以SDR（標準動態范圍）規格拍攝和顯示，無法呈現出真實世界的亮度。
目前雖然市面上HDR（高動態范圍）顯示設備越來越多，但能直接拍攝、錄制HDR視頻的設備卻依然有限，這就造成了大多數可獲得的視頻資源仍然是SDR格式，隨著AI技術在計算攝影領域的應用，SDR高保真的轉為HDR成為可能，AI能在理解場景信息的基礎上，重現蠟燭、燈光、太陽真實的色調和高光，無需高昂的HDR錄制設備，手機也能實現HDR視頻的拍攝。
圖源：曠視
將SDR轉換為HDR規格的視頻，只是AI為手機計算攝影帶來的技術革新中的冰山一角，AI甚至在硬件形態上重新定義了手機計算攝影。如今的手機不需要像單反相機那么大的鏡頭和光圈就能實現虛化、變焦、雙重曝光、視頻光斑，甚至手機就能實現專業攝像機才具備的電影模式。
AI算法的介入呈現在手機形態上的改變就是攝像頭、傳感器的增多，以及更小、更輕薄、更多樣化的傳感器，傳感器將不再單獨的、直接的提供應用的價值，手機和傳感器之間需要算法來作為承上啟下的橋梁，可以說AI正在定義手機傳感器。
縱觀歷史，AI與硬件的關系其實同軟件和硬件關系的演進歷程非常相似。著名的網景公司創始人MarcAndreessen曾說，軟件正在吞噬人類世界（Softwareeatstheworld）。
那么，在AI加速發展的今天，算法定義硬件逐漸在成為現實。
軟件定義時代
在軟件剛出現不久的軟硬一體化階段，軟件更多作為一種高級程序設計語言而存在，用戶對其感知并不強，一直到IBM360系列機硬件搭配OS/360操作系統捆綁出售，人們才逐漸意識到軟件系統的重要性，但此時的軟件系統依然被視為硬件的附屬品，其應用領域和靈活性都比較差。
微軟及Windows操作系統的誕生則標志著軟件行業發生了翻天覆地的變化，軟件不再作為硬件的附屬品而捆綁銷售，而是作為獨立可遷移“拷貝”售賣的版權商品，顛覆了過去計算機行業硬件為王的時代，各類辦公、影音、游戲軟件重塑了人們的經濟生活，微軟也憑借在軟件系統上的強勢，成為了IT行業的頭部企業，這個階段屬于軟件的產品化、產業化階段。
在互聯網普及和其商業化帶來的信息化浪潮2.0階段，軟件也開始與互聯網深度融合，“軟件即服務”（SoftwareasaService）的概念開始被提出，即用戶不再需要通過單機拷貝的方式來獲得軟件服務，通過互聯網即能隨時隨地按需使用軟件的功能。在軟件的網絡化和服務化階段，以蘋果AppleStore為代表的各類移動應用商店迅猛發展，百萬開發者和海量移動端應用出現，微信、淘寶、美團、微博等超級應用也是在這一時期出現，在軟件的定義下，手機從最初的通訊硬件工具變成了平臺式的智能手機。
如今，軟件定義已成為行業共識，如果說，互聯網的核心價值是“連接”，那么，軟件就是實現“連接”的基礎技術。雖然軟件在PC、智能手機領域已滲入的足夠深，但在如今的物聯網時代，千行百業中各類復雜多變的loT硬件卻和軟件連接的卻仍然不夠。
如今，AI算法在人類社會經濟生活中扮演的角色愈加重要，從當下最熱門的互聯網軟件抖音、臉書、淘寶、亞馬遜背后都有AI算法的身影，智能電視、掃地機器人、智能空調、智能空氣凈化器等越來越多的硬件也在與AI深度融合。
而AI算法正是軟件定義時代突破IoT領域的關鍵技術，在新一輪的軟件定義浪潮中扮演“連接者”的角色。
AI突破IoT閉環
在手機AppleStore中，用戶想要購物、外賣、游戲、影音，每種類別下都有無數應用可以選擇，但在家庭里的吸塵器、電視、冰箱、空調、油煙機等各類IoT設備中，卻常常看不到可選擇應用的軟件選項，傳統的軟硬件方式難以滿足AIoT海量場景的智能化需求。
據2021年艾瑞咨詢統計的數據，當前的AIoT行業，AI的滲透率僅為4%，還有約96%的場景還沒有被AI滲透。過去，AIoT端傳統的智能化解決方案是根據硬件“灌”算法，即根據不同型號、不同種類的硬件來為其適配一套算法，這種解決方案是以硬件為主導的，硬件、場景和AI算法之間的聯系較為割裂，硬件的設計沒有考慮AI算法數據采集和硬件適配的需求，這導致算法的復用度低，算法必須在硬件功能與場景之間尋找平衡，性能上做出妥協，硬件的性能與真實需求之間存在鴻溝。
硬件和AI算法的割裂就無法解決嗎？起碼在計算攝影領域曠視已突破了這種割裂，在前文的例子中，智能手機憑借AI算法讓其機身上小巧、輕薄的攝像頭達到能媲美一些專業相機的拍攝效果，在AI算法的定義下，手機攝像頭的形態相對于專業相機也做出了調整，AI算法需要多個不同功能的攝像頭來計算景深、解析色彩。
根據不同場景，AI會在一開始便判斷需要調動的不同鏡頭組合，來實現用戶想要的拍攝效果。例如，當用戶選擇風光模式時，AI算法便已將主攝像頭和廣角攝像頭調動起來；當用戶選擇人像模式時，AI算法便會調動主攝像頭和人物細節解析力更好的黑白攝像頭結合起來，在雙攝像頭模擬大光圈效果的同時獲得更優的人像表現能力。
如果將場景放到更加復雜、零碎的AIoT領域，千千萬萬的設備如何連接起來呢？曠視的解法是“算法定義硬件”，即通過如AppleStore中應用數量般的海量算法+各領域的通用型/標準硬件，來滿足AIoT領域海量的碎片化場景需求。
簡單來說就是從“海量硬件+定制算法”轉變為“海量算法+通用硬件”。
在今年的曠視企業業務合作伙伴大會上，曠視聯合創始人、企業業務事業部研發負責人楊沐表示：“一方面是產品和應用場景足夠豐富、算法功能需求日新月異，針對每一個場景都進行硬件和算法的定制適配效率太低。另一方面，AI時代的基礎產品不再是一個個孤立的硬件載體，也不是一個硬件搭配軟件這么簡單，需要有一整套的具備擴展性和低成本的軟硬件體系。”
曠視將算法前置，以“算法定義硬件”，其實就是用可隨時迭代更新升級的海量算法，來匹配復雜多變、碎片化的AIoT場景，通用標準化的硬件則作為算法的載體，相比于更新迭代成本較大的硬件，更貼近用戶場景需求的AI算法無疑更適合作為核心，來定義一套AIoT產品，由此，用戶無需頻繁更換硬件，就能通過算法定義功能，來滿足日新月異的場景和需求。
圖源：曠視
算法定義硬件
當然，要成功實現“算法定義硬件”并不容易，首先出現的難題就是海量算法的生產上，AI的背后就是算法，海量的算法是實現“算法定義硬件”的前提，只有算法生產想當下的海量APP一般，生產的足夠多、足夠快、成本足夠低，海量算法來定義硬件才會成為可能。
曠視認為算法生產的主要困難集中在整個生產環節的復雜性上。具體來說，可以分為三個方面：第一，數據生產的復雜性。第二，算法模型本身的不確定性。第三，算法最終要推廣落地到各式各樣的AIoT平臺上，這個硬件平臺的多樣性也帶來了整個生產過程的復雜和高成本。
曠視則具備算法量產的能力，曠視本身是一個算法起家的公司，基于Brain++，曠視有固定流水線式的批量生產算法，能以更低成本生產更高質量的算法，并且這些算法能夠隨著AI落地的推廣程度，根據數據迭代不斷進化。
算法生產過程標準化正是真效地解決復雜的、碎片化的算法生產所面臨挑戰的手段。這個標準化包括了數據生產的標準化、算法模型的標準化和整個推理框架的標準化。曠視自研的算法生產平臺AIS是基于曠視Brain++體系，在曠視自研的深度學習框架MegEngine中，曠視搭建了數據管理平臺MegData和計算平臺MegCompute，它們為算法生產構建的一個從數據處理到模型訓練，到性能分析調優，到推理部署測試全鏈路的零代碼自動化的生產力工具平臺。
算法量產是對AI生產模式的理念革新和生產力進化，曠視構建了“2+1”的AIoT核心技術科研體系，即以“基礎算法科研”和“規模算法量產”為兩大核心的AI技術體系，和以“計算攝影學”為核心的“算法定義硬件”IoT技術體系（包括AI傳感器和AI機器人）。
“算法定義硬件”，除了已經在智能手機行業中廣為應用的AI+計算攝影，曠視的“魔方盒子”也是近年來成功的產品落地案例。“魔方盒子”是曠視研發的邊緣計算產品，它能以一種更加經濟和智能的方式，讓前端大量非智能的高清攝像機具備AI識別能力。
傳統的智能攝像頭難以同時進行“圖像檢測”、“煙霧檢測”、“工地未佩戴安全帽檢測”、“危險行為檢測”等諸多不同類型檢測任務，常常需要根據園區、工地、加油站、停車棚等不同的應用場景更換不同的攝像設備，而曠視的“魔方盒子”則是基于“算法定義硬件”的理念所設計，在設計之初就和芯片硬件進行聯合調優，只需通過更新迭代盒子中的算法，不需要更新攝像頭硬件就能實現一套設備匹配安監領域、辦公領域、社區領域、智慧工地等等不同場景。
圖源：曠視；“魔方盒子”
目前，曠視已經形成了最小硬件閉環體系，不過“算法定義硬件”仍是一個宏偉的目標，還有很長的路要走，曠視為其規劃了三個發展階段。第一個階段也是目前所處的階段，以自研硬件為基礎開啟產品階段。第二個階段，是通過算法下發平臺實現用戶的個性化采購。第三個階段則是生態的充分開放，充足的算法供應與不同廠商的硬件，形成開放的行業生態。
AIoT是一場持久戰，未來，曠視將持續推動AI核心技術能力的突破，讓算法的生產和部署更快、更好、更便宜。另一方面，不斷積累豐富的硬件know-how以及算法的軟硬件協同設計能力，實現更多完整的產品價值閉環，讓海量算法和硬件形成開放的生態，重鑄AIoT行業。
