傳感器+AI，融了7個億，華為基恩士博世……都在搞AI傳感器

隨著以ChatGPT為代表的AI大模型技術(shù)的迅猛發(fā)展，人工智能正在顛覆各行各業(yè)，并帶來巨大的技術(shù)提升，對傳感器技術(shù)來說，也是如此。 目前，從華為、博世、基恩士等巨頭到初創(chuàng)傳感器企業(yè)，均在探索人工智能技術(shù)在智能傳感器中的應(yīng)用。 此前，來自以色列的初創(chuàng)企業(yè)Exodigo，宣布獲得1.05億美元（約合7.76億人民幣）的融資，本輪融資由風(fēng)險投資機(jī)構(gòu)Greenfield Partners和Zeev Ventures共同領(lǐng)投。 資料顯示，Exodigo成立于2021年，短短兩年就已獲得三輪融資，融資金額超過1.3億美元。 Exodigo為什么能獲得資本青睞？答案在于其傳感器+AI的革命性探測技術(shù)。 ▲來源：企查查 ? 在城市中地下，各種天然氣管道、自來水管、電纜以及其他可能導(dǎo)致泄漏、爆炸的埋藏障礙物密布，隨著老化、年久失修，帶來的安全風(fēng)險劇增。 ? 據(jù)Common Ground Alliance (CGA)測算，美國每年有數(shù)十萬起因公用管線破損老化帶來的事故，其損失超過了300億美元。Exodigo也曾估算，公共事業(yè)公司每年在不必要的重型設(shè)備挖掘和探測性鉆探上的花費，也超過了1000億美元。與此同時，建筑環(huán)境幾乎占了全球碳排放量的一半，這也使得解決地下問題有了經(jīng)濟(jì)和環(huán)境的雙重需求。 因此，實現(xiàn)精確的、無侵入式的地下探測，繪制出詳細(xì)的地下地圖，對城市地下管廊系統(tǒng)的維護(hù)非常重要。 傳統(tǒng)的地下地圖依靠單個傳感器和視覺提示來推斷位置和線路路徑，常常需要對地面進(jìn)行破壞，同時線路不夠準(zhǔn)確。 那么，Exodigo怎么做呢？ Exodigo使用多個傳感器融合收集地球物理數(shù)據(jù)，并將信號與人工智能（AI）融合在一起，顯著提高地圖繪制的準(zhǔn)確性和效率，從而減少不必要的挖掘以節(jié)省成本、降低損失。 據(jù)Exodigo聲稱，該方法通常比傳統(tǒng)方式能夠多發(fā)現(xiàn)20-30%的公用事業(yè)線路，并能夠?qū)⒊醪酵诰蚝豌@探減少多達(dá)90%，因此施工人員只需要在必要時進(jìn)行挖掘即可。 據(jù)官網(wǎng)介紹，Exodigo繪制地圖主要有這些步驟： 數(shù)據(jù)采集 Exodigo 使用最先進(jìn)的傳感器進(jìn)行掃描，涵蓋多個物理領(lǐng)域。這種方法彌補(bǔ)了單個傳感器類型的局限性，并確保檢測到所有埋藏的資產(chǎn)（無論材料和屬性如何）。平均每 0.4 英寸（1 厘米）掃描一次采樣，捕獲的數(shù)據(jù)量是傳統(tǒng)定位儀的 1000 倍。 這些先進(jìn)傳感器包括了多頻磁電式傳感器、磁性梯度計、電性模擬器、多頻多通道探地雷達(dá)等。 ? ? 同時，Exodigo以縱橫交錯的蛇形路徑模式掃描整個區(qū)域，而非傳統(tǒng)的“遵循路線”方法從現(xiàn)有記錄和視覺提示（如沙井或消防栓）開始推斷位置，這種方法消除了掃描過程中的人為錯誤和偏見，并最大限度地提高了我們收集的數(shù)據(jù)的完整性。 ? ? ? 多傳感器融合 在信號中添加高分辨率圖像，以檢測地下公用設(shè)施（例如沙井、消防栓等）的任何地上指標(biāo)。這種融合創(chuàng)建了一個同步的、基于地理定位的、多感知維度的數(shù)據(jù)堆棧，使我們的人工智能能夠構(gòu)建精確的地下 3D 模型。

基于人工智能驅(qū)動的地圖創(chuàng)建 將數(shù)據(jù)上傳到云端進(jìn)行分析后，Exodigo 的自研算法會根據(jù)現(xiàn)場采樣的數(shù)據(jù)對所有可能的情況進(jìn)行物理模擬，以找到對整個區(qū)域中檢測到的物體位置的最佳預(yù)測。 Exodigo指出，其AI算法在實時數(shù)據(jù)庫上進(jìn)行訓(xùn)練，數(shù)據(jù)庫包含過去完成的來自全球各地的數(shù)十個項目的 TB 級數(shù)據(jù)，數(shù)據(jù)庫隨著新數(shù)據(jù)的添加而不斷發(fā)展。 Exodigo通過多傳感器融合才是采集到的數(shù)據(jù)量是龐大的，如何分析這么龐大的數(shù)據(jù)？ Exodigo給出的方法就是自動化和AI，通過AI技術(shù)Exodigo分析比傳統(tǒng)方法多幾個數(shù)量級的數(shù)據(jù)，以發(fā)現(xiàn)與周圍環(huán)境具有不同特征的地理現(xiàn)象，在過去，訓(xùn)練有素的地球物理學(xué)家可能需要幾個月的時間才能從單個站點掃描中手動查看大量數(shù)據(jù)，而我們的算法可以在數(shù)小時內(nèi)處理這些數(shù)據(jù)。 并且，使用AI可以減少過程中的人為錯誤，特別是在保持重復(fù)性任務(wù)的規(guī)則應(yīng)用和質(zhì)量保證方面的一致性。 然而，雖然AI可以解決大多數(shù)物體檢測問題，但Exodigo也特別提到，其團(tuán)隊中仍然包含多維地球物理專家和土木工程師，他們會審查所有特殊情況，以保證每張地圖的質(zhì)量水平。 可以看到，該革命性探測技術(shù)，基于多種先進(jìn)傳感器融合+AI技術(shù)，Exodigo成立的第二年，這項技術(shù)就榮獲了《時代》雜志評選的2022年最佳創(chuàng)新之一，并入選“改變我們生活方式的200項發(fā)明”。 在示例方面，Exodigo給出了多個項目實用案例，譬如美國國家電網(wǎng)計劃在紐約鹿特丹建設(shè)一個變電站，但缺乏選址地方的地下管廊布局情況。 Exodigo 使用其推車平臺通過多個傳感器、攝像頭圖像和厘米級精度的 RTK GPS 掃描該區(qū)域，每英畝收集超過 500 GB 的數(shù)據(jù)，通過AI計算后生成3D可視化地下地圖，避免了項目后期代價高昂的延誤。 美國國家電網(wǎng)土木建設(shè)總監(jiān)Mike Roberts評價“Exodigo在鹿特丹試點項目中取得了非常有希望的結(jié)果。這項技術(shù)看起來改變了我們的游戲規(guī)則，從項目開始、規(guī)劃、設(shè)計和工程，一直到施工，這個領(lǐng)域都至關(guān)重要。該技術(shù)提供的能見度水平提高就像第一次戴上處方眼鏡，對以前有限和模糊的東西獲得清晰的視野?！? ? 華為、博世、基恩士……頭部企業(yè)探索傳感器+人工智能 傳感器+AI，Exodigo這家初創(chuàng)地下空間探測企業(yè)用其創(chuàng)新的技術(shù)做了示范，憑借該技術(shù)取得的成功，獲得了投資者的青睞。 作為市場和新技術(shù)的引領(lǐng)者，越來越來多的頭部企業(yè)在探索傳感器技術(shù)中人工智能的應(yīng)用。 譬如在今年5月份，華為在夏季全場景發(fā)布會中，推出AI 輔助康養(yǎng)傳感器，瞄準(zhǔn)智能家居中的智慧康養(yǎng)賽道。 AI 輔助康養(yǎng)傳感器使用毫米波雷達(dá)技術(shù)，實現(xiàn)起居檢測場景健康關(guān)懷，傳感器支持跌倒、墜床、睡眠等事件檢測，并且支持分級告警，將異常信息推送給家人，使家人得到及時守護(hù)。 華為擁有激光雷達(dá)、毫米波雷達(dá)的自研技術(shù)，該傳感器技術(shù)主要為智能駕駛服務(wù)，并延伸到智能家居等領(lǐng)域。華為沒有聊AI，但AI技術(shù)已經(jīng)深度融入到華為的傳感器產(chǎn)品中。 據(jù)傳感器業(yè)內(nèi)資深人士分析，用毫米波雷達(dá)檢測人體存在和動作并不難，難在如何甄別各種動作事件，避免誤判——譬如蹲下就不應(yīng)該識別成跌倒，目前市場上部分毫米波雷達(dá)跌倒監(jiān)測設(shè)備存在較大的誤測情況。 顯然，華為將該毫米波雷達(dá)命名為AI 輔助康養(yǎng)傳感器，使用AI技術(shù)對毫米波雷達(dá)反饋的數(shù)據(jù)進(jìn)行識別和判斷，提升識別準(zhǔn)確率——龐大的數(shù)據(jù)庫和先進(jìn)的AI模型也是華為的強(qiáng)項，許多傳統(tǒng)傳感器企業(yè)并不具備。 此前，在SensorShenzhen2024上，專家網(wǎng)編輯專訪了Bosch Sensortec高級產(chǎn)品經(jīng)理周良，此前博世已推出集成可編程AI系統(tǒng)的IMU單元BHI380，其深入分享了博世對AI技術(shù)在傳感器中的應(yīng)用：

“我們對AI的理解，就是說我們過去的傳感器其實就是給客戶提供一些原始的數(shù)據(jù)，比如說，以加速器和陀螺儀來講，它可能輸出的就是一個加速度信號或者一個角速度信號給到客戶。但是從真正應(yīng)用的角度來講，客戶可能需要把這些物理量變成它實際使用到的一些數(shù)據(jù)，那這里面需要一個算法的過程（來進(jìn)行計算），在以前這個算法需要客戶自己來開發(fā)，自己來做這方面的應(yīng)用。

現(xiàn)在，我們的智能傳感器，就是在傳感器里面放入相當(dāng)有計算力的一些計算單元?？梢允且粋€外接的MCU，也可以是SoC，那它里面就能夠跑我們博世自己開發(fā)的一些算法。這些算法能夠?qū)崿F(xiàn)本地運(yùn)行，或者叫做邊緣計算這套模式，讓這個計算重新回到我們傳感器的這邊，來減少整個系統(tǒng)的功耗。然后同時也可以減少客戶對算法開發(fā)的負(fù)擔(dān)。

如果我們能夠提供一些優(yōu)質(zhì)的算法，客戶可能拿到這些產(chǎn)品就能直接去應(yīng)用。他不需要再根據(jù)你的傳感器，針對某個場景去開發(fā)重復(fù)的算法，這樣產(chǎn)品開發(fā)效率就能提高，所以這個是我們在智能傳感器領(lǐng)域做的一些探索。”

通過博世提供的集成在傳感器中的AI算法模塊，可以大大減輕下游用戶的產(chǎn)品開發(fā)難度，提高產(chǎn)品研發(fā)效率——這意味著下游企業(yè)將能極大節(jié)約研發(fā)成本。 如果說博世作為消費電子傳感器巨頭，本身對AI等新技術(shù)更為敏銳，那么，工業(yè)傳感器巨頭基恩士推出的AI檢測案例，則意味著在工業(yè)傳感器等全產(chǎn)業(yè)，巨頭們都在積極思考AI技術(shù)在傳感器中的應(yīng)用。 基恩士在其官方公眾號中發(fā)布AI檢測案例，文中指出“AI視覺檢測在工業(yè)機(jī)動化領(lǐng)域也逐漸解決了人工檢測成本高、穩(wěn)定性差、檢出率不達(dá)標(biāo)等難題?！?/strong> 通過基恩士先進(jìn)的光電傳感器配合AI算法，能夠應(yīng)對工業(yè)場景中更多未知場景的精密檢測需求，譬如鑄鋁件的砂眼大小、樹脂件的劃痕長短等，是否符合質(zhì)檢要求。 ▲來源：基恩士公眾號 ? 結(jié)語 數(shù)據(jù)本身沒有價值，只有將數(shù)據(jù)轉(zhuǎn)化為可讀易懂的信息，用于輔助決策，解決實際問題，那么數(shù)據(jù)才被賦予了價值。 未來，全面智能化時代到來，數(shù)以億萬計的傳感器被使用，將產(chǎn)生海量的數(shù)據(jù)，如何從這些傳感器數(shù)據(jù)中進(jìn)行篩選，形成結(jié)論，幫助我們做出決策，才是這些傳感器的價值。 在以往，許多時候傳感器傳回來的數(shù)據(jù)，需要人工進(jìn)行分析，做出判斷，大大降低傳感器的利用率，面對海量的傳感器數(shù)據(jù)如何快速做出判斷？答案很顯然——依賴于人工智能技術(shù)，對億萬傳感器數(shù)據(jù)進(jìn)行分析，做出合理的執(zhí)行或者告警，這才是人工智能的價值。 顯然，隨著AI技術(shù)的進(jìn)步，未來對海量傳感器數(shù)據(jù)的處理，傳感器+AI，感知數(shù)據(jù)加上大腦，才能有價值。