從Rokid與酷芯的例子可以看出，人工智能并非只是飄在云端的屠龍之技。只要躬身入局，兩腳泥巴一身汗地去市場里找機會，去耕耘，人工智能能找到落地場景。恰如姚海平所說，酷芯等人工智能芯片企業(yè)，并不缺技術(shù)，“缺少的是機會和應(yīng)用?！?

在谷歌人工智能（AI）程序戰(zhàn)勝人類圍棋世界冠軍四年之后，這一輪人工智能熱潮起起伏伏，大多數(shù)工程界的人工智能從業(yè)者一直在探究一個解：如何將這威力無窮的屠龍之技真正發(fā)揮威力。

人工智能看起來包括宇宙總攬人間，在紙上暢想時無所不能，但真到商業(yè)化落地環(huán)節(jié)，無數(shù)資本寵兒就真正成了“寵兒”：只會說不能做。

仔細分析倒也不能只怪這些被資本催熟的“寵兒”，人工智能應(yīng)用很多，但可商業(yè)化落地的賽道大多被巨頭壟斷，例如安防監(jiān)控與云端的大數(shù)據(jù)處理。同樣，在音視頻領(lǐng)域有很多可商業(yè)化的人工智能方向，但同樣競爭對手云集，并沒有那么容易殺出來。

不過，這并不是說中小公司完全沒有機會。在芯原微電子（上海）股份有限公司（芯原股份）承辦的“萬物智聯(lián) 芯火燎原”人工智能芯片創(chuàng)新主題論壇上，有兩個例子或是中小公司把人工智能用好的案例。

一個是Rokid開發(fā)的智能測溫AR（增強現(xiàn)實）眼鏡。這款智能測溫眼鏡的原型是為工業(yè)設(shè)備檢測溫度異常應(yīng)用而開發(fā)的，并不是針對人體測溫。

“工業(yè)環(huán)境相對穩(wěn)定，濕度、溫度、距離還有被檢測物體本身的剛性都比較穩(wěn)定，所以不需要上AI，只要傳統(tǒng)測溫系統(tǒng)就可以?！盧okid首席執(zhí)行官祝銘明表示，有關(guān)部門給這款智能測溫眼鏡提出的要求是在4米距離內(nèi)可以精準讀出人體體溫，誤差不超過0.2度?！皞鹘y(tǒng)測溫系統(tǒng)不可能做到，因為傳感器本身的誤差有0.5度，加上外面環(huán)境干擾，誤差已經(jīng)有約1度，如果不做處理，設(shè)備就會亂報警，要滿足要求就只能上AI?！?

祝銘明介紹，人工智能為這款眼鏡解決了三大難題。首先是濾除背景溫度噪音，例如頭發(fā)的溫度較高，太陽直曬時有可能達到四五十攝氏度，如果要做發(fā)燒檢測，必須要濾除這些因素。其次是通過體表溫度來計算真實體溫，這里涉及到數(shù)據(jù)擬合算法，實時處理也比較考驗芯片的算力與功耗。最后是如何提升溫度圖像傳感器（thermal image sensor）的精度，工業(yè)應(yīng)用由于對精度要求較低，所以不需要進一步處理，但檢測人體溫度，則需要利用算法來提升精度。

“我們的生產(chǎn)訂單已經(jīng)排到10月份，還在不斷加大產(chǎn)能?！弊ｃ懨鞅硎?，全球疫情蔓延讓這款智能眼鏡成為了明星產(chǎn)品，在這次過程中，祝銘明也發(fā)現(xiàn)，原來大家覺得離實用很遠的AI，只要深挖需求，一定能找到發(fā)揮的空間，“尤其是AR，在當前特殊環(huán)境下發(fā)揮了很大作用?！?

酷芯微電子也在這次疫情中找到了機會?？嵝緸闇y溫面板機提供了溫度檢測芯片平臺，該芯片平臺將可見光、近紅外（做活體檢測）和遠紅外（做測溫）結(jié)合在一起，在辦公樓、商場與機場等設(shè)施做室內(nèi)溫度檢測，以防控疫情。

測溫面板機支持多人檢測，這就需要判定被測人距離，并根據(jù)其距離進行補償，算法上就比較復雜。姚海平舉例說：“比如在機場，用一個攝像頭看多個人，這時候就要檢測出多個人位置、以及其人臉信息，同時通過對多個人進行測距補償，因為每個人距離不一樣，補償就不一樣。”

這些補償算法離不開人工智能，而酷芯支持的測溫面板機在有些場景還需要支持戴口罩的人臉識別，這無疑增加了對算法的要求，酷芯微電子與商湯科技聯(lián)合開發(fā)，投入大量人力密集攻關(guān)，最終還是為市場提供出可用的戴口罩人臉識別設(shè)備。

從Rokid與酷芯的例子可以看出，人工智能并非只是飄在云端的屠龍之技。只要躬身入局，兩腳泥巴一身汗地去市場里找機會，去耕耘，人工智能能找到落地場景。恰如姚海平所說，酷芯等人工智能芯片企業(yè)，并不缺技術(shù)，“缺少的是機會和應(yīng)用?！?

與之相反，國內(nèi)還有不少打人工智能旗幟的企業(yè)，雖然估值奇高，但到現(xiàn)在仍無法找到可靠的商業(yè)落腳點。這些公司往往就只成天宣傳自己開天辟地的算法創(chuàng)新，無與倫比的算力堆積，賽靈思和英特爾都不過爾爾，連英偉達都是插標賣首等著國內(nèi)新貴公司去收人頭的。

這些做過幾天科研的新貴或許在某個點做到了世界前沿，但其中多數(shù)人畢竟沒有對當今大規(guī)模算力部署有真正體驗，在集成電路這樣一個工程屬性極強的產(chǎn)業(yè)中，算力指數(shù)化提升實際上已經(jīng)做了幾十年。芯原股份創(chuàng)始人、董事長兼總裁戴偉民博士就指出，基于16納米工藝的芯片算力成本約為0.67美元/TOPS（億萬次計算），到3納米工藝時，芯片算力平均成本將將為0.06美元/TOPS。

單純堆算力，初創(chuàng)公司最終都不會是老牌玩家的對手，巨頭公司掌握著足夠的產(chǎn)業(yè)資源，可以迅速彌補單點短板，初創(chuàng)公司更應(yīng)該做的是利用自己的單點優(yōu)勢去深度挖掘應(yīng)用需求，以需求帶動技術(shù)再進一步發(fā)展，只要不是停留在單點優(yōu)勢上做屠龍英雄夢，人工智能終究還是會在很多應(yīng)用中成為殺手锏。

英偉達崛起于個人電腦時代對于顯卡芯片性能大幅提升的需求，高通崛起于個人通信時代對于手機單芯片解決方案的需求，如果這兩家只是夸耀自己的算力好或通信算法天下第一，恐怕墳頭都長草了。