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(lái)巨大的技術(shù)提升，對(duì)傳感器技術(shù)來(lái)說(shuō)，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(lái)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(xiǎn)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(guò)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(cè)技術(shù)。 ▲來(lái)源：企查查 ? 在城市中地下，各種天然氣管道、自來(lái)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(lái)的安全風(fēng)險(xiǎn)劇增。 ? 據(jù)Common Ground Alliance (CGA)測(cè)算，美國(guó)每年有數(shù)十萬(wàn)起因公用管線破損老化帶來(lái)的事故，其損失超過(guò)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(cè)性鉆探上的花費(fèi)，也超過(guò)了1000億美元。與此同時(shí)，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(wèn)題有了經(jīng)濟(jì)和環(huán)境的雙重需求。 因此，實(shí)現(xiàn)精確的、無(wú)侵入式的地下探測(cè)，繪制出詳細(xì)的地下地圖，對(duì)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(gè)傳感器和視覺(jué)提示來(lái)推斷位置和線路路徑，常常需要對(duì)地面進(jìn)行破壞，同時(shí)線路不夠準(zhǔn)確。 那么，Exodigo怎么做呢？ Exodigo使用多個(gè)傳感器融合收集地球物理數(shù)據(jù)，并將信號(hào)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(shí)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(gè)物理領(lǐng)域。這種方法彌補(bǔ)了單個(gè)傳感器類(lèi)型的局限性，并確保檢測(cè)到所有埋藏的資產(chǎn)（無(wú)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(jì)、電性模擬器、多頻多通道探地雷達(dá)等。 ? ? 同時(shí)，Exodigo以縱橫交錯(cuò)的蛇形路徑模式掃描整個(gè)區(qū)域，而非傳統(tǒng)的“遵循路線”方法從現(xiàn)有記錄和視覺(jué)提示（如沙井或消防栓）開(kāi)始推斷位置，這種方法消除了掃描過(guò)程中的人為錯(cuò)誤和偏見(jiàn)，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(hào)中添加高分辨率圖像，以檢測(cè)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(gè)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(dòng)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(huì)根據(jù)現(xiàn)場(chǎng)采樣的數(shù)據(jù)對(duì)所有可能的情況進(jìn)行物理模擬，以找到對(duì)整個(gè)區(qū)域中檢測(cè)到的物體位置的最佳預(yù)測(cè)。 Exodigo指出，其AI算法在實(shí)時(shí)數(shù)據(jù)庫(kù)上進(jìn)行訓(xùn)練，數(shù)據(jù)庫(kù)包含過(guò)去完成的來(lái)自全球各地的數(shù)十個(gè)項(xiàng)目的 TB 級(jí)數(shù)據(jù)，數(shù)據(jù)庫(kù)隨著新數(shù)據(jù)的添加而不斷發(fā)展。 Exodigo通過(guò)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(dòng)化和AI，通過(guò)AI技術(shù)Exodigo分析比傳統(tǒng)方法多幾個(gè)數(shù)量級(jí)的數(shù)據(jù)，以發(fā)現(xiàn)與周?chē)h(huán)境具有不同特征的地理現(xiàn)象，在過(guò)去，訓(xùn)練有素的地球物理學(xué)家可能需要幾個(gè)月的時(shí)間才能從單個(gè)站點(diǎn)掃描中手動(dòng)查看大量數(shù)據(jù)，而我們的算法可以在數(shù)小時(shí)內(nèi)處理這些數(shù)據(jù)。 并且，使用AI可以減少過(guò)程中的人為錯(cuò)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(cè)問(wèn)題，但Exodigo也特別提到，其團(tuán)隊(duì)中仍然包含多維地球物理專家和土木工程師，他們會(huì)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(cè)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(xiàng)技術(shù)就榮獲了《時(shí)代》雜志評(píng)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(xiàng)發(fā)明”。 在示例方面，Exodigo給出了多個(gè)項(xiàng)目實(shí)用案例，譬如美國(guó)國(guó)家電網(wǎng)計(jì)劃在紐約鹿特丹建設(shè)一個(gè)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(chē)平臺(tái)通過(guò)多個(gè)傳感器、攝像頭圖像和厘米級(jí)精度的 RTK GPS 掃描該區(qū)域，每英畝收集超過(guò) 500 GB 的數(shù)據(jù)，通過(guò)AI計(jì)算后生成3D可視化地下地圖，避免了項(xiàng)目后期代價(jià)高昂的延誤。 美國(guó)國(guó)家電網(wǎng)土木建設(shè)總監(jiān)Mike Roberts評(píng)價(jià)“Exodigo在鹿特丹試點(diǎn)項(xiàng)目中取得了非常有希望的結(jié)果。這項(xiàng)技術(shù)看起來(lái)改變了我們的游戲規(guī)則，從項(xiàng)目開(kāi)始、規(guī)劃、設(shè)計(jì)和工程，一直到施工，這個(gè)領(lǐng)域都至關(guān)重要。該技術(shù)提供的能見(jiàn)度水平提高就像第一次戴上處方眼鏡，對(duì)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(cè)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(chǎng)和新技術(shù)的引領(lǐng)者，越來(lái)越來(lái)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(chǎng)景發(fā)布會(huì)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(shí)現(xiàn)起居檢測(cè)場(chǎng)景健康關(guān)懷，傳感器支持跌倒、墜床、睡眠等事件檢測(cè)，并且支持分級(jí)告警，將異常信息推送給家人，使家人得到及時(shí)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(méi)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(cè)人體存在和動(dòng)作并不難，難在如何甄別各種動(dòng)作事件，避免誤判——譬如蹲下就不應(yīng)該識(shí)別成跌倒，目前市場(chǎng)上部分毫米波雷達(dá)跌倒監(jiān)測(cè)設(shè)備存在較大的誤測(cè)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(duì)毫米波雷達(dá)反饋的數(shù)據(jù)進(jìn)行識(shí)別和判斷，提升識(shí)別準(zhǔn)確率——龐大的數(shù)據(jù)庫(kù)和先進(jìn)的AI模型也是華為的強(qiáng)項(xiàng)，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(jí)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(duì)AI技術(shù)在傳感器中的應(yīng)用：

“我們對(duì)AI的理解，就是說(shuō)我們過(guò)去的傳感器其實(shí)就是給客戶提供一些原始的數(shù)據(jù)，比如說(shuō)，以加速器和陀螺儀來(lái)講，它可能輸出的就是一個(gè)加速度信號(hào)或者一個(gè)角速度信號(hào)給到客戶。但是從真正應(yīng)用的角度來(lái)講，客戶可能需要把這些物理量變成它實(shí)際使用到的一些數(shù)據(jù)，那這里面需要一個(gè)算法的過(guò)程（來(lái)進(jìn)行計(jì)算），在以前這個(gè)算法需要客戶自己來(lái)開(kāi)發(fā)，自己來(lái)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(jì)算力的一些計(jì)算單元。可以是一個(gè)外接的MCU，也可以是SoC，那它里面就能夠跑我們博世自己開(kāi)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(jì)算這套模式，讓這個(gè)計(jì)算重新回到我們傳感器的這邊，來(lái)減少整個(gè)系統(tǒng)的功耗。然后同時(shí)也可以減少客戶對(duì)算法開(kāi)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(duì)某個(gè)場(chǎng)景去開(kāi)發(fā)重復(fù)的算法，這樣產(chǎn)品開(kāi)發(fā)效率就能提高，所以這個(gè)是我們?cè)谥悄軅鞲衅黝I(lǐng)域做的一些探索。”

通過(guò)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(kāi)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(shuō)博世作為消費(fèi)電子傳感器巨頭，本身對(duì)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(cè)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(hào)中發(fā)布AI檢測(cè)案例，文中指出“AI視覺(jué)檢測(cè)在工業(yè)機(jī)動(dòng)化領(lǐng)域也逐漸解決了人工檢測(cè)成本高、穩(wěn)定性差、檢出率不達(dá)標(biāo)等難題。” 通過(guò)基恩士先進(jìn)的光電傳感器配合AI算法，能夠應(yīng)對(duì)工業(yè)場(chǎng)景中更多未知場(chǎng)景的精密檢測(cè)需求，譬如鑄鋁件的砂眼大小、樹(shù)脂件的劃痕長(zhǎng)短等，是否符合質(zhì)檢要求。 ▲來(lái)源：基恩士公眾號(hào) ? 結(jié)語(yǔ) 數(shù)據(jù)本身沒(méi)有價(jià)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(shí)際問(wèn)題，那么數(shù)據(jù)才被賦予了價(jià)值。 未來(lái)，全面智能化時(shí)代到來(lái)，數(shù)以億萬(wàn)計(jì)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(jià)值。 在以往，許多時(shí)候傳感器傳回來(lái)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(duì)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(duì)億萬(wàn)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(jià)值。 顯然，隨著AI技術(shù)的進(jìn)步，未來(lái)對(duì)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(jià)值。

審核編輯 黃宇