智能视觉AI急需计算能力突破

据报道，在人机交互模式的差异下，主流智能家居产品分为智能视觉、智能语音、智能触摸等产品。作为传统视觉方案的智能延伸，智能视觉BQ4010MA-200产品已成为整个智能家居市场增长最快的产品之一。据艾瑞咨询统计，2021年国内家用摄像头出货量达到4650万台，同比增长15%。

典型的家用智能视觉产品包括智能相机、智能视觉门锁/门铃、智能视觉清扫器、智能宠物喂食器、智能温度变化器等。智能视觉的原因是，这些产品不仅提供视觉交互窗口，还提供主动和智能交互。因此，我们可以看到，在竞争激烈的智能家居市场中，许多制造商正在利用云突破。

智能视觉AI急需计算能力突破

智能家居中最典型的应用场景之一是智能相机领导的家庭视觉解决方案。随着传感器和图像处理引擎的性能越来越高，我们看到了少数AI应用的落地，如AI人形监测与跟踪等。

尽管是现在的边缘AI效率在不断提高，但在功耗的硬性限制下，边缘计算能力的提高仍然有限，前端收集的整个计算能力是不现实的。即使可以部署各种计算能力AI解决方案往往比较轻AI模型可能无法满足所有场景的需求，或无法达到预期的性能，如车辆、宠物、包装识别和跌倒提醒，因此云合作和流动AI分析已成为许多智能视觉应用的首选。

就拿视觉AIoT厂家积加科技建设A4x以平台为例，采用云异构计算的思路，自主研发Uni-Smart实现了一套流式处理框架AI模型自动化生产线可以完成AutoML，迁移学习、结构化算法训练、推理框架等AI负载。

此外，Uni-Smart超低的音视频流量AI分析链路，平均延迟3-5秒，支持事件实时报警。在访问了他们的智能相机产品解决方案后，您可以实现整个房子的智能感知、识别甚至决策。家用相机的功能不再局限于记录，还可以实现哭泣提醒、辅助护理等功能。

可以看出，单靠端侧AI计算能力不能给智能视觉应用场景带来突破，也不能真正实现“主动式”智能交互。

为什么要花钱买云存储？

虽然AI它为智能视觉产品的使用体验带来了全面的改进，其机身也有一定的存储空间，但我们可以看到越来越多的家庭智能视觉产品开始加入云存储，制造商在早期支付，用户在后期支付。

对于智能视觉制造商来说，他们想要一个可靠的AI模型，如上所述，宠物、老年人特征和事件识别，必须使用收集大量数据进行脱敏培训，但大多数时候数据不扔掉，但也需要后续优化，如何存储数据是制造商解决的问题，所以云存储的第一笔钱由制造商支付。

且不说训练AI该模型需要大量的数据，甚至许多智能视觉解决方案本身也开始追求大容量存储，但考虑到体积和功耗，边缘存储往往不选择本地存储，因此趋势已转向云存储。对于家庭智能视觉产品，云存储也可以作为用户需要支付的增值服务。

同时，视觉数据的云存储不再局限于节省本地存储的功能。以我们接触更多的照片云存储为例。现在，这些应用程序的供应商已经开始进行智能分类和智能检索。例如，谷歌和苹果在相册应用程序中也有类似的功能，允许用户用关键字搜索照片内容。

另一方面，大多数家用智能视觉产品需要处理视频，更不用说依赖当地的计算能力了。因此，在云存储方案中，智能分类和检索安全、不侵犯隐私，将为增值服务提供更大的吸引力。

小结

由AI从存储的两个需求来看，云几乎是每个家庭智能视觉产品的唯一途径。云计算和存储不仅增强了智能视觉，而且用户还将继续订阅云服务的增值项目，这也是未来智能家居市场的主要闭环趋势。模块、解决方案制造商和云服务制造商已经开始建立自己的云平台和云生态系统，并尽快通过云的整个过程，这是深水突破的最佳手段。