手机厂商叫停像素之战  摄像头后千亿生意待淘金(5)

事实上，在图像感知领域，硬件的难以突破由来已久，即便是在整个人工智能的发展历程中，硬件的计算能力不足始终是制约其发展的瓶颈之一。可可资本合伙人李笙凯在接受第一财经记者采访时表示，虽然深度学习和GPU的利用对视觉硬件的处理计算能力有很大的提高，但怎么进一步提高到可用的程度，市场上还始终没有明确的解决方案。

“如何应对不断上涨的计算量是图像处理中最难的部分之一。”徐韬向记者透露，960P的深度摄像头如果想要更进一步做成1080P的话，换一个基础摄像头其实并不难，但精度的提高将导致计算量的大幅上涨，把握如此之高的计算量才是难点。

单记章对此表示认同，他认为这是一个系统工程，一方面要提高硬件的计算能力，提高算法的适应能力，同时也需要有创新的整体解决方案。他以不同时间开车为例，“在傍晚时太阳平射过来，摄像头需要减少光强和炫光，而晚上又需要尽可能接受最多的光，还要解决对面大灯的照射问题，这里就需要结合光学、摄像头和图像处理技术，在此基础上采用机器学习的方法，才能从系统的角度更有效地解决端的计算能力不足的问题”。

另一方面，单记章认为，现阶段的很多硬件在物理上已经达到极限，难以升级，比如图像传感器。“由于载体本身的大小限制，摄像头需要做得很小，这就导致传感器的感光点也越做越小。有人研发还在做0.9微米，但这个性能已经很差了。靠这些东西提高也会有一定的空间，但是真的非常难。”

“当然也有另外一条路，比如利用不同的技术原理。”单记章笑道。不过他认为，这样需要的时间太久，在企业层面需要大量的资金和时间投入，并不合适初创企业做这样的事情。

更为严峻的是，业内诟病已久的成本过高也一直难以找到解决方法。李笙凯告诉第一财经，“比如高精度摄像头和多线束激光雷达等传感器，其部件成本是近百万的。这也成为制约自动驾驶技术落地的因素之一。”

“图像感知技术正处于发展阶段，还有很长的路要走，比如软件算法也还需要5~10年甚至20年的积累突破。”李笙凯对记者表示。他认为，行业的技术壁垒和应用壁垒一直都存在，市场的完全爆发还需要两到三年的时间。

不过，也正是因为存在这样巨大的发展空间，潜力才得以凸显，可能才得以孕育。这些在行业中耕耘多年的从业者，他们拥有最专业的眼光和最敏锐的嗅觉，有心证明他们的坚持并非一场豪赌。

是不是豪赌无从得知，但正如李笙凯对当下的判断：优化已有的技术，以满足市场的刚性需求，是这个行业最困难的痛点，亦是最敞亮的通道。