传感器+AI融了7个亿华为基恩士博世……都在搞AI传感器

目前，从华为、博世、基恩士等巨子到初创传感器企业，均在探索人工智能技能在智能传感器中的运用。

传感器专家网

https://www.sensorexpert.com.cn

专注于传感器技能领域，致力于对环球前沿市场动态、技能趋势与产品选型进行专业垂直的做事，是海内领先的传感器产品查询与媒体信息做事平台。
基于传感器产品与技能，对广大电子制造从业者与传感器制造者供应精准的匹配与对接

此前，来自以色列的初创企业Exodigo，宣告得到1.05亿美元（约合7.76亿公民币）的融资，本轮融资由风险投资机构Greenfield Partners和Zeev Ventures共同领投。

资料显示，Exodigo成立于2021年，短短两年就已得到三轮融资，融资金额超过1.3亿美元。

Exodigo为什么能得到成本青睐？答案在于其传感器+AI的革命性探测技能。

▲来源：企查查

在城市中地下，各种天然气管道、自来水管、电缆以及其他可能导致泄露、爆炸的埋藏障碍物密布，随着老化、年久失落修，带来的安全风险剧增。

据Common Ground Alliance (CGA)测算，美国每年有数十万起因公用管线破损老化带来的事件，其丢失超过了300亿美元。
Exodigo也曾估算，公共奇迹公司每年在不必要的重型设备挖掘和探测性钻探上的花费，也超过了1000亿美元。
与此同时，建筑环境险些占了环球碳排放量的一半，这也使得办理地下问题有了经济和环境的双重需求。

因此，实现精确的、无侵入式的地下探测，绘制出详细的地下舆图，对城市地下管廊系统的掩护非常主要。

传统的地下舆图依赖单个传感器和视觉提示来推断位置和线路路径，常常须要对地面进行毁坏，同时线路不足准确。

那么，Exodigo怎么做呢？

Exodigo利用多个传感器领悟网络地球物理数据，并将旗子暗记与人工智能（AI）领悟在一起，显著提高舆图绘制的准确性和效率，从而减少不必要的挖掘以节省本钱、降落丢失。

据Exodigo声称，该方法常日比传统办法能够多创造20-30%的公用奇迹线路，并能够将初步挖掘和钻探减少多达90%，因此施工职员只须要在必要时进行挖掘即可。

据官网先容，Exodigo绘制舆图紧张有这些步骤：

数据采集

Exodigo 利用最前辈的传感器进行扫描，涵盖多个物理领域。
这种方法填补了单个传感器类型的局限性，并确保检测到所有埋藏的资产（无论材料和属性如何）。
均匀每 0.4 英寸（1 厘米）扫描一次采样，捕获的数据量是传统定位仪的 1000 倍。

这些前辈传感器包括了多频磁电式传感器、磁性梯度计、电性仿照器、多频多通道探地雷达等。

同时，Exodigo以纵横交错的蛇形路径模式扫描全体区域，而非传统的“遵照路线”方法从现有记录和视觉提示（如沙井或消防栓）开始推断位置，这种方法肃清了扫描过程中的人为缺点和偏见，并最大限度地提高了我们网络的数据的完全性。

多传感器领悟

在旗子暗记中添加高分辨率图像，以检测地下公用举动步伐（例如沙井、消防栓等）的任何地上指标。
这种领悟创建了一个同步的、基于地理定位的、多感知维度的数据堆栈，使我们的人工智能能够构建精确的地下 3D 模型。

基于人工智能驱动的舆图创建

将数据上传到云端进行剖析后，Exodigo 的自研算法会根据现场采样的数据对所有可能的情形进行物理仿照，以找到对全体区域中检测到的物体位置的最佳预测。

Exodigo指出，其AI算法在实时数据库上进行演习，数据库包含过去完成的来自环球各地的数十个项目的 TB 级数据，数据库随着新数据的添加而不断发展。

Exodigo通过多传感器领悟才是采集到的数据量是弘大的，如何剖析这么弘大的数据？

Exodigo给出的方法便是自动化和AI，通过AI技能Exodigo剖析比传统方法多几个数量级的数据，以创造与周围环境具有不同特色的地理征象，在过去，演习有素的地球物理学家可能须要几个月的韶光才能从单个站点扫描中手动查看大量数据，而我们的算法可以在数小时内处理这些数据。

并且，利用AI可以减少过程中的人为缺点，特殊是在保持重复性任务的规则运用和质量担保方面的同等性。

然而，虽然AI可以办理大多数物体检测问题，但Exodigo也特殊提到，其团队中仍旧包含多维地球物理专家和土木工程师，他们会审查所有分外情形，以担保每张舆图的质量水平

可以看到，该革命性探测技能，基于多种前辈传感器领悟+AI技能，Exodigo成立的第二年，这项技能就荣获了《时期》杂志评比的2022年最佳创新之一，并入选“改变我们生活办法的200项发明”。

在示例方面，Exodigo给出了多个项目实用案例，譬如美国国家电网操持在纽约鹿特丹培植一个变电站，但缺少选址地方的地下管廊布局情形。

Exodigo 利用其推车平台通过多个传感器、摄像头图像和厘米级精度的 RTK GPS 扫描该区域，每英亩网络超过 500 GB 的数据，通过AI打算后天生3D可视化地下舆图，避免了项目后期代价高昂的耽误。

美国国家电网土木培植总监Mike Roberts评价“Exodigo在鹿特丹试点项目中取得了非常有希望的结果。
这项技能看起来改变了我们的游戏规则，从项目开始、方案、设计和工程，一贯到施工，这个领域都至关主要。
该技能供应的能见度水平提高就像第一次戴上处方眼镜，对以前有限和模糊的东西得到清晰的视野。
”

华为、博世、基恩士……头部企业探索传感器+人工智能

传感器+AI，Exodigo这家初创地下空间探测企业用其创新的技能做了示范，凭借该技能取得的成功，得到了投资者的青睐。

作为市场和新技能的引领者，越来越来多的头部企业在探索传感器技能中人工智能的运用。

譬如在今年5月份，华为在夏季全场景发布会中，推出AI 赞助康养传感器，瞄准智能家居中的聪慧康养赛道。

AI 赞助康养传感器利用毫米波雷达技能，实现起居检测场景康健关怀，传感器支持跌倒、坠床、就寝等事宜检测，并且支持分级告警，将非常信息推送给家人，使家人得到及时守护。

华为拥有激光雷达、毫米波雷达的自研技能，该传感器技能紧张为智能驾驶做事，并延伸到智能家居等领域。
华为没有聊AI，但AI技能已经深度融入到华为的传感器产品中。

据传感器业内资深人士剖析，用毫米波雷达检测人体存在和动作并不难，难在如何甄别各种动作事宜，避免误判——譬如蹲下就不应该识别成跌倒，目前市场上部分毫米波雷达跌倒监测设备存在较大的误测情形。

显然，华为将该毫米波雷达命名为AI 赞助康养传感器，利用AI技能对毫米波雷达反馈的数据进行识别和判断，提升识别准确率——弘大的数据库和前辈的AI模型也是华为的强项，许多传统传感器企业并不具备。

此前，在SensorShenzhen2024上，专家网编辑专访了Bosch Sensortec高等产品经理周良，此前博世已推出集成可编程AI系统的IMU单元BHI380，其深入分享了博世对AI技能在传感器中的运用：

“我们对AI的理解，便是说我们过去的传感器实在便是给客户供应一些原始的数据，比如说，以加速器和陀螺仪来讲，它可能输出的便是一个加速度旗子暗记或者一个角速率旗子暗记给到客户。
但是从真正运用的角度来讲，客户可能须要把这些物理量变成它实际利用到的一些数据，那这里面须要一个算法的过程（来进行打算），在以前这个算法须要客户自己来开拓，自己来做这方面的运用。

现在，我们的智能传感器，便是在传感器里面放入相称有打算力的一些打算单元。
可以是一个外接的MCU，也可以是SoC，那它里面就能够跑我们博世自己开拓的一些算法。
这些算法能够实现本地运行，或者叫做边缘打算这套模式，让这个打算重新回到我们传感器的这边，来减少全体系统的功耗。
然后同时也可以减少客户对算法开拓的包袱。

如果我们能够供应一些优质的算法，客户可能拿到这些产品就能直接去运用。
他不须要再根据你的传感器，针对某个场景去开拓重复的算法，这样产品开拓效率就能提高，以是这个是我们在智能传感器领域做的一些探索。
”

通过博世供应的集成在传感器中的AI算法模块，可以大大减轻下贱用户的产品开拓难度，提高产品研发效率——这意味着下贱企业将能极大节约研发本钱。

如果说博世作为消费电子传感器巨子，本身对AI等新技能更为敏锐，那么，工业传感器巨子基恩士推出的AI检测案例，则意味着在工业传感器等百口当，巨子们都在积极思考AI技能在传感器中的运用。

基恩士在其官方"大众号中发布AI检测案例，文中指出“AI视觉检测在工业机动化领域也逐渐办理了人工检测本钱高、稳定性差、检出率不达标等难题。
”

通过基恩士前辈的光电传感器合营AI算法，能够应对工业场景中更多未知场景的精密检测需求，譬如铸铝件的砂眼大小、树脂件的划痕是非等，是否符合质检哀求。

▲来源：基恩士公众号

结语

数据本身没有代价，只有将数据转化为可读易懂的信息，用于赞助决策，办理实际问题，那么数据才被授予了代价。

未来，全面智能化时期到来，数以亿万计的传感器被利用，将产生海量的数据，如何从这些传感器数据中进行筛选，形成结论，帮助我们做出决策，才是这些传感器的代价。

在以往，许多时候传感器传回来的数据，须要人工进行剖析，做出判断，大大降落传感器的利用率，面对海量的传感器数据如何快速做出判断？答案很显然——依赖于人工智能技能，对亿万传感器数据进行剖析，做出合理的实行或者告警，这才是人工智能的代价。

显然，随着AI技能的进步，未来对海量传感器数据的处理，传感器+AI，感知数据加上大脑，才能有代价。