百度在釋出會上推出了視覺計算卡、多款視覺分析模組、語音開發套件等硬體，甚至還有一套硬體評測與認證服務。其中，百度和賽靈思、英特爾等廠商合作推出的闆卡引人注目。這些硬體面向端側裝置，可幫助開發者快速設計出自己的産品。
「此前，百度大腦的技術很多是以 SDK 的方式推出的，」百度 AI 技術生态部總經理喻友平表示，「但還有更多的場景，如安防和物聯網裝置非常依賴新型硬體才能實作 AI 的真正落地。」這是自 2016 年百度大腦啟動開放以來，首次集中釋出硬體平台與産品。
目前人工智能的應用主要集中于計算機視覺和自然語言識别領域，這也是此次百度釋出硬體産品的兩大方向。
視覺計算子產品 EasyEdge
「AI 的應用過程很長，對于開發者來說，要設計高性能、低功耗的深度學習模型，搭配高效率的硬體，再結合實際場景才能最終成功。」喻友平介紹道。百度希望通過自己的産品來解決大部分環節中的難點。
百度大腦首先推出的是基于 Paddle Mobile 打造的「零代碼」端計算模型生成平台 EasyEdge。與之相配的是兩款 AI 加速計算卡。
第一款是主打小型化、低功耗的 X-eye 計算卡，其隻有一進制硬币大小，支援人臉識别、手勢、商品識别等多種高性能視覺算法，搭載 Intel Movdius AI 加速晶片，算力超過 1Tops。同時，這塊計算卡還帶有百度獨創的 Xos 加速技術，可使神經網絡算法平均提速 15%，核心模型如人臉識别算法則可以提升 200%。這款計算卡可靈活搭配多種視覺模組，形成完整的解決方案。
針對需求較高的任務，百度推出了适用于大計算量、可自定制模型的 EdgeBoard 計算卡。EdgeBoard 的解決方案中包含模型嵌入工具包、AI 加速工具包、嵌入式計算卡參考設計，其軟硬一體的完整架構可為端側人工智能負載提供強大算力。在晶片上，百度選擇了賽靈思的 FPGA，可提供 2.4Tops 的 AI 算力，性能 3 倍于終端 GPU、10 倍于終端 CPU。百度稱，EdgeBoard 在運作 Resnet50 模型推斷任務時可達到 55FPS 的處理速度。
深度學習模型通過內建 EdgeBoard 可大大提升推斷任務時的性能表現，解決終端算力發展相對不足與低延遲需求之間的沖突。
為了展示計算卡的實力，百度與合作夥伴們共同打造了兩款人臉識别抓拍一體機。據百度介紹，這些裝置可以實作 98% 的人臉識别準确率，适用于營業廳、便利店等場景，可幫助店鋪快速完成智能化改造。
百度表示，EasyEdge 支援 4 種深度學習架構、13 種神經網絡結構，适配 5 款晶片與 3 種作業系統。。該産品允許使用者在沒有人工智能應用開發能力的情況下通過可視化操作進行深度學習模型的開發。針對不同的場景，EasyEdge 的使用者隻需 3 步、最快 2 分鐘即可生成端計算模型 SDK，可節省 90% 的開發時間，并兼顧性能與能耗，可大大降低端計算模型的開發成本。
百度遠場語音開發套件
在語音識别方面，百度打算将智能音箱上最為重要的遠場識别麥克風陣列的軟硬體技術開放出來，供所有廠商使用。
「我清晰地記得在 2017 年，百度曾預測大量科技公司都會發力遠場麥克風陣列。」百度語音技術部産品與架構負責人謝延在釋出會上表示，「去年智能音箱領域的發展印證了我們的預測。今天 DuerOS 激活數量超過 2 億，和百度大腦的語音識别技術進步是分不開的。」
百度在釋出會上介紹了近期的一些技術突破，包括一次喚醒多次互動技術，以及剛剛推出的 SMLTA 模型。其中，流式截斷多層注意力模組化（SMLTA）方法可将線上語音識别精度提升 15%，是全球首次實作的基于 Attention 技術的線上語音識别服務，已大規模部署在了百度輸入法中。現在，人們在手機上就可以獲得人工智能帶來的高精度語音識别體驗了。
百度認為，在遠場語音識别時代開發者有四個需要重點注意的地方：信号處理、軟硬結合、端到端（在 AI 模組化上）以及喚醒技術（整詞的喚醒詞進行模組化）。為了友善更多公司開發屬于自己的産品，百度釋出了遠場語音開發套件。
百度遠場語音端到端解決方案從使用者互動端到雲端識别模型全鍊條定制，解決了遠場語音互動識别不穩定、錯誤率高等應用問題。
新釋出的開發套件使用安卓系統，搭載了遠場語音端到端技術，其硬體可以選擇高性能或高成本效益的兩種闆卡，麥克風陣列則有三種：包括環形 6+1 麥、線形 4 麥和車載 3 麥的多形态麥克風陣列套件方案。百度遠場語音開發套件基于端到端方案，按照最佳技術實踐指導生産，可解決語音互動産品研發過程中無可用裝置選型、選型調試成本大、調試效果不佳等問題。該方案支援回聲消除、聲源定位、波束形成、噪聲抑制等處理算法。百度稱，目前使用這些套件落地的産品已達 150 餘款。
「百度的遠場語音開發套件自 2017 年就開始研發了，直到今天才釋出了公版。」謝延表示。百度也在做自己的 DSP 解決方案，以期進一步降低硬體成本，降低門檻。
認證 AI 硬體
在硬體之外，百度大腦還釋出了一些針對 AI 硬體的服務，包括硬體端雲協同技術及評測認證。或許在未來，想知道一種硬體是否适用于人工智能應用，得看它有沒有通過百度的評測了？
百度大腦新推出的硬體評測認證是國内首個 AI 硬體評測認證體系。百度為 AI 技術周邊的硬體産品如傳感器、計算卡等進行标準化的評測和認證。例如，百度會評測攝像頭輸出的圖像品質是否符合場景需求、圖像和算法是否比對等等。百度認為，通過評測和認證機制可以減輕廠商在內建産品過程中選型、評測的成本及工作量，幫助 AI 硬體産品标準化。
硬體的接入與售賣是百度大腦 AI 硬體生态的最後一環。「從端側硬體的資料采集到整個項目的系統內建，在正常情況下需要冗長的對接開發工作。」喻友平表示，針對這一痛點，百度大腦推出了硬體接入與端雲協同平台 EdgeCloud，該平台連接配接 AI 端硬體與 AI 雲服務，提供裝置管理、資料管理等功能。百度稱，使用該平台的使用者無需任何代碼就可以完成端到端的項目內建。這種形式有效降低了硬體接入與系統內建開發門檻。
目前，百度大腦已有 100 多家硬體生态夥伴，百度大腦的 AI 能力已有超過 150 項能力開放，社群内聚集了超過 80 萬開發者，而行業應用的方向達到了 20 個。從模型開發到硬體産品，百度大腦已經形成了完整的人工智能産品鍊。
現在百度大腦硬體已經有 100 家以上的合作夥伴。
本文為機器之心報道，轉載請聯系本公衆号獲得授權。