专注于异构计算人工智能研发,「ALVA Systems」将AR/AI技术赋能于工业互联网

2020年12月29日 | By News | Filed in: News.

https://ift.tt/38DkMPj

作者:李子月

编辑:石亚琼

**

ALVA Systems 2011年创立于中关村,它的发展经历了两个阶段。2010-2015年为计算机视觉领域异构计算软/硬件技术供应商,2015年后将AR/AI技术赋能与工业物联网领域,成为工业4.0的核心技术供应商。ALVA为智能手机、电脑、机器人、无人机、AR/VR等诸多领域提供核心基础算法,拥有脉冲神经网络(SNN)、增强现实(AR)、人工智能、人机交互等多项具备独立知识产权的专利技术,为各领域提供产品解决方案、SDK及芯片设计全产业链服务。ALVA已先后获得高科新浚资本、中金前海、软银中国资本等机构的投资,公司计划在未来2-3年内于科创板上市。 

ALVA目前的产品覆盖产线状态监测、真实场景故障定位、预测性维护指导、AR内容制作平台、AR远程专家指导系统、AR专家示教系统等领域。

ALVA Rainbow是基于AR技术开发的远程专家指导系统。它允许员工有效连接到远程专家,共享同一环境的实时视图,绘制简单批注,并具有视频会议系统的功能。远程专家通过移动设备将知道信息绘制在屏幕中物体的表面是,就像锚定在真实物体表面上一样,即使员工已经移动到不同的角度,也可以看到和追溯以前锚定的指令。ALVA Rainbow旨在提供更有效的远程沟通解决方案,减少技术人员和专家现场指导频次,节省差旅费用和专家的时间。ALVA还给出了一些Rainbow在不同场景中优化的具体指标:对于将Rainbow作为付费项目的客户,服务盈利能力可提升20%;对于将Rainbow应用于培训项目的客户,如技工学校等,可节省40%的培训时间;对于第一次维修设备的工人,Rainbow可使其首次修复率提高30%。总体上,使用Rainbow产品,问题解决率可提高50%,人工工作效率可提高32%,质量输出可提高30%。

(ALVA Rainbow 图片来源:采访供图)

AR内容制作平台ALVA Editor可通过拖拉拽的方式对模型进行编辑,兼容各类工业模型格式(如Creo、Catia、Maya、3DMax等主流格式,包括Fbx、Obj、Asm、Stp、CATProduct、CATPart等),并具有自动的模型轻量化处理和动画编辑。同时具有发布简单和部署灵活的优点,鼠标只需几步就能将Editor编辑的内容发布到体验服务器上,且支持公有云和私有部署。        

ALVA表示,技能要求提升导致的技术人员空缺,老员工退休造成的减员,更严格的合规和安全要求,一系列的问题都迫切要求制造业进行转型来提升企业效率。ALVA Expert Guider专家示教系统是一套基于增强现实技术开发的端到端解决方案,该方案帮助一线工人自始至终的在相关流程指导下更快捷、精确、安全的完成工作,提高工作效率。使用运行着AR/MR头戴式设备上的Recorder应用程序,专家在操作过程中可以以第一视角将一步一步的流程录制成视频。整个录制过程由语音指令,体态和基于未知的移动来控制。录制完成后,可以进行修改和增强,然后发布。发布后的指导视频有2D和3D两种模式,可以通过通用应用程序Vison或用户自己的客户端来使用。

核心竞争力来自研发团队、基础研发积累和市场检验

ALVA进一步指出,其核心竞争力来自研发团队、基础研发积累和市场检验三方面。

强大的研发团队支撑: ALVA主要成员均来自INTEL、AMD、微软等国际一流企业和清华、北航等知名高校,部分研发负责人来自清华大学的资深教授,科研团队占比高达70%。项目负责人曾参与OpenCL 1.0草稿的定制,曾为AMD、Intel、XGI、S3 GPU部门提供系统架构苹果以及设计指引服务,Ecosystem负责人曾在Intel担任10年以上的Ecosystem管理职务,研发团队包括一批在人工智能领域工作5年以上资深软件工程师和资深算法工程师。

长期基础研发的积累:自2010年成立以来,ALVA一直致力于基础计算技术的研发,在计算视觉底层算法、AI底层算法以及基础数学算法方面有着深厚的积累,获得多项发明专利。ALVA表示其是国内唯一能够提供完整BLAS-3(基础线性代数集-第三级)的企业,在全球范围内也是少数能提供该服务的企业。 同时,ALVA Systems也是少数能够提供完整自有知识产权AR引擎的中国公司。

异构计算技术(Heterogeneous Computing)方面,ALVA HC可同时利用CPU与GPU的计算能力进行动态负载平衡,把计算任务拆分成格子擅长的类型,使其发挥1+1>2的效能。人工智能技术(AI)方面,ALVA万物识别技术基于ALVA独有的脉冲式神经网络(SNN),让视觉系统的精度和计算能效得到了迅速提升,在移动平台能够检测和精确地识别出图像(包括图片和视频)中物体的类别,提升用户对正在观察场景的感知深度。增强现实技术(AR)方面,ALVA AR SDK的算法引擎是经过特殊设计的深度神经网络,在保证物件识别性能的前提下,最大限度降低了复杂度,完成了从纸面论文到商业产品的本质转变,目前已具备图像目标(Image Target)、空间目标(Spatial Target)和模型目标(Model Target)等识别能力,是AR SDK中支持最多识别模式的产品。其中模型目标可以使用对象的3D模型识别和跟踪对象,是目前行业领先的识别技术。

广泛的市场检验:ALVA核心算法广泛应用于AMD, INTEL, Qualcomm, ARM等芯片平台,并通过OEMs(Lenovo, Vivo, Asus 等.)与ISV(暴风影音, PPS, Youku等.)的合作被数千万的设备与最终用户所使用。在工业领域,ALVA与Rockwell、PTC和西门子等公司展开深度合作,共同开拓市场;使用ALVA AR技术的相关产品也获得了华为,美的,爱立信、柯马、博世、拜腾汽车、江铃汽车,东风日产等广泛的工业客户。 

今年刚刚完成智慧化升级的爱立信南京5G智慧工厂中的5G AR质检模块就是由ALVA Systems开发完成的。ALVA 视觉检测方案,是由ALVA和清华大学联合采用LNN时间/空间卷积神经网络,全球首家实现空间与时间多维的卷积分级计算,不仅识别静态图像,还可理解连续动态行为。有效解决工业相机和传统深度学习仅能处理固定位置、规范工艺的检测问题。通过ALVA Systems质检,解决了在产品发货前,产品外观检验完全依靠人眼导致的检验工作高负荷,检验过程低可靠,检验结果有疏漏等质量管控痛点。实现了基于神经网络机器学习的检验工作标准化,基于可穿戴设备的检验过程高度灵活,检验结果高度可靠的质检工作数字化。

(爱立信南京5G智慧工厂中的 ALVA 5G AR质检模块 图片来源:采访供图)

而在ALVA与博世电器合作的案例中,ALVA利用了第三代AR模型追踪技术,把虚拟的3D模型1:1投放到真实的洗衣干衣机设备上,以动画特效的手段展示设备内部结构和使用过程,提升用户的视觉冲击。这样客户可以在购买前就体验到虚拟产品如何在真实环境下运行,帮助客户完成购买决策。

(ALVA与博世电器合作开发的AR产品展示 图片来源:采访供图)

工业物联网市场规模4-5千亿人民币,应用和服务占比45%

谈及ALVA为何选择专注于工业领域,正如上文产品介绍部分所说,目前工业领域存在维修效率低,专家时间利用率低、差旅费用高,员工流动大、培训成本高等问题,且具有工业数字化转型的需求。除此之外, ALVA还指出了一个关键点:在工业领域,用于建立AR的基础模型和数据都是已经存在的,非常便于获取。

据市场研究公司Marketsand Markets的调查报告显示,2018年全球工业物联网的市场规模约640亿美元,预计将在2023年将超900亿美元,2018-2023年的五年间复合年成长率为7.39%。其中亚太地区CAGR增速最高,中国和印度等新兴经济体的基础设施和工业发展持续促进亚太区的工业物联网市场成长。

(全球工业物联网市场规模情况 图片来源:中商产业研究院)

工业物联网是物联网在工业领域的应用,将在能源、交通运输(铁路和车站、机场、港口)、制造(采矿、石油和天然气、供应链、生产)等应用领域上发挥重要作用。我国工业物联网的发展也由过去的政府主导逐渐向应用需求转变。预计在政策推动以及应用需求带动下,到2020年,工业物联网在整体物联网产业中的占比将达到25%,规模将突破4500亿元。

(2014-2020年中国工业物联网市场规模情况 图片来源:中商产业研究院)

从物联网全产业链的价值分布来看,物联网终端和传感器约占25%,网络连接约占10%,物联网平台占20%,物联网应用和服务约占45%。ALVA的目标市场在45%的应用与服务中,策略是和物联网平台紧密结合,共同拓展市场。

ALVA表示,应用和服务市场发展还处于早期阶段,进入市场的公司分布在AR眼镜、硬件方向,和ALVA一样从解决方案和服务角度切入的公司并不多。同时ALVA指出,第一代和第二代AR技术仅限于计算机视觉领域,第三代技术要求传统计算机视觉融合人工智能技术,这要求公司在AR和AI领域都有非常深厚的技术积累。ALVA表示,目前只有Microsoft和ALVA等少数公司拥有第三代AR技术,且与Microsoft HoloLens主要基于Windows的生态相比,ALVA可提供更灵活的跨平台服务。

IT.数码

via 36氪 http://36kr.com

December 28, 2020 at 09:48AM


发表评论

邮箱地址不会被公开。 必填项已用*标注