近期的人工智能领域，论风头最盛莫过于计算机视觉赛道。借助资本的青睐，新兴的AI企业如雨后春笋般涌现，融资估值动辄数十亿甚至百亿。但是细看，这些资本宠儿的主要业务还是集中在人脸识别这一领域内。虽然已有金融、安防等非常成熟的落地场景，但过于拥挤的竞争使得这一领域渐有红海之势，这也为视觉AI企业未来的盈利之路带来了更多挑战。

人脸识别只是视觉AI 落地的开始

       作为一个天然入口，人脸识别已普遍应用在手机刷脸、刷脸考勤、人脸门禁、刷脸过关、人证比对等实际场景中。但成熟也意味着众多的入局者，以人脸识别落地规模最大的行业“安防”为例，新兴算法见长的视觉AI公司要切入仍然举步维艰，行业内的传统设备供应商海康、大华、宇视等，仍处于强势地位。其中海康威视公司资料显示，目前该公司已经有2000多万台摄像应用装置在世界上应用，销售额位居摄像头领域第一。

       研究者们在论文中写到，这些纸片“允许攻击者在对实际亮度，摄像机角度，真实事物的标签，甚至是旁边还有没有其他物体都不知情的情况下进行攻击。”所以，当这样的图像被生产之后，“它可以被上传在网络上，供所有攻击者打印使用。”

这就是为什么很多人工智能研究者担心这样的攻击会被运用到无人车运行系统中。想像一下这样一个小纸片就可以让你的座驾以为自己识别到了一个减速标记，或者可以让你的车子在人工智能监督系统中消失。“即使人们可以看到这些纸片，他们也无法知道它们究竟有什么功能。”

还好，现阶段我们还不需要担心这样的攻击。虽然对抗性图像可以非常有效，他们并不是对所有 AI 系统都一样有效。这篇论文中的谷歌研究者花费了很长的时间来制作这样的图像，而且知道他们想要攻击的视觉系统的代码。但这一研究仍然显示出类似攻击正在变得越来越灵活和有效。而这一切只是个开始。

       繁星AI芯片视觉模块

       UniFace引擎的出现加速了人脸识别技术的普及，带来了新的产品升级的需求和机会。如何更简单方便的让UniFace这样的视觉技术为行业赋能呢。为此，阅面科技开创性地将UniFace集成为AI芯片视觉模块。

       繁星AI芯片视觉模块由Sensor＋ISP＋VPU＋嵌入式深度学习视觉算法组成，能从芯片端智能输出结构化数据。值得注意的是，该模块尺寸仅为38mmX38mm，真正做到即插即用、方便便携，大大降低了开发智能视觉产品的技术成本，加快推动了计算机视觉行业的前进发展。

繁星AI芯片模块组成

       繁星AI芯片视觉模块本地集成强大的深度学习视觉处理算法，能实时进行数据结构化处理。同时，它拥有极低的功耗，本地深度学习处理功耗仅为0．5W，整体高峰功耗＜2．5W。不仅如此，它还支持多种数据输出接口，方便集成。

据了解，繁星AI芯片视觉模块系列可搭载适用于不同场景的算法IP，目前主要包括：繁星－人脸识别模块、繁星－数据采集模块、繁星－人机交互模块。