一周又过去了，在这一周里，科技圈又发生了一些趣事新鲜事，本期周报我们一起来盘点回顾一下。看看这些领域里有什么新动向。本期周报主要围绕以下内容展开：
帮助人进行垃圾分类的智能垃圾桶最近开始批量走上街头了，这种设备实用吗？
创业公司Cerebras发布了史上体积最大的芯片，赛灵思则发布了最大的FPGA芯片。体积大，价值就一定大吗？
国外研究出了一些新型传感器，可以在水里用，可以在大雾和扬沙等复杂天气里辅助汽车驾驶，一起来看看这些新型传感器的奥秘。
智能垃圾桶要来了，靠谱吗？
垃圾分类的话题最近很火。这个事本身是很有意义的，但让人能搞清楚各种垃圾分别属于什么类型的垃圾，再投入到相应的垃圾桶中，又实在是难为人，毕竟这么多种类的垃圾，真得很难分得清种类。
有人提出现在AI技术这么发达，让AI来识别垃圾再分拣，可以提高垃圾分类与处理的效率。是这么个理，但做起来并不容易。从算法的训练到产品的设计，都还挺有难度的。最近市场上出现了一些用于垃圾分类的产品，看起来还不成熟。
最近在上海张江的人工智能岛上，一种可以自动分类的智能垃圾桶投入使用了，据称可识别95%的可回收垃圾品种，目前已经在一些人流密集的商业办公、公共场所投放了。垃圾投入到桶中，桶内有摄像头，对垃圾进行拍照、识别，图像由4G模块上传至云端，数据在云端处理，通过AI模型识别具体的垃圾种类，完成判定。从放入垃圾到判定结果出来，大约需要2-3秒。判定结果再通过网络回传到终端的垃圾桶，程序控制电机转动隔板完成分类。
看上去还挺神奇，不过这款产品还是受到了很多质疑，它的局限性还是很大的，比如：目前该产品只能识别干垃圾，再去鉴别是否可回收；垃圾种类成千上万，其垃圾的形态随着挤压和包装，也是会呈现各种变化，AI算法是否有足够的数据去训练，以提升识别的准确度？这是最大的难题。常见的垃圾比如矿泉水瓶很好识别，但不同种类的剩菜剩饭怎么做标注，能否识别？注定是不容易。
在上海投放智能垃圾桶的公司是位于昆山的阿尔飞思智能物联科技有限公司，产品目前已经迭代了几代，公司称目前数据库样本已经有30万个，识别准确率已经到95%。不过预计也是在常见的垃圾上识别率较高。另外，对于识别不出来的垃圾，公司称会有人工介入并给垃圾打标签。公司真正苦恼的是量产能力。据界面报道，阿尔飞思称今年8月产能在100台左右，到11月份，月产能可以到1000台。
阿尔飞思的垃圾分类桶
在本周开幕的世界机器人大会上，也有一些智能垃圾分类的产品出现。航天科技集团展示了一款自动分类垃圾桶，不过看上去功能还很简单，当垃圾放进去后，机器进行识别，辨别是可回收还是不可回收，再将垃圾置入相应的桶中。目前只能识别塑料瓶、易拉罐、玻璃杯等可回收垃圾，未来会扩充更多的种类。
就现在来说，AI垃圾分类距离真正解决问题还很远，不仅是识别率的问题，而且对于不常见的垃圾、变现的垃圾，还无能为力。
另外企业面临的量产也是问题。这种新生事物，供应链肯定还不稳定，甚至还没建立起来，要有磨具，再去制造，有个周期。还有就是产品设计上还需要优化，现在的产品只能把垃圾分为两种类别，肯定是不够的。在产品上怎么改善，需要探索。另外就是交互方式的问题，这类垃圾分类产品一般都会告诉用户垃圾分类的结果。怎么实现更快更好的交互，让用户不至于等着，也是该解决的问题。
垃圾分类、人工智能，都是政府力推的。未来能否成为一个大产业，还要看产品与技术的演进。不过可以肯定的是，这又是一门to G的生意。在国内，AI变现相当一部分是在靠政府订单。
“大”芯片接连出现，是趋势吗？
智能垃圾桶要改善性能，算力是很重要的一方面。如果能做终端就有很强的算力，那么识别能力会有很大提升。而在训练数据的时候，如果算力强，也会更快地形成算法模型。算力已经是智能化发展过程中的突出瓶颈。
本周，芯片领域高潮迭起，英特尔发布两款AI芯片SpringCrest和SpringHill，用于训练和推理。但英特尔的新闻上不了头条，关注度被两个“最大”吸引过去了。赛灵思推出了全球最大的FPGA芯片——Virtex UltraScale+ VU19P，而美国创业公司Cerebras则发布了全球有史以来最大的芯片Wafer Scale Engine（WSE）。
FPGA芯片简单理解就是一种可编程芯片，可以让客户买了芯片后再做设计开发，可以改变芯片功能。赛灵思是这个领域的最大厂商，这次推出的产品Virtex UltraScale+ VU19P，尺寸、容量都很大，晶体管数量多达350亿个，密度在同类产品中也是最大的，有900万个系统逻辑单元，还有2072个用户I/O接口，接口数量也是同类产品中最多。具体的尺寸并未透露，不过从照片看，跟马克杯的杯口差不多大。
全球最大的FPGA芯片
这款产品不是直接用作训练推理，而是为更偏应用端的AI、5G、汽车、视觉算法等领域芯片服务的，为这些芯片做仿真与原型设计。这些芯片在流片之前，都需要借助FPGA芯片的可灵活编程特性，做仿真与原型设计，去实现系统建模与验证。这对于产业的价值是非常大的，竞争对手也需要去采购它的芯片来完成仿真与原型设计这一流程。
而创业公司Cerebras发布的最大芯片，争议性就比较大了。正方形的芯片，每边约22厘米，甚至比iPad还大。这应该是有史以来发布过的最大的芯片。这款大芯片上有1.2 万亿个晶体管。英伟达此前发布的核心GPU 产品Tesla V100，面积为815平方毫米，有超过210亿个晶体管。Cerebras这款芯片无论是面积还是晶体管数量，都是Tesla V100的数十倍。
最大芯片与普通芯片
这引发了一些争议，芯片行业其实并没有比拼过尺寸大小，相反都在往小的方向做，在更小的面积上布设更多的晶体管，形成更强的处理能力。Cerebras这次发布这么大的芯片，理论上来说，可以形成超强算力，减少算法训练的时间。
不过这块芯片要成功会面临很多难题。最直接的就是良品率的问题。生产芯片的过程，简单来说就是在晶圆上切割出若干合格的晶片，将晶片再封装测试，形成芯片。晶圆中会有一些杂质，含有杂质的晶片只能被舍弃，无杂质的晶片取下来做芯片。晶圆的直径一般分为150mm、300mm、450mm这三种。当一个晶圆切割出多个晶片的时候，无杂质的晶片会更多。当做的芯片很大的时候，一个晶圆只切割出一个晶片，含杂质的概率就非常高了。会严重影响良率。对此，Cerebras的选择是使用多种错误冗余技术，建立冗余电路、绕过缺陷。能否解决良率问题，可以继续观察，可以肯定的是，挑战很大。
此外，每边22CM的芯片需要的是12英寸的晶圆，直径约300mm，边上的部分就浪费了，在成本上会比较大。如此大的芯片，如何有效散热是个问题。
有些人评价这个芯片不实用、不经济，更多是在炫耀。不管怎样，且观上市后的表现吧。
新型传感器层出不穷
芯片是数字化必不可少的硬件，提供算力。另外还有一种硬件也非常重要，就是传感器，用来生成数据。在万物互联的今天，传感器的重要地位愈加凸显。我们来看最近出现的一些有新意的传感器。
据Tech Crunch报道，麻省理工学院的研究人员最近开发了一种新型传感器，可以在水下无电池状态下仍传回数据。以前我们在关于水下机器人的报道中已经提到过，在水下，电磁波基本无法使用，水下通信传输信息都是用声波的形式。且电力供应是个难题。
这款传感器也是用声波的形式，在船上或者岸上有发射器/接收器，在水下的部分是无电池海底传感器，可以收集水温或者压强等数据。发射器定期向水下的传感器发出声波，声波使得传感器内的压电材料振动，形成弱电流。传感器则利用这样的电流作为能量来做应答，或者选择不应答。系统将应答与不应答的状态分别标识为1和0，这样就实现了以二进制形式通信。
虽然看上去还不完善，但MIT的研究团队认为，既然有了二进制编码的方法，以后就可以传输任何形式的数据。未来甚至可以传输声音与低分辨率的图像。
不过现在的局限性还很大。实验中发射器与传感器之间的距离是10米，这对于普通的水下作业来说明显还不够。几十米到几百名是水下经济的活跃区间，不能在这些区间实现数据传输，则价值不够大。
再看看一家生产可以在复杂环境中使用的传感器的以色列公司。这家公司名为TriEye，8月21日宣布获得保时捷的投资，这样A轮融资已经达到1900万美元。此前这家公司还获得了英特尔的投资。
这家公司主要生产短波红外线（SWIR）传感器，用在各种天气和光线条件下降的场景下，如黑暗中、浓雾中、大雨中等，从而去降低车辆的事故风险。保时捷作为战略投资方加入公司的融资过程，也是看上了这种传感器在L3和L4级别自动驾驶过程中的作用。
TriEye成立于2016年，其产品还在研发制作中，初期样品预计将于2020年推出。该公司宣称，与传统解决方案相比，其摄像头传感器有着更小的体积（3 X 3 X 2.5厘米）、更高的分辨率（1280 X 960），以及更低廉的售价，能够在大雾和扬沙等天气条件下，以及暗光环境下捕捉清晰的视频。
这里涉及到的技术是短波红外线（SWIR），波长介于微波和可见光之间，具有更强的大气传递性，可以穿云穿雾，可以在夜空光线下观测，在大雾、扬沙和雨雪等复杂环境下表现更好。这项技术其实已经被军用了几十年了，由于价格昂贵，一直没有实现民用。以色列这个国家的显著特点就是全民皆兵，很多研究人员、教授都曾从军入伍，对军用技术更了解。这些研究人员在退役后也会致力于将军用技术民用化。
以往制作SWIR传感器的方法是InGaAs（铟镓砷）半导体技术，这类技术产品价格一般比较高，如滨松电子的InGaAs红外相机价格可达25万，InGaAs传感器价格可达五千多元。而TriEye公司降低SWIR摄像头传感器的成本的方法是使用CMOS半导体合成传感器，CMOS半导体就是今天市场上绝大多数数码相机所使用的硅芯片，CMOS数码相机价格普遍在5000元-2万元之间，价格上更加亲民，有望显著降低SWIR传感器的终端价格。
如果这款传感器研发成果，用在ADAS系统甚至L4级别的自动驾驶上，有望增强自动驾驶系统在恶劣天气下的表现力，并以一个更低的价格向消费者销售。
以上介绍的这两款传感器都还在研发中，如果研发成功，对产业的帮助还是挺大的。现在随着技术进步，各种专用的传感器在不断涌现，如安装在汽车后座上的传感器，在汽车引擎熄火时，会主动监测后座是否有人，再以车灯、喇叭等形式通知司机，以防止有婴儿被锁在车里导致不幸事件发生；加州大学伯克利分校的研究人员开发了一种皮肤传感器，内置螺旋式微管，可以在皮肤表层吸收汗液，根据汗液的移动速度，推测人的出汗量，可以及时对脱水、疲劳等情况做出预判。近年来出现的一些新型传感器还包括激光传感器、光纤传感器、紫外线传感器等。
传感器在未来的数字化世界里，作用太大了，自动驾驶，物联网，工业互联网，智能家居，哪个领域能离开传感器呢？所以现在的新型传感器在向多场景延伸，并且与微机电系统、微处理器技术相结合，开始具备更多的数据处理能力，形成更强的性能、更高的智能化水平。另外传感器的复合性趋势比较明显，各种功能越来越多地集合在一种传感器上，毕竟现在对于传感器的小型化需求比较明显。
不过这些新成就多来自于国外，国内的传感器发展跟芯片类型，距离国外差距比较大。
你对AI垃圾分类、大体积芯片以及国内传感器领域的发展有什么建议，或者想要吐糟的，都欢迎在评论区留下高论。
评论