人工智能 传感器 传感器+AI，融了7个亿，华为基恩士博世……都在搞AI传感器

传感器+AI，融了7个亿，华为基恩士博世……都在搞AI传感器

随着以ChatGPT为代表的AI大模型技术的迅猛发展，人工智能正在颠覆各行各业，并带来巨大的技术提升，对传感器技术来说，也是如此。

目前，从华为、博世、基恩士等巨头到初创传感器企业，均在探索人工智能技术在智能传感器中的应用。

传感器专家网

https://www.sensorexpert.com.cn

专注于传感器技术领域，致力于对全球前沿市场动态、技术趋势与产品选型进行专业垂直的服务，是国内领先的传感器产品查询与媒体信息服务平台。基于传感器产品与技术，对广大电子制造从业者与传感器制造者提供精准的匹配与对接

此前，来自以色列的初创企业Exodigo，宣布获得1.05亿美元（约合7.76亿人民币）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，短短两年就已获得三轮融资，融资金额超过1.3亿美元。

Exodigo为什么能获得资本青睐？

▲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漏、爆炸的埋藏障碍物密布，随着老化、年久失修，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故，其损失超过了300亿美元。 Exodigo也曾估算，公共事业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，建筑环境几乎占了全球碳排放量的一半，这也使得解决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，绘制出详细的地下地图，对城市地下管廊系统的维护非常重要。

传统的地下地图依靠单个传感器和视觉提示来推断位置和线路路径，常常需要对地面进行破坏，同时线路不够准确。

那么，Exodigo怎么做呢？

Exodigo使用多个传感器融合收集地球物理数据，并将信号与人工智能（AI）融合在一起，显着提高地图绘制的准确性和效率，从而减少不必要的挖掘以节省成本、降低损失。

据Exodigo声称，该方法通常比传统方式能够多发现20-30%的公用事业线路，并能够将初步挖掘和钻探减少多达90%， 因此施工人员只需要在必要时进行挖掘即可。

据官网介绍，Exodigo绘制地图主要有这些步骤：

数据采集

Exodigo 使用最先进的传感器进行扫描，涵盖多个物理领域。这种方法弥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）。平均每 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。

这些先进传感器包括了多频磁电式传感器、磁性梯度计、电性模拟器、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整个区域，而非传统的“遵循路线”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，这种方法消除了扫描过程中的人为错误和偏见，并最大限度地提高了我们收集的数据的完整性。

多传感器融合

在信号中添加高分辨率图像，以检测地下公用设施（例如沙井、消防栓等）的任何地上指标。这种融合创建了一个同步的、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地图创建

将数据上传到云端进行分析后，Exodigo 的自研算法会根据现场采样的数据对所有可能的情况进行物理模拟，以找到对整个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训练，数据库包含过去完成的来自全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通过多传感器融合才是采集到的数据量是庞大的，如何分析这么庞大的数据？

Exodigo给出的方法就是自动化和AI，通过AI技术Exodigo分析比传统方法多几个数量级的数据，以发现与周围环境具有不同特征的地理现象，在过去，训练有素的地球物理学家可能需要几个月的时间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，使用AI可以减少过程中的人为错误，特别是在保持重复性任务的规则应用和质量保证方面的一致性。

然而，虽然AI可以解决大多数物体检测问题，但Exodigo也特别提到，其团队中仍然包含多维地球物理专家和土木工程师， 他们会审查所有特殊情况，以保证每张地图的质量水平

可以看到，该革命性探测技术，基于多种先进传感器融合+AI技术，Exodigo成立的第二年，这项技术就荣获了《时代》杂志评选的2022年最佳创新之一，并入选“改变我们生活方式的200项发明”。

在示例方面，Exodigo给出了多个项目实用案例，譬如美国国家电网计划在纽约鹿特丹建设一个变电站，但缺乏选址地方的地下管廊布局情况。

Exodigo 使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，每英亩收集超过 500 GB 的数据，通过AI计算后生成3D可视化地下地图，避免了项目后期代价高昂的延误。

美国国家电网土木建设总监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。这项技术看起来改变了我们的游戏规则，从项目开始、规划、设计和工程，一直到施工，这个领域都至关重要。该技术提供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获得清晰的视野。”

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术做了示范，凭借该技术取得的成功，获得了投资者的青睐。

作为市场和新技术的引领者，越来越来多的头部企业在探索传感器技术中人工智能的应用。

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

AI 辅助康养传感器使用毫米波雷达技术，实现起居检测场景健康关怀，传感器支持跌倒、坠床、睡眠等事件检测，并且支持分级告警，将异常信息推送给家人，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术，该传感器技术主要为智能驾驶服务，并延伸到智能家居等领域。华为没有聊AI，但AI技术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分析，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件，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况。

显然，华为将该毫米波雷达命名为AI 辅助康养传感器，使用AI技术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——庞大的数据库和先进的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高级产品经理周良，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技术在传感器中的应用：

“我们对AI的理解，就是说我们过去的传感器其实就是给客户提供一些原始的数据，比如说，以加速器和陀螺仪来讲，它可能输出的就是一个加速度信号或者一个角速度信号给到客户。但是从真正应用的角度来讲，客户可能需要把这些物理量变成它实际使用到的一些数据，那这里面需要一个算法的过程（来进行计算），在以前这个算法需要客户自己来开发，自己来做这方面的应用。

现在，我们的智能传感器，就是在传感器里面放入相当有计算力的一些计算单元 。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发的一些算法。这些算法能够实现本地运行，或者叫做边缘计算这套模式 ，让这个计算重新回到我们传感器的这边，来减少整个系统的功耗。 然后同时也可以减少客户对算法开发的负担。

如果我们能够提供一些优质的算法，客户可能拿到这些产品就能直接去应用。他不需要再根据你的传感器，针对某个场景去开发重复的算法，这样产品开发效率就能提高，所以这个是我们在智能传感器领域做的一些探索。 ”

通过博世提供的集成在传感器中的AI算法模块，可以大大减轻下游用户的产品开发难度，提高产品研发效率——这意味着下游企业将能极大节约研发成本。

如果说博世作为消费电子传感器巨头，本身对AI等新技术更为敏锐，那么，工业传感器巨头基恩士推出的AI检测案例，则意味着在工业传感器等全产业，巨头们都在积极思考AI技术在传感器中的应用。

基恩士在其官方公众号中发布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解决了人工检测成本高、稳定性差、检出率不达标等难题。”

通过基恩士先进的光电传感器配合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、树脂件的划痕长短等，是否符合质检要求。

▲来源：基恩士公众号

结语

数据本身没有价值，只有将数据转化为可读易懂的信息，用于辅助决策，解决实际问题，那么数据才被赋予了价值。

未来，全面智能化时代到来，数以亿万计的传感器被使用，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，才是这些传感器的价值。

在以往，许多时候传感器传回来的数据，需要人工进行分析，做出判断，大大降低传感器的利用率，面对海量的传感器数据如何快速做出判断？答案很显然——依赖于人工智能技术，对亿万传感器数据进行分析，做出合理的执行或者告警，这才是人工智能的价值。

显然，随着AI技术的进步，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，才能有价值。

读创今日荐书 人工智能传感器如何改善未来医疗？

深圳商报·读创客户端首席记者 魏沛娜

远程医疗是昙花一现还是广泛流行？

如何运用数字技术将临床实践从治疗为主转向预防为主？

数字化平台如何使医疗保健可持续发展？

《未来医疗》一书展示了诸多前沿应用，回答传感器和人工智能设备如何及时预防以及干预疾病。

《未来医疗》

[ 美]贾格·辛 著

希瑞 译

中信出版集团

2024 年5月

据了解，本书分为四个主要部分。第一部分阐述了传感器技术的发展和演变，包括对现有不同类型传感器的探讨，以及通过真实的患者故事展示它们的应用，同时预测它们即将实现的功能。第二部分深入探讨了远程健康医疗及其对获取和提供医疗服务的影响，认识到数字化革命对患者体验的影响、社会差距的加深，以及其他同样紧迫的问题。第三部分涉及人工智能，首先介绍人工智能是什么，然后深入探讨日益增长的数据洪流及其影响和临床应用，还讨论了我们必须考虑的伦理问题和偏见问题。最后一部分将之前三个部分的内容与当前的医疗健康环境结合起来，着重探讨了保持医疗系统持续运作所需要的关键原则，还讨论了近年发生的大流行病对我们未来可能产生的影响，以及医疗费用报销方式的改变。此外，这部分也强调了患者在自己的医疗保健中主动参与的重要性。本书最后设想了未来医院可能的形态。

资料介绍，贾格·辛是哈佛大学医学院教授，从事医疗器械技术和心脏电除颤治疗方面的研究，致力于改善医疗保健服务，曾在麻省总医院心脏病科担任临床主任，并获得“罗曼·德桑蒂斯心脏病学讲席教授”荣誉头衔。他还是麻省总医院心脏中心“心脏再同步化与高级心脏疗法”的创始人。

“未来的医疗服务将是虚拟的，这得益于传感器技术并由预测性分析驱动。这将使医疗决策更加个体化，从而为患者提供最为贴心的护理。无论患者在何处，只要他们需要，都可以获得贴心的医疗服务。在接下来的十年里，这将是医学实践的发展方向。转型过程可能会有些艰难，但我们都应该学会适应，而且最终这种变革或许会使事情变得更好。” 贾格·辛表示，本书的核心旨在让读者认识到即将到来的未来，并在这一进程中发挥自身的作用。“我们的目的是实事求是地看待前方的挑战，同时推动监管机构和支付方了解发展趋势，从而做出相应调整。对于患者体验、成本和临床结果的积极影响将克服各种障碍，使医疗护理超越地区与国家边界。”

上海交通大学讲席教授江晓原表示：“这本书是对未来医学的专题展望。作者认为，应用越来越广泛的传感器技术和预测性分析，将推动医疗服务虚拟化，而这种虚拟化代表着医学的进步。尽管作者对这些前景的叙述都是正面的，并未将这些前景与助长目前困扰着人们的过度检测、过度治疗趋势联系起来，但阅读本书能够让我们对这些前景获得了解，以便及时做出正确的判断和决策，这才是此书的价值所在。”

相关问答

智能传感器是基于人工智能、信息处理技术实现的具有分析、判断,量程自动转换,漂移、非线性和频率响应等自动补偿,对环境影响量的自适应,自学习以及超限报警、...

I传鉴的全称是智能人工智能传感与知识融合技术。IAI代表智能人工智能,传鉴代表传感与知识融合技术。该技术结合了传感器技术和知识融合算法,旨在实现智能系统...

汽车传感器CarSensor汽车传感器CarSensor

看看我们自身的传感器,就能找到未来传感器的发展方向。我们身上有视觉传感器(眼睛)、听觉传感器、嗅觉传感器、温度传感器、压力传感器、痛觉传感器等等,他...

视觉传感器特性分析:在探测子系统硬件平台中,VCM50主要用于对目标图像的采集和对采集图像的降噪与压缩预处理,其主要特点如下:①摄取图像最高每秒达100帧。...

氧传感器是用于检测环境中氧气浓度的设备,广泛应用于工业、医疗和环境监测等领域。关于aisuln氧传感器的品牌,目前尚未找到与之相关的信息,可能是一个新兴或较...

1.用声音传感器采集正常无噪声时数据,此时为环境本底声音2.采集噪声数据,此时为环境本底声音加噪声3.过滤出单纯的噪声信号4.产生噪声的相反信号即可1.用...

Hex家庭DIY安全系统人工智能通过Hex家庭DIY安全系统满足家庭安全。这款家庭安全设备由环境感应和AI技术提供支持,可更好地覆盖整个家。它可以区分入侵...

iqooz1摄像头型号是三星GM1,三星GM1传感器使用AI超清输出4800万照片,默认模式是1200万像素,4800万像素需要在专业模式下手动启用iqooz1摄像头型号是三星GM1,...

能比。索尼766和三星一亿像素哪个都好,首先从参数上看,IMX766的传感器面积达到了1/1.56英寸,拥有5000万像素,单个像素面积为1.0μm,并且支持四合一实现2μm...