广告

把“大数据”缩小,这家德国新创公司是如何做到的?

2020-01-17 Junko Yoshida 阅读:
把“大数据”缩小,这家德国新创公司是如何做到的?
德国新创公司Teraki开发出可过滤并缩小“大数据”(big data)的嵌入式软件技术,不仅有助于提升数据处理效率,还可实现更准确的对象侦测与机器学习…

“大数据”(big data)是连网装置中的基本要素。尽管如此,大多数供货商仍在竭力地因应正呈指数级成长的庞大数据量,尤其是还必须为系统提供功能强而有力的CPU,才足以处理数据,并将大数据发送到云端进行人工智能(AI)训练。ejtednc

德国柏林一家新创公司Teraki为此提供了一个解决之道——过滤并“缩小”大数据,以提升数据处理效率。该公司的使命在于克服边缘数据处理时的挑战。Teraki的方式是采用讯号处理技术,透过最小化延迟时间和最大化算法的准确性,让嵌入式系统得以更有效率地利用输入的数据。ejtednc

在上周的国际消费电子展(CES)期间,《EE Times》第一次接触到Teraki,由于“大数据”、“人工智能”和“量子运算”(quantum computing)这三者似乎都是Teraki的技术基础,我们一开始有点不知要从哪里谈起。ejtednc

值得庆幸的是Teraki并没想要把这种令人困惑的组合作为其营销手段。相反地,Teraki在其创办人兼执行长Daniel Richart的带领下,更关注于技术。Daniel Richart之前曾经在马克斯·普朗克研究所(Max Planck Institute)担任量子光学(Quantum Optics)研究员。ejtednc

ejtednc

Daniel Richart,Teraki执行长ejtednc

有鉴于此,Richart解释说,事实上,量子信息论的概念与当今边缘运算(edge computing)的要求相去不远。ejtednc

Richart说,就像量子运算需要从大量噪声困扰的原子中找到质量稳定的“量子位态”(qubit state)一样,物联网(IoT)和电子产品制造商必须能够“以他们所需要的质量,足够快速地提取信息”,才能最有效率地用于数据处理。ejtednc

Richart和他的团队从2014年开始琢磨Teraki的基本概念,并于2015年正式成立了这家公司。ejtednc

Teraki当然不是第一家讨论边缘运算的公司。但是,Richart说,每个人都还在为大数据的问题而奋斗。ejtednc

ejtednc

Teraki瞄准高效率的嵌入式处理(来源:Teraki)ejtednc

想想看高度自动化的车辆。例如,如果在传感器级只能进行少量的预处理,那么汽车制造商可能必须为车辆中的重磅传感器融合支付高昂的费用,因为它需要功能更强大、成本更高的CPU来执行。ejtednc

而将大量数据传送并储存于云端中以进行AI训练,也可能会让OEM花大钱。此外,再加上延迟的问题,可能会导致延误以及对象检测不准确。ejtednc

以软件缩小数据量

Teraki专注于嵌入式边缘处理,并开发了一种新的软件技术,可用于缩小来自三种不同类型传感器的讯号数据:车载资通讯(telematics)、摄影机以及光达(LiDAR)/雷达。ejtednc

据Teraki介绍,其软件可以在标准的车用芯片组上执行,例如恩智浦半导体(NXP Semiconductors)的Bluebox和英飞凌(Infineon Technologies)的Aurix微控制器。 Teraki透露,更棒的消息是,该公司“马上就要拿下第一张OEM设计订单了。”ejtednc

该公司称,Teraki的软件有助于将来自车载资通讯系统的讯号大幅浓缩90-97%。一旦数据浓缩后可用于做什么?Teraki表示,这将更有利于实现“预测性维护、监控驾驶人的行为或碰撞侦测”。ejtednc

Teraki还开发了可对来自摄影机的2D影像讯号进行预处理的软件。Teraki声称,透过“在现有编译码器(例如H.264)之前”先行处理视讯画面(video frames),可以让数据浓缩高达75%,并进而增强基于视讯的感知。目前,该软件已经开发完成了,现正交由OEM客户进行测试中。ejtednc

Teraki的软件创新中最具前景的可能是其3D点云数据解决方案,这些数据是由光达、飞行时间(ToF)传感器和雷达所产生的。Richart说:“我们现正与许多光达公司洽谈合作。”据Teraki称,这款软件目前正进行展示中,将于今年第一季投入商用。ejtednc

ejtednc

Teraki在业界生态系统中的位置(来源:Teraki)ejtednc

Teraki的数据减量技术有何秘诀?

该公司并不是盲目地透过压缩方式来减少数据位。预先处理感测数据并不会导致训练和执行机器学习模型所需的数据质量和准确性降低。ejtednc

Richart说:“关键在于这是一种能够自适应地重设大小和过滤数据的技术,因而能够实现更准确的对象检测和机器学习。”他并补充说,“其目的在于知道以你所需要的质量来提取什么数据。”ejtednc

在嵌入式系统中处理感测数据时尽早缩减数据量,不仅可以加速推论的时间,还有助于减少对于RAM/ROM的需求。此外,它也大幅缩短了进行训练的时间。ejtednc

基于画面vs.基于事件的摄影机

但是,如果低延迟对于高度自动化的车辆安全至关重要,为什么要把时间花在预处理那些从传统基于画面(frame-based)的摄影所产生的数据呢?因此,我们问道:“如果使用像Prophesee设计的基于事件(event-based)之摄影机呢?”ejtednc

深谙神经形态工程学进展的Richart说:“我们认为二者是相辅相成的。事件导向的影像传感器在延迟方面表现出色,因而可作为预警讯号。同时,我们的软件则能够更灵活地从任何传感器中提取信息——延迟低于10毫秒。”ejtednc

就在上个月,Teraki才完成了1,100万美元的A轮融资。该轮融资是由Horizons Ventures领投,以及几家策略投资方跟投,包括一家日本主要的技术公司,以及由Rev1 Ventures、Bright Success Capital和Castor Ventures组成的美国State Auto Labs Fund。加上之前的投资方Paladin Capital Group和innogy Ventures,使得Teraki的总融资金额达到1,630万美元。ejtednc

 (原文发表于ASPENCORE旗下EDN姐妹媒体EETimes,参考链接:Teraki Takes ‘Quantum’ Leap on Big Data,编译:Susan Hong)ejtednc

本文为EDN电子技术设计 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
Junko Yoshida
ASPENCORE全球联席总编辑,首席国际特派记者。曾任把口记者(beat reporter)和EE Times主编的Junko Yoshida现在把更多时间用来报道全球电子行业,尤其关注中国。 她的关注重点一直是新兴技术和商业模式,新一代消费电子产品往往诞生于此。 她现在正在增加对中国半导体制造商的报道,撰写关于晶圆厂和无晶圆厂制造商的规划。 此外,她还为EE Times的Designlines栏目提供汽车、物联网和无线/网络服务相关内容。 自1990年以来,她一直在为EE Times提供内容。
  • 微信扫一扫
    一键转发
  • 最前沿的电子设计资讯
    请关注“电子技术设计微信公众号”
广告
热门推荐
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了