隨著以ChatGPT為代表的AI大模型技術的迅猛發展，人工智能正在顛覆各行各業，并帶來巨大的技術提升，對傳感器技術來說，也是如此。 目前，從華為、博世、基恩士等巨頭到初創傳感器企業，均在探索人工智能技術在智能傳感器中的應用。 此前，來自以色列的初創企業Exodigo，宣布獲得1.05億美元（約合7.76億人民幣）的融資，本輪融資由風險投資機構Greenfield Partners和Zeev Ventures共同領投。 資料顯示，Exodigo成立于2021年，短短兩年就已獲得三輪融資，融資金額超過1.3億美元。 Exodigo為什么能獲得資本青睞？答案在于其傳感器+AI的革命性探測技術。 ▲來源：企查查 ? 在城市中地下，各種天然氣管道、自來水管、電纜以及其他可能導致泄漏、爆炸的埋藏障礙物密布，隨著老化、年久失修，帶來的安全風險劇增。 ? 據Common Ground Alliance (CGA)測算，美國每年有數十萬起因公用管線破損老化帶來的事故，其損失超過了300億美元。Exodigo也曾估算，公共事業公司每年在不必要的重型設備挖掘和探測性鉆探上的花費，也超過了1000億美元。與此同時，建筑環境幾乎占了全球碳排放量的一半，這也使得解決地下問題有了經濟和環境的雙重需求。 因此，實現精確的、無侵入式的地下探測，繪制出詳細的地下地圖，對城市地下管廊系統的維護非常重要。 傳統的地下地圖依靠單個傳感器和視覺提示來推斷位置和線路路徑，常常需要對地面進行破壞，同時線路不夠準確。 那么，Exodigo怎么做呢？ Exodigo使用多個傳感器融合收集地球物理數據，并將信號與人工智能（AI）融合在一起，顯著提高地圖繪制的準確性和效率，從而減少不必要的挖掘以節省成本、降低損失。 據Exodigo聲稱，該方法通常比傳統方式能夠多發現20-30%的公用事業線路，并能夠將初步挖掘和鉆探減少多達90%，因此施工人員只需要在必要時進行挖掘即可。 據官網介紹，Exodigo繪制地圖主要有這些步驟： 數據采集 Exodigo 使用最先進的傳感器進行掃描，涵蓋多個物理領域。這種方法彌補了單個傳感器類型的局限性，并確保檢測到所有埋藏的資產（無論材料和屬性如何）。平均每 0.4 英寸（1 厘米）掃描一次采樣，捕獲的數據量是傳統定位儀的 1000 倍。 這些先進傳感器包括了多頻磁電式傳感器、磁性梯度計、電性模擬器、多頻多通道探地雷達等。 ? ? 同時，Exodigo以縱橫交錯的蛇形路徑模式掃描整個區域，而非傳統的“遵循路線”方法從現有記錄和視覺提示（如沙井或消防栓）開始推斷位置，這種方法消除了掃描過程中的人為錯誤和偏見，并最大限度地提高了我們收集的數據的完整性。 ? ? ? 多傳感器融合 在信號中添加高分辨率圖像，以檢測地下公用設施（例如沙井、消防栓等）的任何地上指標。這種融合創建了一個同步的、基于地理定位的、多感知維度的數據堆棧，使我們的人工智能能夠構建精確的地下 3D 模型。

基于人工智能驅動的地圖創建 將數據上傳到云端進行分析后，Exodigo 的自研算法會根據現場采樣的數據對所有可能的情況進行物理模擬，以找到對整個區域中檢測到的物體位置的最佳預測。 Exodigo指出，其AI算法在實時數據庫上進行訓練，數據庫包含過去完成的來自全球各地的數十個項目的 TB 級數據，數據庫隨著新數據的添加而不斷發展。 Exodigo通過多傳感器融合才是采集到的數據量是龐大的，如何分析這么龐大的數據？ Exodigo給出的方法就是自動化和AI，通過AI技術Exodigo分析比傳統方法多幾個數量級的數據，以發現與周圍環境具有不同特征的地理現象，在過去，訓練有素的地球物理學家可能需要幾個月的時間才能從單個站點掃描中手動查看大量數據，而我們的算法可以在數小時內處理這些數據。 并且，使用AI可以減少過程中的人為錯誤，特別是在保持重復性任務的規則應用和質量保證方面的一致性。 然而，雖然AI可以解決大多數物體檢測問題，但Exodigo也特別提到，其團隊中仍然包含多維地球物理專家和土木工程師，他們會審查所有特殊情況，以保證每張地圖的質量水平。 可以看到，該革命性探測技術，基于多種先進傳感器融合+AI技術，Exodigo成立的第二年，這項技術就榮獲了《時代》雜志評選的2022年最佳創新之一，并入選“改變我們生活方式的200項發明”。 在示例方面，Exodigo給出了多個項目實用案例，譬如美國國家電網計劃在紐約鹿特丹建設一個變電站，但缺乏選址地方的地下管廊布局情況。 Exodigo 使用其推車平臺通過多個傳感器、攝像頭圖像和厘米級精度的 RTK GPS 掃描該區域，每英畝收集超過 500 GB 的數據，通過AI計算后生成3D可視化地下地圖，避免了項目后期代價高昂的延誤。 美國國家電網土木建設總監Mike Roberts評價“Exodigo在鹿特丹試點項目中取得了非常有希望的結果。這項技術看起來改變了我們的游戲規則，從項目開始、規劃、設計和工程，一直到施工，這個領域都至關重要。該技術提供的能見度水平提高就像第一次戴上處方眼鏡，對以前有限和模糊的東西獲得清晰的視野?！? ? 華為、博世、基恩士……頭部企業探索傳感器+人工智能 傳感器+AI，Exodigo這家初創地下空間探測企業用其創新的技術做了示范，憑借該技術取得的成功，獲得了投資者的青睞。 作為市場和新技術的引領者，越來越來多的頭部企業在探索傳感器技術中人工智能的應用。 譬如在今年5月份，華為在夏季全場景發布會中，推出AI 輔助康養傳感器，瞄準智能家居中的智慧康養賽道。 AI 輔助康養傳感器使用毫米波雷達技術，實現起居檢測場景健康關懷，傳感器支持跌倒、墜床、睡眠等事件檢測，并且支持分級告警，將異常信息推送給家人，使家人得到及時守護。 華為擁有激光雷達、毫米波雷達的自研技術，該傳感器技術主要為智能駕駛服務，并延伸到智能家居等領域。華為沒有聊AI，但AI技術已經深度融入到華為的傳感器產品中。 據傳感器業內資深人士分析，用毫米波雷達檢測人體存在和動作并不難，難在如何甄別各種動作事件，避免誤判——譬如蹲下就不應該識別成跌倒，目前市場上部分毫米波雷達跌倒監測設備存在較大的誤測情況。 顯然，華為將該毫米波雷達命名為AI 輔助康養傳感器，使用AI技術對毫米波雷達反饋的數據進行識別和判斷，提升識別準確率——龐大的數據庫和先進的AI模型也是華為的強項，許多傳統傳感器企業并不具備。 此前，在SensorShenzhen2024上，專家網編輯專訪了Bosch Sensortec高級產品經理周良，此前博世已推出集成可編程AI系統的IMU單元BHI380，其深入分享了博世對AI技術在傳感器中的應用：

“我們對AI的理解，就是說我們過去的傳感器其實就是給客戶提供一些原始的數據，比如說，以加速器和陀螺儀來講，它可能輸出的就是一個加速度信號或者一個角速度信號給到客戶。但是從真正應用的角度來講，客戶可能需要把這些物理量變成它實際使用到的一些數據，那這里面需要一個算法的過程（來進行計算），在以前這個算法需要客戶自己來開發，自己來做這方面的應用。

現在，我們的智能傳感器，就是在傳感器里面放入相當有計算力的一些計算單元?？梢允且粋€外接的MCU，也可以是SoC，那它里面就能夠跑我們博世自己開發的一些算法。這些算法能夠實現本地運行，或者叫做邊緣計算這套模式，讓這個計算重新回到我們傳感器的這邊，來減少整個系統的功耗。然后同時也可以減少客戶對算法開發的負擔。

如果我們能夠提供一些優質的算法，客戶可能拿到這些產品就能直接去應用。他不需要再根據你的傳感器，針對某個場景去開發重復的算法，這樣產品開發效率就能提高，所以這個是我們在智能傳感器領域做的一些探索。”

通過博世提供的集成在傳感器中的AI算法模塊，可以大大減輕下游用戶的產品開發難度，提高產品研發效率——這意味著下游企業將能極大節約研發成本。 如果說博世作為消費電子傳感器巨頭，本身對AI等新技術更為敏銳，那么，工業傳感器巨頭基恩士推出的AI檢測案例，則意味著在工業傳感器等全產業，巨頭們都在積極思考AI技術在傳感器中的應用。 基恩士在其官方公眾號中發布AI檢測案例，文中指出“AI視覺檢測在工業機動化領域也逐漸解決了人工檢測成本高、穩定性差、檢出率不達標等難題?！?/strong> 通過基恩士先進的光電傳感器配合AI算法，能夠應對工業場景中更多未知場景的精密檢測需求，譬如鑄鋁件的砂眼大小、樹脂件的劃痕長短等，是否符合質檢要求。 ▲來源：基恩士公眾號 ? 結語 數據本身沒有價值，只有將數據轉化為可讀易懂的信息，用于輔助決策，解決實際問題，那么數據才被賦予了價值。 未來，全面智能化時代到來，數以億萬計的傳感器被使用，將產生海量的數據，如何從這些傳感器數據中進行篩選，形成結論，幫助我們做出決策，才是這些傳感器的價值。 在以往，許多時候傳感器傳回來的數據，需要人工進行分析，做出判斷，大大降低傳感器的利用率，面對海量的傳感器數據如何快速做出判斷？答案很顯然——依賴于人工智能技術，對億萬傳感器數據進行分析，做出合理的執行或者告警，這才是人工智能的價值。 顯然，隨著AI技術的進步，未來對海量傳感器數據的處理，傳感器+AI，感知數據加上大腦，才能有價值。