具備夜視能力的攝像機，可以打破晝夜限制，識别夜間無法辨别的目标，提高夜間工作的能力，目前已落地到安防、交通管理、環保監測、夜景拍攝、戶外探險等場景。
當前，市場上夜視相機的極限光照度基本在 0.01Lux。
照度（Lux ) ，指單位面積上接收到的可見光的光通量，是衡量環境光的亮度單位。" 最低照度 " 反映的是攝像機可以在多黑的環境下仍能看到物體。
然而，受到硬件發展的制約，視覺成像系統的成像效果已接近天花闆。但在一些特定場景下，市場需求達到了 0.001Lux 及以下的星光級。
在未來較長一段時間内，通過硬件實現最低光照度從 0.1Lux 到 0.001lux 的跳升，困難極大。
并且，随着複雜場景和圖像處理要求的提高，傳統 ISP 在暗光條件下的降噪、對比度增強和暗光提亮方面的局限性，已經越來越明顯。
2018 年，英特爾實驗室發表論文《Learning to see in the dark》，提供了一條新的路徑，其通過深度學習算法打造全新 AI-ISP 成像體系的思路，成爲時下提升光照度的主流。
低照度下的夜視技術探索：硬件方案受阻，AI 技術解圍
在 AI-ISP 技術出現前，夜視領域的玩家們更多在硬件上想辦法，實現更低的照度。
索尼是感光芯片領域的最強玩家，上世紀 90 年代便已進入低照度全彩夜視領域，并且是背照式、堆棧式 CMOS 圖像傳感器的率先研發者。
索尼主要針對感光芯片進行工藝上的改進，核心思路是不斷減少電路所占的面積，同時增加感光芯片的感光面積。硬件上，索尼做出不少努力，比如推出全畫幅感光芯片。
但即便是索尼，将低照度感光芯片的光照感知能力 0. 14 Lux 提升到 0. 07 Lux，也花費了五年時間。使用的最高端的全畫幅感光芯片，售價高達上萬塊錢。
材料學及制造工藝難以突破，硬件制約下的視覺成像系統，成像效果已接近天花闆。
短期内，通過硬件提升光照度，難度顯而易見，在軟件上進行探索，則能打開局面。
2018 年，英特爾實驗室針對這一世界級難題，提出可以通過整個神經網絡實現 ISP 的全部功能。
ISP（圖像處理芯片）類似人腦的視覺處理中樞，當我們想要看到這個世界的時候，大腦中幾百億個神經元鏈接就會開始工作。AI-ISP 相當于将人類複雜的視覺神經網絡在攝像機中實現，爲攝像機提供一個新的大腦。
ISP 作爲一系列圖像處理算法的集合，負責完成從 sensor RAW 到圖像 RGB 數據的轉換，過程包括各種矯正、去噪、轉換和增強等環節。
然而，随着複雜場景越來越多，圖像處理要求越來越高，傳統 ISP 在暗光條件下的降噪、對比度增強和暗光提亮方面，局限性越來越明顯。
由于傳統 ISP 通常采用硬件實現，不斷擴充的參數庫，帶來調試上的困難，整體開發周期逐步拉長。
而以 AI 技術爲輔助，通過深度學習海量場景和數據，輸出算法模型，對圖像進行精準處理，則可以在某些場景大幅改善傳統 ISP 的成像效果。
得到端側大算力的支持後，這種全新的 ISP 成像體系，突破了傳統 ISP 圖像處理體系的硬件限制。
作爲解決低照度下實時全彩夜視這一難題的一劑良方，AI-ISP 的技術成果，已經落地到了安防、礦井、石油、自動駕駛、無人機等場景。
目前，國外的索尼、豪威、安霸，國内的海康、大華、華爲等都是該領域的重要玩家。
除了上述大廠，也有一些創業公司參與其中，比如深知未來、京德緻遠、影石等。
在深知未來創始人 &CEO 張齊甯看來，"AI 夜視技術是目前唯一能夠實現全彩夜視的技術路徑 "。
目前，深知未來基于其 AI-ISP 全彩夜視技術，已發布一系列産品，包括無人機載荷 S2 PRO 和 S6，手持夜視單筒鏡等。
這些産品突破了傳統夜視技術的局限，具有全彩實時成像、高分辨率、不懼強光、成本低、場景适應力強等特點。
AI-ISP 商業化落地的兩大難點：難調試、成本高
最開始，深知未來按照英特爾的思路，用一個端到端的一體化神經網絡實現 ISP。
然而，團隊很快發現，英特爾的思路雖然可行，但終歸隻是一個實驗室中的技術，很難實現商業化。
原因在于，這一技術需要巨大的算力支持，成本頗高。即使以當下的算力平台，要支持這樣一個端到端的一體化神經網絡，也仍是一件難事。
經過半年探索，深知未來發現了兩個橫亘在商業化途中的問題。
其一，用一體化神經網絡實現 ISP 時，很難對其進行調試。
由于不同産品應用對圖像的要求不一，因此芯片廠商基本都會預留大量參數，以供産品廠商再做調整，調試出具備自身風格的圖像。
然而，對于使用 ISP 芯片的廠商們來說，想要對一整個神經網絡進行調整，爲此專門另招專業的算法工程師并不切合實際，此外也根本沒有數據對圖像風格進行調整。
其二，通過整個神經網絡實現 ISP 的全部功能，難度太大且不必要。
" 事實上，隻需做跟圖像質量相關的關鍵 ISP 環節，如降噪、HDR、3A 等 AI 化，就能立刻提升圖像質量，而不必對整個 ISP 進行神經網絡化。" 張齊甯對雷峰網表示。
截止目前，大多數業界針對 AI-ISP 的研究，都隻将少數模塊 AI 化，" 大多數芯片廠商隻處理其中的一部分任務，仍然留很多參數，讓下遊産品廠商做調整。"
深知未來于是轉換思路，抛棄高成本的整體路線，轉而針對關鍵 ISP 環節進行 AI 化，并将自己的夜視神經網絡命名爲 "EODNet"（end of dark）。
2019 年，安霸公司提出 "AI-ISP" 概念，用以描述這種全新的 ISP 成像體系。
自安霸提出 AI-ISP 概念後，業界都将自己的相關技術定義爲 AI-ISP，并提出各不相同的理解。在當時，連 AI 人臉識别這一更上層的應用，也被納入 AI-ISP 領域。
經過幾年的探索，業界對于 AI-ISP 的理解漸漸趨于一緻。
張齊甯對雷峰網解釋道："AI-ISP 的定義，是完成從感光芯片到成像過程的一整個算法集合體，包含 20-30 個算法。凡解決的問題與這 20-30 個成像任務相關，如降噪、銳化、HDR 等，那麽就可以被認爲是在解決 AI-ISP 的問題。"
業界主要玩家中，索尼的重心主要在低照度的底層技術研究上，前期更多探索如何通過硬件實現最低照度；國内在夜視應用領域長期布局的海康、大華，重心則在使用更好的光學鏡頭與感光芯片，解決具體場景中的夜視難題。
" 對比做 AI-ISP 的友商，深知未來對整個 AI-ISP 體系研究涵蓋的範圍和深度是最大的。有的廠商在 20-30 個算法中，隻關注了 2-4 個領域，深知未來關注了 7-8 個成像領域。其中 3A、超分等技術，很多 AI-ISP 廠商還沒有開始涉及，而深知未來已經做了很多年研究。" 張齊甯介紹道。
行業應用多樣，同類賽道該如何競技？
如今，低照度全彩夜視成像，已在 G 端、B 端和 C 端市場形成多樣分支。
比如，在公安領域，低照度全彩夜視成像的攝像機被用于刑偵場景。
數據顯示，80% 的重大刑事案件發生在夜間，這給刑偵帶來了很大困難，傳統 AI 視覺攝像頭很難解決黑夜場景下成像模糊乃至缺失的痛點。
全彩夜視攝像機的優點是，即使在極低照度、肉眼無法看清、無補光的夜間環境下，仍能以較低的成本，提供實時彩色清晰的圖像。
此外，自動駕駛領域的夜間行駛，工業檢測領域的複雜光線場景，基于 AI-ISP 的低照度全彩夜視成像，都能極大改善圖像質量。
根據客戶屬性的不同，深知未來提供差異化産品，以滿足客戶需求。
面對 B 端市場，深知未來的定位是一家技術公司。
深知未來在 B 端市場，類似一個單點技術服務商，以爲合作夥伴競标提供更有競争優勢的前端産品爲主。
"B 端選擇深知未來，更多的是對方自己有成熟的解決方案，需要一些讓客戶更感興趣的點，避免同質化競争。"
深知未來在 B 端的産品形态，主要分爲兩種：整機産品和機芯。
工業無人機是深知未來最先商業化的領域，主要提供完整的産品形态。截止目前，深知未來一共發布了 4 款全彩夜視相機，可适配搭載于大疆的行業機。
其中，全彩夜視無人機載荷 S2 PRO 在 S2 的基礎上，着重解決夜間作業的關鍵痛點，實現更遠的視距與更精準的定位。
安防領域，深知未來主要提供夜視機芯，合作夥伴基于深知未來的機芯，已經開發出 10 款不同的安防産品。
面對 C 端市場，深知未來的定位是一家産品公司。
C 端客戶需求相對簡單，更注重新奇的體驗。
深知未來在 C 端主要推出完整産品，如今年推出的兩款便攜式夜視設備，單反式的夜視設備 P6，以類似單筒望遠鏡形态的 P8 Pro。
P6 和 P8 Pro 是兩款從行業到戶外的産品。
行業端，應急救援、公安偵查、邊防巡檢等場景對便攜手持夜視設備有着長期的更新需求。
消費端，歐美地區戶外文化成熟，徒步露營、打獵觀鳥等場景，對便攜手持夜視設備的需求同樣必不可少。
當下，夜間全彩成像，需求缺口巨大。北美地區，用戶對戶外精準夜視的需求幾近剛需，但市面上主流的熱成像夜視儀和紅外補光夜視儀，多爲黑白成像或弱彩，存在目标細節特征不明顯等缺點。
除了便攜式設備向消費端的傾斜，深知未來也計劃将工業無人機的整個模組和産品做得更加輕量級，在未來搭載到消費無人機上。
結語
在夜間實時全彩成像這一難題上，AI-ISP 技術已被證實取得了突破性的進展，但其商業化之路，經曆了不斷的調整和适配。
自 2010 年的計算革命開始，AI 視覺成像成爲一股浪潮。但是夜間在極低照度下，如何在多個行業應用場景裏實現全彩成像，仍然是一個需要不斷突破的命題。
當下，入局 AI-ISP 的玩家衆多，不僅有海康、大華等安防巨頭，還有 OPPO、vivo 等手機大廠，芯片端海思、地平線、瑞芯微、安霸、豪威、國芯微等也都有所涉及。投身于其中的巨頭們，雖有技術、品牌、渠道優勢，但整個賽道仍處于早期發展階段。
創業公司們通過不同的技術路線進行差異化布局，仍然可以在衆多細分領域中找到屬于自己的位置。
