第二个特点，eyemore X42抛弃了传统的ISP成像架构，采用了全新的成像引擎架构，来解决复杂光线下的成像难题。而传统的ISP，从架构上来讲，无论如何也无法完美解决复杂光线的问题。

第三个特点是，eyemore X42提供了丰富的API接口，让做后端图像识别的算法工程师，可以很方便的控制成像的过程。

eyemore X42的性能有多强大？也许其发布会当天现场演示的“微光/暗光环境下实现精准识别”的实验，就能很好的说明问题。

“如果你问所谓的微光会微到什么程度？这个很简单，我们有一个基本的标准，就是和人眼比，我们就是要超越人眼”，朱继志说到。

人眼的视网膜里有大约1.25亿个视杆细胞和视锥细胞，它们扮演感光器的角色。其中，视杆细胞感知光线的明暗，而视锥细胞负责感知颜色。到光线的明暗达到一定程度（过亮或过暗）的时候，视锥细胞就停止工作，转而切换到视杆细胞，因此这时人眼就只能感受到黑白的灰度，暂时失去了感知颜色的能力。

“我们现在做的事情是比人眼18个DB的八倍，在那种情况下。所以，在人眼看不清颜色、只能看清轮廓的情况下，我们能够精准的还原颜色。”

人对世界颜色的感知能力是有限的，虽然理论上说人的眼睛可以分辨出出高达1200万种颜色，但实际上远远低于这个数字。但机器能不能分辨出一百万种、一千万种甚至更多种颜色呢？这完全有可能。

我们很难想象的到，一个机器超越人眼之后可以做些什么。高维视觉和低维视觉相比，具有无可比拟的优越性。

比如看到一朵花，我们看到的只是白色的，但机器看到的是五颜六色的，因为可能有100种白。这就是机器进步的核心能力，能够看到更多的信息，所以能够给出更精准的反馈。

AI实体化之下，5年内视觉芯片将有100亿数量级需求

随着AI技术的进一步发展和应用的持续扩大，各种由AI芯片驱动的机器/设备持续出现，使得AI已经越来越呈现出实体化的趋势。

“得益于人工智能的广泛应用，目前已经形成了一个很大的技术生态。在这个庞大的生态海洋里，AI机器这个新的物种已经开始进化出来，这些AI机器将会迅速进入我们的现实世界。”朱继志说。

AI机器区别于一般机器的最大特点是，它不是一个普通的工具，它自己有大脑。我们可以把自动驾驶、机器人、包括工艺检测设备、智能的安防摄像头/门禁/锁具等等，都看做一个AI的机器。

另一方面，从信息时代发展到如今的AI时代，竞争核心已经从加工制造工艺/硬件设备性能的竞争，升级为算力和算法的比拼。由此，作为算法和算力承载的芯片，就成了当今时代最大的竞争焦点。

而AI机器需要数量更多的、性能更强大的芯片，即各种AI芯片。

“AI机器这个新物种，就是被各种芯片所驱动的。在比拼算法和算力的时代，一个AI机器所需要的芯片的数量，也就是芯片的密度，会呈现数量级的增长。”

以目前突然蹿红的比特币为例，其挖矿的设备——矿机，就是芯片的需求大户。在一个普通的矿机里，就会有几十到数百颗处理器芯片，而这个在以前是不可能想象的。

除此之外，基于万物互联场景下的自动驾驶汽车，它的视觉系统、路径规划系统、车内温度调节、对外通讯通信等等，每一个独立的处理单元都至少需要一颗芯片；同样的还有各种机器人、各种无人机、安防监控、无人超市......

朱继志认为，以后一台AI机器对各种各样的芯片的需求，会有成百上千个。在视觉2.0的内因驱动下，各类AI芯片的大规模应用时代已然来临，AI机器这个新物种，将为AI芯片开辟一个庞大的新增市场。

AI机器对视觉器官的需求量同样是巨大的，由此AI视觉芯片的供应量也将随之激增。

在汽车领域，一台自动驾驶的汽车，将会安装10个视觉摄像头；在安防领域，所有的监控摄像头，都面临着人脸识别的升级；在工业设备领域，通过视觉的方式进行产品的检测，将会成为每一条产线的标配，以后每一条产线上都将配置超过10个智能摄像头；在无人零售，如Amazon go正在把关注的重点从商品的标签迁移到每个顾客的消费习惯，它的每家无人零售店都配置了超过100个以上的摄像头。

据不完全预测，未来5年内，各种各样的AI机器将会带来100亿数量级的视觉设备需求，而视觉芯片的需求量将高于这个数字。

“这将是所有AI芯片创业者的机会。”