今年，AI在日常生活中的应用，那真的可以细到头发丝儿。
在加油站，有人偷偷抽烟吗?AI的小眼睛可以第一时间盯着这样的危险行为。
在居民区，高空抛物让人头大，但是有了AI站岗，就可以直击现场发出警报。
老人摔倒了，甚至厨房的垃圾桶盖也没有盖上这样的细节，AI也可以全部到达。
更不用说安全系数需要满的场景了，比如施工现场，从烟雾中检测到谁没有戴安全帽，忘记穿反光衣服。
最重要的是，现在不再需要专门安装新的智能摄像头等设备，才能引入这样的AI巡查员。
说出来，你可能不相信，上面所有的场景，所有的任务，甚至一个盒子都可以住。
一个AI盒子的魔力。
没错，就是这样一个10寸大小的真盒子：
这个盒子来自旷视，开头提到的AI应用就是它的实际落地案例。
单从硬件的角度来看，这款设备被称为魔方智能分析盒，内置一个国产AX630AI芯片，INT4算力达到28.8TOPS-
一种适当的边缘计算产品。
但是，如果在其背后加上大量的AI算法，就会发生一些变化：
通过RTSP(实时传输协议)和国家标准协议与前端相机产品的快速连接，可以完成许多不同类型的检测任务，如人脸检测、烟雾检测、危险行为检测、适应加油站、社区、公园、建筑工地等应用场景。
也就是说，原相机不需要移动，再加上这样一个魔方盒，就可以完成各种检测系统的智能升级。
是不是有点方便?
说到这里，你也可能会看到，这个魔方盒子的侧重点不是硬件，而是算法，不像目前市场上常见的物联网智能设备。
甚至可以说，这个硬件的最终产品类型是通过算法定义的——
把所有的核心解决方案都放在算法层面，摆脱对硬件的依赖，让硬件尽可能通用，做一套硬件产品就能应对很多场景。
算法定义硬件
所以问题来了，为什么要用算法定义硬件来另一种方式?
这个问题也要从物联网行业的现状开始。
长期关注人工智能的朋友人都知道，安全是人工智能应用程序最早着陆的场景之一。无论是人工智能公司还是海康威视等老技术企业，围绕人工智能(人工智能物联网)的概念，最常见的案例是在安全场景中。
但是物联网场景，需要智能化，远不止安全。
根据2021年的数据，AIOT领域的渗透率只有4%，而AI没有渗透96%的场景。
AIOT目前面临的最大痛点之一是数据背后的反映：需求的碎片化。
从技术角度解释这个问题，就是算法可以在业务中不断重用和迭代，安全需求大，场景相对单一，集中。
然而，由于目前的人工智能技术，无论是数据采集还是算法重用，更多的碎片化场景，如电瓶车检测、垃圾分类、高空抛物等，都有很大的困难。
传统的解法：海量硬件+定制算法。
如何解决?
简单粗暴的传统解法：海量硬件+定制算法。
也就是说，在检测电瓶车时，使用专用的检测电瓶车摄像头，在检测高空抛物车时，使用专用的硬件设备来检测高空抛物车。在这样的产品体系下，甚至可以产生成千上万种不同的摄像头。
在一个特定的场景中，以智能社区为例。如果一个社区不仅需要电池汽车检测，而且需要智能警告和占用室外通道检测，那么整个工作流将变成这样：
首先，我们应该提前确定不同的点，并确定哪个点部署了哪个硬件设备。然后，根据这些具体需要，我们可以单，购买不同类型的产品。
因此，对现场规划和勘测点提出了很高的要求，一旦设备部署，就很难调整不同点的功能。
说到这里，你肯定会看到其中的问题。
首先，在碎片化的物联网场景下，海量硬件+定制算法缺乏灵活性，硬件建设和维护成本高。基本上，如果你想根据新的需求部署新的算法，你必须更换硬件。
其次，从技术实践的角度来看，由于解决方案在很大程度上依赖于硬件功能，因此需要或多或少地在业务需求和硬件之间做出妥协和平衡，导致最合适的算法通常不是最优的解决方案。
新思路：软硬结合，算法优势最大化。
作为一家以AI算法技术起家的公司，面对这样的市场现状，旷视逐渐探索出了所谓算法定义硬件的新思路。
正如前面所说，即反其道而行之，以算法为核心，解决了场景差异化的问题，削弱了对硬件特性的依赖。
同样以智能社区的场景为例，在选择旷视魔方智能分析盒后，只需购买统一的硬件，即可确定检测点的数量。
然后，根据具体计划，在不同的点安装不同的算法包。例如，如果有必要监控电梯中的电池车是否进入电梯，则应加载并安装电池车检测的算法包。
之后，如果需要改用这个点来检测烟火，也不需要更换硬件，只需更换烟火检测算法包即可。
综上所述，在魔方盒等产品中，旷视所做的就是从最大化算法能力的需求出发，基于软硬一体化的能力，自行开发硬件。
在一个硬件设备上形成不同的产品，通过加载不同的算法包，使硬件本身更加通用、规范。
因此，从用户的角度来看，一方面，在旧系统上进行智能转换的成本将变得更低，更多的潜在需求可以以更低的成本实现。
另一方面，从算法出发，产品本身可以最大限度地发挥算法的优势，实现更高的性价比。例如，通过算法对低等级的新产品进行有针对性的优化，从而达到更高的计算能力和精度水平。
值得一提的是，这只是算法定义硬件的第一阶段。
旷视透露，随着算法发行平台的完善，硬件将进一步发展成为算法的载体。就像特斯拉的OTA一样，更新算法可以为硬件产品带来新的功能。
突围AI公司的机会。
事实上，长期以来，尽管智能能力的重要性在物联网等安全场景中越来越明显，但人工智能公司作为后来者的竞争优势是什么?
传统强势企业在供应链、渠道等商业领域无疑具有先发市场优势，这使得它们在以硬件为主的标准化产品领域早早占据主导地位。
但是现在看来，正因为如此，在越来越多的量产硬件产品难以覆盖的碎片化场景中，人工智能公司也有了突破的机会。
算法定义硬件是一种具有代表性的AIOT突破路径：该算法本质上直接面向各种应用程序场景，自然更接近用户的需求。只有以算法为核心，硬件才能满足AIOT的大量应用场景需求。
与传统企业相比，人工智能公司的核心优势仍然体现在长期的人工智能技术研究和深入洞察力上。这一优势具体体现在：
长期投入基础模型研究，对算法模型有更深入的了解;
算法精度处于行业领先地位;
能够高效地产生海量算法，降低算法生产门槛;
根据用户场景的变化，更具可扩展性的平台可以实现高效灵活的算法迭代;
具有产品软硬一体化的能力，使算法优势最大化。