2021年11月5日,上海——在第四届中国国际进口博览会上,微软(中国)有限公司(以下简称“微软”)与索尼半导体科技(上海)有限公司(以下简称“索尼”)宣布发起合作伙伴支持计划(Partner Enablement Program),鼓励具备资质的中国本土独立软件供应商(ISV),以及系统集成商(SI)合作伙伴基于商业AI摄像头解决方案(AI camera-driven solutions)进行创新。该解决方案将全球首款*具有 AI 处理功能的图像传感器——索尼IMX500智能视觉传感器——与微软智能云的AI能力相结合,实现边缘人工智能处理。在此之前,微软也与索尼在中国发起了联合创新实验室(Co-Innovation Labs),为计算机视觉和视频分析领域的合作伙伴和企业客户提供构建、开发、原型和测试解决方案所需的支持与服务。
*在图像传感器领域,根据索尼方的调查(截止该款传感器发布之日-2020年5月14日)

图为索尼半导体科技(上海)有限公司总裁木村信(左)和微软中国区总裁包嘉峰(右)
微软中国区总裁包嘉峰表示:“此次与索尼携手,将微软可信、企业级的人工智能技术和分析解决方案领域的专长,与索尼在成像传感器市场的公认的领导地位相结合。双方携手深耕智能边缘领域,进一步挖掘各行业潜能,为我们的客户和合作伙伴发掘无限机遇。”
索尼半导体科技(上海)有限公司总裁木村信表示:“索尼的创新成像和传感技术结合微软卓越的智能云及人工智能服务,将带来更强大、更高效的AI摄像头解决方案。我们相信,索尼与微软在中国市场的合作,将进一步强化我们与本土合作伙伴和客户的关系,帮助他们进一步拓展商业价值。”
基于Azure人工智能的全球首个AI处理图像传感器
索尼智能视觉传感器IMX500可在传感器上进行高速AI处理,仅输出语义元数据信息而非图像数据,从而减少数据流量并解决隐私问题。通过与微软合作,索尼将Azure AI嵌入传感器,这种集成可以为通用应用程序提供多样化功能——如高速AI处理下的实时目标追踪等——为商业场景带来更智能的 AI 摄像头解决方案,并在边缘和云端之间更有效地分配资源,以提高成本效率和功耗效率。
索尼还创建了基于Azure IoT和认知服务(Cognitive Services)的AI摄像头托管应用,不仅对IMX500传感器进行了完善,也为合作伙伴和客户拓展了视频分析领域的能力及范围,帮助其把握更多机遇。
发掘商业应用无限潜力
借由此次合作,AI摄像头解决方案将索尼尖端的成像及传感技术,与微软的智能云技术及AI平台相结合,展现出在商业应用领域的无限潜力。用户可以创建、选择和上传AI模型至传感器,对智能摄像头解决方案进行完整定制,各行各业的客户都能够基于这一解决方案发掘新的营收机遇,简化运营并解决挑战。
例如,零售业企业可以借助AI摄像头来检测何时补充货架商品,或根据顾客队列长度调整收银台的开放数量。此外,使用AI摄像头,制造业企业可实时识别鉴别车间的危险情况,防患于未然。传统意义上,这类应用程序的数据收集往往依赖于分布在商店、仓库和配送中心等站点AI摄像头,计算资源的分配难以优化,进而导致成本或能耗的增加。
合作伙伴支持计划——鼓励更多有志者 “入局”
在2021中国国际进口博览会上,微软与索尼推出了合作伙伴支持计划(Partner Enablement Program),通过微软人工智能和物联网实验室进行招募,吸引更多优秀的本土ISV和SI合作伙伴“入局”,共创更加多样化的行业解决方案。这一计划的推出将丰富现有的生态系统,招募在其主导行业具备丰富的海内外经验、销售和营销资源的优秀合作伙伴,并助力其打造应用于不同行业场景的解决方案,在克服技术挑战的同时,为这些合作伙伴提供产品上市资源。
早在2020年5月,微软与索尼半导体集团就已在全球范围内宣布合作,此次发起的合作伙伴支持计划(Partner Enablement Plan)也是这一全球合作的本土延续之一,点击链接了解更多细节。
作为的微软全球认证合作伙伴、以及首批加入该计划的合作伙伴,汉朔科技(Hanshow)打造了基于零售行业场景的解决方案,通过部署具有多种AI模型的智能摄像头,可监控产品量、客流量、销售状态。通过集成固定位置的摄像头,它将生成店内客户轨迹的热图,为客户提供更有价值的数据信息,强化数据洞察力,从而提升门店销售额。
汉朔科技CEO侯世国表示:“汉朔在全球零售市场拥有丰富的经验,在微软和索尼的技术支持下,加快了三方共同创新的进程,也让我们能够更好地服务于快速变化和多元化的泛零售行业,帮助客户获得更高的灵活性和更多收益。”
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。