随着机器视觉技术的发展，越来越多的人脸识别闸机出现在生活中。但你是否遇到过这种尴尬情况：因为中午阳光太强或者晚上光线太弱，机器无法识别你的脸？
因为复杂光线而导致机器无法正常识别的情况还发生在自动驾驶、机器人、工业检测等领域。
2014年，随着深度学习的重大突破，AI人脸识别准确率首次超过人眼识别准确率这条工业红线，这意味着人脸识别已经达到工业化落地的水平。但实际上，这一准确率大多是在实验室条件下实现的，在现实环境中，由于复杂光线条件等影响，图像源成像效果往往并不理想，继而也会影响到图像识别准确率。
眼擎科技要解决的就是前端成像这一痛点。眼擎科技专注于机器视觉前端成像技术，解决复杂光线导致的成像品质不稳定问题。其创始人朱继志将他们要做的事情形容为“解决AI视觉落地的最后一公里”。
经过4年研发，眼擎科技先后发布了解决复杂光线的eyemoreX42专用成像芯片，无人驾驶/辅助驾驶视觉专用解决方案eyemoreDX120，“驯光者”系列相机以及新一代安防专用逆光相机IMX385。
目前，眼擎科技正在进行A轮融资，截至2018年9月，眼擎科技已完成design-in客户近百家。
解决复杂光线下的成像难题
寻找中国创客：目前机器视觉落地主要面临的痛点是什么？
前端的采集设备有一个最大的问题，就是对环境光线的适应能力太差，导致在落地部署的过程当中，前端的图像源成像效果差，后端的AI图像识别率大受影响。
寻找中国创客：有什么具体落地过程中的例子吗？
其实核心问题，就是要解决AI视觉在落地时的现场环境适应能力的问题，我们称之为解决“AI落地的最后一公里”。
寻找中国创客：针对AI视觉落地环境适应问题，眼擎科技提出了什么解决方案？主要是从硬件层面还是算法层面解决问题？
寻找中国创客：eyemore成像引擎可以将成像效果提升多少？
面向自动驾驶、安防、工业检测等几大市场
寻找中国创客：对于成像效果来说，最重要的感光元器件是CMOS，其感光面积对画质有决定性作用。是不是直接用效果更好的CMOS，对成像效果的作用更大？
朱继志：这涉及产业分工问题。对于成像效果来说，镜头、CMOS、ISP成像处理各占一定权重。我们的优势是在前两个条件相同的情况下，可以做到更好的成像效果。而且CMOS跟芯片一样，核心技术掌握在少数厂家手中，中国还无法量产。
寻找中国创客：eyemore成像引擎主要是通过算法+算力+数据的方式提高成像效果，那么这个环节能否后移，在图像识别环节通过算法提高成像效果？
朱继志：因为现在后端AI图像识别的算力非常强，可以对成像效果做出很大补偿。但是一方面，前端成像做得好可以为后端省下很多计算资源，更加直接；另一方面，并不是每一个做后端图像识别的公司都有做好成像的能力。两方面作用下，在前端做好成像，是一个更优、更直接的选择。
寻找中国创客：眼擎科技的目标市场包括哪些？
朱继志：包括自动驾驶、安防、医疗、机器人、工业检测、3D等领域。2018年4月，我们推出了面向无人驾驶/辅助驾驶视觉专用解决方案eyemoreDX120，使自动驾驶/辅助驾驶视觉达到120dB的宽动态能力，超越了人眼的感知能力。
筑起技术壁垒，已design-in近百家客户
寻找中国创客：跟其他竞品相比，眼擎科技的核心壁垒是什么？
朱继志：首先，我们提前布局，具有先发优势。眼擎科技成立于2014年，已经在研发方面投入了4年，在各种落地场景进行过测试，积累了大量数据。我们不能说其他公司做不出类似产品，但是他们要达到同样的测试量，起码需要两年。
寻找中国创客：眼擎科技有多少客户？
朱继志：我们是一家慢公司，前三年专注于技术研发，2018年开始商业化推广。目前，我们已完成design-in客户近百家，也就是说我们正基于这些客户的产品给出方案，并达成一些合作。
寻找中国创客：目前融资情况如何？
朱继志：我们的A轮融资正在进行中。
