电力行业发展至今，利用新能源发电已经不是什么稀奇事了，风力发电机将风能用来发电，水电站将水能用来发电，光伏发电系统将太阳能用来发电，但你能想象到，日常生活中灯光的微弱能量也能用来为摄像头发电吗？

近日，无源智能科技公司飞英思特，创新性地研发出了可用于微能量供能的AI深度学习技术框架，该框架可结合飞英思特环境取能技术实现摄像头无电源工作，同时具备边缘端人工智能深度学习的功能，可在无电池和电源供电的低功耗环境下，实现数据的收集、处理、传输，从而为在城市、野外等无电源的场景下，进行快速部署免维护的自供能AI设备提供了新的可能性。

飞英思特首款自供能AI摄像头

该款自供能摄像头无需电池和外部供电，仅依托顶部的光能采集板来收集环境当中的微光能，由飞英思特的微能量转换和管理技术为其提供电能。可完成毫秒级状态唤醒并快速切换到工作状态，其运行功耗低至毫瓦（mW）级别，静态功耗低于10微瓦（uW）。

在如此低功耗情况下，该款自供能AI摄像头可实现智能检测视觉对象和图像数据处理的功能，当目标出现时，摄像头会自行拍照并进行数据分析，在得到识别结果后，仅将识别到的结果或图像上传到云端，此设计大大节约了AI计算模组所需的功耗。

现实生活中不乏AI设备，例如超市里的刷脸支付设备就是一种最为常见的。但这些设备都需要外接电源提供强劲而持续的动力来维持，一旦脱离了固定外接电源就无法正常工作。截止目前还没有无需外接电源的超低功耗该类设备，对于野外等特殊环境的应用就无法推进。例如预防森林防火和观察野生动物的摄像头，就需要定期更换电池。飞英思特自主研发了仅依靠自供能的超低功耗轻量化深度神经网络技术，有了这种技术的支持，类似监测森林防火和野外观察监拍野生动物的摄像头，就可以长时间工作，无需定期更换电池了，节约了人力物力的消耗也减少了对于野生动物和环境的影响。

野生动物监拍画面（此图来源网络 侵删）

飞英思特自主研发的超低功耗轻量化深度神经网络技术其主打特色，就是在尽量保持收集数据完整性的前提下，最大程度压缩数据，在8bit量化水平下，可使模型最终小于100kB，从而降低处理这些数据所需功耗和算力，由此在超低功耗环境下，智能设备就可以实现传统AI系统的深度学习功能。例如搭载该技术的自供能AI摄像头，目前可以达到的图像识别速度为10FPS。

Finsiot无源智能生态技术

通过这项技术，相信未来我们的智能设备将会逐步摆脱电源受限的束缚，自供能AI摄像头将可以快速地部署在家庭空间，城市路口、工业厂房、旅游景区等环境中，进行安全、交通、设备、环境的监测工作，越来越多的自供能产品也将会逐步问世，与国家刚刚提出的“碳达峰、碳中和”远景目标相契合，可为实现节能减排的战略目标提供强大助力。未来我们的数字家庭、数字工业转型也将会变得越来越容易。随着技术的发展，困扰设备进一步升级和布置的供电问题，也终将会逐步淡出大家的视野。