占小便宜的人也是有的，有一次一个瑞典老太太来我们店里要了杯咖啡，说她拿着到路边坐一会。我们看一个老太太也没什么，就让她拿着出去了，然而过了一会她一直没回来，我们就出去问她要，结果她站在那里没事人一样，说你在说什么呢？我没拿你们任何东西。我们说你明明拿了我们的杯子，她摆出一付不耐烦的样子说不可能，头摇得像波浪鼓一样。转身就走了。一个老太太，我们也没法拿她怎么样。后来过来一个认识的保安，那保安会说一点中文，和我们摊了摊手说，说“东西没有了吧”，我们才知道，这个老太太在这边偷骗别人的东西，已经很多次了，拿的都是不怎么值钱的小东西。大家也没办法，只当她是神经病防着她。

除了逃单以外，占小便宜偷东西的人也很多。听一个朋友说，他们店里寿司酱油瓶，小碟子，都丢过。这些东西我们这到没有丢过，但是摆在前台上的一些小摆件到是丢过几次。

开店这么多年，碰上过很多次逃单的事情，印象最深的有两次，一次两个杂国佬过来吃东西，然后一个先走了，说另外一个人付账，当时我在瑞典不久，还未认识到瑞典人的阴险，就很轻易的放他走了。然而后来问另一个人要账的时候，那个人却说根本不认识他，虽然明明我看他们聊得很开心，并且那人走的时候还和他打了招呼，那人说他付账的时候，我看向他时他还做了个ok的手势。但是没办法，语言不好，争论不了。只能无奈的放他走了。此后我还看到过他们一起有说有笑地从我店门前经过过，但是他们再也没有进过我的店。

在瑞典开店做生意，碰上过很多辛酸的事情。最常见的就是逃单了。瑞典人和国内人不一样，国内总的来说，如果去吃了霸王餐，或者是偷偷地逃了单了，通常是比较丢人的事情，也不会在公开场合宣扬。但是瑞典人不一样，他们逃单了仿佛是很光荣的事情，会拍着胸脯和自己身边的朋友炫耀，说自己在某家店逃了单，那个老板是个SX之类的。

到瑞士去做小生意可以吗

没来瑞典之前，对瑞典的了解只来自于移民中介和各类文章里面的介绍农村可以做什么小生意加盟，以为这是一个人人素质很高的，天堂式的福利国家。但是当真正踏上瑞典领土，自己做一些事情的时候，才发现，世界上哪里的人都是一样的。有好人，也有坏人。

厘米级的肯定不是卫星定位，是用图像，激光雷达，配合陀螺仪，就是slam

苏振中：创业是一个很辛苦的事情，如果要决定创业，自己必须先想好，找到自己热爱的方向去做。因为只有热爱，并且持之以恒地去努力打拼，（企业）才有可能存活下来，然后才能谈如何寻求成功。

苏振中：我觉得可能在接下来一两年之内，在无人机的高端行业应用方面，厘米级的高精度RTK导航定位模块很快就会取代现在的米级卫星导航定位产品。未来的趋势一定是要求定位更加精准和稳定，这也会让无人机变得更加智能化、自动化。

苏振中：因为我们主要做的是B2B业务，我们会更多地听取工业用户的意见，然后针对他们需求进行优化。比如说最近我们和无人机制造商YUNEEC昊翔一起竞标了瑞士铁路的一个项目，也有和我们拥有类似技术的大公司参与竞标。我们针对客户需求做了一些特别的优化，所以呈现出来的效果就更好。

苏振中：虽然我们是最早一批提出这种应用的，但却面临有劲使不出的困境。因为创业公司人少，同时也缺乏资金，无法与大公司相提并论。所以在高精度RTK定位技术在无人机上的应用方面，我们被一些大公司赶超了。我想每一个创业公司遇到困难可能都是需要更多的钱和更多的人力来实现自己的理想。

苏振中：一开始我们就瞄准了无人机领域。我们是学测绘工程的，无人机可以说是该技术的最大用户。而且我了解到，无人机对高精度RTK定位技术的需求非常大，而在我们创业之初，市场上对于这方面的应用还很少。我们是最早一批提出将高精度RTK定位技术应用于小型化、低成本无人机的，认为应该用它来替代传统的高成本测绘无人机。

苏振中：这是个很有意思故事，公司联合创始人Lukas Meier和Lorenz Meier一开始其实是另一个独立的团队，项目是无人机视觉导航，他们也拿到了“先锋学者”计划的资助。而我和合伙人Tonio Gsell专注开发高精度RTK卫星导航定位产品，但是经过半年的项目论证以及和客户的交流，我们发现市场上需要的不仅仅是高精度定位，还需要能在复杂环境中实现精准定位。于是我们意识到，如果把自己的技术和视觉导航技术相结合，就能解决工业应用领域的这个痛点。在这种情况下，两个团队合并，组成了现在的Fixposition。

苏振中：苏黎世联邦理工大学非常支持我们创业。当时博士一毕业，学校就很认可我们所做的科研项目，我也申请到了学校“先锋学者”计划的科研资助。我自己本来就有把科研项目商业化的想法，而学校又提供了支持，于是一拍即合，顺其自然就在瑞士创业了。

Fixposition为自动运载工具（包括无人机、机器人和自动驾驶汽车）提供强大的高精度导航和定位解决方案，拥有厘米级的高精度定位RTK技术，目前公司主要聚焦于无人机产业。今年，Fixposition入选瑞士财经杂志《Bilan》评出的“2019年瑞士最值得投资的50家初创公司”。

2015年，中国留学生苏振中在瑞士苏黎世联邦理工大学拿到测绘工程博士学位，专注于研究高精度GNSS（全球导航卫星系统）。学校对其科研项目给予了资金支持，他便和几个搭档在瑞士创立了Fixposition公司。

“每一个创业者难道不正如悟空一样，要有‘踏碎凌霄，放肆桀骜’的叛逆与勇敢去打破陈规，去创新；又要面对天地规则，面对现实的繁琐去妥协。”

降一倍就是0了，降千倍不“幻变”成发电机了吗？

而从科研的角度来说，行业当下最需要的就是搭建生态。类脑芯片还有很长的路要走，最为核心的是找到一套更加适合类脑芯片架构的算法，从而去提升精度，降低功耗，而非用目前的CNN算法。

但目前aiCTX并没有一款真正意义上的落地商用芯片，能否完成场景验证，能否通过市场的考验当下还是一个未知数。对他们来说，场景落地是当下最为重要的一环。乔宁也说，未来1~2年工作的重心会落到动态视觉上。

那么类脑芯片距离真正可用还要多久呢？乔宁认为要结合场景来看，视觉物联网端的Speck智能视觉传感器很可能年内落地。在自然信号处理端的应用，如果只是做个相对简单的口令识别/唤醒、手势识别、心电信号监测等，可能明年年中就可以实现。但如果你想让类脑芯片做语义理解、复杂的决策，像人一样明白一句话，则还有很长的路要走。

乔宁坦言，如果比拼团队、拼资源，定然比不过这些巨头公司。但IBM、英特尔更多的是采用通用架构做基础研究，它是一款科研芯片，不针对一个具体场景。而aiCTX更多针对一个明确的应用场景去落地，因而在功耗，性能以及集成度方面会有更大提升。

在类脑芯片这一领域，IBM曾推出TrueNorth芯片，英特尔曾推出Loihi芯片，面对这些巨头公司aiCTX的芯片又有什么优势呢？

乔宁透露，目前Speck智能视觉传感器已经在跟国内Tier 1汽车零部件供应商、机器人、安防公司，以及欧洲的IoT公司在做一些场景验证，正处在市场对接阶段。这款芯片目前也在设计阶段，预计会在今年7月投片，有望在今年年底或者明年初量产。

在小区安防方面，传统的解决方案很难做到高速、低延迟、低功耗的统一，而Speck在这方面就有一定优势。此外，野外、鱼塘、铁路、边界等这类需要节省功耗、节省带宽的场景，都可能是类脑芯片的用武之地。

再比如汽车场景中，Speck可以进行手势识别，从而实现车内的一些交互。乔宁称， 传统的加速器解决方案，可能每秒处理20帧，这对应的是50ms的延迟，而Speck可以做到更快地实时响应，仅需要5ms的延迟。同样相比传统的深度学习计算，它的整体（摄像头及处理器）峰值功耗仅为1mW，比传统方案降低100~1000倍。

Speck芯片主要针对轻量级视觉场景，可应用在智能家居、智能汽车、机器人、仓库AGV等场景下。在智能家居场景中，可实现家庭成员识别、手势识别、姿态识别等人机交互应用，一节纽扣电池就可以使用很长时间。

乔宁透露，针对视觉场景，他们正在打造一款面向商用的SoC芯片——Speck，这款SoC包含动态摄像头模块及片上AI处理器模块，提供一个不依赖于云的本地视觉AI运算的完整的解决方案。Speck是一款集成动态摄像头与AI处理器模块于一体的亚毫瓦智能视觉传感器，AI运算依然采用类脑的硬件逻辑和CNN算法相结合来解决实际问题，由于高度可配置性，可针对不同场景，载入不同网络解决实际问题。

此外，aiCTX也在采用脉冲神经网络（SNN）打造一款通用芯片DynapSE2，它可处理口令识别、心电信号监测等自然信号处理，同样具有实时处理、超低功耗的特性，这款小规模量产芯片的样片可在今年三季度获取。

「严格来说这款芯片不算真正意义的类脑芯片，它是用类脑的逻辑来解决传统CNN的问题」，乔宁解释道。在他看来，真正意义的类脑芯片，是从硬件架构、算法都按照类脑的逻辑来设计。

另外，这是一款可编程可配置的CNN架构芯片，主要面向视觉AI场景，由于更多出于测试及通用性考虑，做了很多冗余算力，所以并没有特别定义的落地场景。aiCTX希望它能够直联通动态摄像头，来做一些端侧超低功耗的任务，比如近距离的手势识别、自动驾驶的避障等。

他也坦言，DynapCNN并不是一款量产芯片，而是一款测试芯片。作为公司的第一款芯片，首先需要对设计工具、设计流程等进行系统级的验证，其次需要对算法层面进行验证。并且，DynapCNN需要外接动态摄像头来完成任务。真正面向商用的集成动态摄像头及处理器与单芯片的SoC级神经形态智能传感器Speck预计将在今年第四季度推出。

另外，每一家做类脑芯片的公司总会宣称自己的芯片有上百万神经元，乔宁说百万神经元是类脑的界限（蜜蜂大脑包含大概一百万神经元），但对于传统的深度学习来说，其实能做的事情还很少，只能做一些简单的手势识别、口令唤醒、避障等任务，因为深度学习是一个非常消耗资源的解决方案。

乔宁解释道，类脑芯片最天然的属性是事件驱动运算，以动态摄像头应用为例，输入端是一个很稀疏的数据，只有事件触发才展开运算，当没有事件触发时，机器就不需要运算，这样就大大降低了功耗；另外类脑芯片没有帧的概念，所做的是连续运算，当数据流进来后无需存储，实时处理，这样又做到超低延迟。

正是对人脑的借鉴才有了脉冲神经网络，类脑芯片也采用存算一体的结构，将数字处理器当做神经元，接受脉冲信号后，每个神经元在本地展开运算。

而类脑芯片则「颠覆」了这一传统计算架构，它模拟人脑神经元的方式来进行运算。人脑的特性是存算一体，拥有成百上千亿的神经元可进行大规模计算，在处理任务时具有极高的并行度，并且功耗极低。

为何会有如此大的提升？这首先要从类脑芯片的底层架构说起。在传统的冯·诺依曼架构中，计算模块和存储单元互相分离，CPU在执行命令时必须先从存储单元中读取数据，这往往会消耗大量的计算资源，并带来大量的功耗；再加上由于「内存墙」（数据存取速度赶不上计算速度）的存在，这往往又会造成更高的时延问题。

同样的端侧场景，相比已有的深度学习视觉处理方案，乔宁自信地称，DynapCNN可以将识别响应时延缩短10倍，同时功耗降低100~1000倍。

乔宁表示，DynapCNN处理器很适合应用在轻中量级的端侧动态视觉上，具有实时响应与超低功耗的特性。通过搭载直连动态视觉摄像头，它可以对像素级动态数据流进行连续计算，以自动驾驶路面障碍物识别为例，它对物体实时识别可实现低于5ms的延迟，峰值功耗仅为100mW（毫瓦）。

今年4月份，aiCTX推出了公司的第一款类脑芯片DynapCNN，它是一款视觉AI处理器，芯片面积仅为12平方毫米，采用22nm工艺设计，单芯片集成超过100万脉冲神经元和400万可编程参数，支持多种CNN架构，并具有较为灵活的扩展性。

aiCTX目前主要聚焦两大业务方向，一块是以动态摄像头为输入的毫瓦级低功耗、低延时的实时动态图像处理应用，主要面向智能家居、机器人、自动驾驶及安防场景；另一块是面向便携、可穿戴设备的口令识别、心电信号等自然信号的微瓦级超低功耗实时处理。

乔宁向机器之心透露，瑞士团队主要负责芯片研发和IP设计，未来希望在中国建立一个团队，承担系统级方案设计、芯片规模量产以及市场对接工作，这一团队有望在今年年底建立。

2015年IBM推出类脑芯片TrueNorth农村创业三大误区是什么，让业界开始对类脑技术有更多的认知，随后AlphaGo的异军突起让大家对AI有了全新的认知。这些事情也触动着乔宁，希望借着AI的东风，真正将类脑技术落地商用。

乔宁原本是中科院半导体研究所的博士，2012年毕业后希望去国外攻读博士后，继续从事芯片领域的科研工作。后来机缘之下，他来到瑞士苏黎世大学及苏黎世联邦理工大学神经信息研究所，从事类脑芯片的基础科研与工程研发。该研究所由两所大学联合创办，有20多年成熟的脑科学、神经形态架构、算法、芯片等方向的研发经验。

今年4月份，aiCTX推出它的第一款类脑处理器芯片DynapCNN，但这款更多的还是一款测试芯片，验证技术上的可能性。乔宁说，公司有望在今年第四季度推出真正可量产的类脑芯片，现在正处在商业落地爬坡期。

他就是aiCTX公司CEO乔宁博士。CTX是Cortex（脑皮层）的缩写，公司的名字代表着他希望将AI和脑皮层技术相结合，解决实际应用中的问题。

一位华人小伙在瑞士攻读博士后期间，机缘巧合踏入这片神秘的土地，进而创业进军类脑芯片，要将这个2~3岁的「孩子」和场景结合，踏上未知的落地应用之路。

这意味着类脑芯片还远不成熟，也意味着它可能在未来具有更大的潜力。放眼行业骨朵家加盟，推出类脑芯片的公司少之又少，即使是IBM与英特尔推出了类脑芯片，更多的还是科研导向，商业落地无从谈起。

专题： 加盟德克士   小成本创业项目   互联网教育创业