近期，物理安全傳感器創(chuàng)企“測(cè)度空間”已完成千萬級(jí)人民幣天使輪融資，由泰有基金獨(dú)家投資。這輪資金將主要用于自主研發(fā)MEMS傳感器芯片，包括圍繞傳感器配套的指標(biāo)優(yōu)于20bit精度的動(dòng)態(tài)數(shù)據(jù)采集芯片等產(chǎn)品。

測(cè)度空間成立于2021年6月，主要面向工業(yè)互聯(lián)網(wǎng)應(yīng)用開發(fā)物理安全傳感器以及相關(guān)機(jī)器學(xué)習(xí)工具，是一家擁有基礎(chǔ)傳感芯片能力、AI數(shù)據(jù)分析能力的智能傳感系統(tǒng)/數(shù)據(jù)服務(wù)提供商。

在千億級(jí)規(guī)模的工業(yè)互聯(lián)網(wǎng)行業(yè)中，設(shè)施和生產(chǎn)安全已成為其中的關(guān)鍵詞。其中，據(jù)市場(chǎng)研究機(jī)構(gòu)MarketsandMarkets Research報(bào)告，工業(yè)傳感器市場(chǎng)規(guī)模預(yù)計(jì)將從2020年的182億美元，增長(zhǎng)到2025年的290億美元，復(fù)合年增長(zhǎng)率為9.8%。

測(cè)度空間CEO杜忠誠(chéng)告訴36氪，如今布局工業(yè)互聯(lián)網(wǎng)的大數(shù)據(jù)公司不少，但許多公司在發(fā)展過程中會(huì)逐漸面臨兩個(gè)問題：一是隨著公司需要管理的設(shè)備越來越多，收集的數(shù)據(jù)量也愈發(fā)龐大，加之部分公司配置的傳感器針對(duì)性不夠強(qiáng)，采集回來的信息不足以支撐有價(jià)值的數(shù)據(jù)挖掘，即數(shù)據(jù)價(jià)值密度很低，公司往往會(huì)變成一個(gè)“數(shù)據(jù)存儲(chǔ)公司”。

二是由于其采集的數(shù)據(jù)價(jià)值密度低，數(shù)據(jù)質(zhì)量和標(biāo)準(zhǔn)無法支撐公司后續(xù)開展服務(wù)，往往導(dǎo)致公司在開拓?cái)?shù)據(jù)服務(wù)業(yè)務(wù)時(shí)受阻。其中的關(guān)鍵在于高針對(duì)性的數(shù)據(jù)采集從而提升價(jià)值密度，這樣才能在后續(xù)的數(shù)據(jù)分析服務(wù)中發(fā)揮更大的價(jià)值。

與此同時(shí)，據(jù)國(guó)際自動(dòng)化協(xié)會(huì)報(bào)告數(shù)據(jù)，目前全球每年因機(jī)器故障引起的直接損失多達(dá)6470億美元（約4.14萬億人民幣），甚至超過集成電路行業(yè)一年的總產(chǎn)值4300億美元（約2.75萬億人民幣）。顯然，機(jī)器故障已成為工業(yè)領(lǐng)域發(fā)展需面臨的嚴(yán)峻問題。

因此，測(cè)度空間根據(jù)工業(yè)互聯(lián)網(wǎng)應(yīng)用需求，通過自主研發(fā)和部署傳感器采集數(shù)據(jù)，從而提升數(shù)據(jù)的的標(biāo)準(zhǔn)化程度，實(shí)現(xiàn)高價(jià)值服務(wù)。目前，公司形成了基于MEMS芯片、擁有全部知識(shí)產(chǎn)權(quán)的傳感器系列化產(chǎn)品，包括玻璃幕墻安全傳感器、面向建筑外墻和保溫層監(jiān)測(cè)的傳感器、電梯物理安全傳感器、面向接觸器/斷路器等低壓電器設(shè)備的傳感器，以及物聯(lián)網(wǎng)通用傳感器方案共5款傳感器產(chǎn)品。

其中，玻璃幕墻傳感器是公司現(xiàn)階段率先落地的產(chǎn)品，具有精確度高、低功耗、可配置等特點(diǎn)，通過MEMS芯片和AI技術(shù)融合，能夠檢測(cè)幕墻在自然風(fēng)激勵(lì)上下的10ug量級(jí)動(dòng)態(tài)加速度信號(hào)，在不同光照天氣狀態(tài)下續(xù)航長(zhǎng)達(dá)3年，配套機(jī)器學(xué)習(xí)模型支持針對(duì)不同類型和尺寸玻璃的自適應(yīng)調(diào)參。

整體來看，測(cè)度空間的優(yōu)勢(shì)在于綜合統(tǒng)籌性能和成本的物理安全傳感器芯片技術(shù)，其傳感器不僅支持豐富的狀態(tài)觸發(fā)模式，還可通過融合MEMS和AI智能感知技術(shù)，實(shí)現(xiàn)場(chǎng)景化定制和在線配置，單顆成本低于3美元，體積易于小型化SIP封裝。

除此之外，測(cè)度空間項(xiàng)目發(fā)起人兼首席科學(xué)家、清華大學(xué)軟件學(xué)院鄧仰東教授談到，面向工業(yè)場(chǎng)景的開發(fā)過程中，主要難點(diǎn)在于傳感器采集、算法應(yīng)用、小樣本數(shù)據(jù)這三點(diǎn)。

一是傳感器采集，BOSCH(博世)、ADI（亞德諾）這些巨頭的傳感器產(chǎn)品動(dòng)輒數(shù)十款，但每款應(yīng)用覆蓋的范圍較窄，因此不同應(yīng)用場(chǎng)景都需要采用不同指標(biāo)特征的傳感器。

相比之下，測(cè)度空間能夠基于一款傳感器，通過在線可配置的方法將其擴(kuò)展到更多工業(yè)應(yīng)用中，例如電梯安全等。在鄧仰東看來，如何用一個(gè)更具通用性的方案去解決各種各樣的工業(yè)問題，是傳感器在工業(yè)應(yīng)用的難點(diǎn)，也是公司的差異化優(yōu)勢(shì)。

二是算法應(yīng)用，工業(yè)應(yīng)用涉及的算法非常多，例如動(dòng)車組故障的算法就多達(dá)6000種，用傳統(tǒng)方法開發(fā)模型的工作量會(huì)十分繁雜，開發(fā)效率慢。對(duì)此，測(cè)度空間采用自動(dòng)化機(jī)器學(xué)習(xí)的方法訓(xùn)練模型，使其能自適應(yīng)不同任務(wù)，無需人工調(diào)整優(yōu)化，大大降低了模型開發(fā)的成本和時(shí)間。

三是故障具有小樣本特點(diǎn)，實(shí)際上具體類別的工業(yè)故障出現(xiàn)次數(shù)較低，意味著一些潛在故障嚴(yán)重缺少訓(xùn)練模型數(shù)據(jù)樣本，因此必需解決小樣本甚至零樣本學(xué)習(xí)問題。測(cè)度空間的解決方案是針對(duì)正常數(shù)據(jù)訓(xùn)練樣本，構(gòu)造充分反映正常運(yùn)行狀態(tài)的數(shù)據(jù)表征，然后在線比對(duì)預(yù)測(cè)數(shù)據(jù)和實(shí)際采集數(shù)據(jù)，通過殘差檢驗(yàn)來發(fā)現(xiàn)潛在故障，以此對(duì)未知故障具備一定的預(yù)測(cè)能力。