从视频理解到边缘部署，Om AI致力于现实世界的人工智能

背景与问题

• 大模型竞争正从参数规模转向实际部署能力，行业关注点移向现实世界应用。
• Om AI Technology成立于2021年，选择专注于边缘侧通用多模态视觉模型，而非追求超大云模型，旨在将AI引入PC、摄像头、机器人等真实设备。
• 团队基于长期媒体和视听行业经验，从真实问题出发构建模型，避免“拿着锤子找钉子”，确保技术解决实际需求。

核心内容

• 技术重点：采用小、精、快的边缘模型策略，减少模型尺寸，实现本地设备运行，降低推理成本和数据上传需求，提升数据安全与隐私保护。
  • 关键方向是低参数模型下的视频理解，实现毫秒级推理速度，适用于安防、工业检测、AIoT分析等实时应用。
  • 强调真正的多模态能力是同时理解视频、音频和文本，而非简单识别图像和文本。
• 产品展示：OttoBox AI Studio是AI原生内容创作产品，面向媒体专业人员和内容创作者。
  • 利用本地AI计算力，提供视频分析、资产匹配、脚本生成、快速视频制作等功能，定位为AI原生时代的内容创作伴侣，提升创意效率。
• 应用领域：业务覆盖三大板块：
  • AI PC：与苹果、联想、惠普等厂商合作，完成旗舰产品部署，提供开箱即用体验。
  • AIoT：应用于机器人、机器狗、无人机等设备，赋予自主决策和行动能力。
  • 具身智能：探索普惠AI应用，如Homer App通过智能手机或AI眼镜帮助视障用户进行物体搜索和辅助导航。
• 战略规划：今年重点推出下一代边缘多模态模型VLX，旨在进一步提升视频理解和决策能力，同时持续降低运营成本。

意义与影响

• 推动AI行业从云端竞争转向设备端部署，使Om AI等公司成为现实世界多模态AI采用的关键驱动力。
• 边缘部署优势显著：降低推理成本，解决企业对数据安全和隐私的担忧，尤其适用于大规模视频分析场景。
• 通过行业驱动的方法，公司能快速部署模型并获取高质量现实数据，加速AI在媒体、工业、辅助技术等领域的实际应用。
• 促进AI普及化，例如在辅助技术中提升视障用户的生活质量，体现技术的包容性和社会价值。