趋势网(微博｜微信)讯：设备管理听起来可能不像最热门的AI技术应用。但是，大型企业的办公空间可能是仅次于人员费用的巨大支出，这就是为什么Y Combinator支持的创业公司VergeSense表示，它已经将设施管理作为自己从5月份加入孵化器计划起开发的AI动力传感设备的初始目标。

他们的“系统一样的传感器”平台由包含一系列不同感应硬件的传感器组成，包括一个图像传感器，以及一个云平台，该云平台用于预先训练硬件上运行的机器学习模型，加工处理数据和报告占用分析。

VergeSense联合创始人Dan Ryan告诉TechCrunch，“我们正在使用非常便宜的硬件...我们已经在里面塞满了一堆不同的传感器。该产品的核心实际上是围绕计算机视觉构建的，所以我们有一个非常便宜的图像传感器嵌入到内部。”“关于我们正在做的，总的概念就是我们在预培训的AI模块中使用机器学习来对设备本身进行所有处理。”

他补充说：“我们并没有将原始的视频数据流传输回云服务——我们已经对我们的模型进行了预先训练，以便在设备上自行运行。”

这些AI模块可以在被加载到位于客户空间的传感器硬件之前被训练以满足客户的特定跟踪需求。这意味着可以进行本地处理，只有检测结果才会发送到云上，VergeSense客户能够登录云以查看与其构建有关的分析。

总体来说，客户的销售渠道是一个可以被动跟踪办公空间如何使用的系统，为动态多人居住甚至多租户环境提供可视化，并就如何重新分配资源以充分利用空间提出建议。

“也许你有一个在一些开放办公空间之间分隔的办公室，你有一堆会议室，但是你的会议室实际上是被过度利用的，它们一直是人员满满的，我们可以通知那位建筑物业主这些房间已经被过度利用，他们需要翻倍房间数量。”瑞恩解释说。

“或者，在相反的使用例子中，我们可以假设你有一个专设计为16人的会议室，但最多只有两个人使用房间...我们可以将这些数据提供给对方，这样他们就可以将一个空间变成两个空间。”

“这听起来像是一个无聊的问题，但特别是在湾区，房地产的价格是每年60美元/平方米，平均来说，如果你有一个300平方米的会议室空间，那么你每年要花18,000美元。对，这单单只是一个房间的花费。因此，您可以通过将所有数据提供给终端用户，从而实现巨大的节省和高效率，”他补充说。

除了图像传感器，该AI硬件还包含PIR（红外）运动传感器，音频和射频功能（Wi-Fi和蓝牙）。

根据瑞恩所说，通常办公空间每1000平方英尺就需要一个传感器，不过他表示这会因天花板高度等因素而异。

目前这个阶段，该团队在湾区的一些财富500强公司中部署了几个“早期阶段”的系统。

创业公司的第一个重点是商业写字楼。而第一个它提供的应用就是人流统计和电力占用分析，不过瑞恩说该科技也可以用来跟踪很多其他的东西——例如像复印机这样的具体设备，甚至可以像桌子占用空间或跟踪特定设备的使用情况。

他还设想未来在其他垂直领域的应用，例如跟踪医院或零售环境中的人员和设备。

传感器可以连线充电或电池供电。它们还可以在不同的网络上运行，这取决于客户是否希望在他们的公司网络（或者在专用的IoT网络上）使用这些传感器。

瑞恩说，VergeSense还提供了一个网关设备，可以对2G蜂窝连接进行回程。“我们没有发送大量数据。你可以想象我们发回的数据就有点像短信，人才是重要的，”他补充说。

从隐私以及本地处理的角度来看，瑞恩说所有的跟踪都是匿名的，所以VergeSense并不是将分析与个人身份绑定在一起或者收集个人身份。“我们没有获得任何个人身份信息，”他说，“这一切都是匿名的——举例，我只是看到一个人，或者我在这里或那里发现了一个物体。”

虽然他也建议企业最好在多人居住的环境中部署传感技术，但这种技术至少有被怀疑的风险。“最好是对工厂的员工说明数据的用途和数据是怎么被使用的。”

他说：“人们正在尝试用这些技术解决的核心挑战是管理空间，并且实际上要使员工的体验更加充实，更愉快。”“这些技术并不是在监视你，更重要的是我们如何利用数据使整个工作空间更加高效。”

虽然还有其他用于跟踪占用和设备情况的潜在解决方案，例如运动传感器或RFID或蓝牙标签上的各个项目，瑞恩说，VergeSense的优势是系统允许采用“纯粹被动的方法”跟踪——这样就不需要手动标记任何东西，并且因为模型已被训练能理解环境，所以系统能适应变化作出调整。

当我们询问有关竞争格局时，瑞恩说，“对于以机器学习为基础并使用真正廉价硬件这点而言，我们还没有看到很多竞争对手。我希望接下来的六个月到一年里能看到更多的竞争涌现，但我仍然认为这不会很快。”

“如果你和这个领域的任何人谈话，特别是关于房地产服务空间利用的，你会发现这些年人们一直在寻找这个解决方案，但从字面上来说...没有人真正做到提出一个灵活的解决方案，一个部署简单但真的很简单很强大的方案。”

他补充说：“我们认为机器学习AI和廉价硬件的这种组合将会非常强大，并且创造了很多机会。”“通过计算机视觉，您将会拥有许多不同的内容，您将能够对模型进行检测和报告。”