4月2日，中国智能锁品牌德施曼在北京举办2024德施曼创新技术预沟通会，德施曼技术研发中心总监桑胜伟揭秘了两项行业突破性技术——GPTfinger及龙霆电机。
沟通会上，德施曼技术研发中心总监桑胜伟介绍GPTfinger及龙霆电机。 王闯 摄
据悉，GPTfinger首次将GPT技术应用于智能锁指纹识别功能。GPTfinger针对指纹质量不佳人群，解决了当前智能锁指纹识别不灵敏的痛点，让指纹不好的人，80%以上都好用；龙霆电机超大扭力输出，让智能锁电机能够拉动2.5吨SUV，强劲动力更配中国门。
GPTfinger：德施曼生成式预训练模型的指纹识别技术
在AI技术颠覆各行各业的当下，ChatGPT现象级地推动了生成式AI在各行业的应用场景落地，同时也为智能锁的指纹识别功能带来了新的技术思路。作为智能锁行业领导者，德施曼智能锁首创的GPTfinger，突破技术限制，让GPT-4技术应用于指纹识别，打造指纹锁用得起的GPT。
据了解，GPTfinger拥有四大技术突破。
首先，GPT-4模型庞大，空间和算力资源要求高。对此，德施曼通过模型蒸馏，压缩空间，提升算力：保留指纹识别相关120万个参数，模型空间从TB级别精简到MB级别，并保留指纹识别100万级图到图的模型训练；提升10倍主频、10倍算力，启用硬件加速的MPU实现资源扩充。
其次，德施曼首创“螺旋圆域技术”，模仿雷达波搜索螺旋方式，将任意圆形区域内指纹特征组成螺旋状序列，运用GPT的技术进行学习，从而构建一个个精准的指纹特征上下文模型，将指纹特征转化为了有联系的上下文进行生成式训练学习。
再次，德施曼利用GPT的掩码遮挡生成式训练，能通过算法随机“遮挡”部分指纹特征进行训练，使德施曼GPTfinger实现即使在指纹特征部分缺失的情况下也能准确匹配，应对指纹磨损、不完整的情况，无惧部分特征缺失。
最后，为应对季节敏感带来的指纹变化，德施曼通过使用与GPT-4同源的深度卷积神经网络(CNN)大数据，来学习季节变化时指纹特征的衍变规律，让德施曼GPTfinger能够预测正常指纹变成脱皮指纹前后的变化形态，实现季节性指纹变化与正常时期指纹的可靠匹配。
总结来说，德施曼GPTfinger无惧指纹特征缺失、无惧指纹季节性变化、无惧个体差异、更安全。不仅提升了智能锁的识别速度和准确性，还解决了少数指纹质量不佳人群使用智能锁指纹识别不灵敏的问题，在用户体验上实现了质的飞跃。
经国家锁具产品质量检测中心(浙江)牵头人群测试，国家公证机构全程公证，德施曼GPTfinger，指纹不好的人，80%以上都好用。
龙霆电机：拉得动2.5吨SUV的大扭力电机，更配中国门
除了GPTfinger，在活动现场，一个小小的智能锁电机拉动了一台2.5吨SUV的实景演示，吸引了现场所有嘉宾的关注。
