雷鋒網(wǎng)按：7 月 12 日至 7 月 14 日，2019 第四屆全球人工智能與機(jī)器人峰會(huì)（CCF-GAIR 2019）于深圳正式召開(kāi)。峰會(huì)由中國(guó)計(jì)算機(jī)學(xué)會(huì)（CCF）主辦，雷鋒網(wǎng)、香港中文大學(xué)（深圳）承辦，深圳市人工智能與機(jī)器人研究院協(xié)辦，得到了深圳市政府的大力指導(dǎo)，是國(guó)內(nèi)人工智能和機(jī)器人學(xué)術(shù)界、工業(yè)界及投資界三大領(lǐng)域的頂級(jí)交流博覽盛會(huì)，旨在打造國(guó)內(nèi)人工智能領(lǐng)域極具實(shí)力的跨界交流合作平臺(tái)。

“行業(yè)把我們分類(lèi)到AI芯片公司，但我們其實(shí)對(duì)自己的定位是比芯片稍微大一點(diǎn)的，我一直想說(shuō)我們是技術(shù)平臺(tái)類(lèi)型的公司，軟件和硬件結(jié)合在一起”，在2019 第四屆全球人工智能與機(jī)器人峰會(huì)上，地平線聯(lián)合創(chuàng)始人兼副總裁黃暢如此做闡述。

7月13日舉辦的AI芯片論壇上，黃暢做了題為《打造極致效能的AI計(jì)算平臺(tái)，構(gòu)建安全、美好的智能世界》的主題演講。

在演講中黃暢表示，地平線希望定義真實(shí)的AI芯片性能，傳統(tǒng)芯片性能指的是PPA，包括Power，Performance，Aera（性能、功耗、面積)），現(xiàn)在比較主流的是指標(biāo)是TOPS/Watt和TOPS/$，能效比和性?xún)r(jià)比都是用戶(hù)所關(guān)注的。算法不斷演進(jìn)，器件的利用率由架構(gòu)和編譯器決定，架構(gòu)把算法轉(zhuǎn)化為相對(duì)架構(gòu)而言最優(yōu)的質(zhì)量、序列和執(zhí)行模式。地平線的核心是算法+芯片聯(lián)合優(yōu)化，兼顧靈活高效架構(gòu)服務(wù)經(jīng)典和未來(lái)算法設(shè)計(jì)。

“地平線努力做到能夠更好地預(yù)測(cè)、把握、選擇未來(lái)真正重要的AI算法的趨勢(shì)，并且把算法、發(fā)展的趨勢(shì)進(jìn)行拆解、融入到架構(gòu)中，使我們預(yù)先將未來(lái)可能成為主流的，最有效的算法提前考慮到計(jì)算架構(gòu)中，這點(diǎn)非常重要”，黃暢提到。

作為AI芯片獨(dú)角獸企業(yè)，黃暢在接受采訪中屢次談及“邊界”。數(shù)據(jù)、AI模型和設(shè)備形成一個(gè)閉環(huán)，這個(gè)閉環(huán)結(jié)合在一起高速的循環(huán)，快速推進(jìn)AI的技術(shù)發(fā)展和商業(yè)化落地，在此過(guò)程中，如何找到讓專(zhuān)家、開(kāi)發(fā)者、AI工程師等不同角色都能找到舒適區(qū)，將開(kāi)發(fā)模式平臺(tái)化至關(guān)重要，地平線希望做一家平臺(tái)公司。

生態(tài)或者被生態(tài)，對(duì)地平線來(lái)說(shuō)是一個(gè)不再需要猶豫的問(wèn)題。

平臺(tái)公司首要思考的就是平臺(tái)的深度和廣度，黃暢對(duì)此已有成熟的判斷，平臺(tái)核心競(jìng)爭(zhēng)力在于技術(shù)整合，從算法到架構(gòu)，再到后端的整合，技術(shù)鏈路越長(zhǎng)整合優(yōu)勢(shì)越大。

“但同時(shí)我們也要注意整合也不能無(wú)邊無(wú)界，你始終要去判斷你的核心競(jìng)爭(zhēng)力在哪，外延是哪些，什么時(shí)候外延會(huì)成為你的主要矛盾，從而也把它囊括到核心競(jìng)爭(zhēng)力里面去，因?yàn)橛泻芏嗉夹g(shù)棧其實(shí)是應(yīng)該交給行業(yè)的上游或下游解決。所以也要有邊界感，自知之明，當(dāng)然這個(gè)東西是動(dòng)態(tài)變化的，跟技術(shù)、整個(gè)產(chǎn)業(yè)的發(fā)展、企業(yè)自身能力的發(fā)展都有關(guān)系”。

通用芯片和專(zhuān)用芯片并軌發(fā)展，趨勢(shì)如何發(fā)展是所有行業(yè)人士關(guān)心的議題，黃暢認(rèn)為，通用芯片和專(zhuān)用芯片各有各的機(jī)會(huì)，而且都在向中間靠攏，比如通用芯片也會(huì)通過(guò)專(zhuān)用的架構(gòu)增強(qiáng)它本身的競(jìng)爭(zhēng)力、能效比和性?xún)r(jià)比。

“通用芯片和專(zhuān)用芯片大致上由各自的出發(fā)點(diǎn)逐漸會(huì)收斂，當(dāng)然這個(gè)過(guò)程中就是合久必分，分久必合，可能在某些歷史市場(chǎng)上又會(huì)走的非常專(zhuān)用，這也是完全有可能的?！?/p>

 

地平線聯(lián)合創(chuàng)始人兼副總裁黃暢

以下是黃暢演講全文，雷鋒網(wǎng)進(jìn)行了不改變?cè)獾木庉嫞?/strong>

黃暢：最近經(jīng)常來(lái)CCF，我的標(biāo)題是《打造極致效能的AI計(jì)算平臺(tái)，構(gòu)建安全、美好的智能世界》。

著名的Gartner曲線大家都很熟悉，Gartner曲線顯示AI的痕跡，語(yǔ)音識(shí)別之后一發(fā)而不可收拾，后來(lái)出現(xiàn)了很多AI的技術(shù)和應(yīng)用，有的逐漸從爬坡出現(xiàn)，有的迭入谷底，有的在成熟期發(fā)展過(guò)程中。

這是2018年8月份發(fā)布最新一期的Gartner曲線，列舉十項(xiàng)AI技術(shù)，第一次明確提出了AI的普惠化。這說(shuō)明經(jīng)過(guò)這么多年的洗禮，大家逐漸形成共識(shí)。AI的技術(shù)和催生、支持的產(chǎn)品未來(lái)必將在各個(gè)層面上深刻地影響我們的社會(huì)生活，AI是圍繞數(shù)據(jù)的計(jì)算和處理，尤其是智能層面處理產(chǎn)生的。2025年，所有數(shù)據(jù)里將有超過(guò)25%是實(shí)時(shí)數(shù)據(jù)，其中95%以上是來(lái)自于IoT終端。到2025年，全球數(shù)據(jù)總量里有20%是與生產(chǎn)、安全密切相關(guān)的數(shù)據(jù)。我們?nèi)绾胃?、更快、更安全地處理這些數(shù)據(jù)成為重中之重。

今天上午的專(zhuān)場(chǎng)是5G和AIoT，5G技術(shù)的產(chǎn)生使得邊緣計(jì)算成為一種可能或是迫切的需求。對(duì)于5G技術(shù)而言，其實(shí)它非常需要MEC多接入點(diǎn)的邊緣計(jì)算，它是建立在5G基礎(chǔ)上的重要應(yīng)用，缺乏這種應(yīng)用，5G技術(shù)的推廣和普及是缺乏拉力的，這句話(huà)英特爾也說(shuō)過(guò)。

邊緣計(jì)算會(huì)破解AI物聯(lián)網(wǎng)哪些核心難題？每輛自動(dòng)駕駛車(chē)輛每天產(chǎn)生600-1000TB的數(shù)據(jù)，和2015年整個(gè)互聯(lián)網(wǎng)產(chǎn)生的數(shù)據(jù)是一樣多的，因?yàn)楝F(xiàn)在每輛自動(dòng)駕駛車(chē)有十多個(gè)攝像頭，不止一個(gè)激光雷達(dá)，攝像頭都是高分辨率、高清、高幀率的。邊緣計(jì)算的核心難題是在于如何提高計(jì)算的可靠性，讓它在離線時(shí)可以正常運(yùn)作，安全、合規(guī)滿(mǎn)足隱私的要求，任何數(shù)據(jù)必須經(jīng)過(guò)脫敏處理才可以上傳到云端。

數(shù)據(jù)傳來(lái)傳去，不管是有線還是無(wú)線，從成本功耗和技術(shù)的架設(shè)來(lái)看，成本并不低，5G的技術(shù)雖然破解邊緣的傳遞，大概幾百米范圍內(nèi)的傳遞，沒(méi)有改變主干網(wǎng)的帶寬，會(huì)極大吸納數(shù)據(jù)網(wǎng)絡(luò)，很快會(huì)在5G基站附近產(chǎn)生數(shù)據(jù)的堰塞湖，必須進(jìn)行快速的計(jì)算、處理。把里面非常有意義的部分上傳到云端，這是有效的數(shù)據(jù)壓縮方式。

邊緣計(jì)算也具有部署靈活、高效協(xié)同的特點(diǎn)，最近有一個(gè)比較熱的詞叫做“車(chē)路協(xié)同”，自動(dòng)駕駛按照特斯拉的路徑，依靠車(chē)本身的能力推廣的話(huà)，這可能也是L5級(jí)別自動(dòng)駕駛的必由之路，坦率地說(shuō)，目前L4自動(dòng)駕駛在現(xiàn)實(shí)環(huán)境中還要限制車(chē)輛運(yùn)行的環(huán)境和地域，在所處的區(qū)域布局路端的改造，可以大大縮短自動(dòng)駕駛投入規(guī)?；\(yùn)營(yíng)的時(shí)間，這里也能體現(xiàn)出邊緣計(jì)算在端上，比如說(shuō)自動(dòng)駕駛或是自主機(jī)器人的高效率協(xié)同。高實(shí)時(shí)計(jì)算減少反應(yīng)延遲，對(duì)于自動(dòng)駕駛來(lái)說(shuō)毋庸置疑是必要的條件。

傳統(tǒng)只有一個(gè)端、一個(gè)云，所有的數(shù)據(jù)都從端到云上，5G的發(fā)展讓邊的計(jì)算成為一個(gè)新的變量，其實(shí)我們可以看到，邊緣計(jì)算必將帶來(lái)商業(yè)范式的轉(zhuǎn)換，包括現(xiàn)在的運(yùn)營(yíng)商、傳統(tǒng)的設(shè)備商，其實(shí)在邊緣計(jì)算這塊他們都看到蘊(yùn)含巨大的商機(jī)，而里面技術(shù)的變革也會(huì)非常深遠(yuǎn)，因?yàn)樗婢邆鹘y(tǒng)的端和云側(cè)的特點(diǎn)。

我們?cè)倏匆幌翧I普惠化和民主化的背后，數(shù)據(jù)計(jì)算催生巨大的能源消耗。舉一個(gè)例子，2017年全國(guó)做過(guò)一個(gè)數(shù)據(jù)統(tǒng)計(jì)，全國(guó)有很多中小的數(shù)據(jù)中心，遍布在各處，比如在我老家貴州，那邊水電、煤電很豐富，有很多的山洞，氣候涼爽特別適合建機(jī)房。2017年中小數(shù)據(jù)中心消耗電量比三峽大壩的發(fā)電量還多，等量的碳排放量甚至比民航中心的碳排放量多一倍，兩倍于民航的碳排放量，這是很恐怖的數(shù)據(jù)。

不僅僅是中國(guó)，全國(guó)各地也在大規(guī)模興建數(shù)據(jù)中心，像Facebook在海底修數(shù)據(jù)中心，最大的數(shù)據(jù)中心將座落在北極圈，功率超過(guò)1000兆瓦。做AI的企業(yè)，不管是做算法、應(yīng)用、芯片的都要承擔(dān)一些社會(huì)責(zé)任，未來(lái)會(huì)有巨大的AI計(jì)算需求，舉個(gè)例子，我們看Google前段時(shí)間說(shuō)，他們訓(xùn)練非常牛的模型，進(jìn)一步用NANS自動(dòng)搜索的技術(shù)，調(diào)用上千臺(tái)GPU跑兩個(gè)月，找了很好的結(jié)構(gòu)，把機(jī)器翻譯的模型，就是我們看到正在實(shí)時(shí)翻譯的模型推到極致。但是為了訓(xùn)練這個(gè)模型大家知不知道消耗多少電？換成碳排放量相當(dāng)于五輛小汽車(chē)一年的排放量，僅僅訓(xùn)練一個(gè)模型訓(xùn)練一次。如果把模型部署出去進(jìn)行推理，隨著時(shí)間的增長(zhǎng)，它的能耗是百倍、千倍的增長(zhǎng)。我們不能忽視享受GPU的集群訓(xùn)練、推理背后巨大的能源消耗。

我最近看到一個(gè)報(bào)道，人類(lèi)社會(huì)這些年來(lái)沒(méi)有辦法回避的是二氧化碳的碳排放量急劇增加，拉到幾十年的范圍來(lái)看，有人說(shuō)是在“自掘墳?zāi)埂保赃@是我們的社會(huì)責(zé)任。

地平線要做什么？我們想定義真實(shí)的AI芯片性能，這個(gè)和功耗、成本息息相關(guān)。傳統(tǒng)的芯片性能，做芯片很也的都知道，PPA，Power Performance Aera，比如說(shuō)一秒鐘執(zhí)行多少指令？現(xiàn)在比較主流的是，對(duì)于AI芯片每瓦有多少計(jì)算。（還有）TOPS/$。不到10%是我們自己測(cè)的，往往被DDR帶寬Block住。我們拿到TOPS/$的利用率，大概50%還是80%。

我們還要看TOPS多大程度上轉(zhuǎn)化為AI的性能，典型的就是算法處理速度和精度，或是在單位時(shí)間內(nèi)以高的準(zhǔn)確度處理多少數(shù)據(jù)？這些東西加在一起才能得到真正的AI性能，TOPS產(chǎn)生多少AI的Performance，算法在系不斷地演進(jìn)、數(shù)據(jù)不斷地增大，做這么多的承壓計(jì)算，能多處理多少數(shù)據(jù)？或是能提升性能多少？而器件的利用率，是由架構(gòu)和編譯器決定，架構(gòu)和算法，把算法轉(zhuǎn)化為架構(gòu)而言最優(yōu)的質(zhì)量、序列和執(zhí)行的模式，Performance是地平線關(guān)注的核心，我們的核心是算法演進(jìn)、架構(gòu)同行。

下面是算法的算法演進(jìn)的時(shí)間軸，時(shí)間不斷往前進(jìn)，輕量化的算法達(dá)到更好的精度，相同的計(jì)算量我們?cè)谔嵘群吞幚淼乃俣?，不可回避的是，我們把算法?yīng)用在傳統(tǒng)的計(jì)算架構(gòu)上，傳統(tǒng)的計(jì)算架構(gòu)沒(méi)有充分考慮到計(jì)算的變化、算法在改變計(jì)算的模式，計(jì)算架構(gòu)沒(méi)有考慮好，算法帶來(lái)計(jì)算模式的變遷會(huì)顯著下降。

地平線努力做到能夠更好地預(yù)測(cè)、把握、選擇未來(lái)真正重要的AI算法的趨勢(shì)，并且把算法、發(fā)展的趨勢(shì)進(jìn)行拆解、融入到架構(gòu)中，使我們預(yù)先將未來(lái)可能成為主流的，最有效的算法提前考慮到計(jì)算架構(gòu)中，這點(diǎn)非常重要。頭兩年大量的AI處理器集中優(yōu)化3×3卷積，用看上去很美好的方式做，帶來(lái)的后果是沒(méi)有把握算法的發(fā)展趨勢(shì)，3×3的稠密卷積正在被拋棄，未來(lái)的發(fā)展方式會(huì)顛覆過(guò)去最優(yōu)的發(fā)展模式。針對(duì)當(dāng)前主流算法設(shè)計(jì)的計(jì)算架構(gòu)，在目前算法快速演進(jìn)的時(shí)代里，等到你真正拿出來(lái)，一年兩年以后很容易被淘汰掉，就是因?yàn)榈拖碌睦寐?。傳統(tǒng)的GPU用相對(duì)傳統(tǒng)的方法做，他發(fā)現(xiàn)新的算法部署上去以后也提升不了精度。

我們特別強(qiáng)調(diào)算法和芯片的優(yōu)化，兼顧靈活性和通用性，第一要?jiǎng)?wù)還是追求極致的能效比和性?xún)r(jià)比。有很多東西要做，并不僅僅是算法和架構(gòu)這兩件事情，還有很多它們的編譯器和外延。比如說(shuō)架構(gòu)設(shè)計(jì)需要考慮未來(lái)重要場(chǎng)景中的關(guān)鍵算法，我們要去實(shí)驗(yàn)、探索、判斷，包括也跟業(yè)界廣泛的交流，共同定義未來(lái)重要場(chǎng)景是什么、未來(lái)重要的關(guān)鍵算法是什么。

 產(chǎn)品驅(qū)動(dòng)的思路進(jìn)行敏捷的架構(gòu)迭代，架構(gòu)本身是一個(gè)設(shè)計(jì)，它可以像軟件一樣進(jìn)行快速的迭代。計(jì)算架構(gòu)的實(shí)現(xiàn)技術(shù)涉及到更偏軟件的，現(xiàn)在比較流行的HLS技術(shù)，現(xiàn)在已經(jīng)被大家用于快速迭代的架構(gòu)，甚至芯片的模式，我們首重效率兼顧靈活性，架構(gòu)、算法和連接他們的編譯器，比如說(shuō)精巧片上存儲(chǔ)器、算子彈性張量核、模型結(jié)構(gòu)調(diào)優(yōu)、可編程流處理架構(gòu)、算子芯片聯(lián)合優(yōu)化、精簡(jiǎn)指令集設(shè)計(jì)，我是做算法出身，我和架構(gòu)師有很深入的討論，我強(qiáng)烈的訴求是能讓軟件做的事情盡可能讓軟件做，提供無(wú)與倫比的靈活性，這使得我們的編譯器有很大的空間做后續(xù)的優(yōu)化，甚至滿(mǎn)足我們?cè)O(shè)計(jì)芯片上沒(méi)有看到的可能性，這一點(diǎn)非常重要，在高速變化的場(chǎng)景中。

這是一些具體的例子，左邊的圖是同樣的兩個(gè)芯片處理大圖小模型，如果我們不做專(zhuān)門(mén)的優(yōu)化，按照比較傳統(tǒng)的方式，類(lèi)似GPU的流處理，發(fā)現(xiàn)它的幀率200多兆，被DDR的帶寬限制住，只有34%。如果我們通過(guò)大量的拆分、多層融合，通過(guò)各種各樣的強(qiáng)大機(jī)制，各種各樣的內(nèi)部架構(gòu)設(shè)計(jì)特點(diǎn)留給編譯器巨大的空間去優(yōu)化，我們就可以把它的利用率提高到84%，幀率提高三倍，帶寬下降了一個(gè)數(shù)量級(jí)。我們的芯片面積很小，片上的存儲(chǔ)和很多AI芯片的片上存儲(chǔ)相比不是特別大，甚至還是偏小的。正是基于非常軟件的推動(dòng)、驅(qū)動(dòng)的設(shè)計(jì)，留給了軟件、編譯器巨大的空間，讓我們的硬件效率非常高。

再舉一個(gè)具體的例子，我們用芯片在City  Scapes做2048×1024，19類(lèi)，像素級(jí)別語(yǔ)義分割，200多瓦的GPU上可以做到74.8%的精度，速度8毫秒，單芯片的功耗上百瓦，芯片面積400多平方，如果砍掉GPU不用的話(huà)，這個(gè)東西起碼有100平方左右，考慮各種方面，起碼有效的在100平方以上。

這會(huì)產(chǎn)生什么樣的結(jié)果？圖中展示的，同時(shí)做檢測(cè)關(guān)鍵點(diǎn)、分割，而且一個(gè)芯片支持四路，這是我們的標(biāo)準(zhǔn)360度視覺(jué)感知方案，12個(gè)攝象頭，4個(gè)魚(yú)眼，8個(gè)正常的，提供豐富的視覺(jué)與感知，這個(gè)已經(jīng)是標(biāo)準(zhǔn)套件，是我們的Matrix自動(dòng)駕駛計(jì)算平臺(tái)，獲得了很多獎(jiǎng)，包括CES等很多機(jī)構(gòu)的獎(jiǎng)，成功推到海外頭部的車(chē)廠，已經(jīng)進(jìn)入量產(chǎn)階段，作為自動(dòng)駕駛套件視覺(jué)感知的標(biāo)準(zhǔn)模組，這是非常成功的產(chǎn)品。GPU跑這塊東西，一塊GPU通常搞不定，我們只用三塊芯片，比GPU低一個(gè)數(shù)量級(jí)的芯片、低一個(gè)數(shù)量級(jí)的成本就可以解決這個(gè)問(wèn)題。

這是另外一個(gè)case，技術(shù)可以用于三維的建模，完全視覺(jué)的建模，在非常低功耗做實(shí)時(shí)高速的三維建模。初看圖的時(shí)候會(huì)感覺(jué)是激光掃出來(lái)的圖，前置攝像頭看前面的畫(huà)面，就像行車(chē)記錄儀一樣，可以對(duì)三維場(chǎng)景進(jìn)行高精度的建圖，這項(xiàng)技術(shù)我們和國(guó)外的廠商也在合作，已經(jīng)進(jìn)入規(guī)模應(yīng)用的階段。

前面講了很多算法和芯片的變化，僅僅有這些還是一種潛能，還需要讓人更方便地利用起來(lái)。軟件開(kāi)發(fā)是有質(zhì)的變化，1.0時(shí)代我們更多是通過(guò)人們理解規(guī)則，把復(fù)雜問(wèn)題拆解成很多子規(guī)則，通過(guò)差異化的模型描述它，拆解開(kāi)來(lái)去解決。軟件開(kāi)發(fā)的時(shí)代已經(jīng)變成數(shù)據(jù)驅(qū)動(dòng)，只需要針對(duì)問(wèn)題采集數(shù)據(jù)進(jìn)行標(biāo)注，剩下的事情，關(guān)于怎么拆解、建模都可以交給機(jī)器學(xué)習(xí)，特別是深度神經(jīng)網(wǎng)絡(luò)的模型、方法。這個(gè)東西會(huì)帶來(lái)軟件開(kāi)發(fā)翻天覆地的變化。

這是Reference，要對(duì)接主流的框架，針對(duì)我們的芯片去進(jìn)行量化、高效的訓(xùn)練，測(cè)試、分析最后部署在我們的芯片上，這是一個(gè)開(kāi)放的平臺(tái)，還支持開(kāi)源的方向。

數(shù)據(jù)、AI模型和設(shè)備形成一個(gè)閉環(huán)，這個(gè)閉環(huán)結(jié)合在一起高速的循環(huán)、快速的推進(jìn)AI的技術(shù)發(fā)展和商業(yè)化落地。我們經(jīng)常會(huì)談識(shí)別好，什么是識(shí)別好？芯片長(zhǎng)期來(lái)講做到識(shí)別好也非常難，如果我們將工具鏈組合好，可以大幅度降低開(kāi)發(fā)者的數(shù)目，降低開(kāi)發(fā)者的時(shí)間，極大擴(kuò)大開(kāi)發(fā)者的規(guī)模。

右邊是傳統(tǒng)工具鏈，只有專(zhuān)業(yè)的專(zhuān)家可以應(yīng)用起來(lái)，但它足夠的靈活、足夠的底層，可以解決各種各樣的問(wèn)題，由于開(kāi)發(fā)者人群受限，注定資源瓶頸在夠資格、有足夠水平的AI開(kāi)發(fā)工程師，左端是封閉的SQL，它只能針對(duì)一些高頻的專(zhuān)門(mén)場(chǎng)景進(jìn)行打造，它的應(yīng)用場(chǎng)景非常熟悉，所以我們要找到適中的、門(mén)檻不高但是適用面足夠廣的開(kāi)發(fā)模式，把這樣的開(kāi)發(fā)模式變成平臺(tái)化的工具賦能整個(gè)行業(yè)。

 賦能萬(wàn)物讓每個(gè)人的生活更安全、更美好是地平線的使命，也是我們創(chuàng)立這家公司的初衷。這張圖從上面到下面可以看到碎片化的場(chǎng)景，智慧城市、智慧商業(yè)、自動(dòng)駕駛、服務(wù)機(jī)器人、腦機(jī)接口，中間是多樣的AI計(jì)算技術(shù)。從人的智能順序可以分為感知、建模、預(yù)測(cè)、決策、認(rèn)知，底下支撐的是通用的AI計(jì)算平臺(tái)，有硬件、芯片、軟件、工具鏈、標(biāo)準(zhǔn)算法。地平線定位技術(shù)賦能，不碰數(shù)據(jù)，不做應(yīng)用。我們提供超高性?xún)r(jià)比的芯片，具有極致的功耗與效率，非常開(kāi)放的工具鏈和算法模型樣例，我們關(guān)注自動(dòng)駕駛和AIoT，同時(shí)也加入生態(tài)的開(kāi)源社區(qū)，加速AI的賦能。

這是我們新提出的口號(hào)，“AI ON HORIZON”，我們希望打造面向整個(gè)產(chǎn)業(yè)界的通用AI應(yīng)用平臺(tái)，賦能我們的客戶(hù)，讓AI的技術(shù)可以更好更早地普惠化、造福大家的生活，Journey Together是我們莊嚴(yán)的承諾，謝謝大家。

相關(guān)文章：

《車(chē)載智能計(jì)算基礎(chǔ)平臺(tái)參考架構(gòu)1.0》發(fā)布，地平線牽手主機(jī)廠助推自動(dòng)駕駛落地

牽手理想，地平線如何為理想ONE打造精準(zhǔn)全車(chē)語(yǔ)音交互

專(zhuān)訪地平線聯(lián)合創(chuàng)始人 & 副總裁黃暢：AI 芯片的開(kāi)發(fā)周期要能「踩上點(diǎn)」

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。