0
| 本文作者： 張馳 | 2017-10-20 05:33 |
地平線CEO余凱與Intel高級副總裁&Intel Capital總裁Wendell Brooks
雷鋒網(wǎng) 舊金山當(dāng)?shù)貢r間2017年10月19日消息，Intel Capital今天公布將以6000萬美金投資15家人工智能與大數(shù)據(jù)公司，這15家公司分別來自美國、加拿大、以色列、日本和中國，其中國內(nèi)人工智能創(chuàng)業(yè)公司地平線入選這次公布的投資公司名單。
與此同時，另一條更值得注意的消息是，地平線官方也在當(dāng)天同步公布完成近億美元的A+輪融資，其中Intel Capital是本輪融資的領(lǐng)投方，本輪投資中其他投資方還有嘉實投資、晨興資本、高瓴資本、雙湖投資和線性資本。
從Intel Capital這次6000萬美金的總投資金額和領(lǐng)投地平線本輪融資的情況來看，地平線在Intel Capital此次出手投資金額中占了比較高的比重。
自1991年成立之后，Intel Capital在過去的16年時間里一共投資了超過1500家公司，總投資金額122億美金。根據(jù)官方統(tǒng)計，加上本次投資的15家公司，Intel Capital今年已經(jīng)投出5.66億美金。
本次投資的15家公司，其業(yè)務(wù)領(lǐng)域從人工智能、網(wǎng)絡(luò)安全到自動駕駛、深度學(xué)習(xí)加速器都有涉及，Intel Capital對這個大主題的概括是“數(shù)據(jù)”。
Intel高級副總裁、Intel Capital總裁Wendell Brooks表示，當(dāng)前的世界正在經(jīng)歷數(shù)據(jù)爆炸的時代。他提到一個Intel經(jīng)常使用的例子“到2020年，一輛自動駕駛汽車每天在路上會產(chǎn)生4TB的數(shù)據(jù)?！?/p>
按照不同的業(yè)務(wù)屬性，Intel Capital將這次投資的15家公司納入了數(shù)據(jù)分析、數(shù)據(jù)采集、數(shù)據(jù)管理、數(shù)據(jù)安全4個類目，由此構(gòu)建圍繞數(shù)據(jù)的價值鏈。這也是Intel今年頻頻對外提到的，從一家計算處理公司轉(zhuǎn)型成“數(shù)據(jù)”公司。
這次公布的15家被投公司名單：
數(shù)據(jù)分析 Analytics、Bigstream、LeapMind、Synthego
數(shù)據(jù)采集 AdHawk Microsystems、Trace、Bossa Nova Robotics、EchoPixel
數(shù)據(jù)管理 Horizon Robotics、Reniac、TileDB Inc.
數(shù)據(jù)安全 Alcide、Eclypsium、Intezer、Synack
地平線正式創(chuàng)辦于2015年的7月，2年時間，現(xiàn)在已經(jīng)發(fā)展到300多人的團(tuán)隊，除了北京外，在上海、南京、深圳都設(shè)有分公司。在此前已經(jīng)公布的合作關(guān)系中：
地平線此前為美的提供了針對空調(diào)智能化的嵌入式解決方案；
為科沃斯提供針對掃地機(jī)器人的智能化解決方案；
與Intel合作，在2017 CES上推出基于Altera FPGA結(jié)合地平線自主IP架構(gòu)的ADAS技術(shù)原型；
此外，地平線也是頂級汽車零部件供應(yīng)商博世在ADAS系統(tǒng)和算法領(lǐng)域的合作伙伴。
地平線的兩項核心競爭力，可以理解為算法與處理器IP。圍繞算法和處理器IP，目前他們正向智能家居、智能安防、智能駕駛等多個領(lǐng)域設(shè)計測試并量產(chǎn)交鑰匙解決方案。
在今天舊金山舉行的Intel Capital投資CEO會議上，余凱就講到，在數(shù)據(jù)爆發(fā)式增長的背景下，“未來自動駕駛汽車每天在路上要產(chǎn)生4TB的數(shù)據(jù)，這些數(shù)據(jù)的傳輸和處理是非常昂貴的。如果能夠提供一種解決方案，在終端上就對數(shù)據(jù)進(jìn)行有效的處理，既能降低成本、提高效率，同時也能提高數(shù)據(jù)的安全性?！?strong>所以針對邊緣計算設(shè)計低功耗、低成本、高效率的處理器IP架構(gòu)，就是地平線找到的一個“甜點”。
目前在解決方案方面，地平線在去年就公布了針對智能駕駛應(yīng)用的雨果平臺，此外，在使用現(xiàn)有FPGA、GPU、CPU等現(xiàn)有處理器設(shè)計和提供交鑰匙解決方案的基礎(chǔ)上，地平線自主設(shè)計的基于高斯架構(gòu)的第一代芯片“盤古”也將很快公布。
可以透露的信息是，地平線的“盤古”是一款專為深度學(xué)習(xí)打造的處理器，主要用于計算機(jī)視覺的計算，應(yīng)用場景包括智能攝像頭、高級輔助駕駛ADAS等。盤古的功耗僅2W，能實現(xiàn)1080p@30fps的物體檢測、識別、追蹤，能同時識別250個目標(biāo)。
最后，9月底雷鋒網(wǎng)對余凱進(jìn)行了一次專訪。在這次采訪中，他和我們分享了他對于人工智能商業(yè)化的看法，內(nèi)部盤古芯片的研發(fā)進(jìn)程，以及地平線在自動駕駛領(lǐng)域解決方案的思路與進(jìn)展。
以下是采訪實錄，由雷鋒網(wǎng)作了不改變原意的編輯。
第一款處理器“盤古”的開發(fā)過程是怎么樣的？
從2015年的10月公司成立3個月的時候開始著手研發(fā)，之前是把團(tuán)隊組建起來。軟件算法團(tuán)隊順理成章，公司可以拉出一票人來，但硬件不是我自己特別熟的領(lǐng)域，要把硬件團(tuán)隊張羅起來。周峰（地平線首席芯片架構(gòu)師）是第一天就加入地平線了的。
一開始花了幾個月時間先做算法軟件架構(gòu)的設(shè)計，軟件框架確定后開始做硬件架構(gòu)，再然后是硬件的前端設(shè)計、后端設(shè)計。架構(gòu)驗證也做的比較充分，花了很長時間，因為不希望第一款處理器最后變成一塊石頭。還要買IP，比如ARM的IP。
另外由于我們不是賣處理器，所以還會先把后面偏應(yīng)用的工作做好，再對外發(fā)布產(chǎn)品。
芯片開發(fā)團(tuán)隊的情況是怎么樣的？
現(xiàn)在有幾十人，由周峰領(lǐng)導(dǎo)。
這款芯片如何兼顧不同業(yè)務(wù)的需求？
其實它是一個比較通用的計算機(jī)視覺處理器，主要做圖像識別。
核心就是兩個場景，一是智能攝像頭，二是ADAS。可以把兩個場景的需求都收斂下，設(shè)計一個算法框架去處理，做一款芯片。未來我們會分成兩款芯片，但一開始還不會做的這么精準(zhǔn)。就像巴菲特說的，模糊的正確好于精確的錯誤。
地平線是想做芯片加算法的整體解決方案，既然這樣，為什么一定要自己做芯片，而不是直接購買？
不自己做處理器更好的話，當(dāng)然也不會去做，畢竟企業(yè)要做理性選擇，從成本與收益的角度去考慮問題。
但我們自己做應(yīng)用，對應(yīng)用場景的獨特理解會成為我們特別的know how與競爭優(yōu)勢，做處理器也是希望與這點相結(jié)合。如果買通用處理器，可能跟不上我們的節(jié)奏，滿足不了對具體業(yè)務(wù)的需求。
現(xiàn)在的計算機(jī)視覺，拿深度神經(jīng)網(wǎng)絡(luò)來說，功耗很難做得很理想。它計算力大，而且會產(chǎn)生很多中間數(shù)據(jù)，通用的芯片在性能上會很難達(dá)到要求。就像現(xiàn)在前裝ADAS上用的最多還是Mobileye，它自己做算法也做處理器，效率可以達(dá)到比較高。軟硬結(jié)合的話才能在效率上做到極致。
從應(yīng)用出發(fā)，從軟件上的需求往下走，就會發(fā)現(xiàn)硬件有些地方不是專門為軟件做的，以至于不夠好。就像其實自動駕駛公司也不會在多套硬件上做方案，肯定還是就著一個硬件來做。那如果硬件自己做的話，會不會有可能更好呢，因為效率更高。
什么時候開始有這種軟硬結(jié)合的思路的？
在百度的時候開始萌生這種想法。我比別人早幾年開始做人工智能算法，好多年的時間也在思考，未來整個生態(tài)的演化路徑是怎么樣的，這里的關(guān)鍵區(qū)分度又會在哪。所以我們會稍微顯得不一樣，下決心要走軟硬一體的道路。
第一步我們還是做解決方案，我需要花五年的時間把解決方案做好，把嵌入式的人工智能解決方案做到世界第一。
為什么是五年？
第一款處理器花了兩年時間，后面會以一到兩年的速度迭代。我認(rèn)為還需要迭代兩次，讓軟硬件達(dá)到一個相當(dāng)高效的狀態(tài)。
地平線在駕駛上有哪些并行的產(chǎn)品項目？
現(xiàn)在有兩條線，一條是ADAS，一條是低速的自動駕駛計算方案，會在今年的CES上有一個對外展示。
其實我們已經(jīng)有將計算方案賣給國內(nèi)的一些創(chuàng)業(yè)公司，未來有可能有公司用的我們的方案，也就是“地平線Inside”。很多自動駕駛公司偏系統(tǒng)集成，做某個場景下的自動駕駛加運(yùn)營，與我們有合作的機(jī)會。
不同車企與供應(yīng)商之間對智能駕駛解決方案的需求有蠻大差異，怎么去平衡支持并行的項目？
我覺得還是要聚焦場景，就關(guān)注高速情況下的ADAS和低速的自動駕駛這兩個場景。這樣需求比較容易標(biāo)準(zhǔn)化和收斂。
盤古還是主要關(guān)注在ADAS？
今年的盤古在自動駕駛上主要服務(wù)于ADAS，下一代產(chǎn)品的目標(biāo)會是做軟件硬件的整體方案，用于L3自動駕駛和有限、低速場景的L4自動駕駛，并且會比較突出計算機(jī)視覺。
有沒有考慮過自己做自動駕駛車輛的運(yùn)營？
我們現(xiàn)在離運(yùn)營比較遠(yuǎn)。做車輛運(yùn)營的核心問題和瓶頸是如何擴(kuò)展。比如，在一個小區(qū)運(yùn)行得很好，但怎么擴(kuò)張到其它地方？如果技術(shù)方案有對特殊場景的定制性和打磨，比如依賴一個小區(qū)的高精度地圖，那在其它小區(qū)也需要這樣，這會影響擴(kuò)張的速度。如果沒有高效擴(kuò)張的途徑，不會對市場造成沖擊力。
我們關(guān)注的是最核心的標(biāo)準(zhǔn)化部分，盡量少做特殊定制化的東西。開發(fā)一個核心的計算平臺會比較標(biāo)準(zhǔn)化，具備復(fù)制的優(yōu)勢。
地平線認(rèn)為自己在自動駕駛的產(chǎn)業(yè)鏈條上的什么位置？
自動駕駛有兩種商業(yè)模式，一種是做供應(yīng)商，一種是自己做運(yùn)營，這兩種的可能性都有。后者是從服務(wù)到產(chǎn)品到底層技術(shù)都自己做的垂直模式。
我們現(xiàn)在還是考慮做供應(yīng)商。自動駕駛是個相對而言比較單一、目標(biāo)比較明確的任務(wù)，里面的協(xié)作鏈條其實越短越好，也越能解決問題。未來自動駕駛在感知到控制這件事上，從供應(yīng)商的角度上來看，不會有很多玩家，最后可能還是贏者通吃。
相比其它自動駕駛公司，地平線如何突出自己的特點？
比其他公司更關(guān)注硬件，也更強(qiáng)調(diào)低功耗。未來的自動駕駛對計算的需求會越來越復(fù)雜，尤其是到了L3、L4，場景更開放也更復(fù)雜，這就要求提供單位功耗的計算能力。
做自動駕駛一般有兩類：一是自己做硬件，比如激光傳感器；一是純軟件公司，做多傳感器融合，使用現(xiàn)成的處理器。地平線還是強(qiáng)調(diào)軟硬件深度整合，更關(guān)注軟件在硬件上的效率，對系統(tǒng)發(fā)熱、可靠性也很關(guān)心。
為什么不直接做L4？
我們相對來說更理性一點，風(fēng)格不一樣。這個世界應(yīng)該是多樣的，至于怎么定位自己，這與商業(yè)模式、公司的調(diào)性，以及創(chuàng)始人的風(fēng)格有關(guān)。
對于我們來講，還是首先對這件事有足夠的敬畏之心，就像Google天時地利人和都有，把Mountain View（Google總部所在地）的地圖都掃描了一遍，甚至連垃圾筒都能精確定位，但同樣很小心。
我的看法是，2020年乘用車到L3級別自動駕駛會在高端車上出現(xiàn)，但也不是無條件的。L4還要再往后，不排除局部的園區(qū)做演示運(yùn)營，但我覺得會是在非常限定的場景進(jìn)行，甚至像大學(xué)校園這樣的地方也不算限定場景，因為還是有很多突發(fā)情況，考驗很大。
我認(rèn)為，L2、L3、L4這樣的劃分雖然是離散的階段，但中間其實是不斷升級的，比如奧迪A8雖然是L3，但更接近L2，因為它限制了很多使用條件。未來會逐漸把這些限制條件去掉，整個過程不是離散，而是呈連續(xù)不斷升級的發(fā)展?fàn)顟B(tài)。
央視曾報道地平線基于比亞迪秦的一輛自動駕駛原型車，可否介紹一下整體方案？
當(dāng)時用的是差分GPS、16線激光雷達(dá)，攝像頭等傳感器，核心想法還是開發(fā)基于純視覺的方案，之所以有冗余，是希望用比較貴的傳感器去訓(xùn)練基于視覺的系統(tǒng)，這些傳感器相當(dāng)于會產(chǎn)生標(biāo)注數(shù)據(jù)。簡單來說，比如要知道基于攝像頭傳感器的行人距離，可以通過激光了解數(shù)據(jù)產(chǎn)生樣本，然后對視覺方案進(jìn)行增強(qiáng)。
地平線比較看重視覺方案，那對用到激光雷達(dá)等傳感器是什么樣的態(tài)度？
激光雷達(dá)主要是研發(fā)用，了解理想的定位系統(tǒng)是怎么樣的。我們的關(guān)注點還是基于強(qiáng)大的軟硬件平臺，做更依賴純視覺的方案，因為這樣能把成本降下來。
我還是相信第一性原理，既然人是依靠純視覺來完成駕駛的，那我們也希望能做到。不是說不去做多傳感器融合，而是想基于視覺把系統(tǒng)做到人類水平，再加上其它傳感器，使整個系統(tǒng)比人類更安全。這是我的邏輯。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
