登录注册   忘记密码

地平线上的“中国芯”

一个行业从“热”走到了“非常火热”,这就是AI。


智能,是第四次工业革命的主题,是新时代科技竞争的战略性要地。


经过两年的不懈努力,世界领先的人工智能初创企业地平线12月20日成功发布中国首款全球领先的嵌入式人工智能“中国芯”,以“算法 芯片 云”的旗帜性成果,打造创新性的中国方案。

“AI芯·时代”发布会

地平线创始人&CEO余凯与中国科学院院士、清华大学计算机教授张钹,国家集成电路产业投资基金股份有限公司总裁丁文武共同发布了面向智能驾驶的征程(Journey)1.0处理器和面向智能摄像头的旭日(Sunrise)1.0处理器。这是完全由地平线自主研发的人工智能芯片,采用地平线的第一代BPU架构,具有全球领先的性能:可实时处理  1080p30视频,每帧中可同时对200个目标进行检测、跟踪、识别,典型功耗1.5W,每帧延时小于30ms。

640.webp (8).jpg

当天同步发布的还有针对智能驾驶、智能城市和智能商业三大应用场景的人工智能解决方案。这些方案深入中国实际场景,是针对性的“大脑”解决方案,引领人工智能应用的落地。


嵌入式芯片与解决方案,是地平线两年多来立足场景设计研发的成果,也是以中国芯打造人工智能中国方案的重要里程碑。在算法和芯片多项技术点上有突破性地有特点的创新。与通用芯片的商业模式不同,地平线的芯片更聚焦在针对不同场景下的具体应用,并与产业伙伴协同共赢共享价值。解决现实场景的具体问题,发挥人工智能的最大限度的潜力,做好产业的赋能者。


一代架构、两颗芯片、三个“大脑”,地平线领跑AI芯时代


作为中国人工智能泰斗和德高望重的中国科学院院士,张钹在发布会现场表示:“人工智能走到今天,计算机硬件做了不可磨灭的贡献。在深度学习出现后,数据密集型的计算在传统硬件架构下的效率是非常低的,而专门面向深度学习算法的硬件极大地提高了效率。这提供了硬件发展的新思路,用算法和软件来定义硬件,这也是地平线发布的意义。人工智能不只是要求深度学习的芯片,今后将有更多的算法要求硬件支持。芯片的结构越来越像大脑,所以我们又把他们称为类脑芯片、智能芯片,这将是人工智能未来发展的方向。”


此次发布的征程1.0处理器与旭日1.0处理器,是基于地平线第一代BPU架构 -- 高斯架构。征程1.0面向智能驾驶,能够同时对行人、机动车、非机动车、车道线、交通标志牌、红绿灯等多类目标进行精准的实时监测与识别,同时满足车载严苛的环境要求以及不同环境下的视觉感知需求。旭日1.0处理器则面向智能摄像头,能够在本地进行大规模人脸抓拍与识别、视频结构化处理等,可广泛用于商业、安防等多个实际应用场景。


基于这两颗“中国芯”,地平线相应推出了针对智能驾驶、智能城市、智能商业的“大脑”解决方案,并在发布会现场都进行了相应的技术展示。

640.webp (9).jpg

智能驾驶解决方案,通过对驾驶场景中的目标精确定位,为汽车打造自动驾驶的大脑,实现了车道偏离、车辆及行人碰撞预警等高级别辅助驾驶(ADAS)功能。在发布会现场,地平线搭建了模拟交通场景,让现场嘉宾和媒体进行实际体验行人检测,检测精准度高达100%。据现场产品负责人介绍,在实际道路上,目前基于征程1.0的ADAS对车辆、行人、车道线、交通标志的检测准确率均大于99%。


智能城市解决方案可在前端进行高性能、低功耗的人脸抓拍、识别与相关属性分析、视频结构化解析,可广泛运用于车站、学校、商业、楼宇、卡口等安防、泛安防领域。发布环节中,地平线现场展示了基于旭日1.0处理器的摄像头的实时人脸抓拍和识别能力,在现场复杂的灯光环境下、用移动的摄像头从几百人中准确的抓取识别出了演讲嘉宾--地平线首席芯片架构师周峰博士。并在场外展区设置了实时大规模人脸抓拍体验,能够同时抓拍百人以上。


智能商业解决方案,以人为中心进行线下商业运营数据的结构化,实现客流分析、人员ID管理、人货分析等,帮助商业运营体系更加有效地洞见商业运作的本质,指导商业营销,并提升商业运作的效率,进而提升消费者的购物体验,将生意变得简单易懂。现场地平线展示了该解决方案在某鞋店的实际使用案例,通过摄像头,能够实时识别顾客身份、喜好和在店内的行动轨迹。


AI独角兽地平线机器人(Horizon Robotics)

地平线机器人致力于打造面向未来的人工智能芯片BPU(Brain Processing Unit),并提供高性能、低功耗、低成本、完整开放的嵌入式人工智能解决方案。凭借地平线提供的服务,电子类产品能够具备一些AI功能,包括感知、交互、理解、甚至是决策。


BPU是地平线机器人自主设计研发高效的人工智能处理器架构IP,支持ARM/GPU/FPGA/ASIC实现。


总体来说,地平线机器人的重点就是深度神经网络芯片,而且核心在于算法。


在2015年9月,地平线机器人完成首轮融资,投资人包括晨兴资本、高瓴资本、红杉资本、金沙江创投、线性资本、创新工场及真格基金等机构。2016年获得风险投资家Yuri Milner的投资。


地平线机器人创办人余凯曾这样表示:我们创办地平线之前已经有一些根基了,以前在百度深度学习研究院的时候,我们当时用FPGA来做深度神经网络的硬件实现,取得了非常好的成果。但这个技术主要应用于数据中心,并不适合做广告优化及语音搜索。

640.webp (10).jpg

是的,地平线机器人的创办人就是曾经的百度深度学习研究院(IDL)的创立者和负责人,国家千人计划特聘专家,曾在百度领导了语音识别、图像搜索、百度大脑、百度无人驾驶等项目。


初创团队很具有实力:

联合创始人兼软件副总裁杨铭博士,Facebook人工智能研究院(FAIR)创始成员之一,曾在Facebook负责DeepFace项目。


联合创始人兼算法副总裁黄畅博士,曾担任百度主任架构师,长期从事计算机视觉、机器学习、模式识别和信息检索方面的核心算法研发。


联合创始人兼硬件副总裁方懿女士, 曾任诺基亚大中华区研发副总裁,并带领团队设计、研发和推出诺基亚历史上最成功的智能手机Lumia520。

640.webp (11).jpg


地平线的“嵌入式人工智能”

1、什么是“嵌入式人工智能”

“嵌入式人工智能”是地平线整理自身业务之后,找到的一个定位。这个概念与当前联网状态下的人工智能相对。目前大部分人通过联网和数据中心的大规模计算,来实现人工智能。“嵌入式人工智能” 要做的,是在本地进行实时环境感知、人机交互与决策控制。


余凯曾在接受采访时,举例说明了嵌入式人工智能在汽车领域应用的重要意义。比如当孩子横穿马路,如果自动驾驶系统感知到后需要把信号传送到云端再做决策,会相比本地运算产生更长时延,假如遇到当时网络不稳定,结果将不可想象。


众所周知,人工智能与计算资源高度相关。深度学习算法对硬件的计算性能、功耗、以及成本把控都会提出更高要求。除了开发出一款低功耗平台,算法本身的优化也很关键,软硬件结合才能最好提升性能。一个典型的例子是以前的苹果手机,配置总是比安卓低,但是在性能上依旧出色,最主要的原因就是软硬件深度绑定。


紧跟硬件做软件,地平线在嵌入式人工智能上的规划是:提供“处理器 算法”的嵌入式人工智能解决方案,包含算法、软件、芯片在一起的整体打包。同时,地平线正在做一个深度学习处理器(BPU,Brain Processor Unit)IP。


地平线第一代嵌入式人工智能处理器架构IP——高斯架构。IP是一种处理器架构设计,可以被芯片企业使用,放到设计的自动驾驶芯片中。按照自动驾驶分级,地平线将陆续推出BPU的第二代伯努利架构和第三代贝叶斯架构,从而支持更高级别的自动驾驶乃至无人驾驶功能。今年1月份的CES展会上,地平线与英特尔联合推出的ADAS系统便基于高斯架构进行研发。

640.webp (12).jpg

同时,地平线还基于嵌入式人工智能处理器架构IP自建平台,目前基于高斯架构自建了“雨果1.0”。 整个雨果平台的路线也会按照自动驾驶分级迭代版本,一开始会侧重感知认知,接着会有三维建模功能,未来会把决策做得更强。同时处理器架构也会往前发展,比如现在对深度神经处理比较多,未来随着决策越来越重,会增加对贝叶斯网络的支持比重。

640.webp (13).jpg

2、“嵌入式人工智能”的技术路线

整个自动驾驶架构由感知、规划决策、控制三个阶段组成。在一整条链路里,地平线的业务主要涉及前两个部分。具体来说,就是从传感器信号输入后到给到执行器信号的整个过程,都由地平线来做。如果再细细划分可以分为感知、建模、路径规划三个步骤。


1)感知

地平线研发的算法具有单网络多输出的特点:在输入端只需要单一数据源,就可以用同一个网络获得不同输出。

比如输入一张包含多个要素的照片,只要通过神经网络架构,就能输出车道线、车辆和行人,这在以前的传统算法和早期神经网络时是不能做到的。因为在传统计算机视觉中,识别车辆的算法依靠的是车辆特征,这些特征在识别行人时不能通用。因此单网络多输出的最大好处是可以减少资源占用,运算速度也有很大提升。


2)建模 

自动驾驶汽车利用摄像头、激光雷达、毫米波雷达相互配合,来看清本车周围环境。不同传感器会采集到相同的信息(比如激光雷达和毫米波雷达都能直接采集到前车距离信息),也会采到独有的信息(比如摄像头更擅长采集的红绿灯信息)。

通过多个传感器的信息融合,进行与物理传感器无关的语义环境建模。地平线会定义不同类型数据的接口,比如速度、距离、信号灯状态等等。毫米波雷达可以拿到3类数据、激光雷达可以拿到4类、摄像头可以拿到4类,所有传感器都把信息对应输入。

后期算法可以对不同传感器给出的同类信息做冗余,也可以选择不同维度的信息实现特定功能。比如获得速度和距离信息后,就能进一步定义AEB。这种传感器数据分拣最大的好处是免受传感器数据类型的影响,定义功能也更加灵活。


3)决策和路径规划

在决策和路径规划方面,地平线强调的一点是把“大黑箱”尽量做透明。

众所周知,深度学习是一个端到端的过程,优点是输入一个图像,就能输出最终识别检测的结果。和传统计算机视觉的算法相比,不需要过多人工介入。由此带来的缺点是,我们没有办法看到深度学习的中间结果,因此被称为“黑箱”。假如自动驾驶汽车使用深度学习算法并发生事故,便很难查找具体问题,会存在安全隐患。

地平线的思路就是把大的黑箱尽量做得透明化,当最终输出出现问题时,可以发现在哪个节点出了问题。具体做法上,地平线使用了贝叶斯网络,在各个节点上使用神经网络。可以对整个贝叶斯网络训练,性能、便利性和端到端的学习没有太大差别,但是计算的中间结果都清晰可见,能针对性地进行调整,让问题追溯更透明。


3、“嵌入式人工智能”的商业模式

在汽车方向嵌入式人工智能的尝试上,地平线的目标是做嵌入式人工智能的上游供应商,车厂、Tier1供应商都是合作伙伴。已经公开的合作伙伴中有博世和奇点汽车,这次地平线邂逅英特尔,除了由来已久良好关系的原因,两家公司的合作也是自动驾驶发展过程中,技术日渐细分的结果。


第一,在神经网络芯片这方面,算法占有相当重要的部分,所需的软件算法解决方案超出了芯片公司的边界,像英特尔这样的芯片厂商并不一定有更好的解决方案。因而需要地平线这样的企业参与其中。


第二,自动驾驶背景下整个软件都在被重构,在软件还没有成为标准之前,制作芯片是一个很危险的事情。余凯本人也在接受媒体采访时表示,做芯片这件事比自己想的要复杂很多:算法要出来,需要什么计算资源和架构,硬件设计验证,后端流片……整个软硬件研发要3年以上研发周期。因此选择芯片厂商的低功耗处理器,在不同平台之上做自动驾驶解决方案会更快进入市场。


第三,归根结底,自动驾驶领域最终的决定权还是在车企手中。地平线并不需要造任何一款芯片,自行研发的雨果平台更多将用来验证设计,最终还是希望出售自己的处理器IP,把这部分的设计放到别的芯片里面去,每一家芯片提供商都有机会成为自己的合作伙伴。


可以看出来,地平线给自己找到了一个小众的切入口,并且留足了资源余地。但是目前芯片公司也在构建自身的软件实力,自动驾驶与车辆的联系紧密,也让主机厂在算法等方面投入了更多精力,这些都会与地平线的业务存在交集。


余凯相信产业链是会逐渐细分的。自动驾驶所需的技术垂直而专业,每个角色一定会找到一个点,各自做各自擅长的事情,地平线的点就是把人工智能做得足够好。

640.webp (14).jpg

伴随着“征程”和“旭日”的成功发布,地平线为自己定了个“小目标”。余凯表示,预计到2020年,地平线BPU赋能上亿物联网智能感知终端,而到2025年,三千万辆汽车内置地平线自动驾驶BPU。


“旭日”初升,踏上“征程”,地平线将与产业伙伴展开多元、深入的合作,为三大应用场景提供解决方案,以开放共赢的“芯生态”唱响“芯时代”的主旋律。

您的评论:

0

用户评价

  • 暂无评论