全球自动驾驶的最强大脑竞赛—-zt

全球自动驾驶的最强大脑竞赛

原创： 峰司机 今天

当”阿尔法狗”战胜李世石的那一刻，自动驾驶的风暴到来了。

 

百年汽车产业走到今天，机器、化工、电气都登峰造极，赋予了汽车强健的体魄；现在，是该需要一点梦想了，这无关颠覆，公欲善其事，必先利其器。人工智能不过是让汽车像人一样思考，赋予其自主意识，但汽车本身不会变成一个外星体。

 

汽车工业经过一百多年的积累，当他开始像人脑一样思考时，迸发出来的势能和动能是巨大的。-

 

但是，谁来提供“汽车大脑”呢？现阶段的汽车大脑能否跟得上自动驾驶发展的需要？

 

指数级增加的数据

 

如果问阿尔法狗下棋的风格，这只狗很可能是吴清源+李昌镐+聂卫平+众多围棋高手的综合体，因为它是谷歌动用了上万台服务器，学习了人类高手对弈的上千万盘棋局，训练出来的。它的每次落子，对人类来说可能匪夷所思，但确是它经过千万次计算后的推理出来的大概率。

 

滴滴副总裁章文嵩曾说：滴滴的派单算法比阿尔法狗的围棋算法复杂100倍，结果被打脸，但是这提醒了我们，人工智能比拼的就是计算能力。

 

论计算的复杂度, 滴滴是比不过围棋的，目前滴滴日均处理的数据次数是10的11次方，而围棋仅仅是一局最大会处理10的808次方比特的数据。但对一个完全的自动驾驶来说，围棋都是小巫见大巫，围棋是一个具有约束规则的计算，而自动驾驶完全是开放规则的计算。

 

据英特尔公司保守的估算，一个配备了各种传感器的自动驾驶汽车，每天要处理的数据量为4000GB，约为10的14次方比特的数据, 这还仅仅只是计算单车环境下的数据量，如果把V2X，车联网等环境变化考虑进来，复杂度还会呈指数级上升。

        

                    

一般来说，驾龄在五年的司机才会达到人车合一的境界，要成长为一名老司机，需要5年左右的训练，才能于各种复杂车况、陌生路况中作出正确判断。如果不是赛车手，驾驶其实没有什么乐趣，训练和推理才是驾驶的唯一姿势，从这点来说，人是比不过机器的。

 

一个正常的出租车司机，5年能训练的驾驶里程最多约70万公里，而Waymo自动驾驶车队自2009年上路以来，总路测里程已达到了1287万公里。这是一个用计算能力堆砌起来的优势，人类是无法超越的。

 

当然了，人类大脑现阶段还能秒杀计算平台，但人类之间的知识无法快速共享；在自动驾驶世界，每一个“机器人司机”的驾驶经验，都将会得以累计，并共享给每一个“机器人司机”，这才是可怕的。

 

但在“机器人司机”成为现实之前，机器人的“大脑”，还需要高速迭代。

 

数据、算法和芯片

 

人工智能的三大基石：数据、算法和芯片，海量数据是用来喂给芯片，并在算法的指导下进行训练和推理的，训练和推理的结果又形成数据迭代反复，这是一个循环反馈的三角形网络。关于机器学习和深度学习的算法原理，人工智能大神吴恩达已在互联网上贡献了他的教学视频；目前的主流是深度学习算法，业界也贡献出了各种开源的深度学习代码框架。

 

软件的开源精神为这场自动驾驶的脑力竞赛赋予了灵魂，这是一个开放的赛场，程序员们需要看到的是一个百花齐放的生态。在这里，系统厂商可以借助开源的代码框架搭建自己的自动驾驶OS，比如百度的Apollo,特斯拉的Autopilot; 平台厂商可以借助定制的算法框架提供自己的SoC(System on Chip)方案，比如英伟达、英特尔、地平线；软件集成商可以整合部分算法框架，提供整体解决方案，如微软、图森互联、四维图新等。

 

 

数据是粮食，算法是灵魂，芯片就是决定脑力的关键。在这场算力的比拼中，有多条道路通向中央领奖台，他们的物理性能在特定的场合不分伯仲，从下图可以看出，单位功耗的算力(TOPS/W)，GPU（图形处理单元）、FPGA（现场可编程门阵列）, ASIC（专用集成电路）相差无几，GPU略微领先一点。

 

（来源：清华大学电子工程系纳米集成电路与系统实验室） 

 

在自动驾驶领域，人工智能芯片要从两个应用从场景来分解： 云端场景负责海量数据的训练，终端场景负责实时推理。这两种场景对计算能力、功耗和延迟的要求是不同的：云端因为大量的数据需要超强的计算能力，终端则对低延时有着苛刻的要求。从技术上来看，在云端场景，GPU和FPGA和ASIC都可应用；对终端来说，自动驾驶要落地，ASIC无疑是最佳选择，但这一切又要看云端的训练结果。

 

 

领跑者

 

虽然说条条大路通罗马，但是有的人本来就出生在罗马。在PC时代的计算力比拼中，英特尔和英伟达本就是无可争议的王者，至今，很多超算的计算单元就是英特尔的至强和英伟达的GPU搭建起来的，这两家可谓是超算的“核弹工厂”。

 

以手机为代表的移动计算的兴起，曾让“二英”落寞的了许久。如今，人工智能对算力的召唤，又让两家看到了希望，重装入场开始拉仇恨了：英特尔先后重金收购Altera、Mobileye和Nervana; 英伟达倒是收购不多，但是投资清单上的自动驾驶企业也不少，图森互联就是其中之一。

 

曾经，英特尔只有CPU，英伟达只有GPU，在PC时代算力的比拼中不遑多让；现在英特尔补齐了FPGA和ASIC，而英伟达仍只靠GPU打天下人，他们的相爱相杀又将延续到自动驾驶领域，只是苦了AMD还在寻找自己的位置。

 

谁负谁胜出，唯一的裁判就是市场了。前篇所述，从技术上讲，在自动驾驶的算法尚未迭代成熟之际，GPU是有天然优势的，因此英伟达暂时领先半个身位，至少在云端，与汽车无关，基本上都是数据中心，英特尔是可以和英伟达平分秋色的。

 

但是在终端，从长远来看，一切未定的芯片架构在商业化之后都会以极简、批量化的面貌出现，英特尔拥有广泛的产品线(尤其是ASIC，这个是降低量产成本的关键)和自己的晶圆厂，况且还有Mobileye强悍的软件平台能力及良好的车企、Tier1人缘背书，英特尔将加分不少。但是在自动驾驶的市场真正瓜熟蒂落前，两强间的竞赛还看不出结果。

 

中国流

 

人工智能的风口让这场脑力竞赛格外热闹，说起来，能借此收割全球市场的先手，自动驾驶应排第一位。图像识别？别逗了，也许整个美国的摄像头都不如中国的一个城市多。但这点让中国的人工智能芯片企业有了天然的数据优势。

 

首先，罗马并不是一天建成的，Wintel在PC时代的盟主地位，恐怕在自动驾驶领域还不会复现：强势的车企，开源的算法软件，以及海量训练数据的要求，决定了这并非一场零和的竞赛，中国企业是有机会按下抢答器的。

 

 

这个表中罗列的是以ASIC为架构的AI芯片企业，可以窥见鲜明的中国特色，基本上所有的企业都会发布针对智能摄像头的AI芯片。当然，这其中不包括专门面向自动驾驶的百度和深鉴科技，只是这两家目前以FPGA为主，待自动驾驶的场景和算法成熟后，不排除会迁移到ASIC架构的可能。

 

一幅百花齐放的场面，我们拥有数据和算法的优势，已然抢占了天元位置。只是在自动驾驶的这个开放赛场上，要实现我们弯道超车的梦想，需要更多的诚意，多拿出一点干货

 

传统汽车电子集体失声？

 

这个竞赛的舞台看起来如此拥挤，多少初创企业排着队也要挤进赛场，但是，传统汽车电子巨头恩智浦、瑞萨、英飞凌和意法半导体在这场算力比拼中集体失声。这是为什么？

 

如果说英特尔、英伟达这样的硅谷芯片巨头是围棋九段，讲究的是布局和计算力，那么传统的汽车电子巨头更像是象棋高手，一般是短兵相接，拼完消耗，然后再日拱一卒。传统汽车电子巨头诞生于车企本身，生而为车，他们的产品一般长于控制和非计算。

 

阿尔法狗1.0在打败李世石后，迭代出来的阿尔法狗2.0，又经过3天490万盘棋局的自我训练，就以100：0的比分完胜对阵李世石的那版1.0。短短3天，阿尔法走完了人类千年的围棋历史；而另一条狗，波士顿动力(后面也有两足机器人)自2013年开始亮相，就不断吸引人们眼球，漫长的5年，从踢不倒的机器狗，到能开门的机器狗，到能实现三连跳，后空翻的仿真人。它仿佛经历了婴儿般的进化过程。

 

这是不同的两个门派，一个是意识流的侠客，一个是功守道的师傅。

 

关于算力的比拼，是抽象层的竞赛，面对的是数字的、离散的世界；而传统汽车电子，面对的是模拟的、线性的世界，所要把控的是物理层面的稳定。一个数字电路的工程师，可以在短短几年，往一块GPU里塞进更多的计算单元，但一个模拟电路的高手，可能数年都无法找到一个解决信号噪音的好办法。

 

况且，为车而生的恩智浦、瑞萨们，在比他们更强势的车企面前，自然是有点畏手畏脚的。一方面，他们有保帅的顾虑，另一方面，他们还要去将别人的军，防守和进攻首鼠两端时，资源已拼耗得差不多了，哪还有钱砸向人工智能的赛场？

这场最强大脑的竞赛，并非颠覆汽车和汽车电子格局的收官之战，恩智浦、瑞萨们也在和车企们一样，一边固守着自己的舞台静待时机，一边悄然布局。

 

“脑”与“手脚”需要协作

 

想象可以无边无际，但是回到现实，我们仍然需要冷静；算力可以无限迭代，控制只能凭经验摸索。自动驾驶恁怎么天马行空，仍然是四个轮子，”铁包肉”的机械产品。

 

坐看云起时，也须行到水穷尽，虽然人类是意识决定行动，但终归要双足行走。人工智能这场风暴来了，但对车企和传统汽车电子巨头而言，慢半拍是必然的；况且，一场暴风雨遇到高山也会降低等级。

 

PC时代，Intel借助微软Windows的联盟崛起，分别成就半导体和软件行业霸主，但PC制造商们与其蜜月也过得挺好。移动计算时代，在芯片端，虽然有高通这样的霸权行径，但也有联发科，展讯这样全程呵护的交钥匙厂商；在软件端，开源精神兴起，虽然iOS和Android理论上只是半开源系统，但好歹整个生态是开放的。况且，网络的诞生，颠覆了所有产业的观念:  ”没有一部车是闭门造出来的”。

 

自动驾驶，不过是更大维度的移动计算时代。在这个时代，开源精神几乎已成为普世价值，网络的平行理念已深入人心，这势必造就一个百花齐放的产业链条，没有人能独自发号施令。

 

对于传统汽车电子巨头来说，AI竞赛的谁负谁胜出，不过是汽车电子供应链中又多出几个硅谷的身影；对于传统车企来说，人工智能的到来，不过是更多话语权的博弈，以及更多衍生市场的争夺，如果能看清这点，一切皆可泰然处之。

 

人工智能，对汽车产业人士来说，也许并没有那么可怕；真正可怕的，是背后所用到的软件和网络，以及由软件和网络所代表的，一种柔软的思维方式和开放的精神。