任我发心水论坛23144 主页 > 任我发心水论坛23144 >  

专访余凯:地平线完成Intel Capital领投的近亿美金

更新时间: 2019-06-08

  原标题:专访余凯:地平线完成Intel Capital领投的近亿美金A+轮融资,未来如何将嵌入式AI

  原标题:专访余凯:地平线完成Intel Capital领投的近亿美金A+轮融资,未来如何将嵌入式AI解决方案做到第一?

  雷锋网 旧金山当地时间2017年10月19日消息,Intel Capital今天公布将以6000万美金投资15家人工智能与大数据公司,这15家公司分别来自美国、加拿大、以色列、日本和中国,其中国内人工智能创业公司地平线入选这次公布的投资公司名单。

  与此同时,另一条更值得注意的消息是,地平线官方也在当天同步公布完成近亿美元的A+轮融资,其中Intel Capital是本轮融资的领投方,本轮投资中其他投资方还有嘉实投资、晨兴资本、高瓴资本、双湖投资和线性资本。

  从Intel Capital这次6000万美金的总投资金额和领投地平线本轮融资的情况来看,地平线在Intel Capital此次出手投资金额中占了比较高的比重。

  自1991年成立之后,Intel Capital在过去的16年时间里一共投资了超过1500家公司,总投资金额122亿美金。根据官方统计,加上本次投资的15家公司,Intel Capital今年已经投出5.66亿美金。

  本次投资的15家公司,其业务领域从人工智能、网络安全到自动驾驶、深度学习加速器都有涉及,Intel Capital对这个大主题的概括是“数据”。

  Intel高级副总裁、Intel Capital总裁Wendell Brooks表示,当前的世界正在经历数据爆炸的时代。他提到一个Intel经常使用的例子“到2020年,一辆自动驾驶汽车每天在路上会产生4TB的数据。”

  按照不同的业务属性,Intel Capital将这次投资的15家公司纳入了数据分析、数据采集、数据管理、数据安全4个类目,由此构建围绕数据的价值链。这也是Intel今年频频对外提到的,从一家计算处理公司转型成“数据”公司。

  地平线年时间,现在已经发展到300多人的团队,除了北京外,在上海、南京、深圳都设有分公司。在此前已经公布的合作关系中:

  此外,地平线也是顶级汽车零部件供应商博世在ADAS系统和算法领域的合作伙伴。

  地平线的两项核心竞争力,可以理解为算法与处理器IP。围绕算法和处理器IP,目前他们正向智能家居、智能安防、智能驾驶等多个领域设计测试并量产交钥匙解决方案。

  在今天旧金山举行的Intel Capital投资CEO会议上,余凯就讲到,在数据爆发式增长的背景下,“未来自动驾驶汽车每天在路上要产生4TB的数据,这些数据的传输和处理是非常昂贵的。如果能够提供一种解决方案,在终端上就对数据进行有效的处理,既能降低成本、提高效率,同时也能提高数据的安全性。”所以针对边缘计算设计低功耗、低成本、高效率的处理器IP架构,就是地平线找到的一个“甜点”。

  目前在解决方案方面,地平线在去年就公布了针对智能驾驶应用的雨果平台,此外,在使用现有FPGA、GPU、CPU等现有处理器设计和提供交钥匙解决方案的基础上,地平线自主设计的基于高斯架构的第一代芯片“盘古”也将很快公布。

  可以透露的信息是,地平线的“盘古”是一款专为深度学习打造的处理器,主要用于计算机视觉的计算,应用场景包括智能摄像头、高级辅助驾驶ADAS等。盘古的功耗仅2W,能实现的物体检测、识别、追踪,能同时识别250个目标。

  最后,9月底雷锋网对余凯进行了一次专访。在这次采访中,他和我们分享了他对于人工智能商业化的看法,内部盘古芯片的研发进程,以及地平线在自动驾驶领域解决方案的思路与进展。

  从2015年的10月公司成立3个月的时候开始着手研发,之前是把团队组建起来。软件算法团队顺理成章,公司可以拉出一票人来,但硬件不是我自己特别熟的领域,要把硬件团队张罗起来。周峰(地平线首席芯片架构师)是第一天就加入地平线了的。

  一开始花了几个月时间先做算法软件架构的设计,软件框架确定后开始做硬件架构,再然后是硬件的前端设计、后端设计。架构验证也做的比较充分,花了很长时间,因为不希望第一款处理器最后变成一块石头。还要买IP,比如ARM的IP。

  另外由于我们不是卖处理器,所以还会先把后面偏应用的工作做好,再对外发布产品。

  核心就是两个场景,一是智能摄像头,二是ADAS。可以把两个场景的需求都收敛下,设计一个算法框架去处理,做一款芯片。未来我们会分成两款芯片,但一开始还不会做的这么精准。就像巴菲特说的,模糊的正确好于精确的错误。

  地平线是想做芯片加算法的整体解决方案,既然这样,为什么一定要自己做芯片,而不是直接购买?

  不自己做处理器更好的话,当然也不会去做,毕竟企业要做理性选择,从成本与收益的角度去考虑问题。

  但我们自己做应用,对应用场景的独特理解会成为我们特别的know how与竞争优势,做处理器也是希望与这点相结合。如果买通用处理器,可能跟不上我们的节奏,满足不了对具体业务的需求。

  现在的计算机视觉,拿深度神经网络来说,功耗很难做得很理想。它计算力大,而且会产生很多中间数据,通用的芯片在性能上会很难达到要求。就像现在前装ADAS上用的最多还是Mobileye,它自己做算法也做处理器,效率可以达到比较高。软硬结合的话才能在效率上做到极致。

  从应用出发,从软件上的需求往下走,就会发现硬件有些地方不是专门为软件做的,以至于不够好。就像其实自动驾驶公司也不会在多套硬件上做方案,肯定还是就着一个硬件来做。那如果硬件自己做的话,会不会有可能更好呢,因为效率更高。

  在百度的时候开始萌生这种想法。我比别人早几年开始做人工智能算法,好多年的时间也在思考,未来整个生态的演化路径是怎么样的,这里的关键区分度又会在哪。所以我们会稍微显得不一样,下决心要走软硬一体的道路。

  第一步我们还是做解决方案,我需要花五年的时间把解决方案做好,把嵌入式的人工智能解决方案做到世界第一。

  第一款处理器花了两年时间,后面会以一到两年的速度迭代。我认为还需要迭代两次,让软硬件达到一个相当高效的状态。

  现在有两条线,一条是ADAS,一条是低速的自动驾驶计算方案,会在今年的CES上有一个对外展示。

  其实我们已经有将计算方案卖给国内的一些创业公司,未来有可能有公司用的我们的方案,也就是“地平线Inside”。很多自动驾驶公司偏系统集成,做某个场景下的自动驾驶加运营,与我们有合作的机会。

  不同车企与供应商之间对智能驾驶解决方案的需求有蛮大差异,怎么去平衡支持并行的项目?

  我觉得还是要聚焦场景,就关注高速情况下的ADAS和低速的自动驾驶这两个场景。这样需求比较容易标准化和收敛。

  今年的盘古在自动驾驶上主要服务于ADAS,下一代产品的目标会是做软件硬件的整体方案,用于L3自动驾驶和有限、低速场景的L4自动驾驶,并且会比较突出计算机视觉。

  我们现在离运营比较远。做车辆运营的核心问题和瓶颈是如何扩展。比如,在一个小区运行得很好,但怎么扩张到其它地方?如果技术方案有对特殊场景的定制性和打磨,比如依赖一个小区的高精度地图,那在其它小区也需要这样,这会影响扩张的速度。如果没有高效扩张的途径,不会对市场造成冲击力。

  我们关注的是最核心的标准化部分,尽量少做特殊定制化的东西。开发一个核心的计算平台会比较标准化,具备复制的优势。

  自动驾驶有两种商业模式,一种是做供应商,一种是自己做运营,这两种的可能性都有。后者是从服务到产品到底层技术都自己做的垂直模式。

  我们现在还是考虑做供应商。自动驾驶是个相对而言比较单一、目标比较明确的任务,里面的协作链条其实越短越好,也越能解决问题。未来自动驾驶在感知到控制这件事上,从供应商的角度上来看,不会有很多玩家,最后可能还是赢者通吃。

  比其他公司更关注硬件,也更强调低功耗。未来的自动驾驶对计算的需求会越来越复杂,尤其是到了L3、L4,场景更开放也更复杂,这就要求提供单位功耗的计算能力。

  做自动驾驶一般有两类:一是自己做硬件,比如激光传感器;一是纯软件公司,做多传感器融合,使用现成的处理器。地平线还是强调软硬件深度整合,更关注软件在硬件上的效率,对系统发热、可靠性也很关心。

  我们相对来说更理性一点,风格不一样。这个世界应该是多样的,至于怎么定位自己,这与商业模式、公司的调性,以及创始人的风格有关。

  对于我们来讲,还是首先对这件事有足够的敬畏之心,就像Google天时地利人和都有,把Mountain View(Google总部所在地)的地图都扫描了一遍,甚至连垃圾筒都能精确定位,但同样很小心。

  我的看法是,2020年乘用车到L3级别自动驾驶会在高端车上出现,但也不是无条件的。L4还要再往后,不排除局部的园区做演示运营,但我觉得会是在非常限定的场景进行,甚至像大学校园这样的地方也不算限定场景,因为还是有很多突发情况,考验很大。

  我认为,L2、L3、L4这样的划分虽然是离散的阶段,但中间其实是不断升级的,比如奥迪A8虽然是L3,但更接近L2,因为它限制了很多使用条件。未来会逐渐把这些限制条件去掉,整个过程不是离散,而是呈连续不断升级的发展状态。

  央视曾报道地平线基于比亚迪秦的一辆自动驾驶原型车,可否介绍一下整体方案?

  当时用的是差分GPS、16线激光雷达,摄像头等传感器,核心想法还是开发基于纯视觉的方案,之所以有冗余,是希望用比较贵的传感器去训练基于视觉的系统,这些传感器相当于会产生标注数据。简单来说,比如要知道基于摄像头传感器的行人距离,可以通过激光了解数据产生样本,然后对视觉方案进行增强。

  激光雷达主要是研发用,了解理想的定位系统是怎么样的。我们的关注点还是基于强大的软硬件平台,做更依赖纯视觉的方案,因为这样能把成本降下来。

  我还是相信第一性原理,既然人是依靠纯视觉来完成驾驶的,那我们也希望能做到。不是说不去做多传感器融合,而是想基于视觉把系统做到人类水平,再加上其它传感器,使整个系统比人类更安全。这是我的逻辑。