演講實錄丨吳強：“人工智慧應用：從處理器到解決方案

2017年12月8日， 由中國人工智慧學會承辦的2017世界智慧製造大會---製造業+人工智慧技術論壇順利召開， 來自全球知名專家、學者、業界精英彙集于此， 展開一場製造業＋人工智慧技術主題論壇， 帶領參會聽眾們共同開啟全新視角， 展示中國製造向中國“智造”邁步的重要轉變。

本文根據論壇嘉賓地平線機器人副總裁&首席雲架構師、地平線南京公司總經理、前Fackbook人工智慧雲架構主任工程師吳強帶來的名為《人工智慧應用：從處理器到解決方案”》的主題演講整理。

吳強：各位專家， 各位嘉賓， 各位同行， 今天很高興也很榮幸來到這裡， 和大家分享一下我們地平線在人工智慧方向上的思考， 也彙報一下我們最近的進展。

這一輪的人工智慧的爆發主要得益於三個方面的發展：演算法、資料、和算力。

首先說說演算法和大資料。 深度學習或者深度神經網路， 和傳統人工智慧演算法相比，

首先帶來的變化是資料驅動(data-driven)， 相對于傳統演算法中的規則驅動（rule-driven）。 其次， 不同于傳統演算法中費時的feature extraction/transform過程, 深度學習是端對端的訓練學習（end-to-end learning）。 再次， 近年來出現的互聯網大資料， 説明克服了原來深度學習中的很多缺陷， 比如over-fitting問題。 最後， 深度學習提供了非常靈活構建神經網路模型的方法。 由於這些因素， 導致了近十年來深度學習演算法的高速發展， 直接貢獻了我們這一輪人工智慧的爆發。

剛才我們說了互聯網大資料對深度學習演算法有很大的説明， 特別是在分類和識別問題上， 大資料直接提高了深度學習演算法的精度。 在這張圖中， 紅線代表的是傳統人工智慧的演算法， 蘭線代表的是深度學習演算法。

對於傳統人工智慧演算法， 大資料量是有説明的， 但是到了一定程度後幫助會有所減緩。 對於深度學習， 大資料的説明是一直持續的。

下面重點說說算力， 因為這個因素是支持前兩個因素的基礎。 近年來， 人工智慧的計算經歷了一個模式上的遷移， 從最初的CPU到GPU再到FPGA， 再到針對人工智慧計算的特殊晶片， 比如TPU、BPU。 總結下來， 整個遷移有三個趨勢。 第一從通用處理器到專用處理器， 這張圖顯示的是一些不同的晶片， 對效率做了一些比較， 所謂的專用晶片是針對應用場景進行結構上的重新設計， 充分發揮並行處理能力， 降低冗餘。 結果上， 損失的是通用性， 但是帶來的是效率， 專用的晶片比通用晶片性能上有一百到一千倍的提升。

第二個趨勢就是人工計算從中央走向邊緣， 在人工智慧時代， 成千上萬的嵌入式設備， 具備了從感知到認知到理解到決策的能力。 這些嵌入式設備， 可以是家電、玩具、汽車、攝象頭。 也就是說， 我們生活中所有的設備都具備了計算的能力。 用汽車做一個例子， 有一個預測， 到2030年的時候大概有一半的汽車將是自動駕駛。 另外一個例子是攝象頭， 裡面可以包括很多智慧因素， 可以看懂很多事情。 特別是在中國， 去年一年總共部署將近1個億的攝象頭。 廣義上來說， 這些智慧設備都算是機器人。 軟銀的孫正義曾說過， 到2040年整個世界上將會有一百億機器人， 將會超過人類的數量。 第三個趨勢， 邊緣的競賽會變的更快更高更強大。 邊緣計算需要更強的處理能力， 同時低功耗。 由於這種對人工智慧演算法和算力的需求和趨勢， 在將來， 一個真正高效的人工智慧解決方案， 一定是要包括了從演算法到專用晶片到雲到資料的全面解決方案。 這種全面的解決方案， 可以應用到很多的領域， 包括電腦視覺和監控， 語音辨識語音理解、智慧駕駛、工業製造和醫療。

正是基於以上的思考和理解， 我們地平線一直專注於嵌入式人工智慧解決方案的研發， 我們的願景是做嵌入式人工智慧全球領導者。 首先介紹一下地平線， 我們2005年成立， 現在分佈在北京、南京、深圳， 有300多名研發人員， 是很國際化的團隊， 有一小半人在國外學習或工作過， 我們創始人是余凱博士。 我們很感恩，地平線得到了很多投資機構的支援，也很有幸被評為2017的科技先鋒企業之一。從業務上來說，地平線目前有兩個主要應用場景，智慧駕駛和智慧監控或泛安防。還是從演算法說起，我們以自動駕駛為例，從感知到定位到3D模型到路徑規劃等，每一個模組定義成一個深度神經網路，而整個流程定義成一個巨大的貝葉斯網路。 在硬體上，我們一直堅持研發自己的專用晶片。我們認為要想真正做好一個系統必須要有自己的專用晶片或硬體。這裡顯示是我們一個專用晶片的路線圖，目前計畫有三代，第一是高斯架構，針對2級自動駕駛。第二代貝努利，針對3級自動駕駛。第三代貝葉斯架構，針對4級自動駕駛。經過近兩年的努力，地平線即將推出業界第一款嵌入式人工智慧電腦視覺處理器（內部代號：盤古），將主要應用于智慧駕駛和智慧攝象頭。最後說說我們的雲，因為我們提供的是一個解決方案，這需要端+雲。在端上面，這些都是包含我們晶片的智慧設備，比如智慧攝象頭。智慧終端機是資料入口，將結構化數據傳往雲端。 雲端可以做資料分析和多設備間的資料關聯，再將模型和其它資訊回饋給端。端雲協同，提供一個最好的解決方案。

下面做個簡單的展示。這是基於我們第一代晶片處理器做的高級輔助駕駛系統，因為我們晶片是針對中國路況訓練的，我們有一個團隊專門做資料收集和標注，收集中國的路況和資料進行我們的模型訓練，這是國外公司沒有的。這一張展示是我們同時跟Intel聯合發佈基於BPU高斯架構的輔助駕駛系統。除了駕駛之外還有一個應用，智慧監控和智慧安防，這張展示的是帶有我們晶片的一個智慧攝象頭。這張展示的是我們正在研發的第二代晶片，因為有更多的處理能力和低功耗，對視頻／圖片可以做象素級的處理和分析。也就是說可以進行基於象素的檢測和識別，這不同于傳統的框框識別。 這張展示可以看出，我們第二代晶片的識別將更加的精確，跟人的結合更緊密。此外，除了人的檢測之外，還可以做更多的東西，比如人的姿勢動作的識別，可以判斷這個人是不是摔倒了，等等。 這些都可以通過我們的晶片來做到識別和檢測。

最後總結一下，人工智慧應用真正落地，需要一個包括演算法，專用晶片和雲服務在內的全面解決方案。地平線從成立之處一直堅持軟硬體結合的產品解決方案道路。我們認為人工智慧作為智慧製造的底層支援技術，它的發展將先于應用層技術的發展。作為最複雜的控制系統之一，自動駕駛等應用將促進人工智慧應用技術發展。人工智慧技術發展將會和傳統行業深度融合，擴展應用到智慧工業監控，生產設備智慧化改造等領域。

以上是我的彙報。也希望能和在座的同行有更多的合作。我們一起為人工智慧，為智慧製造的發展多做貢獻，謝謝大家。

我們很感恩，地平線得到了很多投資機構的支援，也很有幸被評為2017的科技先鋒企業之一。從業務上來說，地平線目前有兩個主要應用場景，智慧駕駛和智慧監控或泛安防。還是從演算法說起，我們以自動駕駛為例，從感知到定位到3D模型到路徑規劃等，每一個模組定義成一個深度神經網路，而整個流程定義成一個巨大的貝葉斯網路。 在硬體上，我們一直堅持研發自己的專用晶片。我們認為要想真正做好一個系統必須要有自己的專用晶片或硬體。這裡顯示是我們一個專用晶片的路線圖，目前計畫有三代，第一是高斯架構，針對2級自動駕駛。第二代貝努利，針對3級自動駕駛。第三代貝葉斯架構，針對4級自動駕駛。經過近兩年的努力，地平線即將推出業界第一款嵌入式人工智慧電腦視覺處理器（內部代號：盤古），將主要應用于智慧駕駛和智慧攝象頭。最後說說我們的雲，因為我們提供的是一個解決方案，這需要端+雲。在端上面，這些都是包含我們晶片的智慧設備，比如智慧攝象頭。智慧終端機是資料入口，將結構化數據傳往雲端。 雲端可以做資料分析和多設備間的資料關聯，再將模型和其它資訊回饋給端。端雲協同，提供一個最好的解決方案。

下面做個簡單的展示。這是基於我們第一代晶片處理器做的高級輔助駕駛系統，因為我們晶片是針對中國路況訓練的，我們有一個團隊專門做資料收集和標注，收集中國的路況和資料進行我們的模型訓練，這是國外公司沒有的。這一張展示是我們同時跟Intel聯合發佈基於BPU高斯架構的輔助駕駛系統。除了駕駛之外還有一個應用，智慧監控和智慧安防，這張展示的是帶有我們晶片的一個智慧攝象頭。這張展示的是我們正在研發的第二代晶片，因為有更多的處理能力和低功耗，對視頻／圖片可以做象素級的處理和分析。也就是說可以進行基於象素的檢測和識別，這不同于傳統的框框識別。 這張展示可以看出，我們第二代晶片的識別將更加的精確，跟人的結合更緊密。此外，除了人的檢測之外，還可以做更多的東西，比如人的姿勢動作的識別，可以判斷這個人是不是摔倒了，等等。 這些都可以通過我們的晶片來做到識別和檢測。

最後總結一下，人工智慧應用真正落地，需要一個包括演算法，專用晶片和雲服務在內的全面解決方案。地平線從成立之處一直堅持軟硬體結合的產品解決方案道路。我們認為人工智慧作為智慧製造的底層支援技術，它的發展將先于應用層技術的發展。作為最複雜的控制系統之一，自動駕駛等應用將促進人工智慧應用技術發展。人工智慧技術發展將會和傳統行業深度融合，擴展應用到智慧工業監控，生產設備智慧化改造等領域。

以上是我的彙報。也希望能和在座的同行有更多的合作。我們一起為人工智慧，為智慧製造的發展多做貢獻，謝謝大家。