演讲实录丨吴强：“人工智能应用：从处理器到解决方案

2017年12月8日，由中国人工智能学会承办的2017世界智能制造大会---制造业+人工智能技术论坛顺利召开，来自全球知名专家、学者、业界精英汇集于此，展开一场制造业＋人工智能技术主题论坛，带领参会听众们共同开启全新视角，展示中国制造向中国“智造”迈步的重要转变。

本文根据论坛嘉宾地平线机器人副总裁&首席云架构师、地平线南京公司总经理、前Fackbook人工智能云架构主任工程师吴强带来的名为《人工智能应用：从处理器到解决方案”》的主题演讲整理。

吴强：各位专家，各位嘉宾，各位同行，今天很高兴也很荣幸来到这里，和大家分享一下我们地平线在人工智能方向上的思考，也汇报一下我们最近的进展。

这一轮的人工智能的爆发主要得益于三个方面的发展：算法、数据、和算力。

首先说说算法和大数据。深度学习或者深度神经网络，和传统人工智能算法相比，首先带来的变化是数据驱动(data-driven)，相对于传统算法中的规则驱动（rule-driven）。 其次， 不同于传统算法中费时的feature extraction/transform过程, 深度学习是端对端的训练学习（end-to-end learning）。再次，近年来出现的互联网大数据，帮助克服了原来深度学习中的很多缺陷，比如over-fitting问题。最后，深度学习提供了非常灵活构建神经网络模型的方法。 由于这些因素，导致了近十年来深度学习算法的高速发展，直接贡献了我们这一轮人工智能的爆发。

刚才我们说了互联网大数据对深度学习算法有很大的帮助，特别是在分类和识别问题上，大数据直接提高了深度学习算法的精度。在这张图中，红线代表的是传统人工智能的算法，兰线代表的是深度学习算法。 对于传统人工智能算法，大数据量是有帮助的，但是到了一定程度后帮助会有所减缓。对于深度学习，大数据的帮助是一直持续的。

下面重点说说算力，因为这个因素是支持前两个因素的基础。近年来，人工智能的计算经历了一个模式上的迁移，从最初的CPU到GPU再到FPGA，再到针对人工智能计算的特殊芯片，比如TPU、BPU。总结下来，整个迁移有三个趋势。第一从通用处理器到专用处理器，这张图显示的是一些不同的芯片，对效率做了一些比较，所谓的专用芯片是针对应用场景进行结构上的重新设计，充分发挥并行处理能力，降低冗余。 结果上，损失的是通用性，但是带来的是效率，专用的芯片比通用芯片性能上有一百到一千倍的提升。第二个趋势就是人工计算从中央走向边缘，在人工智能时代，成千上万的嵌入式设备，具备了从感知到认知到理解到决策的能力。这些嵌入式设备，可以是家电、玩具、汽车、摄象头。也就是说，我们生活中所有的设备都具备了计算的能力。用汽车做一个例子，有一个预测，到2030年的时候大概有一半的汽车将是自动驾驶。另外一个例子是摄象头，里面可以包括很多智能因素，可以看懂很多事情。特别是在中国，去年一年总共部署将近1个亿的摄象头。广义上来说，这些智能设备都算是机器人。软银的孙正义曾说过，到2040年整个世界上将会有一百亿机器人，将会超过人类的数量。第三个趋势，边缘的竞赛会变的更快更高更强大。边缘计算需要更强的处理能力，同时低功耗。由于这种对人工智能算法和算力的需求和趋势，在将来，一个真正高效的人工智能解决方案，一定是要包括了从算法到专用芯片到云到数据的全面解决方案。这种全面的解决方案，可以应用到很多的领域，包括计算机视觉和监控，语音识别语音理解、智能驾驶、工业制造和医疗。

正是基于以上的思考和理解，我们地平线一直专注于嵌入式人工智能解决方案的研发，我们的愿景是做嵌入式人工智能全球领导者。首先介绍一下地平线，我们2005年成立，现在分布在北京、南京、深圳，有300多名研发人员，是很国际化的团队，有一小半人在国外学习或工作过，我们创始人是余凯博士。我们很感恩，地平线得到了很多投资机构的支持，也很有幸被评为2017的科技先锋企业之一。从业务上来说，地平线目前有两个主要应用场景，智能驾驶和智能监控或泛安防。还是从算法说起，我们以自动驾驶为例，从感知到定位到3D模型到路径规划等，每一个模块定义成一个深度神经网络，而整个流程定义成一个巨大的贝叶斯网络。 在硬件上，我们一直坚持研发自己的专用芯片。我们认为要想真正做好一个系统必须要有自己的专用芯片或硬件。这里显示是我们一个专用芯片的路线图，目前计划有三代，第一是高斯架构，针对2级自动驾驶。第二代贝努利，针对3级自动驾驶。第三代贝叶斯架构，针对4级自动驾驶。经过近两年的努力，地平线即将推出业界第一款嵌入式人工智能计算机视觉处理器（内部代号：盘古），将主要应用于智能驾驶和智能摄象头。最后说说我们的云，因为我们提供的是一个解决方案，这需要端+云。在端上面，这些都是包含我们芯片的智能设备，比如智能摄象头。智能终端是数据入口，将结构化数据传往云端。 云端可以做数据分析和多设备间的数据关联，再将模型和其它信息反馈给端。端云协同，提供一个最好的解决方案。

下面做个简单的展示。这是基于我们第一代芯片处理器做的高级辅助驾驶系统，因为我们芯片是针对中国路况训练的，我们有一个团队专门做数据收集和标注，收集中国的路况和数据进行我们的模型训练，这是国外公司没有的。这一张展示是我们同时跟Intel联合发布基于BPU高斯架构的辅助驾驶系统。除了驾驶之外还有一个应用，智能监控和智能安防，这张展示的是带有我们芯片的一个智能摄象头。这张展示的是我们正在研发的第二代芯片，因为有更多的处理能力和低功耗，对视频／图片可以做象素级的处理和分析。也就是说可以进行基于象素的检测和识别，这不同于传统的框框识别。 这张展示可以看出，我们第二代芯片的识别将更加的精确，跟人的结合更紧密。此外，除了人的检测之外，还可以做更多的东西，比如人的姿势动作的识别，可以判断这个人是不是摔倒了，等等。 这些都可以通过我们的芯片来做到识别和检测。

最后总结一下，人工智能应用真正落地，需要一个包括算法，专用芯片和云服务在内的全面解决方案。地平线从成立之处一直坚持软硬件结合的产品解决方案道路。我们认为人工智能作为智能制造的底层支持技术，它的发展将先于应用层技术的发展。作为最复杂的控制系统之一，自动驾驶等应用将促进人工智能应用技术发展。人工智能技术发展将会和传统行业深度融合，扩展应用到智能工业监控，生产设备智能化改造等领域。

以上是我的汇报。也希望能和在座的同行有更多的合作。我们一起为人工智能，为智能制造的发展多做贡献，谢谢大家。