人工智能处理器：新的产业军备竞赛丨华映分享

主页（http://www.kuwanit.com）：人工智能处理器：新的产业军备竞赛丨华映分享

分 享

转自丨中金启元 ID：CICC_Genesis

三大趋势解读人工智能的前世今生

趋势一：新摩尔定律

过去的30年中，摩尔定律在驱动信息产业进步。每经过18个月，晶体管密度增加一倍，计算能力提升一倍，成本减半。然而，通过工艺的提升来改善物理性能的方式已经到了极限，工艺的提升不再能满足需求。解决方法的方法就是新摩尔定律，即通过体系架构的提升和创新来提升算力。CPU，即通用处理器主导了过去的进程。通用处理器解决的是通用的任务；而AI是解决新类型的任务，感知、认识和控制相关的任务需要AI来处理。人类大脑在感知和认识方面更强，所以更像AI处理器。

趋势二：从中心到边缘

在2000年左右时，PC、键盘、鼠标等为主要的人机交互的平台，对AI需求较低；到了2010年，移动互联网兴起，设备屏变小，需要做个性化推荐，对智能和内容个性化推荐的需求开始显现；2020年后，物联网、万物互联对于物与物之间连接的要求提升，对于AI会提出新的要求。从云端到设备端去布局计算，在设备端部署决策，依靠本地的计算实现智能。在云端处理完数据再传回设备的话，时间比较长，有局限性。边缘的机会越来越大，就需要电池续航更强、低功耗、高性能、成本要便宜。在技术路线上，需要加强云端计算能力和加强设备端(本地)运算能力。

趋势三：边缘的竞赛——更快、更高、更强

未来需要更强的传感器。以特斯拉为例，每辆车需要8-12个摄像头，因此传感器是一个投资方向。未来的汽车需要更高识别精度(720P到1080P再到4K)、处理效率更高(能够实现100KM/H到200KM/H反应速度)的传感器，因此对未来传感器的识别精度和处理效率提出了挑战。中国需要有自己自动驾驶平台，处理器和操作系统一定要自主可控，这些都关乎数据和决策，军备竞赛是确实存在的。未来的五至十年的机会，是一个颠覆产业的时间节点。

地平线机器人技术创始人、前百度研究院执行院长余凯

在讲座现场，余凯博士也介绍了自己一手创立的地平线机器人的投资理念。地平线于2015年7月(AI风口来临前一年创立），主要做深度学习处理器(BPU），是中国第一个做深度学习处理器的公司，拥有超过200名工程师。核心竞争力就是：算法、芯片、云(从算法到芯片再到云的技术逻辑）。

不倦寻光，释疑解惑——人工智能Q&A

Q1：如何看待百度把无人驾驶平台开放对市场的影响？在百度开放自动驾驶平台的背景下，对投资人未来的投资方向有什么建议？

余凯：首先，百度只是平台(即软件)开放，但是并没有实现开源，硬件开发的技术门槛限制了大部分想做这件事的人，所以还有不可控因素，无法知道未来的演进路径。第二，软件和硬件的配合很难，软硬优化不是哪一家都能做好的事情，即使开源了也仍然没几个人能够做好。汽车的硬件标准还没有统一。百度更多的是产业的示范，但是对产业的影响力较小。传感器的演进路线还是没有控制在自己手里。软件和硬件的配合，做一个通用的平台。

投资方向：投关键路径，即实现无人驾驶的必经之路相关的环节。例如传感器、光学器械、计算平台(核心处理器，中国市场找出一家跟Intel、NVIDIA比肩的公司)、互联网思维的出行的运营者等。

余凯表示，不太看好纯做软件的公司，因为这类公司拟会被上下游挤压的比较厉害。Intel未来会越来越封闭，从处理器逐渐往上游走，最终变成一家提供解决方案的公司。处理器虽然利润率比较高，高通有知识产权，但是中国的企业主要靠SOC，处理器让下游有相同的能力，差异化消失，未来就是价格战。未来Intel、NVIDIA都会变成解决方案公司。

Q2：对汽车LIDAR技术路径趋势的看法如何？加入了伪数据是否会影响自动化驾驶安全性？

余凯：传感器的演进，存在着确定性和不确定性。确定性是摄像头的作用会增强，信息力是更丰富的，至少需要跟人是同一个频段的，不能人看到的东西传感器看不到。不确定性在于毫米波雷达，空间定位能力在增强，目前有技术能够达到1个毫米波雷达就能实现激光雷达的作用；并且固态雷达的成本在不断降低。地平线公司以不变应万变，对输入数据的处理一定能够应对变化。

软件平台的生态控制力的要强于硬件平台，控制了软件就控制了编译器，如果做系统，可以对生态系统有一定的免疫力。对于自动驾驶，未来基本上是寡头垄断，会出现一家独大的软硬件一块做的公司，但不会出现软件平台控制整个产业生态的情况。伪数据是个问题，暂时没办法解决。

Q3：地平线安防产品的云端应用进展如何？L4自动驾驶的发展进程如何？

余凯：地平线目前有两款产品，一个是安防产品，另一个是自动驾驶。安防的产品主要是云端的产品形态与应用；跟Tier 1或者整车厂的合作有进展。L4目前没有日程。安防需求是现实需求，定位是提供AI计算处理器。

Q4：现阶段自动驾驶采集的数据量达到了什么水平？达到L5需要多少数据量？光做硬件(量子计算)是否有前途？

余凯：地平线有150个数据标注员。训练需要多少数据无法算出来，但是肯定比测试需要的数据量大；测试是能算出数的，按每公里错误率来算，需要上百万公里的测试。量子计算现阶段由于算法端单一几乎没有应用场景，实现量产化需要很长时间，几乎不现实。

Q5：AI对云计算是否有特殊要求？

余凯：云计算端，NVIDIA的收入会持续增长，大量的计算还是会在云端。未来很长一段时间还会是这个趋势；NVIDIA和Intel会打仗，Google也准备加入战局，Amazon怎么做也很值得关注。

Q6：从国家角度讲，政府基金在AI领域应该扮演什么样的角色？国内外自动驾驶端侧重点有什么区别？从L3到L5有什么技术演变？