人工智能已經(jīng)成為未來5~10年最具顛覆性的產(chǎn)業(yè)機(jī)會(huì)，從PC互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng)，先后成長起來了CSCO、雅虎、谷歌、Facebook、蘋果這樣的科技巨頭。而人工智能時(shí)代，又有新的玩家可能會(huì)走上業(yè)界巔峰。2015年，正是人工智能在中國剛剛熱起來的時(shí)候。在這一年，百度智能駕駛的創(chuàng)始人余凱選擇離開百度，找了一群業(yè)界大牛，包括百度IDL主任架構(gòu)師黃暢、Facebook Fair創(chuàng)始人楊銘、前諾基亞副總裁方懿、前華為芯片架構(gòu)師周峰共同創(chuàng)辦了地平線機(jī)器人，要做中國產(chǎn)的人工智能芯片。這個(gè)團(tuán)隊(duì)做出了很多世界級的研究成果，包括在2014年，作出世界第一款人臉檢測芯片，被80%的數(shù)碼相機(jī)的廠商，包括索尼、蘋果等在采用。地平線機(jī)器人技術(shù)創(chuàng)始人余凱

余凱表示，地平線的團(tuán)隊(duì)很多來自互聯(lián)網(wǎng)軟件行業(yè)，以前是做深度學(xué)習(xí)和機(jī)器學(xué)習(xí)，但是軟件到一定階段硬件成為了瓶頸，于是自己來做硬件。

成立兩年之后，余凱在今年年初的發(fā)布會(huì)上說出了地平線的目標(biāo)：地平線將主攻ADAS和自動(dòng)駕駛解決方案，同時(shí)要建設(shè)業(yè)界最大的駕駛數(shù)據(jù)庫，預(yù)計(jì)到201年數(shù)據(jù)變現(xiàn)業(yè)務(wù)將會(huì)變成千萬美金級別的生意。

在日前舉行的青城山中國IC生態(tài)高峰論壇上，余凱闡述了他眼中的人工智能產(chǎn)業(yè)以及芯片的未來趨勢。

人工智能芯片的工作原理？

科技行業(yè)的人都熟悉摩爾定律，但是我們今天要講的是新摩爾定律。由于人工智能的應(yīng)用、場景的驅(qū)動(dòng)導(dǎo)致在軟件架構(gòu)方面會(huì)產(chǎn)生重構(gòu)，使得應(yīng)用到人工智能的處理器被重新定義。更強(qiáng)大的工藝和更先進(jìn)的性能在人工智能芯片領(lǐng)域不再奏效，人工智能芯片需要許多特殊的計(jì)算模式，比如卷積計(jì)算、低規(guī)計(jì)算。相比傳統(tǒng)的數(shù)據(jù)中心，人工智能芯片最大的不同是模仿人腦。人的大腦的處理速度是很慢的，但是為什么可以一心二用，可以進(jìn)行復(fù)雜的問題思考，可以針對不同的特殊問題做特殊處理呢?舉一個(gè)例子:大腦對漢字的識(shí)別順序是不敏感的，上圖的字讀到最后才知道這個(gè)順序是亂的，為什么會(huì)這樣？大腦對一些特殊的問題，做了特殊的加速。在空間上是并行處理，所以對這個(gè)順序是不敏感的。由于人工智能芯片針對特定問題進(jìn)行專門的算法及設(shè)計(jì)，使得芯片處理效率獲得兩到三個(gè)數(shù)量級的提升，這恰恰是最近幾年芯片業(yè)的一個(gè)趨勢。從2011年開始，Google采用CPU來做人工智能算法，到2012年百度用GPU，2014年百度和微軟用FPGA做深度神經(jīng)網(wǎng)絡(luò)的加速同時(shí)部署了上萬臺(tái)的服務(wù)器。2015年2016年地平線創(chuàng)立要做BPU，2016年谷歌說要做第一代TPU。從這里看到的趨勢就是人工智能應(yīng)用的牽引下，使得整個(gè)處理器不斷的重構(gòu)。從時(shí)間維度來看，我們看到PC到移動(dòng)終端到IOT，對PC和移動(dòng)的要求越來越高。所以處理器的趨勢是從中心到邊緣，以前很多人工智能的計(jì)算是在數(shù)據(jù)中心，以后大量的計(jì)算在邊緣計(jì)算。所以未來業(yè)界的發(fā)展趨勢是可以在移動(dòng)終端進(jìn)行本地的人工智能計(jì)算。而這些計(jì)算需要低延時(shí)、低功耗、低成本、數(shù)據(jù)安全性，相比傳統(tǒng)的處理器要求更高。第三個(gè)趨勢是邊緣的競賽是更高、更快、更強(qiáng)。比如特斯拉的車每輛車8~12個(gè)camera，探測距離和對像素解析越來越高，所以會(huì)不斷從720P到1080P到4K視頻，對于處理性能要求越來越高。

為何要使用專門的人工智能芯片？

“自動(dòng)駕駛是一個(gè)比下圍棋更復(fù)雜的過程，下圍棋是只有兩個(gè)人在博弈，而自動(dòng)駕駛是你跟道路環(huán)境博弈，這里面的決策導(dǎo)致的計(jì)算復(fù)雜度，是超出我們的想象，”余凱表示。這張圖是目前人工智能芯片的競爭格局。英偉達(dá)是最先收益的公司，在2年內(nèi)市值從100億美金變成了900億美金。相對而言英特爾的CPU對于人工智能應(yīng)用的處理效率太低。而專用的芯片如谷歌的TPU以及地平線的BPU都具有很大的優(yōu)勢?？梢钥吹絅vidia的處理能力是最高的，但是效率其實(shí)并不怎么樣?，F(xiàn)在整個(gè)業(yè)界都在往效率方面提高。這個(gè)領(lǐng)域我們的處理器包括google的TPU都做到了。地平線的BPU邏輯是跟谷歌的TPU思路很像。與很多硬件公司不一樣，地平線特別注重軟件系統(tǒng)，地平線就構(gòu)造了面向自動(dòng)駕駛建設(shè)的軟件平臺(tái)Hugo，這是一個(gè)基于深度學(xué)習(xí)的系統(tǒng)。提供從感知一直到動(dòng)態(tài)的決策，從端到端的深度學(xué)習(xí)，到后面面向增強(qiáng)學(xué)習(xí)的決策。

中國本土的人工智能芯片：盤古

這是地平線跟INTEL在今年CES上展示的基于處理器架構(gòu)的FPGA平臺(tái)，用8瓦功耗做到在復(fù)雜環(huán)境下超時(shí)幀的處理。目前沒有一款其它的處理器能支持實(shí)時(shí)的計(jì)算。與IP提供商芯原一起合作，地平線推出的盤古處理器應(yīng)用非常廣泛。包括處理的Mobile eye的軟件，跟Nivdia的芯片相比，盤古處理器可以針對中國的復(fù)雜路況進(jìn)行處理。相比英偉達(dá)的處理器可以做到30個(gè)人臉的實(shí)時(shí)的抓拍，地平線可以做到250個(gè)人臉，而功耗是其十分之一。這是地平線的第二代芯片，要做到像素級的識(shí)別。對遮擋和形變，各種不規(guī)則的形狀和物體，都有非常準(zhǔn)確的識(shí)別。據(jù)介紹，盤古第三代的處理器不光是像素級的，而是動(dòng)態(tài)、3維的場景。這個(gè)對于自動(dòng)駕駛的路徑規(guī)劃是至關(guān)重要的。包括在高速公路上，包括可行駛區(qū)域，包括車道線和車輛，包括在晚上的場景精確識(shí)別汽車，包括各種不規(guī)則的形狀的物體，都有非常準(zhǔn)確的識(shí)別性。而這種超級復(fù)雜的情況里，大概用16毫秒就可以進(jìn)行處理。