808
專訪餘凱：地平線完成Intel Capital領投的近億美金A+輪融資，未來如何將嵌入式AI解決方案做到第一？
地平線CEO餘凱與Intel高級副總裁&Intel Capital總裁Wendell Brooks
雷鋒網(公眾號：雷鋒網) 舊金山當地時間2017年10月19日消息，Intel Capital今天公布將以6000萬美金投資15家人工智能與大數據公司，這15家公司分別來自美國、加拿大、以色列、日本和中國，其中國內人工智能創業公司地平線入選這次公布的投資公司名單。
與此同時，另一條更值得注意的消息是，地平線官方也在當天同步公布完成近億美元的A+輪融資，其中Intel Capital是本輪融資的領投方，本輪投資中其他投資方還有嘉實投資、晨興資本、高瓴資本、雙湖投資和線性資本。
從Intel Capital這次6000萬美金的總投資金額和領投地平線本輪融資的情況來看，地平線在Intel Capital此次出手投資金額中占了比較高的比重。
Intel Capital本次投資的邏輯
自1991年成立之後，Intel Capital在過去的16年時間裏一共投資了超過1500家公司，總投資金額122億美金。根據官方統計，加上本次投資的15家公司，Intel Capital今年已經投出5.66億美金。
本次投資的15家公司，其業務領域從人工智能、網絡安全到自動駕駛、深度學習加速器都有涉及，Intel Capital對這個大主題的概括是“數據”。
Intel高級副總裁、Intel Capital總裁Wendell Brooks表示，當前的世界正在經曆數據爆炸的時代。他提到一個Intel經常使用的例子“到2020年，一輛自動駕駛汽車每天在路上會產生4TB的數據。”
按照不同的業務屬性，Intel Capital將這次投資的15家公司納入了數據分析、數據采集、數據管理、數據安全4個類目，由此構建圍繞數據的價值鏈。這也是Intel今年頻頻對外提到的，從一家計算處理公司轉型成“數據”公司。
這次公布的15家被投公司名單：
-
數據分析 Analytics、Bigstream、LeapMind、Synthego
-
數據采集 AdHawk Microsystems、Trace、Bossa Nova Robotics、EchoPixel
-
數據管理 Horizon Robotics、Reniac、TileDB Inc.
-
數據安全 Alcide、Eclypsium、Intezer、Synack
如何理解地平線的核心業務？
地平線正式創辦於2015年的7月，2年時間，現在已經發展到300多人的團隊，除了北京外，在上海、南京、深圳都設有分公司。在此前已經公布的合作關係中：
-
地平線此前為美的提供了針對空調智能化的嵌入式解決方案；
-
為科沃斯提供針對掃地機器人的智能化解決方案；
-
與Intel合作，在2017 CES上推出基於Altera FPGA結合地平線自主IP架構的ADAS技術原型；
-
此外，地平線也是頂級汽車零部件供應商博世在ADAS係統和算法領域的合作夥伴。
地平線的兩項核心競爭力，可以理解為算法與處理器IP。圍繞算法和處理器IP，目前他們正向智能家居、智能安防、智能駕駛等多個領域設計測試並量產交鑰匙解決方案。
在今天舊金山舉行的Intel Capital投資CEO會議上，餘凱就講到，在數據爆發式增長的背景下，“未來自動駕駛汽車每天在路上要產生4TB的數據，這些數據的傳輸和處理是非常昂貴的。如果能夠提供一種解決方案，在終端上就對數據進行有效的處理，既能降低成本、提高效率，同時也能提高數據的安全性。”所以針對邊緣計算設計低功耗、低成本、高效率的處理器IP架構，就是地平線找到的一個“甜點”。
目前在解決方案方麵，地平線在去年就公布了針對智能駕駛應用的雨果平台，此外，在使用現有FPGA、GPU、CPU等現有處理器設計和提供交鑰匙解決方案的基礎上，地平線自主設計的基於高斯架構的第一代芯片“盤古”也將很快公布。
可以透露的信息是，地平線的“盤古”是一款專為深度學習打造的處理器，主要用於計算機視覺的計算，應用場景包括智能攝像頭、高級輔助駕駛ADAS等。盤古的功耗僅2W，能實現1080p@30fps的物體檢測、識別、追蹤，能同時識別250個目標。
最後，9月底雷鋒網對餘凱進行了一次專訪。在這次采訪中，他和我們分享了他對於人工智能商業化的看法，內部盤古芯片的研發進程，以及地平線在自動駕駛領域解決方案的思路與進展。
以下是采訪實錄，由雷鋒網作了不改變原意的編輯。
談處理器“盤古”
第一款處理器“盤古”的開發過程是怎麼樣的？
從2015年的10月公司成立3個月的時候開始著手研發，之前是把團隊組建起來。軟件算法團隊順理成章，公司可以拉出一票人來，但硬件不是我自己特別熟的領域，要把硬件團隊張羅起來。周峰（地平線首席芯片架構師）是第一天就加入地平線了的。
一開始花了幾個月時間先做算法軟件架構的設計，軟件框架確定後開始做硬件架構，再然後是硬件的前端設計、後端設計。架構驗證也做的比較充分，花了很長時間，因為不希望第一款處理器最後變成一塊石頭。還要買IP，比如ARM的IP。
另外由於我們不是賣處理器，所以還會先把後麵偏應用的工作做好，再對外發布產品。
芯片開發團隊的情況是怎麼樣的？
現在有幾十人，由周峰領導。
這款芯片如何兼顧不同業務的需求？
其實它是一個比較通用的計算機視覺處理器，主要做圖像識別。
核心就是兩個場景，一是智能攝像頭，二是ADAS。可以把兩個場景的需求都收斂下，設計一個算法框架去處理，做一款芯片。未來我們會分成兩款芯片，但一開始還不會做的這麼精準。就像巴菲特說的，模煳的正確好於精確的錯誤。
地平線是想做芯片加算法的整體解決方案，既然這樣，為什麼一定要自己做芯片，而不是直接購買？
不自己做處理器更好的話，當然也不會去做，畢竟企業要做理性選擇，從成本與收益的角度去考慮問題。
但我們自己做應用，對應用場景的獨特理解會成為我們特別的know how與競爭優勢，做處理器也是希望與這點相結合。如果買通用處理器，可能跟不上我們的節奏，滿足不了對具體業務的需求。
現在的計算機視覺，拿深度神經網絡來說，功耗很難做得很理想。它計算力大，而且會產生很多中間數據，通用的芯片在性能上會很難達到要求。就像現在前裝ADAS上用的最多還是Mobileye，它自己做算法也做處理器，效率可以達到比較高。軟硬結合的話才能在效率上做到極致。
從應用出發，從軟件上的需求往下走，就會發現硬件有些地方不是專門為軟件做的，以至於不夠好。就像其實自動駕駛公司也不會在多套硬件上做方案，肯定還是就著一個硬件來做。那如果硬件自己做的話，會不會有可能更好呢，因為效率更高。
什麼時候開始有這種軟硬結合的思路的？
在百度的時候開始萌生這種想法。我比別人早幾年開始做人工智能算法，好多年的時間也在思考，未來整個生態的演化路徑是怎麼樣的，這裏的關鍵區分度又會在哪。所以我們會稍微顯得不一樣，下決心要走軟硬一體的道路。
第一步我們還是做解決方案，我需要花五年的時間把解決方案做好，把嵌入式的人工智能解決方案做到世界第一。
為什麼是五年？
第一款處理器花了兩年時間，後麵會以一到兩年的速度迭代。我認為還需要迭代兩次，讓軟硬件達到一個相當高效的狀態。
談自動駕駛與芯片
地平線在駕駛上有哪些並行的產品項目？
現在有兩條線，一條是ADAS，一條是低速的自動駕駛計算方案，會在今年的CES上有一個對外展示。
其實我們已經有將計算方案賣給國內的一些創業公司，未來有可能有公司用的我們的方案，也就是“地平線Inside”。很多自動駕駛公司偏係統集成，做某個場景下的自動駕駛加運營，與我們有合作的機會。
不同車企與供應商之間對智能駕駛解決方案的需求有蠻大差異，怎麼去平衡支持並行的項目？
我覺得還是要聚焦場景，就關注高速情況下的ADAS和低速的自動駕駛這兩個場景。這樣需求比較容易標準化和收斂。
盤古還是主要關注在ADAS？
今年的盤古在自動駕駛上主要服務於ADAS，下一代產品的目標會是做軟件硬件的整體方案，用於L3自動駕駛和有限、低速場景的L4自動駕駛，並且會比較突出計算機視覺。
有沒有考慮過自己做自動駕駛車輛的運營？
我們現在離運營比較遠。做車輛運營的核心問題和瓶頸是如何擴展。比如，在一個小區運行得很好，但怎麼擴張到其它地方？如果技術方案有對特殊場景的定製性和打磨，比如依賴一個小區的高精度地圖，那在其它小區也需要這樣，這會影響擴張的速度。如果沒有高效擴張的途徑，不會對市場造成衝擊力。
我們關注的是最核心的標準化部分，盡量少做特殊定製化的東西。開發一個核心的計算平台會比較標準化，具備複製的優勢。
地平線認為自己在自動駕駛的產業鏈條上的什麼位置？
自動駕駛有兩種商業模式，一種是做供應商，一種是自己做運營，這兩種的可能性都有。後者是從服務到產品到底層技術都自己做的垂直模式。
我們現在還是考慮做供應商。自動駕駛是個相對而言比較單一、目標比較明確的任務，裏麵的協作鏈條其實越短越好，也越能解決問題。未來自動駕駛在感知到控製這件事上，從供應商的角度上來看，不會有很多玩家，最後可能還是贏者通吃。
相比其它自動駕駛公司，地平線如何突出自己的特點？
比其他公司更關注硬件，也更強調低功耗。未來的自動駕駛對計算的需求會越來越複雜，尤其是到了L3、L4，場景更開放也更複雜，這就要求提供單位功耗的計算能力。
做自動駕駛一般有兩類：一是自己做硬件，比如激光傳感器；一是純軟件公司，做多傳感器融合，使用現成的處理器。地平線還是強調軟硬件深度整合，更關注軟件在硬件上的效率，對係統發熱、可靠性也很關心。
為什麼不直接做L4？
我們相對來說更理性一點，風格不一樣。這個世界應該是多樣的，至於怎麼定位自己，這與商業模式、公司的調性，以及創始人的風格有關。
對於我們來講，還是首先對這件事有足夠的敬畏之心，就像Google天時地利人和都有，把Mountain View（Google總部所在地）的地圖都掃描了一遍，甚至連垃圾筒都能精確定位，但同樣很小心。
我的看法是，2020年乘用車到L3級別自動駕駛會在高端車上出現，但也不是無條件的。L4還要再往後，不排除局部的園區做演示運營，但我覺得會是在非常限定的場景進行，甚至像大學校園這樣的地方也不算限定場景，因為還是有很多突發情況，考驗很大。
我認為，L2、L3、L4這樣的劃分雖然是離散的階段，但中間其實是不斷升級的，比如奧迪A8雖然是L3，但更接近L2，因為它限製了很多使用條件。未來會逐漸把這些限製條件去掉，整個過程不是離散，而是呈連續不斷升級的發展狀態。
央視曾報道地平線基於比亞迪秦的一輛自動駕駛原型車，可否介紹一下整體方案？
當時用的是差分GPS、16線激光雷達，攝像頭等傳感器，核心想法還是開發基於純視覺的方案，之所以有冗餘，是希望用比較貴的傳感器去訓練基於視覺的係統，這些傳感器相當於會產生標注數據。簡單來說，比如要知道基於攝像頭傳感器的行人距離，可以通過激光了解數據產生樣本，然後對視覺方案進行增強。
地平線比較看重視覺方案，那對用到激光雷達等傳感器是什麼樣的態度？
激光雷達主要是研發用，了解理想的定位係統是怎麼樣的。我們的關注點還是基於強大的軟硬件平台，做更依賴純視覺的方案，因為這樣能把成本降下來。
我還是相信第一性原理，既然人是依靠純視覺來完成駕駛的，那我們也希望能做到。不是說不去做多傳感器融合，而是想基於視覺把係統做到人類水平，再加上其它傳感器，使整個係統比人類更安全。這是我的邏輯。
本文作者：張馳
本文轉自雷鋒網禁止二次轉載，原文鏈接
最後更新：2017-11-06 16:05:16