2
| 本文作者： 新智駕 | 2017-01-23 12:57 |
雷鋒網(wǎng)按：本文作者為地平線智能駕駛商務總監(jiān)李星宇，畢業(yè)于南京航空航天大學，獲得了自動化學院測試儀器及儀表專業(yè)的學士和碩士學位。曾任飛思卡爾應用處理器汽車業(yè)務市場經(jīng)理，原士蘭微電?安全技術(shù)專家。
此文對CES 2017上關(guān)于自動駕駛的最新進展進行了分析，作者認為商業(yè)模式的變革是自動駕駛領(lǐng)域群雄并起的原因，并從“合作共享”、“傳感器成本下降”和“車聯(lián)網(wǎng)發(fā)展”三個角度論證了自動駕駛產(chǎn)業(yè)化的長足進步。他還指出，自動駕駛競爭的關(guān)鍵是更加理性的決策算法和更實用的計算平臺。
地平線由人工智能專家余凱于2015年創(chuàng)立，致力于提供面向自動駕駛的高性能、低功耗、低成本、完整開放的嵌入式人工智能解決方案。
雷鋒網(wǎng)經(jīng)授權(quán)發(fā)布。
▼
如果說三年前傳統(tǒng)車企對自動駕駛還是將信將疑，如今則幾乎全線壓注自動駕駛。誰能最先把自動駕駛投入實用，誰就贏得下一個時代，而競爭關(guān)鍵則取決于決策算法和計算平臺。
在新年剛開始的一周，如果你想找個地方和汽車業(yè)的人士聊聊，那最合適的地方一定是拉斯維加斯。今年的CES，車廠的參與力度堪比北美車展，而最熱的主題，毫無疑問是自動駕駛。而CES的開幕前夜致辭，一向被認為是整個CES的風向標，今年的主角從之前的Intel和微軟變成了英偉達，CEO黃仁勛的演講主題正是人工智能和自動駕駛。
在這次CES上，英菲尼迪、奔馳、日產(chǎn)、現(xiàn)代、德爾福、大眾、福特及豐田等公司競相展出自家的自動駕駛汽車原型，同時，福特、沃爾沃、谷歌以及寶馬等都公布了計劃，將在今年將其自動駕駛測試車隊的數(shù)量擴大數(shù)倍，從40輛到100輛不等。
如果說五年前，谷歌開始其無人車測試時，像春秋時代一個孤獨的布道者，追隨者寥寥，而懷疑者眾。那么現(xiàn)在就是自動駕駛的戰(zhàn)國時代，群雄并起，傳統(tǒng)車企幾乎全線進軍自動駕駛。
從三年前的將信將疑到現(xiàn)在的大舉投入，一方面是谷歌、Uber和特斯拉這樣的公司用事實不斷展示技術(shù)上的進步。但最主要的驅(qū)動力，還在于傳統(tǒng)車廠已經(jīng)越來越清晰地意識到，自動駕駛技術(shù)即將為汽車商業(yè)模式帶來顛覆式的改變，這可能是自內(nèi)燃機發(fā)明以來，汽車行業(yè)最重大的變化。
自動駕駛帶來的商業(yè)潛力有多大？從本質(zhì)上講，自動駕駛和互聯(lián)網(wǎng)的共同之處都在于：它們都通過去人力化，降低了傳輸成本。互聯(lián)網(wǎng)降低的是信息的傳輸成本，而自動駕駛則降低有形的物和人的運輸成本。對比互聯(lián)網(wǎng)已經(jīng)產(chǎn)生的商業(yè)影響力，就可以想象自動駕駛的商業(yè)潛力。
借助自動駕駛，一箱德國啤酒從工廠出廠到中國的超市，在運輸過程中可以不需要任何人工的干預，全程自動化運輸，中間會經(jīng)過輪船、海關(guān)、高速和城市，其中的任務調(diào)度都將可以在云端完成，這提供了端到端的運輸解決方案。這將需要無縫的基礎設施連接，但根本的變化還在于無需借助人力進行運輸。
同樣借助自動駕駛，從首都機場到上海的淮海路可以提前預約服務，中間也許會經(jīng)過幾次拼車，以實現(xiàn)運算效率最大化，就像手機基站切換那樣，但全程依然是無縫連接的。
基于這樣的應用，TaaS 2.0（運輸即服務，Transportation as a Service）正在成為業(yè)界探討的熱點，這里將TaaS 1.0定義為有人駕駛，而自動駕駛則是TaaS 2.0時代。摩根·士丹利公司在最近的一份報告中表示，實現(xiàn)汽車完全無人駕駛將極大程度降低拼車成本，每輛車從目前的1.50美元一英里降至20美分一英里。
這一運輸模式的變化對于傳統(tǒng)車廠的影響是巨大的，一旦汽車從私人擁有變?yōu)楣蚕磉\輸工具，傳統(tǒng)車廠的目標客戶就將由個人消費者轉(zhuǎn)變?yōu)門aaS運營商，正如華為和中國移動的關(guān)系一樣。隨之而來的，汽車的設計、銷售都將發(fā)生根本性的改變，汽車廠商就很難維持原來的強勢地位。
共享汽車的使用率將可以提升一個數(shù)量級（考慮一下我們現(xiàn)在私家車的行駛時間，以及每次的乘員人數(shù)），由此帶來的結(jié)果是：汽車整體銷量極有可能趨于下降。
自行車市場的歷史可以作為參照，2000年之前，自行車是中國私人出行的主要交通工具，與之對應的，是中國的自行車年銷量達到5000萬輛，還涌現(xiàn)出像中華自行車這樣的世界級品牌。但是當自行車作為私人出行工具的地位被汽車取代后，中華自行車陷入破產(chǎn)的命運，如今自行車的已經(jīng)成為一種出行服務的工具，并且設計也發(fā)生了極大的變化，而保留下來的市場也不能當年的規(guī)模相提并論，今天，中國的自行車消費量已不足巔峰期的40%，并且還在持續(xù)收縮中。
這意味著，整車廠將會遭遇殘酷的淘汰賽。
福特已經(jīng)未雨綢繆，高調(diào)宣布成為出行服務提供商，并啟動了FordPass項目，為消費者提供的服務包括：移動出行服務，幫助消費者更高效出行的FordGuides在線服務等。
福特CEO馬克·菲爾茲將其稱為繼福特為世界發(fā)明創(chuàng)造汽車以來最具革命性的全新平臺。Alphabet（谷歌母公司）在將其自動駕駛項目成立了獨立公司W(wǎng)aymo后也表示將在今年下半年開始提供拼車服務，該服務基于和FCA（菲亞特·克萊斯勒）共同開發(fā)的半自動駕駛MPV。寶馬與Sixt SE共同建立了拼車服務公司DriveNow，也準備切入這一市場。緊隨其后的還有大眾、奔馳以及通用等。
自動駕駛的目標市場可以分為兩塊：面向私人和面向運營。
從技術(shù)上講，如果一輛車被賣給私人的時候，其自動駕駛等級是Level3的話，那它就能在面向運營的時候發(fā)揮Level4的功能，這是因為運營車輛可以在事前被充分規(guī)劃，規(guī)定有限的行駛區(qū)域，設定行駛的各種限制，包括車速、路線等，并且預先進行充分測試。這意味著在相同的技術(shù)水準下，用于運營可以實現(xiàn)更高級的功能。
可以說，商業(yè)運營的自動駕駛車輛，其實現(xiàn)時間將早于個人使用的自動駕駛車輛。
盡管不同的車廠有不同的自動駕駛規(guī)劃，但綜合來看，面向個人消費者的量產(chǎn)車，2023年之前可以實現(xiàn)高速上的Level3自動駕駛，和一般道路上的Level2輔助駕駛，而同期面對運營商的自動駕駛車將可以實現(xiàn)在有限區(qū)域內(nèi)的Level4自動駕駛。
能否在這場自動駕駛的競爭中勝出，很大程度上將決定整車廠下一個十年的命運。
整個過去的一年里，自動駕駛產(chǎn)業(yè)化在多個方面取得了很大進步，包括產(chǎn)業(yè)鏈整合、成本以及車聯(lián)網(wǎng)。
1、業(yè)界企業(yè)相繼合作
“我們希望到2021年開發(fā)一套所有人都能使用的標準系統(tǒng)。因此，我們歡迎制造商、供應商或科技公司等其他公司參與其中，共同為無人駕駛平臺做貢獻?！痹诮谡匍_的新聞發(fā)布會上，寶馬、Intel和Mobileye公開了三方合作的更多細節(jié)，寶馬自動駕駛高級副總裁福利肯斯坦表示，寶馬及其合作伙伴最終將以非獨家協(xié)議的方式，將該自動駕駛系統(tǒng)提供給業(yè)界，包括其它車廠。
研發(fā)的是平臺級產(chǎn)品，技術(shù)上開放，商業(yè)上不排他，在傳統(tǒng)車廠的研發(fā)歷史上，這樣的開放態(tài)度是少見的。在自動駕駛激烈的競爭態(tài)勢下，合作反而成為最主流的選擇。
這三家公司的合作可能是業(yè)界最值得關(guān)注的，但回顧2016年，類似的合作可以拉出一串長長的清單，下面的合作僅僅是浮出水面的一部分：
Waymo和本田的合作，Waymo是谷歌自動駕駛項目單獨拆分后成立的子公司，雙方計劃在2020年前后實現(xiàn)高速公路上自動駕駛的實際運用；
英偉達和奧迪的深度合作，之前奧迪已經(jīng)推出了有Tegra K1的域控制器zFAS系統(tǒng)；
英偉達與ADAS業(yè)界翹楚博世達成深度合作，表明傳統(tǒng)Tier 1正在快速跟上這波潮流，并且將其有深厚積累的車規(guī)級量產(chǎn)化經(jīng)驗帶入自動駕駛領(lǐng)域；
特斯拉和三星在計算平臺方面的合作，三星今年是在汽車領(lǐng)域動作最大的消費電子公司，先后將馬瑞利和哈曼收入囊中，并且成立了一個小型部門，研發(fā)自動駕駛處理器及傳感器，并且已經(jīng)憑借其應用處理器切入奧迪供應商體系，可以預期三星將成為高通強有力的競爭對手，與特斯拉的深度合作，為三星撬動自動駕駛市場提供了一個極佳的支點；
德爾福和Mobileye的合作，德爾福在CES期間專門提供了測試車供觀眾體驗，其CTO杰夫·歐文斯表示，該自動駕駛系統(tǒng)將于2019年投入生產(chǎn)，預計批發(fā)價約為5000美元；
德國三駕馬車：寶馬、戴姆勒、奧迪聯(lián)手收購地圖供應商HERE，Intel也在最近加盟，收購了HERE 15%的股份，作為聯(lián)盟的主要成員，Mobileye也已經(jīng)和HERE一起收集并共享道路數(shù)據(jù)；
沃爾沃與奧托立夫的合作，雙方共同開發(fā)的自動駕駛平臺將向整個業(yè)界供貨；
耐世特和大陸計劃在密歇根成立一個合資公司，將打造面向自動駕駛的的電控系統(tǒng)和其他車載硬件。
2、四大核心因素推動合作
曾經(jīng)的競爭者走到了一起，整個供應商的關(guān)系也在重組，Tier1、Tier2以及主機廠，也從未如此深入綁定在一起。群雄并起，連橫合縱，在百年汽車歷史上，從未有如此規(guī)模和深度的合作。這源于四個核心的驅(qū)動因素：降低技術(shù)風險、分擔研發(fā)成本、縮短研發(fā)時間以及鎖定客戶。
“開發(fā)真正的自動駕駛汽車需要克服巨大的技術(shù)挑戰(zhàn)，我認為難度與載人登月相當?！?Mobileye CEO阿姆農(nóng)·沙書阿表示這不是一家企業(yè)能夠單獨完成的任務，合作是必然的選擇。
與此同時，各個重要玩家也在全力擴充自己的研發(fā)范圍，Intel今年動作頻頻，先后收購了深度學習初創(chuàng)公司Nervana，增強其在AI方面的實力，在今年的CES展上，Intel分別展出了與地平線機器人和AImotive合作的ADAS原型系統(tǒng)。在合作的同時，大家也都留一手，確保不被別人卡死。
傳感器是自動駕駛汽車最顯著的成本，本屆CES期間，Waymo CEO克拉夫西克宣布Waymo已經(jīng)將激光雷達成本降低了90%，單價約為7500美元?？死蛭骺嗽诮诮邮懿稍L時表示：“Waymo可能會向其它公司銷售硬件”。
受該消息的影響，Mobileye股價下跌4.4%，降至39.86美元，創(chuàng)下去年11月中旬以來最大單日跌幅。投資者普遍認為此舉有助于增強競爭，改變Mobileye一家獨大的格局，加速成本下降。
Quanergy、Velodyne、麻省理工學院等都在推進固態(tài)激光雷達的研發(fā)，其核心在于上游半導體工藝的突破，例如高功率高波束質(zhì)量的輻射源、高靈敏度接收技術(shù)、產(chǎn)品良率等，如果這些關(guān)鍵指標獲得突破，固態(tài)激光雷達的實用化有機會讓成本下降至100美元。
激光雷達被認為是最精準的自主感知手段，其有效感知范圍超過120米，而精度可以達到厘米級，但限于之前價格高昂，無法部署在量產(chǎn)車上，但前景無疑是樂觀的。
其它的傳感器價格本身已經(jīng)在可接受的區(qū)間，而性能則持續(xù)提升，在CMOS sensor方面，目前已經(jīng)有4Mp像素密度的車規(guī)級產(chǎn)品；毫米波雷達正從點目標探測往成像雷達方面發(fā)展，例如SAR（相控陣）型雷達，正在從軍用領(lǐng)域向汽車領(lǐng)域推進。
毫米波雷達芯片也正在從硅鍺工藝向廉價的CMOS工藝發(fā)展，預計2020年左右，COMS工藝可以達到現(xiàn)有硅鍺工藝的水平，并且發(fā)射、接收以及信號處理器三合一的產(chǎn)品也在開發(fā)中，屆時，毫米波雷達芯片將可能比目前的價格下降數(shù)倍。
1、國外V2X進展
2016年12月14日，美國交通部發(fā)布了V2V（車與車通信）的新法規(guī)，進入了90天公示期，法規(guī)強制要求新生產(chǎn)的輕型汽車安裝V2V通信裝置，這是一個里程碑式的進步。
美國交通部還在近日宣布成立一個自動駕駛委員會，專門對自動駕駛汽車、無人機等進行監(jiān)管，該委員會包括了通用汽車CEO瑪麗·巴拉、Waymo CEO克拉夫西克、蘋果副總裁麗莎等人，目標是確保先進的技術(shù)得到安全的部署。
安裝在車上的V2V系統(tǒng)可以看作是一個超級傳感器，它提供了比任何其它車載傳感器都高得多的感知能力和可靠性，在自車感知技術(shù)尚不能達到高可靠性之前，用V2X可以決定性地提升其可靠性。
美國交通部的新規(guī)中要求V2V裝置的通信距離達到300米，并且是360度覆蓋，遠超攝像頭的探測能力，并且其感知信息屬于結(jié)構(gòu)化信息，不存在誤報的可能，根據(jù)美國家公路交通安全管理局（NHTSA）的研究，利用V2X技術(shù)，可以減少80%的非傷亡事故。
但這一切是以100%的覆蓋率為前提的，在此之前，車企也曾經(jīng)做過嘗試，例如凱迪拉克，但都因缺乏足夠的覆蓋率難以發(fā)揮作用，依靠強制性的法規(guī)驅(qū)動，V2X普及的最大難題將得以有效解決。
近日，高通發(fā)布新聞表示，將與奧迪、愛立信等公司進行蜂窩-V2X（Celluar-V2X）的測試合作，該測試符合由德國政府主導的項目組織——自動互聯(lián)駕駛數(shù)字測試場的測試規(guī)范。在此之前，高通推出了基于其最新驍龍X16 LTE modem的全新聯(lián)網(wǎng)汽車參考平臺，支持作為可選特性的專用短程通信（DSRC）和蜂窩-V2X。
2、中國V2X進展
2016年下半年，發(fā)改委連同交通部聯(lián)合發(fā)布了《推進“互聯(lián)網(wǎng)+”便捷交通促進智能交通發(fā)展的實施方案》，明確提出 “結(jié)合技術(shù)攻關(guān)和試驗應用情況，推進制定人車路協(xié)同（V2X）國家通信標準和設施設備接口規(guī)范，并開展專用無線頻段分配工作”的標準制定工作。從目前的情況來看， LTE-V極有可能將確定為中國標準。
5G的推進對V2X是非常大的利好，因為5G標準本身就包含了V2X，可以說5G的發(fā)展和自動駕駛的發(fā)展是自洽的。
為了滿足在商業(yè)應用上的高可靠性，越來越多的車企意識到在增強車輛能力的同時，需要將道路從對人友好改造為對車友好，從去年開始，中國所有的自動駕駛示范園區(qū)都在規(guī)劃部署路側(cè)系統(tǒng)（V2I）。隨著5G的時間表日漸清晰，更大范圍的部署也讓人非常期待。
與3/4G時代主要面對個人消費者需求不同，5G的核心推動力來自物聯(lián)網(wǎng)，而汽車可能是其中最大的單一應用，一輛自動駕駛汽車每天可以產(chǎn)生超過1T的數(shù)據(jù)。
目前，像HERE這樣的地圖供應商正在積極準備用于自動駕駛的實時高精地圖，以克服靜態(tài)高精地圖無法適應道路變化的難題，但之前受制于無線帶寬限制，很難達到實用，5G可提供高達10Gbps+的峰值速率，以及1ms的低延時性能，可以滿足這樣的需求。
3、V2I商業(yè)化模式
V2I使商業(yè)化有了簡單直觀的模式：誰投資V2I，誰就可以從中受益，因為自動駕駛汽車可以在已經(jīng)部署了V2I的封閉路段行駛，計費因此變得更容易。
從技術(shù)角度講，自動駕駛由三大主要技術(shù)構(gòu)成：感知、決策和控制。現(xiàn)在自動駕駛技術(shù)真正的門檻在哪里？
如果你去CES參觀各家公司的自動駕駛樣車，你會發(fā)現(xiàn)一個趨勢是各家公司的傳感器配置越來越趨同化：前視多目攝像頭，77GHz長距/短距雷達、環(huán)視攝像頭、加上十個以上的超聲波雷達，豪華一點的再配上幾個低線束的激光雷達。這些傳感器的供應商也差不多。
在感知層面，隨著ADAS的大量部署和長時間的技術(shù)開發(fā)，已經(jīng)相當成熟，可以說感知技術(shù)已經(jīng)不是主要的瓶頸。而控制則是傳統(tǒng)車廠和Tier 1非常擅長的領(lǐng)域，做了很多年，積累了大量的經(jīng)驗。
自動駕駛在技術(shù)上的競爭，主要聚焦于決策環(huán)節(jié)。事實上，區(qū)分一個系統(tǒng)是ADAS還是自動駕駛，也主要是看該系統(tǒng)是否有決策部分。無論是谷歌還是特斯拉，他們的核心競爭力，都還是體現(xiàn)在其決策算法方面。
傳統(tǒng)汽車界的研發(fā)是基于功能安全的設計方法學建立的，滲透到開發(fā)流程的每一個環(huán)節(jié)，并且在過去一個世紀，將汽車的安全性提高到了極高的水準，如今，頂尖的公司已經(jīng)可以確保汽車發(fā)動機能使用一百萬公里。
但是面對洶涌而至的機器學習熱潮，傳統(tǒng)汽車界突然發(fā)現(xiàn)自己嚴重缺乏技術(shù)儲備，面對特斯拉和谷歌激進的策略，顯得力不從心。這已經(jīng)成為制約傳統(tǒng)車廠開發(fā)自動駕駛的最大短板，目前，傳統(tǒng)車廠或者大肆收購機器學習公司，或者與其合作，他們需要盡快補上這塊短板。
傳統(tǒng)車廠出身的克拉夫西克顯然深知這一點，在他出任Waymo CEO之后，谷歌一改之前模棱兩可的商業(yè)策略，明確表示向車廠提供解決方案，并迅速宣布和本田合作，事實上是將自己定位在Tier 1的角色。此前谷歌雖然在技術(shù)積累上處于領(lǐng)先位置，但一直沒有確定可行的商業(yè)模式，克拉夫西克的到來，讓谷歌對于商業(yè)化的態(tài)度更接地氣，也更精準。
在該解決方案中，硬件基本也是外購的，顯然無法成為谷歌的競爭壁壘，最有價值的，還是一整套經(jīng)過驗證的軟件，尤其是其中的決策算法?？梢韵胂蟮氖?，谷歌將會向業(yè)界提供軟件授權(quán)，就像它之前在安卓系統(tǒng)上所做的一樣。
決策算法面臨的最大挑戰(zhàn)，就是如何達到自動駕駛所需要的極高的安全性和可靠性。
自動駕駛決策的結(jié)果會輸出到控制器，根據(jù)ISO 26262已有的功能安全的規(guī)定，這會反過來要求決策系統(tǒng)也需要達到ASIL-D的標準。目前，ISO組織對專門針對自動駕駛的功能安全標準正還在制定中，有可能會用一種新的標準進行考量，但功能安全的基本原則依然有效。
1、端到端的AI方法有隱患
這意味著，我們必須嚴肅地思考，如何才能滿足功能安全的要求？對于谷歌、百度以及許多初創(chuàng)公司，這些非傳統(tǒng)車廠出身的玩家來說，是一個全新的命題。
目前，很多創(chuàng)新公司都在使用深度學習加增強學習做端到端的訓練，也就是說，從傳感器的輸入直接導出控制器（剎車、油門、轉(zhuǎn)向等）的輸出。但深度學習的問題在于它失去了透明性，僅僅依賴于概率推理，也就是相關(guān)性，而非因果推理，而這兩者是有本質(zhì)不同的。
相關(guān)并不意味著因果。舉個例子，統(tǒng)計發(fā)現(xiàn)，手指頭越黃的人，得肺癌的比例越大。但事實上，手指的顏色和得肺癌的幾率之間顯然沒有直接的因果聯(lián)系。那么為什么統(tǒng)計數(shù)據(jù)會顯示出相關(guān)性呢？這是因為手指黃和肺癌都是由吸煙造成的，由此造成了這兩者之間產(chǎn)生了虛假的相關(guān)性。
深度學習就像一個黑盒子，無法進行分析，出了事情你不知道原因到底是什么，也沒有辦法預測下一次會出什么狀況。
有一個很搞笑的例子，用深度學習訓練一個系統(tǒng)，來分辨哈士奇和愛斯基摩狗，初步測試效果非常好，但進一步的測試表明，這個系統(tǒng)其實是通過區(qū)分背景，而不是狗本身來判定其種類的，因為訓練所使用的樣本中，愛斯基摩狗幾乎總是伴隨者雪地的背景，而哈士奇則沒有，想想看，如果這樣的系統(tǒng)應用到自動駕駛，是多大的隱患。
深度學習的實際表現(xiàn)，基本上取決于訓練的樣本以及你所要求輸出的特征值。但如果你的樣本比較單一，輸出特征值又比較簡單，則很容易訓練出你并不想要的結(jié)果來。就自動駕駛而言，這是無法接受的，它需要高度的理性決策。
如今，深度學習的熱潮席卷了整個業(yè)界，很多人不再對基礎算法進行鉆研，而是瘋狂加大數(shù)據(jù)、堆機器進行訓練，以期更快地出成績，結(jié)果看上去還不錯，但這樣的非理性態(tài)度其實是給自動駕駛埋下了隱患。
我們需要的是對于事實邏輯的深入分析，以及不同方法論的結(jié)合，從這個意義上講，如果用小數(shù)據(jù)可以達到好的效果，更能說明我們對機器學習技術(shù)的理解能力。
2、基于規(guī)則的專家系統(tǒng)不靈活
傳統(tǒng)的主機廠和Tier 1面臨的則是另外的問題，如果接觸各大Tier 1的ADAS產(chǎn)品，無論是AEB，還是ACC、LKA，你會發(fā)現(xiàn)都是基于規(guī)則的專家系統(tǒng)。這種系統(tǒng)精確可分析，但專家系統(tǒng)的問題在于，但場景非常多變時，創(chuàng)建的規(guī)則就無法保證足夠的覆蓋面，結(jié)果，當添加更多新的規(guī)則時，就必須撤消或者重寫舊的規(guī)則，這使得這個系統(tǒng)變得非常脆弱。
而且，各個功能都有自己單獨的規(guī)則，組合到一起，其可能性就非常多，甚至還存在矛盾，這使得ADAS向自動駕駛過渡之路變得更加艱難。我曾跟一家主機廠在交流他們的決策系統(tǒng)詢問過這個問題，得到的答案是：這種基于專家系統(tǒng)的規(guī)則經(jīng)過組合，能產(chǎn)生一萬種可能。你甚至很難對這個系統(tǒng)進行完整的測試。
3、新的決策機制：因果推理
因此，我們需要在自動駕駛領(lǐng)域引入新的決策機制。自動駕駛決策技術(shù)路線的一個重大趨勢，就是從相關(guān)推理到因果推理。這樣的人工智能框架是Judea Pearl在八十年代建立的，他也因此拿到了圖靈獎。
上世紀80 年代初，Judea Pearl為代表的學術(shù)界出現(xiàn)了一種新的思路：從基于規(guī)則的系統(tǒng)轉(zhuǎn)變?yōu)樨惾~斯網(wǎng)絡。貝葉斯網(wǎng)絡是一個概率推理系統(tǒng)，貝葉斯網(wǎng)絡在數(shù)據(jù)處理方面，針對事件發(fā)生的概率以及事件可信度分析上具有良好的分類效果。它具有兩個決定性的優(yōu)勢：模塊化和透明性。
地平線自動駕駛決策機制
模塊化的優(yōu)勢非常重要，例如，假如任務是更新汽車的變速箱，當變速箱被更換的時候，你不必重寫整個傳動系統(tǒng)，只需要修改為變速箱建模的子系統(tǒng)，其余的都可以保持不變。
因此，我們可以把深度學習的系統(tǒng)作為一個子模塊融入到其中，專家系統(tǒng)可以是另一個子模塊，也融入其中，這意味著我們有了多重的冗余路徑選擇，這種冗余構(gòu)成了貝葉斯網(wǎng)絡的子節(jié)點，將有效強化輸出結(jié)果的可靠性，避免一些低級錯誤的發(fā)生。
透明性是貝葉斯網(wǎng)絡的另一個主要優(yōu)勢。對于自動駕駛而言，這尤為關(guān)鍵，因為你可以對整個決策的過程進行分析，了解出錯的是哪一個部分。
可以說貝葉斯網(wǎng)絡是理性決策的極佳實現(xiàn)，適合用于設計整個決策的頂層框架。
因果推理的另一個典型范例就是基于增強學習的決策框架，它把一個決策問題看作是一個決策系統(tǒng)跟它所處環(huán)境的一個博弈，這個系統(tǒng)需要連續(xù)做決策，就像開車一樣。優(yōu)化的是長期總的收益，而不是眼前收益。這有點像巴菲特的價值投資，優(yōu)化的目標不是明天的收益，而是明年或者十年以后的長期總收益。
谷歌把這樣的框架用在下圍棋上，取得了革命性的成功。自動駕駛的場景也非常適合應用這樣的決策系統(tǒng)。比如說要構(gòu)建價值網(wǎng)絡，評估當前的駕駛環(huán)境風險，評估的是從現(xiàn)在時間到未來時間的整體風險；然后利用策略網(wǎng)絡輸出本車的控制決策，選擇最優(yōu)的駕駛路徑和動力學輸出。
同時，我們還可以構(gòu)建一個基于模擬路況的仿真環(huán)境，通過增強學習去做虛擬運行，獲得最優(yōu)的決策模型，并且還將產(chǎn)生大量的模擬數(shù)據(jù)，這對決策算法的成熟至關(guān)重要。
可以說，向因果推理型決策模型轉(zhuǎn)化是自動駕駛技術(shù)邁向成熟的重大標志。
對于自動駕駛這樣的復雜任務，在設計軟件的同時，還必須考慮與之匹配的硬件效能，這里包括性能、功耗和功能安全。
為了保證自動駕駛的實時性要求，我們需要保證軟件響應的最大延遲在可接受的范圍內(nèi)，對于計算資源的要求也因此變得極高。目前，自動駕駛軟件的計算量達到了10個TOPS（每秒萬億次操作）的級別，這使得我們不得不重新思考對應的計算架構(gòu)，圖靈獎獲得者Alan Kay，他有一句話是喬布斯一直信仰的：如果你嚴肅地思考你的軟件，你就必須要做你自己的硬件。
事實上，整個數(shù)字半導體和計算產(chǎn)業(yè)的產(chǎn)業(yè)驅(qū)動力，正在從手機轉(zhuǎn)向自動駕駛，后者所需要的計算量比手機要大兩個數(shù)量級。
今天，打開任何一家主機廠的無人車的后備箱，都是一堆計算設備，不但沒有地方放行李，而且還要解決它的整個系統(tǒng)穩(wěn)定性問題。之前在烏鎮(zhèn)舉行的世界互聯(lián)網(wǎng)大會，記者在實際體驗百度的無人車時，提到非常有趣的一點：“這輛無人車平穩(wěn)地行駛了起來，但位于后備箱的車載計算機噪音較大，可以聽到風扇在運行的聲音?！?/p>
為什么呢？因為它使用的是CPU+GPU+FPGA的計算平臺，計算所需要的功率非常大，GPU尤其恐怖，如果沒有強力風扇來散熱的話，夏天很容易燒壞機器。坐在這樣的車里，就別講究體驗了。
功能安全是另一個巨大的挑戰(zhàn)，這里面其實包含了多個方面的要求：處理器要符合至少ASIL-B等級的要求，可靠性需要能夠保證在至少十年的使用期內(nèi)不出問題。
高通在手機領(lǐng)域有非常強的實力，而且向汽車電子進軍的努力也從未停止，但去年高通依然決定花370億美元重金收購了汽車電子老大NXP（恩智浦），這從另一個側(cè)面折射出汽車電子的門檻之高。
這讓我們想起計算機的發(fā)展歷史，50年代是大型機的時代，那個時候一臺大型機可以占據(jù)實驗樓的一整個樓層，需要一個龐大的團隊來操作，價格高到數(shù)百萬美元；七十年代小型機占據(jù)主導，小型機可以安裝進一個房間，價格也降到數(shù)萬美元；八十年代是PC時代，可以擺放到桌面，價格則又降低了一個數(shù)量級，如今是手機，可以裝進口袋；貫穿其中的是三個主要方面的進步：體積、功耗和成本。
人工智能所需要的處理器，從2012年開始被業(yè)界廣泛關(guān)注，比如從GPU到FPGA，再到TPU，業(yè)界也沿著之前計算機走過路，重構(gòu)人工智能所需要的處理器。
英偉達在本屆CES上發(fā)布了最新的車載計算平臺“XAVIER”，512個Volta CUDA核心可提供高達30 TOPS的計算性能，但最引人注目的還是其30W的功耗，大大低于之前還需要水冷的Drive PX2。這是一個很大的進步，但還不夠，要讓自動駕駛得到普及，性能、功耗、成本和體積因素，一個也不能少。
如今很多車廠都制定了非常激進的自動駕駛開發(fā)計劃，但其實樣車開發(fā)與其投入到量產(chǎn)車的日程表其實是差異非常大的。與量產(chǎn)車的設計理念完全不同，量產(chǎn)車必須考慮成本因素，不能跟今天的GPU或者其它的計算所需要的成本一樣，而這就需要業(yè)界提供新的計算平臺。
FPGA被越來越多的公司關(guān)注，其可編程特性可以滿足專有計算構(gòu)架的需求，微軟、Intel等公司都在大量部署基于FPGA的系統(tǒng)。
FPGA在ADAS方面的出貨量也在迅速增加，去年的出貨量應該不會低于3Mu。但FPGA再往上走，計算資源的擴展會讓成本上升到很難接受的地步。半導體業(yè)界無數(shù)的歷史都表明，F(xiàn)PGA往往是定制化ASIC的前哨站，一旦某個應用的量足夠大，定制化ASIC就會變得更經(jīng)濟。
地平線機器人公司正處于整個業(yè)界研究的最前沿，目標就是將原本智能在云端運行的人工智能，實現(xiàn)在高性能低功耗的大腦引擎（BPU）上，這是一個全新的計算構(gòu)架IP，將充分適配深度神經(jīng)網(wǎng)絡算法的要求，由此帶來革命性的嵌入式人工智能，預計其成本和功耗都將比現(xiàn)有GPU低一個數(shù)量級。這樣的IP可以嵌入到SoC中，或者單獨作為協(xié)處理器使用。目前地平線正在推進代號為“高斯”的計算構(gòu)架IP的開發(fā)，預計2017年底推出。
地平線的BPU戰(zhàn)略
在過去，處理器都是作為標準平臺提供給業(yè)界，軟件工程師拼命優(yōu)化編譯器、代碼、任務調(diào)度等來達到更高的性能表現(xiàn)，但現(xiàn)在，這已經(jīng)無法滿足產(chǎn)品快速上市的要求了。
英偉達在AI業(yè)界攻城略地，幾乎已經(jīng)成為標配，這其中有其高性能GPU的因素，但問題在于，為什么其它GPU供應商沒有贏得這場競爭？
英偉達不僅提供GPU硬件，還提供了高度優(yōu)化的CUDA平臺，該平臺封裝了大量高頻使用的數(shù)學運算庫，英偉達更進一步面向自動駕駛提供了端到端的解決方案，這實際上是一種重要的產(chǎn)品理念：軟硬件協(xié)同設計。
這揭示了英偉達市場競爭成功的秘訣：通過軟硬件協(xié)同設計，優(yōu)化軟硬件系統(tǒng)的性能表現(xiàn)，縮短客戶導入時間，贏得市場。
新的自動駕駛計算平臺，實際上是因應算法和軟件的需求而來的，例如，為了更好地支持深度卷積神經(jīng)網(wǎng)絡極大規(guī)模的矩陣運算，你需要考慮如何使用二值化方法來降低對于硬件乘法器的需求，如何重新設計緩存機制以避免I/O帶寬成為整個計算系統(tǒng)的瓶頸等。為了滿足功能安全的需求，你需要硬件級別的虛擬化，這就要求處理器構(gòu)架設計方面需要考慮多核、VMM、設備I/O請求管理等。
Intel也在加強其在人工智能算法方面的積累，對Nervana和Movidius的收購反映了這一點。通過提供至強處理器、FPGA，結(jié)合其Nervana平臺以及面向深度學習優(yōu)化的數(shù)學函數(shù)庫（MKL），提供完整的AI解決方案。
能否提供同時滿足經(jīng)濟性和性能要求的計算平臺，是自動駕駛能否從樣車轉(zhuǎn)向量產(chǎn)車的關(guān)鍵因素之一。
公眾對于自動駕駛依然有深深的疑慮，但在每一次革命性的交通運輸方式出現(xiàn)時，類似的疑慮都曾經(jīng)存在過。
航空服務剛剛出現(xiàn)時，安全性非常低，多數(shù)人甚至都不相信金屬構(gòu)造能飛起來，美國海軍統(tǒng)計表明，在二戰(zhàn)期間，因技術(shù)原因損失的飛機達2100架，是被擊落飛機的1.5倍，但航空業(yè)依然發(fā)展了起來；高鐵同樣有類似的經(jīng)歷，19世紀火車剛剛出現(xiàn)時，即使是最有遠見的人都無法想象時速超過300公里的列車，那時候的人們認為僅僅是氣壓的問題就足以讓乘客喪命，而后來這些都成為了現(xiàn)實，并且發(fā)展了體量驚人的配套基礎設施：鐵道和機場。
當技術(shù)不存在原理性的問題之后，只要有巨大的商業(yè)潛力，利益的驅(qū)動終能克服技術(shù)上的挑戰(zhàn)。
如果我們考察一段文明的發(fā)達程度，運輸水平可能是最直觀的指標。唐代玄奘取經(jīng)，鑒真東渡，耗去的是一個人半生的時間，這里體現(xiàn)的是客運成本；南宋時期，從福建泉州出發(fā)的瓷器運到歐洲，增值達一百倍，體現(xiàn)的是貨運的價值；19世紀美國的崛起，很大程度上得益于其全國鐵路網(wǎng)的建立，將聯(lián)邦的各個州融合成為一個單一市場。
文明的發(fā)展過程，也必然伴隨著運輸成本的逐漸降低，以及運輸效率的持續(xù)提升，它深刻重塑了經(jīng)濟的形態(tài)。Elon Musk的終極夢想是殖民火星，同樣是一個運輸能力改變文明的故事，自動駕駛就是當下發(fā)生的故事，當人的勞動力被釋放之后，成本下降就會驅(qū)動一波全新的機會，過去一年里，自動駕駛領(lǐng)域的進步已經(jīng)超出了絕大多數(shù)人的預期，自動駕駛的未來值得期待。
雷鋒網(wǎng)推薦閱讀：《深度：自動駕駛這個技術(shù)到底什么時候能成熟？》
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
