<span id="fk5wx"><ins id="fk5wx"><video id="fk5wx"></video></ins></span>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem>
    <cite id="fk5wx"></cite>
    <thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <thead id="fk5wx"></thead>
    <span id="fk5wx"></span><menuitem id="fk5wx"><strike id="fk5wx"><thead id="fk5wx"></thead></strike></menuitem>
    <span id="fk5wx"><ins id="fk5wx"><dl id="fk5wx"></dl></ins></span> <thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <ins id="fk5wx"></ins>
    <listing id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></listing>
    <var id="fk5wx"><video id="fk5wx"></video></var>
    <menuitem id="fk5wx"><video id="fk5wx"><address id="fk5wx"></address></video></menuitem>
    <thead id="fk5wx"><strike id="fk5wx"><address id="fk5wx"></address></strike></thead> <noframes id="fk5wx"><del id="fk5wx"></del>
    <var id="fk5wx"><dl id="fk5wx"><progress id="fk5wx"></progress></dl></var><thead id="fk5wx"></thead>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem><ins id="fk5wx"></ins><cite id="fk5wx"><video id="fk5wx"><progress id="fk5wx"></progress></video></cite>
    <listing id="fk5wx"></listing>
    <ins id="fk5wx"><strike id="fk5wx"><thead id="fk5wx"></thead></strike></ins>
    <menuitem id="fk5wx"></menuitem>
    <cite id="fk5wx"></cite>
    <cite id="fk5wx"><span id="fk5wx"><listing id="fk5wx"></listing></span></cite>
    <ins id="fk5wx"></ins>
    <menuitem id="fk5wx"><dl id="fk5wx"></dl></menuitem>
    <var id="fk5wx"><dl id="fk5wx"></dl></var>
    <cite id="fk5wx"></cite><cite id="fk5wx"><span id="fk5wx"><listing id="fk5wx"></listing></span></cite>
    <var id="fk5wx"><span id="fk5wx"></span></var>
    <thead id="fk5wx"></thead><cite id="fk5wx"></cite>
    <thead id="fk5wx"></thead>
    <thead id="fk5wx"><dl id="fk5wx"></dl></thead><thead id="fk5wx"><dl id="fk5wx"></dl></thead>
    <noframes id="fk5wx"><ins id="fk5wx"></ins>
    <i id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></i>
    <cite id="fk5wx"></cite><thead id="fk5wx"></thead>
    <thead id="fk5wx"></thead><menuitem id="fk5wx"><dl id="fk5wx"><listing id="fk5wx"></listing></dl></menuitem>
    <cite id="fk5wx"><video id="fk5wx"></video></cite>
    <th id="fk5wx"><cite id="fk5wx"><strike id="fk5wx"></strike></cite></th>
    <cite id="fk5wx"></cite>

    1. 地平線余凱:從大數據時代到大計算時代,邊緣計算將極大影響未來城市發展

      • Hobot
      • 發表于: 2018/09/21 07:35:08 來源:地平線HorizonRobotics

      邊緣計算,已經越來越廣受關注的行業共識。地平線從創立的第一天開始,就把邊緣計算作為自己的核心使命。

      隨著邊緣計算的發展與應用,未來的交通會是什么樣?

      大概是這樣:

      15374866071943.gif

      更高效,更安全。擁堵?事故?不存在的。

      9月18日,2018世界人工智能大會·邊緣智能主題論壇在上海召開,論壇以“邊緣計算,智能未來”為主題,是2018世界人工智能大會的重要主題論壇之一。會上,來自政府、院所及企業的專家深入探討,共同為我國邊緣計算與人工智能發展趨勢把脈,詳解邊緣計算與人工智能的落地場景與實施路徑。近段時間以來,邊緣計算成為人工智能領域的熱點話題, 在智能制造、智慧城市、智慧醫療、智慧交通等領域的應用前景逐漸引起了業界的普遍關注。

      15374866451066.png

      而余凱在當天的演講中強調:如今人類正從大數據時代走向大計算時代,邊緣計算的趨勢是全球互聯網科技趨勢“分久必合,合久必分”的結果。“在PC時代,所有的計算都是在電腦上,是本地計算。后來隨著互聯網發展,數據越來越往云端、中央上轉,計算慢慢從邊緣集中到了云端。而從移動互聯網開始到現在物聯網時代到來,我們逐漸看到另外一個趨勢——更多的計算又從中央往邊緣遷移。”

      同時他還預測,到2025年,每一千美金能夠買到的算力相當于1000個T,足以支撐五級無人駕駛所需要的計算需求。如果基于此繼續開發匹配的軟件系統,預計到2030年,真正的五級的無人駕駛將成為可能。而技術趨勢有趣的地方在于——1000個T的算力正好和人類大腦的算力相當,這也是摩爾定律一個值得玩味的發展結果。


      以下為演講全文:

      領導、嘉賓,朋友們,大家下午好!今天我們在這里一起探討邊緣智能,邊緣計算——這個現在看起來已經越來越廣受關注的行業共識。地平線從創立的第一天開始,就把邊緣計算作為自己的核心使命,今天跟大家匯報和分享一下地平線在邊緣計算方面的一些工作和思考。

      城市是人工智能非常重要的場景,在這個場景中有交通、有駕駛、有大量的人機交互,計算一定是發生在數據爆發的場景里面,而現在數據大量產生和爆發的地方就是在城市。邊緣計算之所以這么重要,是因為它確實會讓城市的生活變得更加安全,更加美好。

      AI未來的發展,必然會促進智慧城市的建設。邊緣計算,會覆蓋生活的每一天——從家里出發,在路上,在工作的場景里面。這里毫無疑問,會產生大量的場景,大量的數據。跟大家分享一個報告的數據,預計到2025年,全球數據量將以10倍速劇增至163ZB,這個數據量遠超過任何互聯網公司現在所儲備的數據量。

      15374866904003.png

      分久必合,合久必分,這在計算上也在發生。在PC時代,所有的計算都是在電腦上,是本地邊緣計算。后來隨著互聯網發展,數據越來越往云端、中央上轉,計算慢慢轉移到了云端,轉移到了云端計算。而從移動互聯網開始到現在物聯網,我們看到另外一個趨勢,更多的計算從中央往邊緣遷移,毫無疑問帶來的好處就是剛剛大家都提到的,就是實時性、可靠性,設備在離線的情況下還可以正常運作,比如說我們自動駕駛汽車在路上跑的時候,過隧道的時候沒有信號,車如何自動駕駛?一定要靠不依賴網絡和云端的邊緣計算。比如我們有很多安防類的企業,他們有一些現在是靠WIFI聯網處理,但是受信號和帶寬影響很大,也需要邊緣計算。此外,還有很多的安全性、性價比等等因素。   這里面核心的一點,大量的計算要在邊緣,并不是在數據中心。數據中心需要強大的供電系統,經常建在例如內蒙古等一些用電需求比較少的地方。而邊緣計算一定要求低能耗,這就對邊緣計算的處理器要求非常高。邊緣計算的AI處理器,可以說是今天我們整個智慧城市,自動駕駛的核心的技術基石。

      15374867163095.png

      我們強調邊緣計算,是不是意味著我們的算力要打折扣?其實不是的,這里跟大家分享一個自動駕駛里的一個例子。我們說自動駕駛氛圍一級二級三級四級五級,到五級就是全天全路況,全工況的無人駕駛。在這里有一個很有趣的趨勢,自動駕駛每往上升一級的話,它整個的計算量增加一個數量級。比如說今天可以說產業界當前所處在的階段是三級自動駕駛,匹配的產業化的人工智能處理器處于差不多10T的算力階段,而四級的自動駕駛到百T量級,再到五級的完全的無人駕駛的話,要到1000個T。

      15374867446709.png

      這個是什么概念呢,我們稍微回顧一下摩爾定律,我們看過去的一百年,平均來講每一千美金大概能買到的算力是這樣的增長的曲線。今天一千美金相當于一個iPhone,可以買到的算力。從2017年開始,實際上摩爾定律也發生了新的變化,因為我們的物理制程其實已經開始變化,最近大家在攻克五納米這樣的制程,但是繼續往上的話,會越來越難,因為我們知道原子是0.1納米,所以其實現在人類的芯片制造工藝上已經在逼近原子的極限,物理的制程就不能繼續推進摩爾定律繼續往前發展。

      今天,我們可以說是進入了新摩爾定律的時代,要通過場景驅動,場景跟任務、軟件算法去驅動,這種架構的模型。使得摩爾定律還能夠繼續往前奔跑。

      在這里我有一個預測,如果我們能夠做到這一點,基本上到2025年的時候,每一千美金能夠買到的算力相當于1000個T,這1000個T的算力,它能夠滿足五級無人駕駛所需要的計算需求。基于此我們繼續開發匹配的軟件系統,使得2030年的時候,真正的五級的無人駕駛成為可能。

      15374867672592.png

      很有意思的是,我們可以看到1000個T的算力正好和我們今天的人類大腦的算力相當。這里面也不完全是巧合,因為自動駕駛需要在比較復雜的工況下面能夠繼續以自己對事態的理解,復雜的決策,需要達到人類大腦這樣的算力才能去應對這樣的情況。所以這是摩爾定律的一個很有意思的發展。

      核心來講,邊緣計算要實時性、低延遲,這個要求很高,跟在數據中心的計算不一樣。但是同時,它對算力的要求一點都不低。邊緣的人工智能處理器是未來科技競爭的主戰場,是一個制高點。

      另外一點,今天大家都在講我們現在處在一個大數據的時代,可是我想業界,至少在座的各位已經或多或少達成了一個模糊的共識:未來,我們將進入一個所謂的大計算的時代。因為數據其實是無窮無盡的,關鍵是你能不能計算,通過計算讓數據產生價值。

      還有一點,在很多的場合我們也看到一些趨勢,數據的計算很重要,去年我們看阿爾法狗升級了一代,新的阿爾法狗是不需要人類堆積的數據學習,完全通過虛擬的方案,形象的比喻是叫左右互搏,去提升它的算力。我們可以看到自動駕駛也出現了這樣的情況,更多的不是說在實際的路面上去采集數據,提升在各種路況下的控制反應能力,而更重要的是仿真性,完全是虛擬的世界里面的計算。

      所以說其實站在一個時代交替的節點上,可能我們自己都沒有意識到。我們在從大數據時代進入一個大計算的時代,真正的大計算才是構成未來這個科技世界的根本。

      15374867996831.png

      所以地平線是認定了這樣的未來,我們深刻的認為算力是未來整個社會的核心技術實力的制高點。所以我們也以這樣的使命去推進人工智能的計算。

      剛才講到了所謂的新摩爾定律,不僅僅是通過物理的制程,要通過軟件跟硬件的結合。講到這一點,我們一定是會回顧計算機發展歷史上很有影響力的一位人物,Alan Kay,他有一個思想,非常具有前瞻性“叫軟件和硬件的結合”,他說如果人要想真正的做好軟件,一定要做好硬件。絕大多數的企業覺得這個事情太重了,不愿意做,但是過去只有一家公司,只有一個人,這么做了,就是喬布斯跟他領導的蘋果公司。所以我們看到整個的移動時代,唯一的一家公司做軟硬結合的就是蘋果,芯片自己做,軟件操作系統也自己做。

      在我們所謂的新的摩爾定律時代,地平線深深的信仰通過軟件和硬件的結合才能夠繼續推動摩爾定律,讓人工智能,邊緣計算真正的成為可能。

      15374868294966.png

      毫無疑問,這個東西也越來越成為一個時代的共識,比如說今年我們看到圖靈獎發給兩位計算機架構的專家,芯片的架構設計的專家。這樣的專家都很有意思,他們現在都在軟件公司工作,這家公司就是Google。

      所以我們看到這樣的趨勢——軟件和硬件的深刻的結合。那今天,看中美兩個國家,到今天為止,在這方面大量投入去研發的,其實美國就是Google和微軟,在中國真正的投入這么大的力量在軟件算法和芯片架構創新方面,目前為止地平線是走在前面的。

      剛才施教授也有一個對不同的結構的分析,如果說基于軟件驅動,你會發現其實越是面向未來的,未來成為主流的軟件框架,其實我們戶有更重要的,更多的加速。可以看到,我們的新的處理器的架構對現在最流行的網絡結構有了極大的加速,速度的提升。所以說軟件驅動,你一定是面向應用場景的,一定不是說ABCDEFG全部一樣的。

      地平線希望能夠在這個領域,在公司成立十年的時候成為全球最大的AI芯片的公司。這個應用場景,無論是智慧城市還是輔助駕駛、自動駕駛,最大的場景就是在中國,所以其實在中國做到第一的話,估計就是世界第一。我們看汽車市場,去年是2800萬輛,美國是1700萬輛,今年中國會保持2500萬輛的規模,所以中國確實是第一大的場景。

      圍繞邊緣的人工智能處理器,我們的首要核心,第一個,我們認為最高的還是自動駕駛。在攀登這個高峰的過程中,一路都會有收獲,包括智慧城市,智慧零售,智能制造,都是邊緣處理器的應用場景。

      可以說這一點上地平線已經站上了國際舞臺,今年我們在四級自動駕駛已經有了單子,競爭對手要完成這樣的海量數據的計算,他們要幾千瓦的功耗,而我們大概只是110瓦的功耗就可以完成計算。

      所以現在在幾個城市里面做四級的自動駕駛實驗,所以我們已經是在這個領域是規模最大的計算平臺。我們跟奧迪公司在合作的四級自動駕駛的計算平臺,這個視頻是我們今年北京車展的時候面對比較復雜的人群去做360度的測試。

      同時,處理器方面,在車端以外,比如說攝像頭端做人群的掃描,抓拍,現在我們可以做到這種攝像頭端的計算。另外一個場景,智慧交互產品里面,對車型,車牌計算都是在我們的處理器上計算的。

      這是我們下一代的基于攝像頭端的嵌入式處理器,大概一兩瓦的功耗,能夠做如此復雜的密集人群的計算,所以我們可以做到把今天在服務器端做的計算全部都遷移到邊緣平臺。

      當然,人工智能處理器在邊緣計算另外一個場景,就是由于他們的實時性要求很高,在人機交互,現在我們跟國內的頂級車企正在合作,在車聯網的人機交互方面的應用,同時我們把云識別放在本地,保護隱私。

      就像人和人之間交互,不僅僅是語言,手勢、表情、人臉,你的目光,包括唇語形成了一個更豐富,多層次的,立體的人機交互,這也是我們認為邊緣處理器的方向。

      這是我們在上海基于我們的車載系統平臺做的自動泊車項目,如果你們要租車的話,可以用手機把車給你開到停車點,到了地方這個車可以自己找停車位,或者自己找地方充電。

      車載端的感知的計算,未來一方面是在路端,通過傳感器,邊緣計算去感知復雜的車流。同時車端也有邊緣計算,去感知周圍的情況,這種V2V通訊可以了解到全面的路況動態,從而去達到未來比較高效的交通系統。

      也許未來的交通路口是這樣的。

      15374868742675.gif15374869101743.gif

      最后我想說的是未來邊緣的AI芯片實際上是未來智慧城市的底層的核心技術,只有這個技術不斷的往前推進,我們城市的安全、效率才會越來越高,大家在城市的生活才會越來越美好。

      15374869432164.png

      地平線系統通過專注于AI處理器,希望可以打造一個開放的生態。通過把我們的軟件做扎實,可以賦能各行各業的合作伙伴,讓大家能夠享受邊緣計算所帶來的便捷,謝謝大家!

      相關標簽:
      地平線
      • 車云星
      • 空間站
      • 福特星球
      • 蟲洞

      加料 /

      人評論 | 人參與 登錄
      查看更多評論
      彩票11选5