導(dǎo)讀： 其實(shí)在CES上，老黃賣(mài)了個(gè)關(guān)子：在3月份德國(guó)柏林舉辦的BoschConnectedWorld上，他將登臺(tái)發(fā)布進(jìn)一步的合作成果。事實(shí)證明，老黃沒(méi)有食言，在BCW上，博世聯(lián)合英偉達(dá)發(fā)布了基于Xavier平臺(tái)的車(chē)載人工智能電腦。
其實(shí)在CES上，老黃賣(mài)了個(gè)關(guān)子：在3月份德國(guó)柏林舉辦的BoschConnectedWorld上，他將登臺(tái)發(fā)布進(jìn)一步的合作成果。事實(shí)證明，老黃沒(méi)有食言，在BCW上，博世聯(lián)合英偉達(dá)發(fā)布了基于Xavier平臺(tái)的車(chē)載人工智能電腦。
關(guān)于Xavier平臺(tái)的運(yùn)算能力，在CES的文章中已經(jīng)有所闡述，在這里就不再具體展開(kāi)。在BCW的發(fā)布會(huì)之后，記者有幸與老黃面對(duì)面聊了聊，本文將重點(diǎn)結(jié)合老黃的發(fā)布會(huì)與專訪，解析他眼中的自動(dòng)駕駛。
老黃在BCW上都講了什么？
除了發(fā)布車(chē)載人工智能電腦，老黃在演講中還介紹了英偉達(dá)在自動(dòng)駕駛領(lǐng)域的3個(gè)布局：
1、DeepLearning：GPU在深度學(xué)習(xí)領(lǐng)域的應(yīng)用成就了今天的英偉達(dá)。在老黃看來(lái)，深度學(xué)習(xí)驅(qū)動(dòng)下的人工智能，也將成為自動(dòng)駕駛決策的主要算法結(jié)構(gòu)。
2、HDMap：在高精度地圖領(lǐng)域，深度學(xué)習(xí)也將起到重要的作用。它能夠幫助機(jī)器更高效的通過(guò)傳感器收集地圖數(shù)據(jù)，例如識(shí)別道路特征、提取建筑輪廓、識(shí)別道路圖形標(biāo)牌等。
3、AI Supercomputing SOC：這個(gè)是英偉達(dá)本就十分擅長(zhǎng)的硬件芯片。博世將NVIDIA人工智能平臺(tái)納入到自己的零部件供應(yīng)商中已經(jīng)是對(duì)其硬件實(shí)力的最好證明，這也意味著英偉達(dá)的人工智能芯片將開(kāi)始正式向量產(chǎn)平臺(tái)進(jìn)軍。此外，這次老黃還發(fā)布了將與卡車(chē)制造商PACCAR合作，基于DrivePX平臺(tái)發(fā)展卡車(chē)領(lǐng)域的高級(jí)別自動(dòng)駕駛。
在此之上，老黃又進(jìn)一步聊了實(shí)現(xiàn)L3級(jí)別自動(dòng)駕駛所需要的幾個(gè)環(huán)節(jié)：
Detection（感知）、Localization（定位）、OccupancyGrid（占用空間）、PathPlaning（路徑規(guī)劃）、VehicleDynamic（車(chē)輛運(yùn)動(dòng)）、OTA（在線升級(jí)）。
可以看到，除去OTA之外，老黃的理解與我們之前一再提到的感知、地圖、決策、控制有一些類似。但是，這兩者之間最大的不同點(diǎn)是在于對(duì)「決策」的理解。做圖像處理發(fā)家的老黃，將駕駛決策巧妙的分成了兩個(gè)偏向圖形分析的環(huán)節(jié)：
OccupancyGrid（占用空間）：這個(gè)環(huán)節(jié)指的是，機(jī)器對(duì)于周?chē)h(huán)境中各元素所處位置與所占空間做出的判斷。這個(gè)判斷既包括當(dāng)前環(huán)境，也包括未來(lái)環(huán)境。而元素可以是車(chē)輛、行人、建筑物等等。
PathPlaning（路徑規(guī)劃）：在判斷了周?chē)刂螅瑱C(jī)器將根據(jù)這個(gè)空間環(huán)境，規(guī)劃出可駕駛的路線。
這樣的劃分，無(wú)疑能夠更好的體現(xiàn)GPU在圖像處理方面的優(yōu)勢(shì)。在老黃看來(lái)，目前市面上還沒(méi)有任何一個(gè)量產(chǎn)的計(jì)算平臺(tái)能夠同時(shí)整合上述五個(gè)環(huán)節(jié)，而這正是NVIDIA希望在汽車(chē)領(lǐng)域攻克的難關(guān)。
最關(guān)鍵的部分來(lái)了：
綜合上面的分析，老黃提出，DeepLearning在高精度地圖以及圖像識(shí)別方面的應(yīng)用不僅能夠優(yōu)化自動(dòng)駕駛的決策，更能夠幫助降低車(chē)輛上所需傳感器的成本。
我們之前提到過(guò)，除了特斯拉之外，大部分主機(jī)廠和Tier1都認(rèn)為，每一輛實(shí)現(xiàn)L3級(jí)別的自動(dòng)駕駛車(chē)輛需要配備激光雷達(dá)。而老黃認(rèn)為，在DeepLearning的驅(qū)動(dòng)下，現(xiàn)有量產(chǎn)級(jí)別傳感器以及高精度地圖技術(shù)的潛力將被進(jìn)一步挖掘，從而在一定程度上打破L3級(jí)別自動(dòng)駕駛對(duì)激光雷達(dá)的依賴。由于目前激光雷達(dá)的成本和量產(chǎn)時(shí)間是實(shí)現(xiàn)L3自動(dòng)駕駛的主要瓶頸之一，老黃相信，我們有可能在今年年底到2018年間就實(shí)現(xiàn)L3級(jí)別的自動(dòng)駕駛，在2018年底到2019年實(shí)現(xiàn)L4。
在德國(guó)當(dāng)著無(wú)數(shù)汽車(chē)行業(yè)的人給出這樣的觀點(diǎn)，老黃就這樣把他的「黃氏定律」帶到了汽車(chē)圈。
帶著女兒來(lái)專訪
演講之后，在BCW場(chǎng)地旁邊的一個(gè)酒店會(huì)議室中，我又再一次見(jiàn)到了老黃。專訪的一開(kāi)始，老黃就給了在座的媒體一個(gè)驚喜：「今天我的女兒也跟我一起來(lái)了，有我女兒看著，你們要對(duì)我好一點(diǎn)哦。」這樣的畫(huà)風(fēng)也讓整個(gè)專訪氛圍一下子變成了科技公司的輕松范兒。
在向大家介紹完了自己的女兒之并復(fù)盤(pán)了一下自己的演講之后，老黃開(kāi)始回答起了大家的問(wèn)題。
在被問(wèn)到Intel收購(gòu)Mobileye的事情時(shí)，他首先開(kāi)玩笑的說(shuō)：“他們?yōu)槭裁匆I(mǎi)Mobileye啊？”隨后又說(shuō)：“英特爾這個(gè)決定肯定是有他們自己的原因和考慮的，至于收購(gòu)后的效果，時(shí)間會(huì)給出我們結(jié)果。”
當(dāng)有記者問(wèn)到老黃英偉達(dá)如果面臨被巨頭收購(gòu)會(huì)如何決策時(shí)，老黃也開(kāi)玩笑道：“NVIDIA一直都在對(duì)外出售啊，你們都趕緊來(lái)買(mǎi)一點(diǎn)我的股票吧！”可以看出，對(duì)于行業(yè)內(nèi)最近的兼并，老黃并沒(méi)有表現(xiàn)的很在意。這與他平時(shí)果斷、自我的行事風(fēng)格十分相符。
我還針對(duì)老黃在發(fā)布會(huì)上的觀點(diǎn)提出了兩個(gè)問(wèn)題，
以下是問(wèn)答的實(shí)錄（M代表Mark，H代表老黃）
M：在您的演講當(dāng)中提到了希望打破汽車(chē)行業(yè)對(duì)激光雷達(dá)的依賴，但是汽車(chē)行業(yè)對(duì)冗余是有要求的，您具體會(huì)用什么樣的技術(shù)或方法替代這種冗余呢？
H：首先我需要澄清的是，我并沒(méi)有說(shuō)激光雷達(dá)是沒(méi)用的。
目前我們使用的高精度地圖收集車(chē)上都配備了激光雷達(dá)，這些已實(shí)際使用的激光雷達(dá)，加上越來(lái)越先進(jìn)的其它傳感器，再整合DeepLearning的算法，這套現(xiàn)有的數(shù)據(jù)收集及處理體系已經(jīng)非常強(qiáng)勁了。未來(lái)如果固態(tài)激光雷達(dá)能夠以低成本量產(chǎn)的話，當(dāng)然能夠讓這套體系更加強(qiáng)大。
如果純粹考慮提升感知能力的話，我肯定希望我身上張著許多眼睛，許多耳朵（雖然可能會(huì)很難看）。所以我并沒(méi)有否定激光雷達(dá)的作用，所有傳感器都會(huì)變得越來(lái)越好，不要把激光雷達(dá)想成全部都有或全部都沒(méi)有的問(wèn)題。我的觀點(diǎn)的核心是高級(jí)別自動(dòng)駕駛的切入點(diǎn)，固態(tài)激光雷達(dá)最終會(huì)普及，但是我覺(jué)得要等到激光雷達(dá)普及到所有車(chē)輛以后才能稱之為L(zhǎng)4級(jí)別自動(dòng)駕駛的這種想法是錯(cuò)的，我們沒(méi)有必要等那么久。
M：當(dāng)我們提起DeepLearing時(shí)，人們都會(huì)想起AlphaGo，那么DeepLearning在駕駛決策當(dāng)中的應(yīng)用與其在圍棋當(dāng)中的應(yīng)用會(huì)有什么不用嗎？在駕駛環(huán)境中，往往包含著多個(gè)決策者，每個(gè)決策者對(duì)其它決策者的行為又會(huì)產(chǎn)生不同的反饋，在這樣持續(xù)變化且很難預(yù)知的環(huán)境中，DeepLearning應(yīng)該如何制定駕駛決策？
H：確實(shí)，駕駛和下圍棋有著非常大的不同。當(dāng)你開(kāi)車(chē)時(shí)，你必須要先做出假設(shè)。
這個(gè)假設(shè)就是：當(dāng)你上路以后，大部分路上的其它車(chē)輛或行人是不會(huì)去傷害你的，你會(huì)假設(shè)路上的其他人都會(huì)遵守交通規(guī)則，例如大家會(huì)保持各自的車(chē)道，大家不會(huì)隨意并線、不會(huì)違章轉(zhuǎn)向等等。在這個(gè)假設(shè)的前提下，駕駛決策的問(wèn)題就相對(duì)好解決了。
如果你做出了相反的假設(shè)，認(rèn)為大家在路上都是在互相博弈（原話為Gaming），并會(huì)與周?chē)钠渌水a(chǎn)生連鎖效應(yīng)，那么這個(gè)場(chǎng)景可就不是AlphaGo的那種兩方對(duì)決了，而是可能多如20個(gè)決策者相互博弈，這將是一個(gè)非常有意思的場(chǎng)景，但是我們目前還沒(méi)有解決。如果我自己遇到了這樣的場(chǎng)景，我寧可不開(kāi)車(chē)，選擇去走路……
從上面這兩個(gè)問(wèn)題可以看到，老黃對(duì)于高級(jí)別自動(dòng)駕駛落地時(shí)間的大膽預(yù)測(cè)建立在兩個(gè)基礎(chǔ)之上：
1、激光雷達(dá)的完全普及不是實(shí)現(xiàn)L4自動(dòng)駕駛的必要條件。
2、車(chē)輛所使用的駕駛決策將按照統(tǒng)一的交通規(guī)則制定。
這個(gè)觀點(diǎn)和特斯拉有一點(diǎn)相似，這也可能是他們兩家公司最后能在一起合作的原因（老黃自己也是特斯拉的粉絲）。不過(guò)，這樣的理解相較于傳統(tǒng)汽車(chē)行業(yè)來(lái)說(shuō)確實(shí)有一些激進(jìn)。這就意味著，此次NVIDIA與博世的合作將不單是雙方的優(yōu)勢(shì)互補(bǔ)，更是兩種不同理解的再次碰撞。與傳統(tǒng)Tier1供應(yīng)商的合作，既為NVIDIA敞開(kāi)了汽車(chē)行業(yè)的大門(mén)，但同時(shí)也將為他們帶來(lái)更多的挑戰(zhàn)。在談笑風(fēng)生之外，也真心希望老黃能再次把他的「黃氏定律」在汽車(chē)圈實(shí)現(xiàn)。
最后得說(shuō)一句：老黃來(lái)中國(guó)時(shí)，肯定不開(kāi)車(chē)。
來(lái)源： 億歐網(wǎng) 責(zé)任編輯：YOYO
加載中...
