地平线创始人余凯:2025年每一千美金将可买到人脑水平算力

10月21日下午消息,第六届世界互联网大会于浙江乌镇召开。在人工智能论坛尖峰对话环节,地平线创始人兼CEO余凯发言时提到,对于可靠性、安全性、实时性的要求,边缘的人工智能芯片势在必行。

“车载AI芯片是人工智能行业的珠穆朗玛,也是自动驾驶实现大规模落地的前提。此次地平线率先推出首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破,也补齐了国内自动驾驶产业生态建设的关键环节。”8月30日,2019世界人工智能大会期间的一场发布会上,地平线创始人余凯在介绍公司发布的新款AI芯片时这样说到。

原标题:地平线创始人余凯:2025年每一千美金将可买到人脑水平算力

地平线认为在边缘的人工智能芯片这件事情上,车载的人工智能计算无疑是在这个领域的珠穆朗玛,因为它对算力的要求是最高的,对实时性的要求也是最高的。同时我们还要满足信息安全以及功能安全。

作为国内估值最高的AI芯片技术企业,地平线此次发布的是一款面向自动驾驶场景的车规级AI芯片——征程二代,据地平线介绍,这也是国内首款车规级AI芯片。

9月12日-9月14日,2018第二届中国汽车电子大会在广州举行,地平线创始人余凯在大会演讲中表示,随着摩尔定律的进展,预计到2025年每1000美金可以买到相当于人脑水平的算力,以这个级别的算力在技术上完全可以支撑高级无人驾驶。

余凯表示,面向未来,地平线还是要做产业底层的赋能者,开放的生态型底层算力的创新企业。

车规级AI芯片是自动驾驶实现大规模落地的必要条件,但车规级芯片需要满足“高安全性、高可靠性、高稳定性”的技术标准要求,并且需要经过严苛的研发、制造、封装、测试和认证流程,因此相较于其他类型的芯片,车规级芯片的研发难度更高、研发周期也更长。

2025年算力将满足高级无人驾驶

“今天大家每个人谈人工智能,都谈深度学习,可是深度学习远远不是人工智能的全貌。可以说面向自动驾驶这样的场景,不仅仅是说深度学习这样的感知计算,其实我们后面会越来越到更加复杂的决策。而这个决策,它比今天AlphaGo所面临的决策问题更复杂。”

而难得的是,地平线在技术突破的同时,在商业化上也有所斩获。据地平线介绍,征程二代AI芯片已在高级别自动驾驶、辅助驾驶、多模交互等方向,获得了5个国家客户的前装定点,搭载征程二代AI芯片及解决方案的量产车型则最早将于明年年初上市。

数据、算力、算法,作为人工智能的生长动力之一,算力随着摩尔定律的进展一直以比较平稳的速度发展。“目前每1000美金能买到的算力大概等于小鼠的大脑,随着2025年左右摩尔定律达到穷尽,每1000美金能买到的算力能达到人脑水平,将能很好地支撑起高级无人驾驶。”在第二届中国汽车电子大会上,地平线创始人兼CEO余凯博士表示,人类在进入信息时代后,算力的阶段性发展总是能催生相应的产业和一批企业,例如从大型机时代的IBM,到PC时代的英特尔、微软,再到移动互联网的苹果、高通、华为、阿里巴巴等。而随着算力继续推进,智能驾驶将成为一个庞大的新兴产业。

余凯表示,AlphaGo相当于是两个对手在做,可是自动驾驶面临的问题是周围所有的行人和车,所以它的决策复杂程度远超我们现在想象。

地平线创始人余凯在接受《深网》独家专访时,透露了更多关于征程二代AI芯片及其商业化情况的信息,同时,也详细阐述了他对公司定位以及行业竞争等问题的思考。

据了解,地平线公司创办于2015年7月,创始人兼CEO余凯博士为“千人计划”专家、科技部新一代人工智能战略咨询委员会成员、百度深度学习研究院创始人。此外,团队中还包括多位来自百度、Facebook、华为、三星等企业的研发专家。其核心业务为开发嵌入式人工智能平台,目前已自主研发出面向智能驾驶的征程(Journey)系列处理器和面向智能摄像头的旭日(Sunrise)系列处理器,将分别用于智能驾驶和智慧城市领域。

“所以地平线专注于车载的人工智能计算的芯片以及它的软件平台,实际上也就是去挑战整个人工智能最具有挑战性的部分。”余凯说到。

国内AI芯片的先行者

据介绍,目前地平线已与许多整车厂商展开合作,包括奥迪、上汽、广汽、比亚迪、长安、蔚来汽车等,并于今年推出了芯片样片。“一般车规级的芯片先是样片,再经过车规级认证,才能够推出车规级芯片。”余凯说,该芯片突破了四级自动驾驶,考虑到国内路况复杂,将主要卖给国外厂商,而面向中国将提供可满足三级自动驾驶的处理器,以赶上整车厂商预计2020年推出三级自动驾驶辅助系统的时间点。

2015年,余凯卸任百度深度学习研究院负责人创立地平线时就认准了AI芯片赛道,他在业内率先提出聚焦边缘人工智能芯片方向,并表示地平线要成为“机器人时代的英特尔”。

《车载智能计算平台白皮书》显示,目前车载智能计算平台AI
芯片性能方面国内典型产品存在优势,目前国外 AI
芯片的典型产品主要有英伟达的 Xavier 以及英特尔的
EyeQ4。国内企业如百度、地平线、寒武纪等也推出了 AI 芯片。

在AI芯片的设计理念上,余凯从创业之初就倡导软件和硬件的高度协同,“这跟我自己的出身背景有关。我自己在创业之前从事了20多年的机器学习的算法研发,所以这是软件算法的背景,在开始做芯片设计的时候,我们的设计思想就会充分的去反应软件的这些思维。”余凯说。

从整数运算能力、浮点运算能力以及功耗等几方面对比,国外产品算力较高而国内
AI
芯片在能耗比方面存在优势。但车载智能计算平台的性能方面国外仍处于领先地位,且部分国外计算平台已实现量产。

“深度学习处理器它的本质是为深度学习的软件服务的,所以,这两个之间一定要适配的很好,要不然的话处理器它不能够非常高效的去服务于这些软件算法,那这个处理器的效率是出不来的。”余凯进一步解释软件与硬件协同的重要性。

余凯认为,在中国做智能驾驶芯片的优势在于有庞大的汽车市场容量,以及更了解中国的路况情况和消费者需求。“客观来讲我们还是有一些优势的,即使跟美国市场比。我们最新的面向四级自动驾驶提供的深度学习计算平台,跟英伟达的四级自动驾驶的计算平台比功耗是他们的1/10,由于有这样的竞争力,我们在美国反而赢得大单,在美国多个城市部署四级自动驾驶的出租车方案,今年年底就有数百台部署。”

软件之外,对于芯片行业的硬件生产环节来说,制造工艺领先的台积电无疑是最佳选择,而地平线正是全球第一家到台积电流片的AI芯片企业。

三类企业竞争,软件企业做软硬结合最有前景?

不过,回过头来看,地平线与台积电的合作似乎顺利得出人意料,毕竟台积电作为芯片代工行业的领导者,而彼时刚刚创业的地平线和它选择AI芯片赛道,都还处于非常早期的起步阶段,地平线先期较少的流片订单量或许并不能满足台积电的胃口。

余凯在接受采访时表示,目前来看主要有三类企业参与汽车人工智能处理器的竞争。其中第一类是传统SOC厂商,包括飞利浦创办的恩智浦、德州仪器等,第二类是半导体企业如英特尔、英伟达等,第三类则是以软件算法为先导,进行软硬件结合方式开发的企业,例如谷歌开发了人工智能芯片TPU,地平线也属于此类。

“突然有一家创业公司去闯入这样的一个领域,说是要成为未来人工智能时代的英特尔,我觉得台积电在想谁是下一个英特尔吧。”在余凯看来,对人工智能共同的未来观是两家公司走到了一起原因。“虽然两家不同的企业,一家作为产业领导者,另外一家是一个新兴产业的先行者。但是因为我们都具有同样的未来观,所以在这点倒是能够走到一起来的。”

amjs11.com,余凯认为,三类企业中,传统SOC厂商在人工智能方面的技术积累有所欠缺,优势主要在车载娱乐系统。而半导体企业和软件公司由于较早布局拥有更深的积累。

地平线成立四年,余凯认为公司走到了第二个重大的里程碑:第一个是成为台积电全球AI芯片的第一个客户,在2017底推出国内首款边缘AI芯片;第二个是推出国内第一款车规级AI芯片。

“我个人的看法,第三类企业会更加有未来,因为第三类企业知道人工智能的发展趋势。我们知道芯片研发的周期跟软件迭代不一样,从一个芯片的设计开始到最后进入产品差不多要三年,如果是车规级的通常来讲要四到五年时间,这么长的周期,也就意味着在芯片开发阶段就得知道五年以后车端的应用软件是怎么样的,硬件公司由于缺乏对软件趋势的判断,所以基本上会基于当前人工智能的理解去设计芯片架构。”余凯说,“人工智能其实是软件来带动硬件架构的发展,从感知到决策,深度学习之后还有增强学习,增强学习再往后发展还有通用人工智能,这些发展本质上是人工智能的基础理论去驱动的,首先体现在软件,然后拉动硬件的设计架构,使软件能够更加高效地计算。”因此他认为,在三个势力之间竞争博弈时,前两类从芯片公司的角度做会面临这种瓶颈。而以软件人工智能研发为先导进行硬件结合的企业未来会更有机会。

在这个过程中,地平线考虑的核心任务也发生了变化。“地平线在过去3年的时间里,我们的主要核心任务,第一个是建造一个业界无以伦比的软件、硬件的研发团队。第二个是向业界证明地平线是能够从硬到软、从软到硬并且交付给客户完整的芯片解决方案,我们能够流片,能够把方案给开发出来,并且能够交付量产。”

芯片自主程度几何?晶圆和设计软件仍依赖国外

“走到今年年初的时候,其实我们就自然而然更加考虑商业化的问题,更加考虑在整个产业链里面我们扮演什么样的角色定位的问题。”余凯说。

余凯在接受采访时透露,地平线是一家核心在于芯片设计的公司,类似于英伟达、高通等,自己没有生产芯片的晶圆厂,而是外包给台积电生产。

公司定位和行业竞争

“整个芯片的研发需要底层很多的支撑要素,这些我国都还没有能力自主可控。”他告诉南都记者,目前中国整个芯片行业在晶圆和设计软件两方面与国外顶尖水平均有巨大差距,国内芯片厂商做研发的底层要素仍高度依赖国外。其中首先是生产芯片的晶圆厂,目前全世界最先进也是最主流的是台积电和三星,中国芯片最领先的制程工艺目前做到28纳米,而台积电已经做到5纳米。此外设计芯片架构的工具软件,基本上也来自两大美国企业,无法做到自主可控。

“打碎自我,自我进化”这是余凯此前经常在公司提及的两个词,余凯透露此前公司内部花了大半年的时间讨论地平线的整体战略。

不过他同时称,目前全球的芯片产业已经形成生态,追求自主可控并不意味着封闭。”地平线的核心是希望像英伟达GPU、谷歌TPU这样能够设计出世界最领先的人工智能自动驾驶处理器,至于设计里面用到的工具,我们会使用国际上最好的工具。”余凯说。

今年四月,地平线提出了AI on
Horizon战略,更加聚焦于做底层核心技术赋能。在汽车行业里,地平线给自己的定位为Tier2和OEM的AI赋能者。

南都创客工作室出品创新催生创客 创客改变世界如有意见或线索欢迎电邮
nanduchuangke@163.com

“我们为什么要定位成Tier2,意思就是说在最底层不跟大家竞争,我们不去做系统集成,我们不去往上面做应用,我们不去碰客户数据。”余凯解释“我们就做这里面最核心的感知计算和定位以及它的预测,但是不做决策控制。”

采写 南都记者 徐劲聪

余凯认为,自动驾驶AI芯片是整个人工智能产业里的珠穆朗玛,因为对于它的可靠性、稳定性、识别的准确性等要求非常高,自动驾驶AI芯片也是地平线的核心战略。但考虑到地平线给自己的定位,余凯表示,自动驾驶计算的控制决策地平线不会做,因为那会与客户产生竞争。

排版 耿舒祎

2015年,地平线还是国内AI芯片领域独行者,如今,伴随着人工智能浪潮的崛起,AI芯片的赛道越来越拥堵,具体到地平线专注的自动驾驶AI芯片领域,头部玩家见的竞争也越来越激烈,多家国内初创AI芯片企业陆续进入这一市场,华为、百度、英特尔、英伟达等科技巨头也早有布局。

作者:徐劲聪返回搜狐,查看更多

在余凯看来,与巨头相比,地平线的优势在于:软硬件高度协同带来的技术领先,提前布局AI芯片领域的先发优势,定位产业赋能者以及专注于核心业务。

责任编辑:

而对于地平线AI芯片主要应用的自动驾驶领域,余凯认为自动驾驶、高等级别自动驾驶在两三年内难有突破,但在2025年到2030年之间会有很大的想象空间。“我们在短期两、三年的时间或者三、四年时间常常会高估技术发展速度,但是十年时间来看的话常常会低估技术发展的速度。”余凯说。

“后面我们会有一系列的road
map,因为我们更长期的走,把辅助驾驶的功能越做越丰富,越做越全,然后从辅助驾驶到高等级的自动驾驶,我们会有在未来的6到12个月里面,我们还有更先进的制程跟工艺的车规级芯片,至少有两款芯片会流片。”对于地平线的下一步规划,余凯最后透露。

以下为《深网》整理的专访实录:

1、关于征程二代AI芯片

问:地平线这次推出的征程二代车规级芯片,最大的突破是什么?

余凯:这次最大的突破是我们推出国内第一款车规级的AI处理器。据我们了解是国内第一家。地平线毕竟在人工智能处理器这块起步比所有人都早,所以我们在车规级这块取得了一个突破,这个难度还是非常大的。因为车规级芯片整个的要求非常的严格。由于车的工况是完全不可控的,不像一个电子设备什么的是可控的。车本来就是天南地北,各种工况,所以它的要求,对半导体的设计要求是非常高的。

所以这点,地平线成立4年时间,走到是第二个milestone。回顾起来几个milestone,一个是说,整个台积电,大家知道台积电是像高通、英伟达背后其实都是台积电作为代工,我们是台积电全球AI芯片的第一个客户,在2017年6月,走到2017年年底的话,我们推出国内的第一款AI的边缘计算的AI芯片,到今天,我们走到一个重大的milestone,推出国内第一款车规级的AI芯片。这几个其实都是地平线走过来的一个一个主要的里程碑。

这款芯片它除了车规以外,另外一个很大的进展就是,它的计算效率非常的高,也就是说,地平线倡导的是深度的软件跟硬件的高度协同。所以,我们相对来讲比一般的芯片公司更加懂AI的核心基础理论跟算法。我们又比一般的软件公司、算法公司更加的懂AI芯片的架构设计。所以这种硬件跟软件的联合迭代、联合设计使得整个计算效率,就是为人工智能神经网络计算我们的效率非常高。比如说首先单位的功耗,我们能够处理更复杂的神经网络运算,现在这款芯片2瓦功耗,我们可以做4个TOPS,但是这还不是最根本的。最根本的是,大部分的芯片它列出来都是峰值算力,但是它实际有效算力可能是它的峰值算力几分之一,可能是10%到20%,很多芯片是这样的,包括GPU。

因为我们地平线把软件跟硬件的协同做的更好,所以我们的峰值算力跟实际应用场景里的算力是非常接近的。我们有效利用率平均对各种神经网络来讲能做到80%以上,这样的话,我们实际算力远超业界同行的其他水平。我们开玩笑讲,本质上地平线是一个比较硬的软件公司,也是一个比较软的硬件公司。

问: 地平线为什么能把软件跟硬件的协同做得更好?

余凯:这还是设计理念的不同。当然有来源于地平线的人才储备的不一样,跟我自己的出身背景有关。我自己在创业之前从事了20多年的机器学习的算法研发,所以这是软件算法的背景。也就是说,我在开始做芯片设计的时候,我们的设计思想就会充分的去反应软件的这些思维。

但是,深度学习处理器它的本质是为深度学习的软件服务的。所以,这两个之间一定要适配的很好,要不然的话处理器它不能够非常高效的去服务于这些软件算法,那这个处理器的效率是出不来的。就像我刚刚讲的世界上典型的用的最多的国外深度学习的处理器,实际上标出来的计算效率、计算能力是这样的,但是实际上得能利用这里面峰值效率的10%、20%,大部分是空转。地平线因为我能够把软件、硬件适配的更好,所以我们实际能比这种效率有效利用率提高好几倍。我刚才讲到了平均都是80%以上,在有一些网络结构的话我们还可以支持到90%以上。

问:地平线是国内最早找台积电做流片的AI芯片企业,台积电主要给一些大厂代工,当时地平线刚刚流片的时候应该需求不是特别大,当时是怎么说服台积电合作的?