專訪余凱：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余凱與Intel高級副總裁&Intel Capital總裁Wendell Brooks

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家人工智慧與大數據公司，這15家公司分別來自美國、加拿大、以色列、日本和中國，其中國內人工智慧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佔了比較高的比重。

Intel Capital本次投資的邏輯

自1991年成立之後，Intel Capital在過去的16年時間裡一共投資了超過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慧、網路安全到自動駕駛、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、數據採集、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

數據採集 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系統和演算法領域的合作夥伴。

地平線的兩項核心競爭力，可以理解為演算法與處理器IP。圍繞演算法和處理器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，余凱就講到，在數據爆髮式增長的背景下，「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」。

目前在解決方案方面，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晶元「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月底雷鋒網對余凱進行了一次專訪。在這次採訪中，他和我們分享了他對於人工智慧商業化的看法，內部盤古晶元的研發進程，以及地平線在自動駕駛領域解決方案的思路與進展。

以下是採訪實錄，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。軟體演算法團隊順理成章，公司可以拉出一票人來，但硬體不是我自己特別熟的領域，要把硬體團隊張羅起來。周峰（地平線首席晶元架構師）是第一天就加入地平線了的。

一開始花了幾個月時間先做演算法軟體架構的設計，軟體框架確定後開始做硬體架構，再然後是硬體的前端設計、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，所以還會先把後面偏應用的工作做好，再對外發布產品。

晶元開發團隊的情況是怎麼樣的？

現在有幾十人，由周峰領導。

這款晶元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，設計一個演算法框架去處理，做一款晶元。未來我們會分成兩款晶元，但一開始還不會做的這麼精準。就像巴菲特說的，模糊的正確好於精確的錯誤。

地平線是想做晶元加演算法的整體解決方案，既然這樣，為什麼一定要自己做晶元，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，拿深度神經網路來說，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，通用的晶元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，它自己做演算法也做處理器，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，從軟體上的需求往下走，就會發現硬體有些地方不是專門為軟體做的，以至於不夠好。就像其實自動駕駛公司也不會在多套硬體上做方案，肯定還是就著一個硬體來做。那如果硬體自己做的話，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慧演算法，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，這裡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，把嵌入式的人工智慧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，後面會以一到兩年的速度迭代。我認為還需要迭代兩次，讓軟硬體達到一個相當高效的狀態。

談自動駕駛與晶元

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系統集成，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體硬體的整體方案，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，裡面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制這件事上，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體，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：一是自己做硬體，比如激光感測器；一是純軟體公司，做多感測器融合，使用現成的處理器。地平線還是強調軟硬體深度整合，更關注軟體在硬體上的效率，對系統發熱、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，因為它限制了很多使用條件。未來會逐漸把這些限制條件去掉，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，攝像頭等感測器，核心想法還是開發基於純視覺的方案，之所以有冗餘，是希望用比較貴的感測器去訓練基於視覺的系統，這些感測器相當於會產生標註數據。簡單來說，比如要知道基於攝像頭感測器的行人距離，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感測器是什麼樣的態度？

激光雷達主要是研發用，了解理想的定位系統是怎麼樣的。我們的關注點還是基於強大的軟硬體平台，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。不是說不去做多感測器融合，而是想基於視覺把系統做到人類水平，再加上其它感測器，使整個系統比人類更安全。這是我的邏輯。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！