地平線A＋輪融資近億美元，英特爾領投聯手發力自動駕駛

新智元報道

作者：胡祥傑 零夏

【新智元導讀】夜間消息，地平線剛剛宣布獲得近億美元的A+輪融資。領投方正是此前地平線要「對標」的英特爾，雙方將聯手重點在自動駕駛上發力。從對標英特爾到牽手英特爾，地平線經歷了哪些變化？公司現在的定位是什麼？新智元對地平線創始人兼CEO余凱進行了專訪，他談到了地平線現在的公司定位和在自動駕駛生態中的地位，還有聯手英特爾後對待其他硬體廠商比如英偉達的態度。

人工智慧初創企業地平線剛剛宣布了A+輪融資情況：總額近億美元，英特爾投資領投，嘉實投資聯合投資，其他參投方包括現任股東晨興資本、高瓴資本、雙湖投資和線性資本。泰合資本擔任本輪融資的獨家財務顧問。英特爾全球副總裁丹尼爾·麥克納馬拉爾 （Daniel McNamara）將加入地平線公司董事會。

本輪（A+）融資預期於2017年年底全部完成。

地平線創始人兼CEO余凱在於美國舊金山當地時間19日舉辦的英特爾投資 CEO 會議上正式宣布了這一消息。

此前曾多次在公開場合放言「對標英特爾」「成為人工智慧時代的英特爾」的余凱和他的地平線，現在看起來，是更進了一步。

地平線定位解決方案提供商，軟硬體整體保持開放性和自主性

根據地平線官方的介紹，地平線現在是一家全球領先的嵌入式人工智慧核心技術和系統級解決方案提供商，致力於為自動駕駛汽車、智能攝像頭等終端設備安裝「大腦」，讓它們具有從感知、交互、理解到決策的智能。

地平線表示，將用本輪融資來加速技術產品研發和商業落地，打造以人工智慧處理器架構和演算法軟體系統為核心的關鍵技術，並面向自動駕駛和智能城市等重大應用場景，推出系統級嵌入式人工智慧解決方案。

余凱對新智元表示 ：對於自動駕駛來說，計算部分的軟體和處理器是最核心的部分，代表了自動駕駛的大腦。毫無疑問英特爾在自動駕駛技術和通用處理器方面擁有全球領先的實力，尤其是在CPU，FPGA，5G，以及其車規級晶元製造等方面都可以讓地平線的解決方案更加有競爭力。英特爾最近還收購了全球領先的Mobileye。未來我們和Intel在自動駕駛解決方案方面會深入合作，包括面向全球市場和中國市場共同開發解決方案。同時需要指出的，地平線的定位是解決方案提供商，所以地平線在選擇硬體方面是開放的，不僅僅只考慮英特爾的處理器，也可以選擇其他廠商的，包括英偉達的GPU，甚至地平線自己設計的新的處理器架構。

我們注意到，此前地平線的公司全稱是「地平線機器人」（Horizon Robotics），最近公司官方網站改版，公司對外的名稱也簡單地改為了「地平線」。

英特爾方面，此前這家晶元巨頭斥資153億美元收購了以色列自動駕駛公司Mobileye，引起業界轟動。自動駕駛是英特爾在大力布局的一個方向。此前，英特爾推出了英特爾 GO 自動駕駛開發平台，並且與寶馬和德爾福等車企結成聯盟。有消息稱，英特爾也在與谷歌的自動駕駛公司Waymo共同開發無人駕駛晶元。

新智元了解到，早在 2016 年 11 月，地平線便與英特爾公司展開深入合作，雙方於 2017 年1月在美國拉斯維加斯國際消費電子展（CES2017）上展出了基於地平線 BPU 架構聯合開發的高級輔助駕駛系統解決方案。地平線在自動駕駛感知和決策技術、深度學習演算法、人工智慧處理器架構等方面展現的領先世界的技術實力，受到業界廣泛認可。

余凱：地平線應該是中國第一家自動駕駛創業公司

地平線創建於2015年7月，由百度深度學習研究院（IDL）創始人余凱聯合前百度主任架構師（T10）黃暢、Facebook 人工智慧研究院（FAIR）創始成員楊銘共同創建。

因為擁有豪華的團隊陣容，地平線被認為是新一輪人工智慧浪潮中的創業明星。那麼A+輪的融資以後， 地平線的公司定位具體是什麼？會側重發展什麼樣的核心技術？

余凱對新智元介紹說，地平線的定位是嵌入式人工智慧軟硬一體解決方案提供商。相比於大部分人工智慧公司側重於在伺服器端實現人工智慧，我們專註於在自動駕駛汽車和智能攝像頭等終端實現超低功耗，高性能，低延遲，實時處理的人工智慧技術解決方案。

地平線為什麼會選擇自動駕駛作為切入點？現在國內自動駕駛初創企業眾多，地平線相比其他公司的獨特優勢在哪？

余凱說：「如果我沒有記錯，地平線應該是中國第一家自動駕駛創業公司，而且我本人在2013年創立了百度自動駕駛團隊。我們相信在未來10-20年最大規模影響人類生活的人工智慧產品就是自動駕駛，所以很自然我們選擇這個激動人心的方向。」

他解釋說，相比於其他自動駕駛創業公司，地平線是中國唯一強調軟硬結合的自動駕駛解決方案公司，而不僅僅是只開發軟體演算法，還包括硬體架構設計。正如蘋果公司所信仰的，地平線堅定的相信只有通過軟體和硬體的深度聯合優化，才能真正的保證系統的效率和可靠性，這對自動駕駛至關重要。

據了解，地平線也是目前中國唯一在世界四大汽車市場（美國、德國、日本和中國）與全球頂級 OEMs 和 Tier1s建立合作夥伴關係的自動駕駛初創企業，獲得了眾多投資機構、合作夥伴及行業客戶的認可和支持。

提到地平線現在和未來在自動駕駛行業生態中的地位。余凱說：「在自動駕駛產業生態中，我們是核心解決方案的提供商。我們不是傳統意義上的晶元廠家，我們提供的是軟硬一體的全面解決方案。相比於半導體企業，我們有強大的軟體基因，我自己本人就是一直做軟體演算法研發的，所以我們會把核心放在高效的人工智慧軟體演算法研發，側重於硬體友好的演算法設計，然後基於軟體來設計我們的處理器架構。而我們提供給業界的，是「軟體+硬體」的解決方案。」

此前在參加新智元閉門論壇「百人會」時，余凱也曾表達過對「蘋果模式」的欣賞，他說，軟體定義硬體，有自己硬體的軟體才是最牛逼的，因為它有別人無法複製的能力，就像蘋果。這是最強大的商業模式。而且這種模式不可被替代。晶元的核心競爭力可能還是在於軟體跟場景。未來的趨勢一定是場景驅動的軟體定義硬體的設計，這同樣也反映在商業生態上面。

Wendell Brooks, Intel Senior Vice President, President of Intel Capital

與余凱，地平線創始人兼CEO

地平線嵌入式人工智慧計算機視覺處理器「盤古」即將面世

地平線即將推出業界第一款嵌入式人工智慧計算機視覺處理器「盤古」，應用於智能駕駛和智能攝像頭。據了解，該處理器在降低成本的同時擁有超低功耗、超高性能。地平線表示其目標是將單位成本、單位功耗裡面的性能提高到目前業內最好晶元的上百倍左右。

地平線有很大的精力和資源都投入到了晶元的研發中，此前也被認為是一家晶元公司。晶元的研發「燒錢」是眾所知周的。余凱對新智元表示：「處理器架構研發的成本還是挺高的，千萬美金級吧。更重要的是時間成本，從立項到成熟方案做出來需要2-3年時間，需要耐心。」

談及此次融資的感受，余凱說，我們感受到市場上對人工智慧的態度已經從盲目樂觀轉向比較謹慎樂觀，趨於理性。一方面大家普遍相信人工智慧有巨大的未來，另一方面也在資本市場也不斷拷問創業者如何連接人工智慧商業和應用場景。純技術型的創業團隊融資會比較困難，而從具體應用需求出發，從商業場景來倒推技術路線會比較容易被投資人認可。

余凱演講：新的摩爾定律，從雲到邊緣計算，邊緣計算

余凱是業界公認的技術大牛，在此，我們推薦他此前在新智元舉辦的「百人會」閉門論壇上的演講。一起聽聽他對技術與行業的觀察和認知。

他談到三大趨勢：新的摩爾定律，從雲到邊緣計算，邊緣計算上的競賽會更強。還提到地平線的三大核心支點：演算法、雲、處理器。

1. 新摩爾定律：大腦的並行加速、通用晶元、專用晶元

我們一開始在剛創業的時候，那個時候少不經事，我記得對標要做人工智慧時代的英特爾，後來我不講了。因為我們跟英特爾的合作其實也越來越緊密，非常緊密的合作。

我在演算法領域幹了20年，突然一下在做硬體了，還是蠻好玩、蠻新鮮的事情。現在從我的角度來講我們怎麼干這個事情，能給大家帶來不一樣的東西。

第一個我想講的，是所謂新的摩爾定律。

談到摩爾定律應該感謝英特爾，這一定律在過去30年時間裡不斷地往前發展。最近大家也發現在物理上面，可能摩爾定律已經在逼近它的物理極限，英特爾本身自己也在減少自己往前遞進的速度。這裡打一個問號，我們怎麼樣保持摩爾定律？

實際上還是可以做到的，手段不是通過物理上的工藝提升，而是通過軟體演算法的變革帶來晶元架構設計的一個突破潛力。這樣，在特定的目標應用場景上面，我們還能不斷地往前發展。

打個比方，我們人類的大腦實際上是有通用處理器的部分。有很多專用的硬體，比如聽覺的、視覺的神經網路結構，包括有研究在三年前發現了在人腦裡面有一個地方是專門用來做定位的。就是說，因為特殊目的去定義的這個硬體，使得你對特定的問題效率可以更高，新的摩爾定律可以繼續往前奔跑，這個是新的摩爾定律。

我們比較通用的處理器架構跟人工智慧處理器架構，其實可以發現它們之間有很多不同，即使看人腦，也有很多問題讓我們很費解。我相信絕大部分同學都不能立刻回答這樣一些看似簡單的問題。因為人腦不是為這些東西設計的。它是為什麼設計的？

人腦有一些很奇妙的結構，我們處理視覺信號的時候，它是並行的，我們對它的結構並不是那麼敏感。實際上視覺信號從接收到處理到後面，基本是200毫秒到300毫秒的傳輸時間，非常慢，但是這麼慢的時間我們還可以開車，還可以打乒乓球，就是因為有特殊的加速結構。

實際上我們能夠打乒乓球、能夠開車，除了並行加速以外，還有一個就是——我們在每個時間點在預測未來，能夠提前預知。因此，如果前面的車突然剎車，你會發現你好像處理不了，因為你這個預測突然不準了，但是打乒乓球大部分的時候你會預測。所以有一句話說：人工智慧不斷往前發展，還是有賴於對人腦的結構跟它的功能有更深刻的理解。我是非常同意這個觀點。同樣這樣的觀點也會影響我們對處理器架構的設計。

在過去的幾年我自己也非常有幸參與整個過程，這是一個時代的變革。

2. 趨勢從中央到邊緣計算，車是最大的場景

第二個趨勢從中央到邊緣，我們可以看到從PC到移動，到現在的Internet of Smart Things。可以看到，很多計算其實都是應該在邊緣部分進行，尤其是我們面對感知、人機交互到實時決策的時候。

在中國，車實際上是邊緣計算的一個最大的場景，我很難以想像更大的一個場景。因為汽車的計算如果都要傳到雲端去，那是不可想像的。包括在中國還有這麼多的攝像頭，它們都要實時的在本地處理，做人臉抓拍這些應用，這些都是人工智慧在往前發展的動力。

第三個趨勢就是，我認為在邊緣的競賽更快、更高、更強。舉個例子，就是說我非常關心的自動駕駛，相機數量從1個發展到8至12個，同時車的速度也在不斷地提升，對計算的要求是穩定，要在車上面計算而不是在雲端。關於車上的計算，可以說到目前為止我們還沒有很好的解決手段。

所以去思考未來5-10年的顛覆性的產業機會：一個To B的商業模式變得成熟了以後，很多To C會在這一基礎上發展起來，不斷發現新的應用。比如說雖然我不知道互聯網是幹什麼的，但是我可以把網路鋪起來，一開始就是賣鐵鍬的聲音，其次才是淘金的聲音，這就是谷歌的增長。移動互聯網也是同樣，一開始還沒有想像可以用手機來打車，但是至少要讓這些移動的設備互聯。

實際上人工智慧難道不也是一樣嗎，英偉達從兩年前一個一百億美金的公司變成現在逼近一千億美金的公司。人工智慧大家都在說，但是真正掙了錢是誰呢？

3. 地平線三大核心支點：演算法、處理器、雲

雖然我們一開始的時候整個公司包括我自己都有很強的演算法背景，但是我們覺得還是要一插到底，至少要跟硬體非常的相關，要不然很難真正地驅動人工智慧應用往前發展。

我們思考自動駕駛這件事情：首先一定要在車上部署高效的演算法，也就是人工智慧演算法，然後運行在低功耗的實時處理器上，它不斷地有Data跟數據中心交換，並且數據中心處理所有車送過來的數據，不斷自主學習更新模型，最後部署到車上去。這樣其實涉及三個部分，一個是演算法，一個是處理器，還有一個雲。

所以如果真正去思考人工智慧的部署，我們覺得地平線要去建立三個核心的技術支點：首先是演算法，然後從演算法去驅動處理器設計，然後在雲端讓整個系統能夠不斷更新，部署越來越多的數據。

最近我們剛剛引入的吳強博士是我們的首席雲架構師，他在美國普林斯頓大學獲得博士學位，然後在Facebook幹了9年，一直負責雲端的大數據架構，在我們這邊主要是負責雲端的架構。

我們團隊本身有很強的演算法基因，包括黃暢博士在2004年就研發人臉檢測演算法，現在這一演算法已經運用在絕大部分的相機上。在演算法方面我們有很多的積累。2010年我們是首屆ImageNet的冠軍，並且在所有的比賽都是最早拿世界冠軍。

我們怎麼去看晶元這件事情？其實不能單獨談晶元，硬體一定是跟隨著軟體而來。未來的TPU一定是為TensorFlow設計的。

首先我們講軟體演算法，實際上我們希望推動什麼？我們希望能夠讓基於Camera的駕駛系統能夠達到人類水平。基於此，我們再把Radar和Lidar加上去，使得自動駕駛能夠比人類做的好得多。這是我們在自動駕駛推動的方向。

這其中，從一開始的感知，到基於3D的定位，再到Movement Prediction。今天大家的競爭都在前面兩個：感知和定位。但是一旦走到自動駕駛時代，你會發現行人的Intention和司機變道的Intention很重要，因為換道的時候你其實要跟周圍的車輛進行溝通，這個決策正確與否取決於對Intention理解正確與否。

第二個支點就是處理器，地平線的處理器架構的研發路線就是說從現在的面向感知的，今年我們會有這方面的推出，然後到感知更強，有簡單的決策到更加複雜的決策。

自動駕駛就是一系列決策，你要怎麼並行加速。比如決策時候的Tree Search，在雲端的話實際上就是說基於大數據，我們希望自動駕駛系統是能夠不斷地自主學習，去主動學習，而不是被動訓練，現在大部分的人工智慧系統其實都是被動訓練。但是那些死角是以前沒有見過的，所以一定要有主動學習系統。

地平線在建立雲端大腦，包括我們在今年到明年會部署上千輛的Learning Cars，我們會建立最大的數據集Crowd Base Platform，用真實的數據學習，基於GTC不斷的Drive我們的Driving Policy，建立虛擬的測試，可以積累上百萬公里的數據。

4. 中國自動駕駛的複雜需求驅動架構設計

今年我們會推出一個ASIC處理器，對於視頻的處理有一些專門的優化跟設計，使得它能夠更加實時、高效地去應對中國複雜場景的處理需求。

明年我們的第二代架構會推出來，它的核心是基於像素級的識別，而不是基於Bounding Box。識別會非常精準，尤其像城市道路這些細節，是傳統的BoundingBox 不能達到的。我們一定要突破，從物體級的識別到像素級的識別，能夠真正的抓住核心。這對中國來講更加的重要，因為中國的自動駕駛道路跟歐美的Highway First不一樣。在歐美你在一個小城居住，然後在另外一個城市工作，經常要穿梭在高速公路上。但是在中國大家都是在同一個城市生活工作，在這種情況下實際上最重要的對用戶來講是Parking，這是剛需的剛需的剛需！還有Traffic Pilot，也是剛需的剛需，而不是Highway。這樣也會驅使我們做架構設計的時候更多考慮這些需求。

最終來講，我們希望構建對場景的動態三維理解，它不光知道這裡有車，也知道它的朝向，知道它的長寬高，知道它的位置，我們知道它以什麼速度往前走，然後能夠去完全地還原對駕駛最重要的那些方面。這需要基於計算機視覺，需要演算法，需要軟硬體的聯合優化，去達到這一步。

如果僅僅是基於演算法，我的看法是——你可能跑的不足夠快。這是我的看法。謝謝。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 新智元 的精彩文章: