|
在采访中DT君得知，地平线机器人所从事的产品，简而言之是人工智能的解决方案。地平线的客户大多会是消费类电子产品生产商。凭借地平线提供的服务，这些电子类产品能够具备一些AI功能，包括感知、交互、理解、甚至是决策。 截止目前，地平线共发布了两套产品：针对智能家居的“安徒生”系统和针对智能驾驶的“雨果”系统。开发者基于这些平台可以开发各种各样的应用，比如语音、图像等。地平线告诉DT君，针对辅助驾驶所开发的技术，已经被一家国际上数一数二的Tier-1汽车技术供应商所采用。 无疑，余凯在深度学习领域具备相当的号召力。地平线去年9月完成首轮融资，投资人包括晨兴资本、高瓴资本、红杉资本、金沙江创投、线性资本、创新工场及真格基金等机构。今年年初，地平线获得了著名风险投资家Yuri Milner的投资。 地平线机器人在北京的办公室 在这次采访中，DT君见到了地平线机器人的四位创始人。不出意料，创始团队简历令人印象深刻： 创始人余凯博士，在创业之前，他是百度深度学习研究院（IDL）的创立者和负责人，国家千人计划特聘专家，曾在百度领导了语音识别、图像搜索、百度大脑、百度无人驾驶等项目。 联合创始人兼软件副总裁杨铭博士， Facebook 人工智能研究院（FAIR）创始成员之一，曾在Facebook 负责DeepFace项目。 联合创始人兼算法副总裁黄畅博士，曾担任百度主任架构师，长期从事计算机视觉、机器学习、模式识别和信息检索方面的核心算法研发。 联合创始人兼硬件副总裁方懿女士, 曾任诺基亚大中华区研发副总裁，并带领团队设计、研发和推出诺基亚历史上最成功的智能手机Lumia520。 地平线机器人四位创始人：余凯、方懿、杨铭、黄畅（从左至右） 采访全文如下，由“DeepTech深科技”编辑整理。 Q：地平线的机器人芯片跟传统芯片，以及现有神经网络芯片，如高通Zeroth、IBM的TrueNorth相比，区别在哪里？ 余凯：我们主要是做深度神经网络芯片，跟传统CPU芯片相比，CPU是做所有事情，所以一般是串行结构。我们的芯片主要是用来支撑深度神经网络，比如图像、语音、文字、控制等方面的任务，而不是去做所有的事情。 深度神经网络的计算结构比较特殊，比如高度的并行化、时间域上的递归、中间的节点比较稀疏，所以如果能用专门的硬件来实现，会比在CPU上用软件实现要高效，一般来说会提高2-3个数量级。 其实这个技术本身不是我们创办了地平线之后才开始做，是有一些根基的。以前在百度深度学习研究院的时候，我们当时用FPGA（可编程门阵列）来做深度神经网络的硬件实现，并取得了非常好的成果。但这个主要是应用在数据中心，去做广告的优化及语音的搜索。 地平线的市场主要在于大量的智能硬件，而不是数据中心，比如其中一个大的品类就是汽车，当然还有很多别的品类。这些深度神经网络的计算需要在本地来做，而不是云端或数据中心，因为涉及到实时性、用户体验，甚至有时会涉及到用户隐私，所以需要在本地进行计算。本地计算的要求比云端计算更高，因为一定要低功耗、低成本，而且要实时。所以，为本地计算去设计深度神经网络就变得非常重要。 关于IBM的TrueNorth，到今天为止它的方案也还没有真正推出，我们很难了解它具体是什么样的，但据我们了解，应该是在现有芯片上叠加一些功能，应该还是属于软件SDK的形式，而并不是真正为深度神经网络而设计的一个芯片。 地平线的深度神经网络计算并非基于云端，而是基于本地设备 Q：地平线现在做的是模拟芯片还是数字芯片？ 余凯：数字芯片。 Q：刚才提到了计算量的问题，做深度学习的计算量是非常庞大的，因此涉及到的功耗、散热、尺寸的控制是否会导致成本不可控？ 余凯：其实如果专门为这个目的做芯片，很多其他的冗余设计就可以去掉了。因为通用芯片CPU需要考虑的更多，所以从设计工艺的角度来讲CPU是更难的。 但如果是专业的深度神经网络芯片，其实从芯片的角度来讲，本质上并没有那么难，真正难的是针对算法的架构设计。因为你会希望设计一个通用的深度神经网络芯片，它可以用来做语音识别、图像识别，而图像识别里面又可以做手势、车辆、行人，人脸等，上端是可以定义的，这样的话就会有不同的网络结构，你要能去支撑它，设计出来的架构也要相对通用、灵活。所以这么说其实考验的并不是芯片设计的能力，而是算法设计的能力。 所以地平线的核心还是在于算法，我们可以说是在全球比较有实力的的深度神经网络的研发团队。 关于效率和成本问题，因为我们可以专门针对深度神经网络去做设计，比如定点化、稀疏化，以及各种专用精简设计，所以效率实际上可以做的很高，功率一般在几百毫瓦。成本方面，每个芯片应该会低于1美金。 Q：芯片加工工艺方面的情况呢？ 余凯：如果掌握了算法，就会形成一个系统级的顶层设计，这样的话就不要求使用最先进的加工工艺。我们现在的目标是40纳米，这已经是非常成熟的工艺了。 Q：目前地平线做硬件、软件和算法的人员都有？ 余凯：是的，包括以前在诺基亚负责手机研发的VP、Facebook人工智能研究实验室的创始成员、百度人工智能首席架构师，以及其他20多位深度学习领域的专家。 Q：是否可以详细介绍一下每个部门的情况？比如每个部门面临的最大的挑战。 黄畅：其实现在算法面临最大的挑战就是未来的不确定性。深度学习也算火热了几年，而且现在大家由于一些新工具的推出，使得大家使用深度学习算法的门槛已经大大降低了。但是整个学术界和工业界对它的研究一直没有停止，我们也能看到很多新的算法对于已有算法的改进。 这个不仅仅是对算法，包括我们做芯片、硬件，包括整个产品来说都是具有挑战的，我认为，这个是未来算法发展的不确定性，在不同公司之间也会体现出巨大的差异。那么，如何把握算法的发展趋势，针对自身的应用和场景，选择最合适的方向去做深入研究，这才是我们应该思考的。 Q：如何看算法在整个深度神经网络中的重要性？ 黄畅：我们做的是人工智能，我们现在最关注的就是感知、以及稍后的决策和控制。算法在完成任务的整个过程中，扮演的其实是一个逻辑，它定义了如何去处理这些数据。当然，具体处理这些数据需要软件、硬件的承载，但它的逻辑、概念上的东西是由算法去解决的。 Q：对地平线来说，团队是一个比较大的优势，体现在哪些方面？ 余凯：黄畅和我本人创立了百度深度学习研究院，也是中国企业第一次创办这种人工智能研发机构，在深度学习方面投入了相当大的资源，随后开发了中国第一个基于深度学习的语音、图像识别引擎，用来提升百度的搜索和变现。包括后来的百度自动驾驶项目都是由我们发起的。我们不光发起了很多项目、产品，同时也培养了很多人才。他们都是中国最早一批从事深度神经网络的顶尖人才。 2012年我们刚回到中国的时候，我们去清华、去中科院给大家讲深度学习，很多人都不知道什么叫深度学习。到目前，中国有很多大大小小的公司都有涉及，但真正的顶尖人才并不多，是极度稀缺的资源。地平线作为一家小公司拥有20多位深度学习方面的顶尖人才，也是Yuri Milner投资我们的重要原因。 Q：地平线是一家创业公司吗？公司如何定位？ 余凯：我们显然是个创业公司。可能我们的人才是一般创业公司不具备的，但正因为如此，我们的创业目标也定的非常高，跟这个目标相比，我们要做的事情其实还是很有挑战的。 中国过去的创业公司有很多虽然是从小到大发展起来，但其实很多模式是在美国已经验证过了，而且不是说美国有这类的创业公司，而是公司已经上市了。而地平线目前做的事情跟美国的同行相比是在同一起跑线上。美国在这个领域能够数得上的创业公司也不多。 Q：地平线的产品涉及硬件、软件和算法，这毕竟不像一般性互联网创业，是一个相对技术高度密集的工作。 余凯：没错，应该这么说吧，在中国可能这种情况更明显一点，因为中国在过去更多的是商业模式方面的创业，而且很多商业模式已经在美国验证过的，而技术创业就更少了。我个人认为，能够被称为技术型公司的本土企业目前只有华为这一家。 在美国，从创业阶段开始成长起来的技术性公司还是挺多的。比如Google、Intel、微软、高通、ARM这些，这些公司从第一天开始就是技术型公司。从技术创新角度说，如果一个社会、一个国家不愿在创新方面付出代价的话，可能永远达不到一流。 Q：您在行业内的影响力当然是公司的一个巨大优势，但是在影响力之外，技术创新还是一件非常艰难的事情，您觉得接下来2-3年可预见到的门槛会在哪？ 余凯：压力非常大，创业以来睡眠质量跟以前比差了非常多。要去跨越技术的门槛，市场认知的门槛、规模效应的门槛，其实是非常难的。 技术方面，虽然我们的核心是算法软件，但是我们要做到芯片里面，这样需要跨越的就不止一两个量级的难度。 另外，我们做的产品属于一个新的品类，它的应用场景到底在哪？这都是需要花很大力气去解决的。在做技术创新的过程中，如果忽略产品和商业模式的话，也只能走向死路。 Q：很多具体钻研某项技术的公司，会选择和产业界合作，但经常产品还是很难出来，就是所谓的单一技术很难成为产品，您怎么看这种情况？ 黄畅：这也是我们跟其他强调技术的公司很不一样的一点。有很多技术性公司特别专注于其擅长的技术，希望把技术做到极致，而忽略了很多其他层面的东西，寄希望于跟别人合作。 举个例子，做人工智能算法的公司，可以只是把算法SDK授权给别人，但实际上算法只是逻辑层面的东西，它需要软件、需要硬件，甚至需要专用的芯片优化及芯片定制化设计。任何一个环节出现问题，最终产品可能都无法满足用户的需求。 专注技术的创新性公司如果没有在一个合适的土壤中成长，而是过于超前，自己又没有能力把整个产业链条打通，到后期就会出现很大的问题。 所以，我们把公司做的比较厚重，既有做算法的，又有做硬件软件的，不是停留在一个单独层面上。我们寻求的是一个突破，而这种突破我们觉得很难通过外部合作去实现。 Q：所以说严格意义上讲，地平线是一家做产品的公司？ 杨铭：是的，我们想把这项技术做成产品去落地。当然，最终产品出来以后，可能发现算法的贡献只有10%、20%。合作当然重要，但我们想先把能满足用户的终端产品推出来。 Q：您说的终端产品是指芯片吗？ 方懿：不止芯片，而是一个核心控制模块，具有感知、识别、理解、控制的功能。我们把这个控制模块做成产品去跟合作方做集成。这个过程中其实可以说是帮助合作方把产品做出来。我们提供的是一个带有人工智能算法的解决方案，而不会去造合作方擅长的控制、运行部分，所以在合作过程中我们带来的价值是不可替代的，我们做的是平台和引擎。 完整的AI技术解决方案：图像、语音、文字、控制。 Q：就合作来说，涉及到双方团队的管理、协调等问题，毕竟不像完全做产品的公司，能把整个流程管控到最后，新团队的融合还是一件挑战很大的事情。 杨铭：产品功能由我们与合作方一起来定义，我们负责核心控制模块的软硬件研发及算法集成。品质测试、可靠性测试、如何量产、市场营销则是合作方的优势，由他们来主导。刚才提到的美国一些技术型公司在产品化的过程中会遇到很多困难，但我们的优势在于，中国有很多厂商具备快速原型能力和先进的生产制造能力。 举个具体的例子，我们现在在做的汽车辅助驾驶，那么我们的主要精力就会放在算法研发上，然后放到硬件平台上去实现，做出一个跟驾驶相关、安全相关的模块。再与车厂或零部件供应商合作，来完善系统与车联接的部分，最终推出产品。 目前会采取产品、技术加服务的方式，先把产品做出来，得到第一手的用户体验，将来再向更宽广的生态去发展。我们不是单纯的技术提供商，我们很难描述我们将来会变成什么样子，但可以肯定的说：第一，我们不单纯的卖算法SDK；第二，我们不单纯出售芯片。目前的商业模式是打造技术平台，来帮助用户把产品做出来。 ADAS原型系统 Q：中国目前在大力发展半导体行业，国家资本的介入会如何影响芯片行业的走向？有些海外业内人士甚至抱怨芯片已经被做成了白菜价？你们怎么看？对地平线来说会产生什么影响？ 黄畅：不能绝对的说是好是坏。国家的投入繁荣了国内IC设计、芯片设计行业和生态。对于我们，好的地方在于降低了风险，从找到人才、找到资源，到前端后端的设计。如果是十年、十五年前，整个行业在中国不算发达的时候，我们很难想象做算法能向芯片推进。目前在上海、深圳，整个行业的链条已经比较丰富了，从业人员也很多，至少对于我们来说是件好事。 当然，竞争越来越大，很多东西做成白菜价，终极原因就是没有差异化。差异化来自各个方面。大家普遍认为最重要的方面之一，也是最容易建立起壁垒的就是技术本身，这也是我们比较自信的地方，但我们也不会完全依靠这一点，因为很多算法型公司专注技术本身，在应用到一些具体场景的时候会有各种限制和约束，对于平台的转换会造成很大的困难。 Q：如何简单评价国家在半导体行业的策略？ 杨铭：这个还需要很多思考。但比如现在在互联网行业、芯片行业的竞争已经比较充分，这对用户来说是好的，但对从业人员来说则要看你的竞争力强不强。国家从大的层面把芯片成本降下来，就像互联网技术发展，能把人们获取信息的成本降下来，就必须要求互联网企业提供最好的接入。 方懿：国家在这方面的投入有时也被很多人所不理解，比如通信行业，但确实催生了中国相关产业与国际接轨，并很大程度上提升了竞争力。所以我们认为，国家不管在通信行业，还是芯片行业，对于生产力和创造力的投入，对于我们公司来说是利好。 黄畅：我们想把深度学习架构做成芯片，如果门槛还是很高，对于我们这种初创公司还是不利的。我们虽然什么都做，但并不是什么都单卖，所有在这个模块下的节点，都应该是最终产品方能够接受的。如果还是一套非常昂贵的解决方案，恐怕最后会很难推到客户端上去。能让每个人都能拥有十个以上的智能硬件，这个还是需要非常强的推动力的。 Q：地平线会以一种什么方式切入用户？ 杨铭：产品还是属于智能硬件这个领域的，但我们的切入方式会是和目前中国比较强势的制造商合作，把智能功能逐步加入到产品中去。 所以，第一步可能并不是特别炫的，不是一上来就做一个机器人，或者完成某个特别强大的功能。而是把日常生活中常用的设备逐渐加入一些智能的元素，控制成本的同时，让用户觉得这些产品在不断的变聪明。 试想，如果突然做出来一个比较智能化的机器人，让用户买来摆在家里，这恐怕是比较难接受的。 所以说，用户接受度也是一个循序渐进的过程。我们想先创造一种新的体验，下一阶段才会考虑创造出一个新的品类或设备。 DeepTech深科技原创，转载须授权。“DeepTech深科技”是由麻省理工科技评论创建的一个新科技内容品牌。更多内容请关注官方微信公众号:mit-tr |
|
|
编者注：
