英特爾和高通的自動(dòng)駕駛路線有何不同？

　　今年三月，Intel以150億美金收購(gòu)了自動(dòng)駕駛領(lǐng)域最大的芯片公司：Mobileye。收購(gòu)的新聞瞬間刷屏，但是仔細(xì)想來(lái)也是在情理之中。Intel自從去年開始就下定決心要大舉進(jìn)軍人工智能，開啟了買買買模式，2016年連續(xù)出手收購(gòu)了Nervana和Movidius兩家分別擅長(zhǎng)服務(wù)器端和移動(dòng)端機(jī)器學(xué)習(xí)系統(tǒng)的公司。目前人工智能最火的領(lǐng)域，除了服務(wù)器端提供AI服務(wù)(Nervana)，移動(dòng)端提供輕量級(jí)低延遲AI應(yīng)用(Movidius)外，就是自動(dòng)駕駛最火了，所以Intel繼Nervana和Movidius后的下一個(gè)收購(gòu)目標(biāo)選擇了Mobileye實(shí)屬合理。

　　而從Mobileye角度來(lái)看，它與Intel的合作其實(shí)也有一段時(shí)間，自從與Tesla合作結(jié)束后，更是一心一意地加入了自動(dòng)駕駛的Intel陣營(yíng)，與Intel和BMW結(jié)成了自動(dòng)駕駛聯(lián)盟，共同對(duì)抗來(lái)勢(shì)洶洶的Nvidia以及Tesla。目前該聯(lián)盟還處于蜜月期，Intel和Mobileye就親上加親成了一家人，預(yù)期未來(lái)會(huì)用更多動(dòng)作。

　　另一方面，Qualcomm也在去年宣布收購(gòu)了汽車電子行業(yè)巨頭NXP。該收購(gòu)案數(shù)額巨大，吸引了半導(dǎo)體業(yè)界幾乎所有人的目光，同時(shí)也展示了Qualcomm想從手機(jī)產(chǎn)業(yè)走出去的決心。Qualcomm與NXP的業(yè)務(wù)重合不多，收購(gòu)后更多是業(yè)務(wù)互補(bǔ)，NXP的汽車電子業(yè)務(wù)將成為Qualcomm未來(lái)版圖中的重要環(huán)節(jié)。

　　Intel和Qualcomm，都瞄準(zhǔn)了未來(lái)的汽車電子。顯然，未來(lái)汽車電子潛力最大的方向就是無(wú)人駕駛，然而Intel和Qualcomm選擇了截然不同的兩種通往無(wú)人駕駛的技術(shù)道路。下面為您仔細(xì)分析兩家公司的技術(shù)藍(lán)圖。

　　Intel：做一個(gè)機(jī)器人幫你開車

　　Intel由微處理器發(fā)家，借著計(jì)算機(jī)在上世紀(jì)的普及而一舉成為全球最大的半導(dǎo)體公司。也正是由于在計(jì)算機(jī)行業(yè)過(guò)于成功，想要接著之前在計(jì)算機(jī)行業(yè)的經(jīng)驗(yàn)去做移動(dòng)終端業(yè)務(wù)，結(jié)果遭遇滑鐵盧，錯(cuò)失了移動(dòng)互聯(lián)網(wǎng)的風(fēng)口。下一個(gè)風(fēng)口是人工智能，Intel當(dāng)然不想再錯(cuò)過(guò)，因此連連出手大舉投資。

　　Intel與人工智能其實(shí)一直很接近。人工智能一直以來(lái)是計(jì)算機(jī)領(lǐng)域的一個(gè)分支，而Intel與計(jì)算機(jī)的淵源更是不必多說(shuō)，因此Intel去做人工智能根本就不算是轉(zhuǎn)型，而只能說(shuō)是稍微調(diào)整了一下計(jì)算機(jī)業(yè)務(wù)的重點(diǎn)布置。Intel要做自動(dòng)駕駛也是以人工智能為切入點(diǎn)，因此要從人工智能如何實(shí)現(xiàn)自動(dòng)駕駛來(lái)分析這件事。

　　人工智能從計(jì)算機(jī)誕生以來(lái)，就成為了計(jì)算機(jī)科學(xué)家一直在思考的問(wèn)題，即能否用計(jì)算機(jī)實(shí)現(xiàn)人類的思考能力?計(jì)算機(jī)科學(xué)的祖師圖靈就思考過(guò)這個(gè)問(wèn)題，還提出了著名的“圖靈準(zhǔn)則”(即人類能否判斷與之對(duì)話的是人還是計(jì)算機(jī))來(lái)幫助判斷計(jì)算機(jī)是否真正實(shí)現(xiàn)了人工智能。

　　之后，在上世紀(jì)中葉，Minsky等人為人工智能的發(fā)展做出了卓越的貢獻(xiàn)，然而之后人工智能的發(fā)展卻陷入了低潮。直到十年前，基于深度神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)再度崛起，讓世人的目光再次集中到了人工智能這個(gè)話題上。神經(jīng)網(wǎng)絡(luò)是一種仿生人工智能算法，其崛起的標(biāo)志性事件是2012年AlexNet的誕生，實(shí)現(xiàn)了在ImageNet數(shù)據(jù)集上物體識(shí)別準(zhǔn)確率的大幅提升。之后，神經(jīng)網(wǎng)絡(luò)越來(lái)越深，從十幾層，到微軟ResNet的一百多層，最近甚至有一千多層的深度學(xué)習(xí)網(wǎng)絡(luò)出現(xiàn)。

　　Intel以人工智能作為自動(dòng)駕駛的技術(shù)路線，其最終目標(biāo)是打造一個(gè)人工智能駕駛系統(tǒng)。該系統(tǒng)可以理解為設(shè)計(jì)制造一個(gè)機(jī)器人，這個(gè)機(jī)器人懂得用傳感器感知汽車周圍信息，并且根據(jù)人工智能算法做決策，以實(shí)現(xiàn)與人類一樣甚至超過(guò)人類表現(xiàn)的駕駛水準(zhǔn)。就技術(shù)角度，Intel負(fù)責(zé)這個(gè)機(jī)器人的大腦(計(jì)算部分，Intel畢竟是處理器行業(yè)的老大其芯片能提供足夠強(qiáng)大的計(jì)算能力)，而Mobileye負(fù)責(zé)機(jī)器人的眼睛(傳感器信號(hào)處理芯片，傳感器的原始數(shù)據(jù)量非常大，需要專用的高效處理芯片做預(yù)處理后再送去后端的通用處理器做自動(dòng)駕駛的決策)。

　　Intel設(shè)想的自動(dòng)駕駛系統(tǒng)中需要用到多種傳感器，包括攝像頭，毫米波雷達(dá)，激光雷達(dá)，超聲波傳感器等等，Intel購(gòu)買Mobileye的目的，就是為了給自動(dòng)駕駛系統(tǒng)加上一雙敏銳的雙目，實(shí)現(xiàn)高效傳感器融合。算法部分兩家公司各有積累，融合之后預(yù)期會(huì)有更好的算法出現(xiàn)。而數(shù)據(jù)方面，就要靠與Intel合作的各大車廠提供以訓(xùn)練深度學(xué)習(xí)算法了。

　　Intel選擇的使用神經(jīng)網(wǎng)絡(luò)人工智能的自動(dòng)駕駛歸根到底是一種仿生學(xué)設(shè)計(jì)，其效法的對(duì)象就是人類本身，無(wú)非就是用傳感器替代了人類的眼睛，用深度學(xué)習(xí)算法代替了人類的大腦。從另一個(gè)角度想，人類的極限基本就決定了這套自動(dòng)駕駛系統(tǒng)的極限。在自動(dòng)駕駛分級(jí)中，這套系統(tǒng)支援到第三級(jí)(有條件自動(dòng)化)沒(méi)有任何問(wèn)題，因?yàn)樽詣?dòng)駕駛系統(tǒng)并沒(méi)有完全接管汽車，這時(shí)候相當(dāng)于真人駕駛員是駕校教練坐在副駕上，而自動(dòng)駕駛系統(tǒng)是新司機(jī)(雖然這個(gè)新司機(jī)在大多數(shù)時(shí)候比真人老司機(jī)開得更好!)，一旦自動(dòng)駕駛出了什么問(wèn)題真人老司機(jī)立馬介入避免事故。

　　然而，到了第三級(jí)以上的自動(dòng)駕駛(副駕真人老司機(jī)在開車過(guò)程中基本可以打瞌睡不管自動(dòng)駕駛系統(tǒng))，人工智能想要真正接管汽車還有不少問(wèn)題。目前人工智能中深度學(xué)習(xí)的原理是使用海量數(shù)據(jù)去訓(xùn)練網(wǎng)絡(luò)，深度學(xué)習(xí)網(wǎng)絡(luò)在訓(xùn)練后可以根據(jù)輸入數(shù)據(jù)做決策。然而，數(shù)據(jù)即使再大，也不可能覆蓋所有狀況，在很多意想不到的情況下算法可能出錯(cuò)。例如，就拿基于攝像頭的自動(dòng)駕駛來(lái)說(shuō)，攝像頭首先獲取圖像數(shù)據(jù)，之后處理器在圖像上做分割，將背景與前景物體分割開，再識(shí)別前景中的道路，車道，活動(dòng)物體(包括其他汽車，自行車，行人)，估計(jì)這些物體與車的距離，并做駕駛決策。

　　然而，無(wú)論是圖像分割，物體識(shí)別，還是距離估計(jì)，都可能出錯(cuò)，而且出錯(cuò)的地方往往意想不到。之前Tesla的自動(dòng)駕駛因?yàn)闆](méi)能識(shí)別前方的白色大卡車而產(chǎn)生了車禍，據(jù)報(bào)道援引可能是算法把大卡車當(dāng)成了白云。這樣的錯(cuò)誤在人類看來(lái)不可思議，但是在基于深度學(xué)習(xí)的人工智能中卻非常有可能，只要訓(xùn)練數(shù)據(jù)中沒(méi)有包括這種情況就有機(jī)會(huì)犯這種錯(cuò)誤。然而，駕駛時(shí)路況千變?nèi)f化，訓(xùn)練數(shù)據(jù)理論上不可能覆蓋所有狀況，永遠(yuǎn)有這類落網(wǎng)之魚。即使統(tǒng)計(jì)學(xué)上的概率非常非常小，但是對(duì)于每個(gè)車主來(lái)說(shuō)一旦發(fā)生了就是發(fā)生了。而且，一旦發(fā)生事故，如何界定法律責(zé)任也是一個(gè)問(wèn)題，究竟是車廠的責(zé)任還是司機(jī)的責(zé)任，也是一個(gè)尚待解決的問(wèn)題。

　　另外，這還牽涉到了車主對(duì)自動(dòng)駕駛的信任問(wèn)題。雖然現(xiàn)在人工智能使用的深度學(xué)習(xí)網(wǎng)絡(luò)研究非?；馃?，但并不代表人們已經(jīng)理解了深度學(xué)習(xí)網(wǎng)絡(luò)。深度學(xué)習(xí)的基礎(chǔ)是統(tǒng)計(jì)學(xué)，網(wǎng)絡(luò)的效果好壞也是看測(cè)試數(shù)據(jù)集上的測(cè)試準(zhǔn)確率，因此人們不完全明白深度學(xué)習(xí)網(wǎng)絡(luò)的決策過(guò)程。一個(gè)典型的例子是AlphaGO對(duì)戰(zhàn)李世石的時(shí)候?qū)I(yè)棋手連連表示看不懂AlphaGO的思路，但是最后AlphaGO就是在一片“看不懂”中贏下了比賽。往好里說(shuō)，這是神奇，是潛力無(wú)窮，往壞里說(shuō)，這是不確定性大。Tesla的自動(dòng)駕駛汽車能高難度過(guò)彎卻會(huì)陰溝里翻船，將來(lái)自動(dòng)汽車也可能在完全不確定的地方出事故，讓車主不能完全信賴。說(shuō)到底，這個(gè)信任問(wèn)題的根源，還是因?yàn)槿斯ぶ悄茏詣?dòng)駕駛完全依賴于一個(gè)人類還不能完全理解的技術(shù)。

　　小結(jié)

　　Intel基于人工智能的自動(dòng)駕駛技術(shù)是想做一個(gè)和人一樣根據(jù)周圍環(huán)境做決策完成駕駛?cè)蝿?wù)的系統(tǒng)。Intel的技術(shù)可以快速搶占目前主流的0-3級(jí)自動(dòng)駕駛市場(chǎng)，但是在更高級(jí)的自動(dòng)駕駛(即自動(dòng)駕駛系統(tǒng)掌握車輛的更多主控權(quán))領(lǐng)域，光靠人工智能是不夠的。

　　那么，更高級(jí)的自動(dòng)駕駛市場(chǎng)要靠什么?要靠未來(lái)交通的基礎(chǔ)設(shè)施，即車聯(lián)網(wǎng)(V2V，V2X)。而這是Qualcomm與NXP更擅長(zhǎng)的。

　　Qualcomm：設(shè)計(jì)新型汽車自己就能開

　　Qualcomm的自動(dòng)駕駛思路與Intel完全不同。如果說(shuō)Intel是計(jì)算機(jī)科學(xué)家的思路走人工智能，那么Qualcomm就是電子工程師的思路走自動(dòng)化控制，即車聯(lián)網(wǎng)。在車聯(lián)網(wǎng)時(shí)代，每輛車以及路上的交通設(shè)施都與網(wǎng)絡(luò)連接傳遞信息，這樣車可以根據(jù)從車聯(lián)網(wǎng)獲得的信息來(lái)做駕駛決策判斷，從而實(shí)現(xiàn)自動(dòng)駕駛。

　　車聯(lián)網(wǎng)包括車與車之間的通訊，也包括車與其他設(shè)施之間的通訊。車與車之間的通訊可以讓每輛車都掌握附近車的信息，例如距離，時(shí)速等等。這一方面可以避免交通事故，另一方面也可以增加駕駛效率。例如，現(xiàn)在在開車的時(shí)候大家都會(huì)與前車保持足夠的車距防止前車突然剎車，有了車聯(lián)網(wǎng)之后前車剎車的第一時(shí)間你的車就會(huì)知道并且同步減速，這樣即使車之間的間距很小也問(wèn)題不大。這個(gè)技術(shù)目前已經(jīng)用在了NXP給卡車車隊(duì)開發(fā)的系統(tǒng)中，在這樣的車隊(duì)里每一輛車的駕駛過(guò)程都是同步的，從而可以省去不少因?yàn)榧铀贉p速的浪費(fèi)的汽油。車與其他設(shè)施之間的通訊也非常有用，例如車輛可以與路牌通訊知道目前的限速。

　　舉個(gè)例子來(lái)說(shuō)明Intel和Qualcomm技術(shù)的不同思路。下雨天的時(shí)候，純粹基于人工智能的自動(dòng)駕駛?cè)菀壮鰡?wèn)題，因?yàn)檐嚨婪指罹€在下雨天的時(shí)候很模糊，人類都看不清楚，人工智能使用機(jī)器視覺(jué)也一樣看不清楚，所以無(wú)法很好地識(shí)別車道，可能會(huì)開著開著就開到其他道上去了。車聯(lián)網(wǎng)的思路就不同，識(shí)別車道壓根不是靠機(jī)器視覺(jué)，而是可以靠道路的基礎(chǔ)設(shè)施建設(shè)使道路交通智能化。例如，可以在車道的分割線上安裝射頻標(biāo)簽，汽車靠與這些射頻標(biāo)簽通訊就可以知道自己有沒(méi)有行駛在道路中央，甚至還可以獲得前方道路是否有彎之類的信息來(lái)幫助駕駛。顯然，這樣的方案不會(huì)受到天氣的影響。

　　從上面的例子還可以看出兩種方案的其他不同點(diǎn)。首先，不同于之前說(shuō)到人工智能技術(shù)很多時(shí)候連研究人員都無(wú)法理解，Qualcomm使用的車聯(lián)網(wǎng)中每一個(gè)技術(shù)細(xì)節(jié)(主要是無(wú)線通訊)都已經(jīng)被工程師們完全理解，因此不會(huì)出現(xiàn)人工智能在不可思議的地方出錯(cuò)的問(wèn)題，也不存在訓(xùn)練數(shù)據(jù)不夠的問(wèn)題。甚至在車聯(lián)網(wǎng)信號(hào)狀況不好的時(shí)候，汽車也能及時(shí)提醒司機(jī)及時(shí)接管，但是人工智能方案卻未必能實(shí)現(xiàn)這一點(diǎn)。

　　其次，Intel的自動(dòng)駕駛技術(shù)只是做局部?jī)?yōu)化，只管一輛車;而Qualcomm的車聯(lián)網(wǎng)則是有可以做全局優(yōu)化的潛力，既然所有車都聯(lián)網(wǎng)了那么交通也可以根據(jù)車流做優(yōu)化疏導(dǎo)，例如交通燈會(huì)根據(jù)車流來(lái)調(diào)整紅燈和綠燈的時(shí)間。Qualcomm車聯(lián)網(wǎng)方案會(huì)給汽車駕駛帶來(lái)更大的飛躍。人類開車的時(shí)候是通過(guò)眼睛看前方的路況以及車距，頭腦根據(jù)這些信息來(lái)做判斷并控制汽車。Intel的人工智能駕駛是使用傳感器代替人類眼睛，使用處理器代替人類大腦，但是人類眼睛會(huì)看錯(cuò)，判斷會(huì)失誤，人工智能一樣也會(huì)犯這樣的錯(cuò)誤。Qualcomm的車聯(lián)網(wǎng)方案根本就不需要眼睛，因?yàn)榈缆泛蛙囕v的實(shí)時(shí)信息已經(jīng)通過(guò)網(wǎng)絡(luò)傳遞給車輛，所以就不會(huì)有“看錯(cuò)”的問(wèn)題。

　　當(dāng)然，Qualcomm的車聯(lián)網(wǎng)也有一個(gè)很大的問(wèn)題，就是需要把車聯(lián)網(wǎng)的基礎(chǔ)設(shè)施都建好了才能完全發(fā)揮出所有潛力，相較之下Intel的人工智能駕駛則與基礎(chǔ)設(shè)施沒(méi)有任何關(guān)系。事實(shí)上，車聯(lián)網(wǎng)與人工智能自動(dòng)駕駛并不互相矛盾，相反是相輔相成的。在第0-3級(jí)自動(dòng)駕駛中，人工智能即可勝任;但是到了更高級(jí)的自動(dòng)駕駛，必須同時(shí)結(jié)合兩種方案才行。