今天我講的題目叫“高性能計(jì)算與智能汽車”,ADAS結(jié)合英偉達(dá)的強(qiáng)項(xiàng)我們能做的貢獻(xiàn),就是能把一臺(tái)高性能計(jì)算機(jī)安裝在我們的汽車?yán)锶ィ绻惠v汽車它就是一臺(tái)高性能計(jì)算機(jī),你們可以想象一下高性能計(jì)算機(jī)能給我們帶來的計(jì)算能力會(huì)給我們的應(yīng)用帶來不斷的變化。
前兩天ALPHAGO的成績,后來變成是4:0,有很多的故事在里面,不管是4:1還是5:0,我們都知道這是一個(gè)劃時(shí)代的變革。也就是世界上用人腦,最復(fù)雜的DNA,機(jī)器也可以來PK,至少它有機(jī)會(huì)能夠獲得,我們可以講它已經(jīng)超越人了。前兩天有很多人寫段子,發(fā)現(xiàn)咱們中國的網(wǎng)友寫段子的水平比較高,一個(gè)圍棋手下完圍棋之后要復(fù)盤的話可能一天要花好幾個(gè)小時(shí)去復(fù)盤,或者頂多24小時(shí)不睡覺,可能頂多復(fù)六盤棋,ALPHAGO一晚上可以復(fù)盤300多遍,如果連續(xù)下棋能夠下幾萬盤棋,那這樣的計(jì)算量對(duì)于一個(gè)算法來講,它提升的水平比我們?nèi)祟愐斓枚唷?/p>
我們現(xiàn)在大家都講Deep Learning,自從Deep Learning深度學(xué)習(xí)用在圖像圖形之后,發(fā)現(xiàn)這幾年的變化特別快。其中我們都知道這些來自于很多大數(shù)據(jù)的數(shù)據(jù)量,讓它學(xué)習(xí)的模型非常準(zhǔn)確,但是有大數(shù)據(jù),如果沒有一個(gè)很強(qiáng)的計(jì)算平臺(tái),這些大數(shù)據(jù)是沒有用的。在有計(jì)算機(jī)之后數(shù)據(jù)積累非常多,我們都知道在數(shù)據(jù)挖掘之前,很多人苦于沒有計(jì)算機(jī)沒有辦法把這些數(shù)據(jù)變成有用的價(jià)值,對(duì)于我們來講如果這些數(shù)據(jù)不能有價(jià)值的話,這些數(shù)據(jù)就是無用的。今天正是因?yàn)橛辛?a href="http://www.nxhydt.com/tags/gpu/" target="_blank">GPU的高性能計(jì)算,在這幾年當(dāng)中把GPU的性,在十年當(dāng)中大概提升了1500倍,大家可以想像一下它的計(jì)算力在十年當(dāng)中提升1500倍,把我們帶入了一個(gè)新的計(jì)算時(shí)代的時(shí)候,它的計(jì)算思路、計(jì)算的算法跟以前完全就會(huì)不一樣,這也是為什么說很多人采取用這些Deep Learning的方法去做新的研究,以前是不可能的。但是當(dāng)1000多倍的計(jì)算力給了你之后,并且在這1000多倍的計(jì)算力只是在單個(gè)的GPU下面,我們現(xiàn)在可以無限制連接更多的GPU的時(shí)候,這個(gè)時(shí)候帶來的高性能計(jì)算的能力就已經(jīng)讓我們?cè)诤芏嗟胤接泻艽蟮耐黄啤?/p>
我們都知道大概幾年前咱們中國的研究高性能計(jì)算的專家他們僅僅靠4000多片GPU搭建了超級(jí)計(jì)算機(jī)就拿了世界第一名,但是今天是不可能了,現(xiàn)在IBM要做世界第一的超級(jí)計(jì)算機(jī)需要幾萬顆GPU,這對(duì)于一個(gè)大的國家來講是很容易的事情,但是對(duì)于一個(gè)企業(yè)來說還是很昂貴的。其實(shí)昂貴的并不是這個(gè)GPU價(jià)錢,而是這個(gè)計(jì)算機(jī)的功耗。很多的計(jì)算機(jī)計(jì)算能力苦于沒有那么大的功耗去支持,或者我們付不起那個(gè)電費(fèi)去計(jì)算,這個(gè)才是我們受到局限的地方,這也是我們?cè)谙肴魏我粋€(gè)行業(yè)的突破不能只是靠自己,一定要靠大眾的力量。如果我們有一個(gè)大眾的群體,能夠把這些大的數(shù)據(jù)在一個(gè)大的計(jì)算平臺(tái)之上能夠去完成的話,它對(duì)于整個(gè)行業(yè)或者對(duì)于各個(gè)不同的企業(yè)來講是能夠得到更多好處的。當(dāng)然GPU也加速了我們?cè)?a target="_blank">人工智能,在各個(gè)領(lǐng)域的應(yīng)用,汽車只是其中的一部分。
很多時(shí)候我們講汽車自動(dòng)駕駛,其實(shí)對(duì)于我們來講我們更希望講的是汽車的智能化,智能化不只是在駕駛這一塊。我們從考慮整個(gè)汽車的時(shí)候,包括汽車跟人交互的界面,你怎么跟汽車溝通,這些傳統(tǒng)的溝通跟你操作汽車的方法可能都會(huì)不一樣,這些智能化的手段除了語音之外還有更多的方面,圖形圖像的識(shí)別,手勢控制,甚至于眼球、腦電波的控制都可以在人工智能的影響下去跟機(jī)器造成更多的交互。而這些交互式的技術(shù),不只是在汽車領(lǐng)域使用,其實(shí)在我們的智能手機(jī)也有很多的應(yīng)用,有很多手機(jī)是靠指紋、手勢、語音識(shí)別的,這些都可以在汽車上使用。所以我們把汽車不能只是看成一個(gè)汽車,實(shí)際上它就是一個(gè)傳統(tǒng)的機(jī)器人,只不過這個(gè)機(jī)器人是可以把我們?nèi)俗约貉b進(jìn)去。如果這樣的話,在人機(jī)交互的界面中,這些很多地方需要很大的計(jì)算量和計(jì)算能力。坐在汽車?yán)锩娌恢皇钦f開車的樂趣,坐車的人應(yīng)該也有很好的享受。
所以在整個(gè)汽車的體驗(yàn)當(dāng)中,對(duì)于我們很多的智能化的影響是非常之大的。我們可以想像一下坐在汽車?yán)锩娴娜耍阒車娘@示是海灘、沙灘、森林、綠色,甚至于草坪,你可以試想各種各樣的環(huán)境,而它可以給你營造的環(huán)境,完全可以用計(jì)算機(jī)模擬出來,當(dāng)然更多的體驗(yàn)是我們每一個(gè)企業(yè)或者每一個(gè)行業(yè)當(dāng)中的這些開發(fā)商或者是供應(yīng)商能夠發(fā)揮自己想象空間的地方。所以我們可以看到汽車的智能化給我們帶來的是一個(gè)產(chǎn)業(yè)的全新的改變。生態(tài)系統(tǒng)會(huì)不一樣,供應(yīng)商會(huì)不一樣,賺錢的手段也不一樣,商業(yè)模式也會(huì)完全不一樣。當(dāng)然自動(dòng)駕駛肯定在里面是很重要的部分,我們看到在自動(dòng)駕駛的時(shí)候,其實(shí)自動(dòng)駕駛只是智能汽車當(dāng)中的一個(gè)環(huán)節(jié)而已,我們要考慮整個(gè)汽車當(dāng)中各個(gè)環(huán)節(jié)都有可能給我們帶來的變化。還有一個(gè)誤區(qū),我希望在很多行業(yè)當(dāng)中不要把它變成是我們?cè)谧詣?dòng)駕駛的一個(gè)最大的誤區(qū),自動(dòng)駕駛不能只是變成是安全駕駛,如果只是安全駕駛的話就太簡單了,我們要把它變成是一個(gè)有樂趣的駕駛。所以我們希望在未來的汽車能夠變成是一個(gè)個(gè)性化的汽車自動(dòng)駕駛。我們都知道每個(gè)人開車有不同的風(fēng)格,每個(gè)人的喜好不一樣,比如有人喜歡開快車,有人就喜歡開慢車,有人喜歡趕時(shí)間,有的人喜歡享受,那每個(gè)人的駕駛行為也不一樣,這就是為什么整個(gè)世界會(huì)變得豐富多彩,我們也不希望這個(gè)世界是統(tǒng)一的世界,而是一個(gè)個(gè)性化的世界。每個(gè)人的駕駛行為不一樣,既然是這樣的,汽車的學(xué)習(xí)方式也應(yīng)該幫助我們學(xué)習(xí)每個(gè)人的駕駛行為,這樣才能讓你變成是汽車的主人,而不是變成汽車的乘客。希望這種個(gè)性化的駕駛方式也可以在我們汽車自動(dòng)駕駛當(dāng)中或者自動(dòng)學(xué)習(xí)當(dāng)中去增加進(jìn)去。
我們能做的是什么?我們搭建一個(gè)在汽車?yán)锩孢m用的平臺(tái),這就是我們一個(gè)雙系統(tǒng)、雙備份的計(jì)算機(jī)的平臺(tái)Dine Px2,其實(shí)它是一個(gè)高性能計(jì)算機(jī)。我們?cè)诎l(fā)布產(chǎn)品的時(shí)候技術(shù)指標(biāo)相當(dāng)于150個(gè)MacBook Air的計(jì)算量,如果拿150臺(tái)機(jī)器擺在一起,那個(gè)計(jì)算能力剛剛好跟我們這個(gè)設(shè)備的計(jì)算量是一樣的。這么大的計(jì)算量其實(shí)它的占的空間是非常小的,我們做的參考平臺(tái)。你必須要保證百分之百的冗余,放兩顆CPU就可以完全做到相互之間的熱備份,這樣可以保證系統(tǒng)的穩(wěn)定性跟可靠性。在本身基礎(chǔ)上我們要提供新的思路來做未來的智能汽車,要把云端跟終端能夠嚴(yán)密的、緊密的結(jié)合起來,我們考慮的任何一個(gè)汽車未來它一定要會(huì)連到云端,而這個(gè)云端有不斷學(xué)習(xí)的能力,深度學(xué)習(xí)的能力,在前端收到的這些所有的信息、采集到的數(shù)據(jù)都能夠反饋到云端,在云端里面持續(xù)學(xué)習(xí)和調(diào)整。這樣一個(gè)云端跟終端的結(jié)合方式,是未來智能駕駛當(dāng)中一定會(huì)出現(xiàn)的一個(gè)商業(yè)模式,跟今天的智能手機(jī)是一樣的。如果沒有云服務(wù),我們的智能手機(jī)就變成是一個(gè)簡單的終端。
我想在這個(gè)搭配之下,英偉達(dá)能夠在云端提供的方案是非常多的,我們?cè)?a href="http://www.nxhydt.com/tags/te/" target="_blank">tesla端的解決方案,已經(jīng)把GPU完全做到虛擬化,任何企業(yè)可以搭建自己的私有云,也可以利用開發(fā)一些公有云,如果政府愿意搭建一個(gè)全國企業(yè)共享的公有云,我相信這些都會(huì)在不同的行業(yè)推動(dòng)下能夠形成一個(gè)共同的機(jī)制,幫助我們發(fā)展整個(gè)行業(yè)開發(fā)和研究水平。另外一個(gè)深度學(xué)習(xí)的算法,這些算法不要以為它是很復(fù)雜,其實(shí)如果任何一個(gè)企業(yè),包括中小企業(yè)都有能力去進(jìn)行深度學(xué)習(xí)的研究,我們提供了一套非常簡便的方法叫做英偉達(dá)的Digits,像一臺(tái)PC那么大,放四顆tesla的GPU,任何一個(gè)個(gè)人都可以買會(huì)去做深度學(xué)習(xí)的研究,而這個(gè)成本其實(shí)是很低的,大概在1萬美金以下,如果買回去自己都可以通過采集到的數(shù)據(jù)或者是跟別的專業(yè)公司購買的數(shù)據(jù)進(jìn)行學(xué)習(xí),去研究自己的東西。我相信這樣的一個(gè)生態(tài)系統(tǒng),可以把我們?cè)谡麄€(gè)智能汽車駕駛行為當(dāng)中的各個(gè)環(huán)節(jié),透過不同的企業(yè),不同的研究,可以把它變成是我們生態(tài)行業(yè)當(dāng)中各個(gè)不同的貢獻(xiàn)者。我們?cè)谶@個(gè)行業(yè)當(dāng)中,我相信未來產(chǎn)出的企業(yè)可能是巨大的,有很多的應(yīng)用,就像今天的智能手機(jī)一樣,在智能手機(jī)上面有千千萬萬家APP公司,他們?cè)谧霾煌纳夂筒煌墓δ埽峁┎煌膫€(gè)性化的應(yīng)用,而這些我們希望在智能汽車當(dāng)中能夠給這個(gè)行業(yè)帶來更多的活力。
另外一個(gè)方面我想跟大家講的就是自動(dòng)駕駛。既然是智能汽車自動(dòng)駕駛肯定是其中的一個(gè)很重要的環(huán)節(jié),自動(dòng)駕駛的工作大家都差不多,從感知到高精地圖,從這些當(dāng)中感知周邊的環(huán)境,利用你的算法做你的決策,然后采取行動(dòng),這些是一套標(biāo)準(zhǔn)的流程。實(shí)際上每個(gè)環(huán)節(jié)當(dāng)中Deep Learning都可以幫助我們?nèi)ヌ嵘蛘咛岣咚男Ч瑹o論你是在做地圖的,還是在做定位、GPS,甚至你是做認(rèn)知、道路,提供算法去做計(jì)算,每一個(gè)環(huán)節(jié)都可以利用深度學(xué)習(xí),去幫助我們把它智能化。這些智能化的手段,其實(shí)在應(yīng)用當(dāng)中可能跟我們以前傳統(tǒng)的方式不太一樣,比如說地圖,地圖以前可能是要每次自己去測繪,然后測繪完之后再去更新,但是這樣的手段會(huì)導(dǎo)致這個(gè)地圖的更新很慢,但是如果你是用深度學(xué)習(xí)的辦法,讓它自動(dòng)的迭代,讓你的地圖會(huì)越來越準(zhǔn)確,修正的越來越多。尤其是在我們這個(gè)發(fā)展中國家,我們?cè)谥袊芏嗟穆窙r都是新的,本身就沒有路,甚至于連路都沒弄,而且這些都可以通過它學(xué)習(xí)的方式不同的去進(jìn)步,讓它自己把精度變得越來越準(zhǔn)確。同樣定位也是一樣,定位的準(zhǔn)確度跟修正GPS的算法有很多反饋的信息,很多GPS的工具是沒有辦法把它收回去。如果利用這些學(xué)習(xí)的方法不停地反饋、迭代讓你的GPS變得越來越精確,可能是一些很廉價(jià)的GPS或者是很普及型的GPS系統(tǒng)都可以變得更加精確。當(dāng)然在其他的一些系統(tǒng)下面包括甚至于你在控制你的汽車行駛也是一樣,很多算法跟路線的決策都是可以通過這個(gè)學(xué)習(xí)的方式不停的去進(jìn)步,我們希望把學(xué)習(xí)的思路應(yīng)用在各個(gè)環(huán)節(jié),這樣就可以讓汽車能夠?qū)W習(xí)人的方式去駕駛汽車。而這些手段對(duì)于我們?cè)诮窈蟮难芯慨?dāng)中,我相信很多的生態(tài)系統(tǒng)當(dāng)中會(huì)產(chǎn)生一些新的影響,比如說這是我們?cè)谝欢戊F霾當(dāng)中去做圖形圖象識(shí)別,以前大家可以想像可能一旦出現(xiàn)霧霾的時(shí)候,我們的人都看不見汽車。但是我們知道透過Deep Learning的方式,在你看不清的情況之下它還能夠去識(shí)別前面的車輛,這是對(duì)我們的開車,對(duì)于司機(jī)來講是非常有價(jià)值的。但是對(duì)于人來講,傳統(tǒng)的肉眼模式是沒有辦法做到的。
當(dāng)然深度學(xué)習(xí)的方式,并不是在技術(shù)上的提升,或者只是一些方法上的改變。實(shí)際上深度學(xué)習(xí)是讓我們?cè)谝郧皞鹘y(tǒng)研究的模式之下,做了一個(gè)很大的進(jìn)步,也就是相當(dāng)于我們?cè)谝郧暗挠?jì)算機(jī)1跟1000之下的計(jì)算方式,算法是完全不一樣的,這樣給我們打開的思路也會(huì)不一樣,并且手段也不一樣,實(shí)現(xiàn)的效果就完全不一樣了。
最后,我想跟大家探討一下深度學(xué)習(xí)、高性能計(jì)算給我們整個(gè)行業(yè),如果說智能汽車有一個(gè)很大的變化,幾年之后發(fā)生很大變化的時(shí)候,它對(duì)于我們整個(gè)產(chǎn)業(yè)會(huì)有多大的影響?我相信很多人都會(huì)知道,可能傳統(tǒng)汽車的檢車不一樣,法律法規(guī)不一樣,標(biāo)準(zhǔn)不一樣,最大的問題就是我們的教育機(jī)構(gòu)人才的培養(yǎng)跟以前完全不一樣。我們傳統(tǒng)車廠培養(yǎng)人才,大專院校,汽車學(xué)院,汽車系培養(yǎng)的這些人才在今后都會(huì)發(fā)生一個(gè)很大的變化。當(dāng)然我們的出行方式可能會(huì)產(chǎn)生一個(gè)很大的變化。當(dāng)自動(dòng)駕駛的汽車上路之后我們的出行方式跟今天也會(huì)不一樣,這一些可能會(huì)引起我們?cè)诟鱾€(gè)部門以及相關(guān)的管理行政機(jī)構(gòu)都會(huì)在這個(gè)行業(yè)當(dāng)中重新考慮新的系統(tǒng)去適應(yīng)和支持我們這個(gè)行業(yè),否則這個(gè)行業(yè)就算我們把汽車做得很好,可惜它沒有辦法上路。
我相信對(duì)于供應(yīng)鏈也有很大的變化。比如像我們公司,可能在汽車供應(yīng)鏈當(dāng)中我們從來沒有進(jìn)入國,我們也很少跟車廠發(fā)生過任何關(guān)系,今后希望對(duì)于整個(gè)汽車行業(yè)能夠發(fā)揮出我們英偉達(dá)應(yīng)有的作用,也希望我們?cè)谥袊軌蛘业礁嗟暮献骰锇椋覀円黄鸢盐覀冋麄€(gè)汽車行業(yè)智能化做得更好。
ADAS和無人駕駛汽車的未來,智能汽車傳感模塊解決方案,智能汽車BMS和360環(huán)視解決方案等技術(shù)應(yīng)用請(qǐng)移步【第三屆·中國智能汽車技術(shù)暨應(yīng)用高峰論壇】
會(huì)議詳情戳下圖↓可跳轉(zhuǎn)
評(píng)論
查看更多