Intel与Qualcomm的自动驾驶路线对比
扫描二维码
随时随地手机看文章
今年三月,Intel以150亿美金收购了自动驾驶领域最大的芯片公司,Mobileye。收购的新闻瞬间刷屏,但是仔细想来也是在情理之中。Intel自从去年开始就下定决心要大举进军人工智能,开启了买买买模式,2016年连续出手收购了Nervana和Movidius两家分别擅长服务器端和移动端机器学习系统的公司。目前人工智能最火的领域,除了服务器端提供AI服务(Nervana),移动端提供轻量级低延迟AI应用(Movidius)外,就是自动驾驶最火了,所以Intel继Nervana和Movidius后的下一个收购目标选择了Mobileye实属合理。
而从Mobileye角度来看,它与Intel的合作其实也有一段时间,自从与Tesla合作结束后,更是一心一意地加入了自动驾驶的Intel阵营,与Intel和BMW结成了自动驾驶联盟,共同对抗来势汹汹的Nvidia以及Tesla。目前该联盟还处于蜜月期,Intel和Mobileye就亲上加亲成了一家人,预期未来会用更多动作。
另一方面,Qualcomm也在去年宣布收购了汽车电子行业巨头NXP。该收购案数额巨大,吸引了半导体业界几乎所有人的目光,同时也展示了Qualcomm想从手机产业走出去的决心。Qualcomm与NXP的业务重合不多,收购后更多是业务互补,NXP的汽车电子业务将成为Qualcomm未来版图中的重要环节。
Intel和Qualcomm,都瞄准了未来的汽车电子。显然,未来汽车电子潜力最大的方向就是无人驾驶,然而Intel和Qualcomm选择了截然不同的两种通往无人驾驶的技术道路。下面为您仔细分析两家公司的技术蓝图。
Intel:做一个机器人帮你开车
Intel由微处理器发家,借着计算机在上世纪的普及而一举成为全球最大的半导体公司。也正是由于在计算机行业过于成功,想要接着之前在计算机行业的经验去做移动终端业务,结果遭遇滑铁卢,错失了移动互联网的风口。下一个风口是人工智能,Intel当然不想再错过,因此连连出手大举投资。
Intel与人工智能其实一直很接近。人工智能一直以来是计算机领域的一个分支,而Intel与计算机的渊源更是不必多说,因此Intel去做人工智能根本就不算是转型,而只能说是稍微调整了一下计算机业务的重点布置。Intel要做自动驾驶也是以人工智能为切入点,因此要从人工智能如何实现自动驾驶来分析这件事。
人工智能从计算机诞生以来,就成为了计算机科学家一直在思考的问题,即能否用计算机实现人类的思考能力?计算机科学的祖师图灵就思考过这个问题,还提出了著名的“图灵准则”(即人类能否判断与之对话的是人还是计算机)来帮助判断计算机是否真正实现了人工智能。之后,在上世纪中叶,Minsky等人为人工智能的发展做出了卓越的贡献,然而之后人工智能的发展却陷入了低潮。直到十年前,基于深度神经网络的深度学习再度崛起,让世人的目光再次集中到了人工智能这个话题上。神经网络是一种仿生人工智能算法,其崛起的标志性事件是2012年AlexNet的诞生,实现了在ImageNet数据集上物体识别准确率的大幅提升。之后,神经网络越来越深,从十几层,到微软ResNet的一百多层,最近甚至有一千多层的深度学习网络出现。
Intel以人工智能作为自动驾驶的技术路线,其最终目标是打造一个人工智能驾驶系统。该系统可以理解为设计制造一个机器人,这个机器人懂得用传感器感知汽车周围信息,并且根据人工智能算法做决策,以实现与人类一样甚至超过人类表现的驾驶水准。就技术角度,Intel负责这个机器人的大脑(计算部分,Intel毕竟是处理器行业的老大其芯片能提供足够强大的计算能力),而Mobileye负责机器人的眼睛(传感器信号处理芯片,传感器的原始数据量非常大,需要专用的高效处理芯片做预处理后再送去后端的通用处理器做自动驾驶的决策)。
Intel设想的自动驾驶系统中需要用到多种传感器,包括摄像头,毫米波雷达,激光雷达,超声波传感器等等,Intel购买Mobileye的目的,就是为了给自动驾驶系统加上一双敏锐的双目,实现高效传感器融合。算法部分两家公司各有积累,融合之后预期会有更好的算法出现。而数据方面,就要靠与Intel合作的各大车厂提供以训练深度学习算法了。
Intel选择的使用神经网络人工智能的自动驾驶归根到底是一种仿生学设计,其效法的对象就是人类本身,无非就是用传感器替代了人类的眼睛,用深度学习算法代替了人类的大脑。从另一个角度想,人类的极限基本就决定了这套自动驾驶系统的极限。在自动驾驶分级中,这套系统支援到第三级(有条件自动化)没有任何问题,因为自动驾驶系统并没有完全接管汽车,这时候相当于真人驾驶员是驾校教练坐在副驾上,而自动驾驶系统是新司机(虽然这个新司机在大多数时候比真人老司机开得更好!),一旦自动驾驶出了什么问题真人老司机立马介入避免事故。