地平線余凱：邊緣計算的AI處理器，是智慧城市、自動駕駛的核心技術基石

雷鋒網按：9月18日，2018世界人工智慧大會·邊緣智能主題論壇在上海召開，論壇以「邊緣計算，智能未來」為主題，是2018世界人工智慧大會的重要主題論壇之一。

地平線創始人兼CEO余凱在當天的演講中強調：人類正從大數據時代走向大計算時代，邊緣計算的趨勢是全球互聯網科技趨勢「分久必合  合久必分」的結果。

「在PC時代，所有的計算都是在電腦上，是本地計算。隨著互聯網發展，數據越來越往雲端、中央上轉，計算慢慢從邊緣集中到了雲端。而從移動互聯網開始到現在物聯網時代到來，我們逐漸看到另外一個趨勢——更多的計算又從中央往邊緣遷移。」

同時他還預測，到2025年，每一千美金能夠買到的算力相當於1000個T，足以支撐五級無人駕駛所需要的計算需求。如果基於此繼續開發與之匹配的軟體系統，預計到2030年，真正的五級的無人駕駛將成為可能。而技術趨勢有趣的地方在於——1000個T的算力正好和人類大腦的算力相當，這也是摩爾定律一個值得玩味的發展結果。

以下是余凱演講全文，分享地平線在邊緣計算方面的工作和思考，本文由雷鋒網編輯（有刪減）：

今天我們在這裡一起探討邊緣智能，邊緣計算——這個現在看起來已經越來越廣受關注的行業共識。

城市是人工智慧非常重要的場景，在這個場景中有交通、有駕駛、有大量的人機交互，計算一定是發生在數據爆發的場景里，而現在數據大量產生和爆發的地方就是在城市。

邊緣計算之所以這麼重要，是因為它確實會讓城市的生活變得更加安全，更加美好。

更多的計算正從中央往邊緣遷移

AI未來的發展，必然會促進智慧城市的建設。邊緣計算，會覆蓋生活的每一天——從家裡出發，在路上，在工作的場景里。毫無疑問，這裡會產生大量場景和數據。

分享一個報告數據，預計到2025年，全球數據量將以10倍速劇增至163ZB，這個數據量遠超過任何互聯網公司現在所儲備的數據量。

分久必合，合久必分，這在計算上也在發生。

在PC時代，所有的計算都是在電腦上，是本地邊緣計算。後來隨著互聯網發展，數據越來越往雲端、中央上轉，計算慢慢轉移到了雲端，轉移到了雲端計算。而從移動互聯網開始到現在物聯網，我們看到另外一個趨勢，更多的計算從中央往邊緣遷移。這帶來的好處就是實時性、可靠性，設備在離線的情況下還可以正常運作。

比如，自動駕駛汽車在路上跑的時候，過隧道的時候沒有信號，車如何自動駕駛？一定要靠不依賴網路和雲端的邊緣計算。很多安防類的企業，他們有一些現在是靠WIFI聯網處理，但是受信號和帶寬影響很大，也需要邊緣計算。 

這裡核心的一點，大量的計算要在邊緣，並不在數據中心。數據中心需要強大的供電系統，經常建在例如內蒙古等一些用電需求比較少的地方。而邊緣計算一定要求低能耗，這就對邊緣計算的處理器要求非常高。

邊緣計算的AI處理器，可以說是今天我們整個智慧城市，自動駕駛的核心的技術基石。

邊緣計算的五大優勢

我們強調邊緣計算，是不是意味著我們的算力要打折扣？其實不是。

拿自動駕駛來說，自動駕駛分為 Level 到 Level 5 共 5 級，5 級就是全天全路況，全工況的無人駕駛。在這裡有一個很有趣的趨勢，自動駕駛每往上升一級，它的計算量就增加了一個數量級。

比如，產業界當前所處的階段是三級自動駕駛，匹配的產業化的人工智慧處理器處於差不多10T的算力階段，而四級的自動駕駛到百T量級，再到五級的完全的無人駕駛的話，要到1000T。

這是什麼概念？我們稍微回顧一下摩爾定律，過去一百年，平均來講每一千美金大概能買到的算力是這樣的增長的曲線（如上圖）。

今天一千美金相當於一個iPhone可以買到的算力。從2017年開始，實際上摩爾定律也發生了新的變化，因為我們的物理製程已經開始變化，最近行業在攻克五納米這樣的製程。但是繼續往上的話，會越來越難，因為原子是0.1納米，人類在晶元製造工藝上已經逼近原子的極限，物理製程就不能繼續推進摩爾定律往前發展。

進入「新摩爾定律」時代

今天，我們可以說是進入了「新摩爾定律」時代，要通過場景驅動，場景與任務、軟體演算法去驅動，這種架構模型使得摩爾定律能夠繼續往前奔跑。

在這裡我有一個預測，如果我們能夠做到這一點，基本上到2025年的時候，每一千美金能夠買到的算力相當於1000個T。這1000個T的算力，能夠滿足五級無人駕駛所需要的計算需求。基於此，我們繼續開發匹配的軟體系統，使得2030年的時候，真正的五級無人駕駛成為可能。

很有意思的是，我們可以看到：1000T的算力正好和人類大腦的算力相當。這裡面也不完全是巧合，因為自動駕駛需要在比較複雜的工況下，需要達到人類大腦這樣的算力才能去應對這樣的情況。所以這是摩爾定律很有意思的發展之一。

邊緣計算要實時性、低延遲，與數據中心的計算不同。但同時，它對算力的要求一點都不低。邊緣的人工智慧處理器是未來科技競爭的主戰場，是一個制高點。

我們現在處在一個大數據時代，但我想業界或多或少已經達成了一個模糊的共識：未來，我們將進入一個大計算時代。因為數據其實是無窮無盡的，關鍵是能不能通過計算讓數據產生價值。

還有一點，我們也看到一些趨勢，數據的計算很重要。去年我們看阿爾法狗升級了一代，新的阿爾法狗是不需要人類堆積的數據學習，完全通過虛擬的方案，一個形象的比喻是叫「左右互搏」，去提升它的算力。

自動駕駛也出現了這樣的情況，更多的不是在實際的路面上去採集數據，提升在各種路況下的控制反應能力。更重要的是模擬，在虛擬世界的計算。

我們正站在一個時代交替的節點上，可能我們自己都沒有意識到。我們從大數據時代進入一個大計算時代，真正的大計算才是構成未來科技世界的根本。

以數據驅動的新工業革命時代：算力是第一生產力

地平線也是認定了這樣的未來，我們認為算力是未來社會核心技術實力的制高點。

新摩爾定律不僅僅是通過物理製程，還要通過軟體與硬體的結合。講到這一點，我們一定會回顧計算機發展歷史上很有影響力的一位人物——Alan Kay。他有一個思想，非常具有前瞻性：叫「軟體和硬體的結合」。他說如果人要想真正的做好軟體，一定要做好硬體。

絕大多數的企業覺得軟體和硬體的結合這個事情太重，不願意做。但過去只有一家公司，只有一個人這麼做了，就是喬布斯跟他領導的蘋果公司。所以我們看到整個的移動時代，唯一一家做軟硬結合的就是蘋果公司，晶元和軟體操作系統都是自己研發的。

在新的摩爾定律時代，我們相信通過軟體和硬體的結合才能夠繼續推動摩爾定律，讓人工智慧，邊緣計算真正成為可能。

毫無疑問，這也越來越成為一個時代的共識，比如今年我們看到圖靈獎發給兩位晶元架構設計專家。這樣的專家都很有意思，他們現在都在軟體公司工作，這家公司就是Google。所以我們看到這樣的趨勢——軟體和硬體的深刻的結合。

今天看中美兩個國家，到目前為止，在這方面大量投入去研發的，美國就是Google和微軟。中國真正投入這麼大力量在軟體演算法和晶元架構創新方面，現在為止地平線是走在前面的。我們希望能夠在這個領域，在公司成立十年的時候成為全球最大的AI晶元的公司。

這個應用場景，無論是智慧城市還是輔助駕駛、自動駕駛，最大的場景就是在中國，所以其實在中國做到第一的話，估計就是世界第一。我們看汽車市場，去年是2800萬輛，美國是1700萬輛，今年中國會保持2500萬輛的規模，所以中國確實是第一大的場景。

圍繞邊緣的人工智慧處理器，我們的首要核心，還是自動駕駛。在攀登這個高峰的過程中，一路都會有收穫，包括智慧城市、智慧零售、智能製造，都是邊緣處理器的應用場景。

可以說這一點上地平線已經站上了國際舞台，今年我們在四級自動駕駛已經有了訂單，競爭對手要完成這樣的海量數據計算需要幾千瓦的功耗，而我們大概只要110瓦的功耗就可以完成計算。

同時，在處理器方面，在車端以外，比如說利用攝像頭端進行人群掃描，抓拍，現在我們可以進行這種攝像頭端的計算。另一個場景，在智慧交互產品里，對車型，車牌的計算都是在我們的處理器上完成的。

我們下一代基於攝像頭端的嵌入式處理器：一兩瓦的功耗，能夠進行如此複雜的密集人群計算，所以我們可以做到將今天在伺服器端的計算全部遷移到邊緣平台。

車載端的感知的計算，未來一方面是在路端，通過感測器，邊緣計算去感知複雜的車流。同時車端也有邊緣計算，去感知周圍的情況，這種V2V通訊可以了解到全面的路況動態，從而去達到未來比較高效的交通系統。也許未來的交通路口是這樣的（如上圖）。

總結來說，未來邊緣的AI晶元實際上是未來智慧城市的底層核心技術，只有這個技術不斷往前推進，我們城市的安全、效率才會越來越高，大家在城市的生活才會越來越美好。

地平線通過專註於AI處理器，希望可以打造一個開放的生態。通過把我們的軟體賦能各行各業的合作夥伴，讓大家能夠享受邊緣計算所帶來的便捷。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！