在 CES 2017 報(bào)道英偉達(dá)（NVIDIA）的文章 《CES 2017 | 詳解英偉達(dá) CEO 黃仁勛演講：「AI 教父」的自動(dòng)駕駛布局》 中，我們已經(jīng)提到了 NVIDIA 發(fā)布的最新 Xavier 平臺(tái)，以及與博世的合作。其實(shí)在 CES 上，老黃賣了個(gè)關(guān)子：在 3 月份德國(guó)柏林舉辦的 Bosch Connected World 上，他將登臺(tái)發(fā)布進(jìn)一步的合作成果。事實(shí)證明，老黃沒(méi)有食言，在 BCW 上，博世聯(lián)合英偉達(dá)發(fā)布了基于 Xavier 平臺(tái)的車載人工智能電腦。

關(guān)于 Xavier 平臺(tái)的運(yùn)算能力，在 CES 的文章中已經(jīng)有所闡述，在這里就不再具體展開(kāi)。在 BCW 的發(fā)布會(huì)之后，GeekCar 有幸與老黃面對(duì)面聊了聊，本文將重點(diǎn)結(jié)合老黃的發(fā)布會(huì)與專訪，解析他眼中的自動(dòng)駕駛。

老黃在 BCW 上都講了什么？

除了發(fā)布車載人工智能電腦，老黃在演講中還介紹了英偉達(dá)在自動(dòng)駕駛領(lǐng)域的 3 個(gè)布局：

1. Deep Learning：GPU 在深度學(xué)習(xí)領(lǐng)域的應(yīng)用成就了今天的英偉達(dá)。在老黃看來(lái)，深度學(xué)習(xí)驅(qū)動(dòng)下的人工智能，也將成為自動(dòng)駕駛決策的主要算法結(jié)構(gòu)。

2. HD Map：在高精度地圖領(lǐng)域，深度學(xué)習(xí)也將起到重要的作用。它能夠幫助機(jī)器更高效的通過(guò)傳感器收集地圖數(shù)據(jù) ，例如識(shí)別道路特征、提取建筑輪廓、識(shí)別道路圖形標(biāo)牌等。

3. AI Supercomputing SOC：這個(gè)是英偉達(dá)本就十分擅長(zhǎng)的硬件芯片。博世將 NVIDIA 人工智能平臺(tái)納入到自己的零部件供應(yīng)商中已經(jīng)是對(duì)其硬件實(shí)力的最好證明，這也意味著英偉達(dá)的人工智能芯片將開(kāi)始正式向量產(chǎn)平臺(tái)進(jìn)軍。 此外，這次老黃還發(fā)布了將與卡車制造商 PACCAR 合作，基于 Drive PX 平臺(tái)發(fā)展卡車領(lǐng)域的高級(jí)別自動(dòng)駕駛。

在此之上，老黃又進(jìn)一步聊了實(shí)現(xiàn) L3 級(jí)別自動(dòng)駕駛所需要的幾個(gè)環(huán)節(jié)：Detection（感知）、Localization（定位）、Occupancy Grid（占用空間）、Path Planing（路徑規(guī)劃）、Vehicle Dynamic（車輛運(yùn)動(dòng)）、OTA（在線升級(jí)）。

可以看到，除去 OTA 之外，老黃的理解與我們之前一再提到的感知、地圖、決策、控制有一些類似。但是，這兩者之間最大的不同點(diǎn)是在于對(duì)「決策」的理解。做圖像處理發(fā)家的老黃，將駕駛決策巧妙的分成了兩個(gè)偏向圖形分析的環(huán)節(jié)：

Occupancy Grid（占用空間）： 這個(gè)環(huán)節(jié)指的是，機(jī)器對(duì)于周圍環(huán)境中各元素所處位置與所占空間做出的判斷。這個(gè)判斷既包括當(dāng)前環(huán)境，也包括未來(lái)環(huán)境。而元素可以是車輛、行人、建筑物等等。

Path Planing（路徑規(guī)劃）： 在判斷了周圍元素之后，機(jī)器將根據(jù)這個(gè)空間環(huán)境，規(guī)劃出可駕駛的路線。

這樣的劃分，無(wú)疑能夠更好的體現(xiàn) GPU 在圖像處理方面的優(yōu)勢(shì)。在老黃看來(lái)，目前市面上還沒(méi)有任何一個(gè)量產(chǎn)的計(jì)算平臺(tái)能夠同時(shí)整合上述五個(gè)環(huán)節(jié)，而這正是 NVIDIA 希望在汽車領(lǐng)域攻克的難關(guān)。

最關(guān)鍵的部分來(lái)了：綜合上面的分析，老黃提出， Deep Learning 在高精度地圖以及圖像識(shí)別方面的應(yīng)用不僅能夠優(yōu)化自動(dòng)駕駛的決策，更能夠幫助降低車輛上所需傳感器的成本。

我們之前提到過(guò)，除了特斯拉之外，大部分主機(jī)廠和 Tier 1 都認(rèn)為，每一輛實(shí)現(xiàn) L3 級(jí)別的自動(dòng)駕駛車輛需要配備激光雷達(dá)。而老黃認(rèn)為，在 Deep Learning 的驅(qū)動(dòng)下，現(xiàn)有量產(chǎn)級(jí)別傳感器以及高精度地圖技術(shù)的潛力將被進(jìn)一步挖掘，從而在一定程度上打破 L3 級(jí)別自動(dòng)駕駛對(duì)激光雷達(dá)的依賴。由于目前激光雷達(dá)的成本和量產(chǎn)時(shí)間是實(shí)現(xiàn) L3 自動(dòng)駕駛的主要瓶頸之一，老黃相信，我們有可能在今年年底到 2018 年間就實(shí)現(xiàn) L3 級(jí)別的自動(dòng)駕駛，在 2018 年底到 2019 年實(shí)現(xiàn) L4。

在德國(guó)當(dāng)著無(wú)數(shù)汽車行業(yè)的人給出這樣的觀點(diǎn)，老黃就這樣把他的「黃氏定律」帶到了汽車圈。

帶著女兒來(lái)專訪

演講之后，在 BCW 場(chǎng)地旁邊的一個(gè)酒店會(huì)議室中，我又再一次見(jiàn)到了老黃。專訪的一開(kāi)始，老黃就給了在座的媒體一個(gè)驚喜：「今天我的女兒也跟我一起來(lái)了，有我女兒看著，你們要對(duì)我好一點(diǎn)哦。」這樣的畫(huà)風(fēng)也讓整個(gè)專訪氛圍一下子變成了科技公司的輕松范兒。

在向大家介紹完了自己的女兒之并復(fù)盤(pán)了一下自己的演講之后，老黃開(kāi)始回答起了大家的問(wèn)題。

在被問(wèn)到 Intel 收購(gòu) Mobileye 的事情時(shí)，他首先開(kāi)玩笑的說(shuō)：「他們?yōu)槭裁匆I Mobileye ?。?？」 隨后又說(shuō)：「英特爾這個(gè)決定肯定是有他們自己的原因和考慮的，至于收購(gòu)后的效果，時(shí)間會(huì)給出我們結(jié)果。」

當(dāng)有記者問(wèn)到老黃英偉達(dá)如果面臨被巨頭收購(gòu)會(huì)如何決策時(shí)，老黃也開(kāi)玩笑道：「NVIDIA 一直都在對(duì)外出售啊，你們都趕緊來(lái)買一點(diǎn)我的股票吧！」可以看出，對(duì)于行業(yè)內(nèi)最近的兼并，老黃并沒(méi)有表現(xiàn)的很在意。這與他平時(shí)果斷、自我的行事風(fēng)格十分相符。

熟悉 GeekCar 的都知道，我們關(guān)心的是技術(shù)。所以我針對(duì)老黃在發(fā)布會(huì)上的觀點(diǎn)提出了兩個(gè)問(wèn)題，以下是問(wèn)答的實(shí)錄（M 代表 Mark，H 代表 老黃）

M：在您的演講當(dāng)中提到了希望打破汽車行業(yè)對(duì)激光雷達(dá)的依賴，但是汽車行業(yè)對(duì)冗余是有要求的，您具體會(huì)用什么樣的技術(shù)或方法替代這種冗余呢？

H：首先我需要澄清的是，我并沒(méi)有說(shuō)激光雷達(dá)是沒(méi)用的。

目前我們使用的高精度地圖收集車上都配備了激光雷達(dá)，這些已實(shí)際使用的激光雷達(dá)，加上越來(lái)越先進(jìn)的其它傳感器，再整合 Deep Learning 的算法，這套現(xiàn)有的數(shù)據(jù)收集及處理體系已經(jīng)非常強(qiáng)勁了。未來(lái)如果固態(tài)激光雷達(dá)能夠以低成本量產(chǎn)的話，當(dāng)然能夠讓這套體系更加強(qiáng)大。

如果純粹考慮提升感知能力的話，我肯定希望我身上張著許多眼睛，許多耳朵（雖然可能會(huì)很難看）。所以我并沒(méi)有否定激光雷達(dá)的作用，所有傳感器都會(huì)變得越來(lái)越好，不要把激光雷達(dá)想成全部都有或全部都沒(méi)有的問(wèn)題。我的觀點(diǎn)的核心是高級(jí)別自動(dòng)駕駛的切入點(diǎn)，固態(tài)激光雷達(dá)最終會(huì)普及，但是我覺(jué)得要等到激光雷達(dá)普及到所有車輛以后才能稱之為 L4 級(jí)別自動(dòng)駕駛的這種想法是錯(cuò)的，我們沒(méi)有必要等那么久。

M：當(dāng)我們提起 Deep Learing 時(shí)，人們都會(huì)想起 AlphaGo，那么 Deep Learning 在駕駛決策當(dāng)中的應(yīng)用與其在圍棋當(dāng)中的應(yīng)用會(huì)有什么不用嗎？在駕駛環(huán)境中，往往包含著多個(gè)決策者，每個(gè)決策者對(duì)其它決策者的行為又會(huì)產(chǎn)生不同的反饋，在這樣持續(xù)變化且很難預(yù)知的環(huán)境中，Deep Learning 應(yīng)該如何制定駕駛決策？

H：確實(shí)，駕駛和下圍棋有著非常大的不同。當(dāng)你開(kāi)車時(shí)，你必須要先做出假設(shè)。這個(gè)假設(shè)就是：當(dāng)你上路以后，大部分路上的其它車輛或行人是不會(huì)去傷害你的，你會(huì)假設(shè)路上的其他人都會(huì)遵守交通規(guī)則，例如大家會(huì)保持各自的車道，大家不會(huì)隨意并線、不會(huì)違章轉(zhuǎn)向等等。在這個(gè)假設(shè)的前提下，駕駛決策的問(wèn)題就相對(duì)好解決了。如果你做出了相反的假設(shè)，認(rèn)為大家在路上都是在互相博弈（原話為 Gaming），并會(huì)與周圍的其他人產(chǎn)生連鎖效應(yīng)，那么這個(gè)場(chǎng)景可就不是 AlphaGo 的那種兩方對(duì)決了，而是可能多如 20 個(gè)決策者相互博弈，這將是一個(gè)非常有意思的場(chǎng)景，但是我們目前還沒(méi)有解決。如果我自己遇到了這樣的場(chǎng)景，我寧可不開(kāi)車，選擇去走路……

從上面這兩個(gè)問(wèn)題可以看到，老黃對(duì)于高級(jí)別自動(dòng)駕駛落地時(shí)間的大膽預(yù)測(cè)建立在兩個(gè)基礎(chǔ)之上：

1. 激光雷達(dá)的完全普及不是實(shí)現(xiàn) L4 自動(dòng)駕駛的必要條件。

2.?車輛所使用的駕駛決策將按照統(tǒng)一的交通規(guī)則制定。

這個(gè)觀點(diǎn)和特斯拉有一點(diǎn)相似，這也可能是他們兩家公司最后能在一起合作的原因（老黃自己也是特斯拉的粉絲）。不過(guò)，這樣的理解相較于傳統(tǒng)汽車行業(yè)來(lái)說(shuō)確實(shí)有一些激進(jìn)。這就意味著，此次?NVIDIA?與博世的合作將不單是雙方的優(yōu)勢(shì)互補(bǔ)，更是兩種不同理解的再次碰撞。與傳統(tǒng) Tier 1 供應(yīng)商的合作，既為?NVIDIA?敞開(kāi)了汽車行業(yè)的大門(mén)，但同時(shí)也將為他們帶來(lái)更多的挑戰(zhàn)。在談笑風(fēng)生之外，也真心希望老黃能再次把他的「黃氏定律」在汽車圈實(shí)現(xiàn)。

最后得說(shuō)一句：老黃來(lái)中國(guó)時(shí)，肯定不開(kāi)車。

上一篇：關(guān)于蔚來(lái)的量產(chǎn) SUV，這是我們得到的信息 下一篇：特斯拉將停售 Model S 60 系車型；樂(lè)視汽車丁磊被傳離職