在硅谷创新大道101号,英特尔把办公楼变成无人驾驶研发工厂

五月的湾区进入灼热的夏天。在北圣何塞“创新大道” (Innovation Dr.) 101 号,原属于 Altera 公司的大楼一层侧面,英特尔正式宣布设立了自己的自动驾驶研发工厂——更像是一个车库。

英特尔高级副总裁戴佟森为无人驾驶工厂/车库剪彩

英特尔高级副总裁戴佟森 (Doug Davis) 为无人驾驶工厂/车库剪彩

2015 年,英特尔斥 167 亿美元收购 Altera,将其世界领先的“现场可编程逻辑门阵列”(FPGA,一种更灵活的可编程处理单元)技术收入囊中。彼时,关于英特尔的讨论永远离不开一个话题:摩尔定律可能已经失效。而英特尔对 Altera 的收购,创下了该公司创立近 50 年来收购规模纪录,也被寄予让摩尔定律走出瓶颈的厚望

彼时,公众视野里的科技热词是“物联网”、“云计算”和“大数据”。“人工智能”的热度还不够高,但在约书亚·班吉奥 (Yoshua Bengio)、杰夫·辛顿 (Geoffrey hinton)、闫乐坤 (Yann LeCun)等著名学者的推动下,人工智能背后的具体技术性能已经突飞猛进。而自动驾驶作为人工智能的重要应用场景之一,早已成为了硅谷大小科技公司投入巨资发力的方向。 Google 早在 2010 年就完成了自动驾驶团队的组建;特斯拉在 2014 年向适配的 Model S 车型推送了 L2(具备一定辅助驾驶能力)级 Autopilot 功能;Uber 则从卡耐基梅隆大学全盘接收了自动驾驶研究团队,并直接在学校马路对面开了自己的车研发中心;还有 Drive.AI、Comma.AI 等一众创业公司成立,试图吸引资本和大公司的青睐;

作为自动驾驶领域后来者的英特尔,并未像高调的公司那样得到大量关注。本周,包括PingWest品玩(微信号:wepingwest)在内的多家媒体造访了英特尔的自动驾驶车库。从英特尔方面的姿态来看,他们担心“酒香也怕巷子深”,和媒体记者相比,似乎英特尔更需要这次活动去对外传递它在自动驾驶方面的积累和进展。

Intel-Autonomos-driving-2-1-squashed

Intel-Autonomous-Drive-Workshop-8-squashed

Intel-Autonomous-Drive-Workshop-2-squashed

首先,FPGA 对于英特尔的重要性可能比半导体业界想象的更重要。在自动驾驶领域,很多人坚持走显卡的路线,也即用 GPU、GPGPU(通用计算图形处理器)对于计算机驾驶系统的训练效果更好。但英特尔认为收购 Altera 获得的 FPGA 技术,能够在自动驾驶上获得独特的优势。

在接受我专访时,该公司可编程解决方案事业部自动驾驶团队总监迈克尔·亨利克斯 (Michael Hendricks) 指出,对于已经流行的神经网络模型,比如卷积神经网络,GPGPU 的运算支持是很好的,优势也很明显,但对于那些即将在自动驾驶领域成为新宠的模型,比如采用深度神经网络、循环神经网络、生成式对抗网络进行图像识别、自动标记和学习而言,GPGPU 就没有优势了。而 FPGA 在面对不同计算压力需求,比如不同级别的自动驾驶方案时,更容易在性能功耗(以恒定图像识别帧率为前提,比较功率)上取得平衡。

迈克尔·亨利克斯 图片来自网络

迈克尔·亨利克斯 图片来自网络

目前,L2 级别辅助驾驶已经非常普及,行业整体来看处在从 L3 (编者注:有条件的自动驾驶,需要接管)向 L4(在一定道路环境宽容度下的全自动化)迈进的过程中。知名厂商上路实测的 L4 级别汽车,在理论安全性上已经相当完善。亨利克斯认为,CPU+FPGA 的组合比 GPGPU 更适合 L4 甚至未来的 L5 时代。具体来说,汽车上传感器数量的增长可能会翻倍,产生数据量会有指数级的暴增,需要的计算量也是同样。

“FPGA 的优势在于并行计算能力,能够更敏捷地处理传感器传来的数据,支持决策系统做出更好的决定,让控制系统快速响应。在 L4 级别上,CPU+FPGA 方案会显示出巨大的优势。”他说。简而言之,FPGA 可能是更适合自动驾驶汽车的“大脑”,将自动驾驶研发部门安置在原 Altera 大楼里的原因,这样解释就很清楚了。

IMG_2569-squashed

除了 FPGA 之外,英特尔还认为5G 通信将会是自动驾驶商用化的依赖技术。“当年从 2G 向 3G 迁移的时代,很多反对者不明白为什么我们需要 1 Mbps、2Mbps 的带宽;到了 4G 依然如此,有人怀疑多出来的几百 Mbps 带宽,还有降低的几十毫秒时延真的那么重要吗?”英特尔 5G 事业部总经理罗伯·托普尔 (Rob Topol) 抛出了这个疑问。

英特尔的重要合作方 Delphi 曾经做过测算,自动驾驶汽车每辆每小时各个传感器会产生超过 45TB 数据。这些数据不会全部上传每辆汽车每小时和云端之间传输的数据至少会超过 1TB,达到 2TB 甚至 3TB。汽车产业估计今年全球汽车总产量大约在 1 亿辆左右,未来可能会向手机出货量一样迎来滞涨,但总量会保持不变。

而英特尔的保守估计是未来 3-5 年内自动驾驶会迎来商用化的黄金发展期,如果像北京这样一个人口超过 2000 万的城市,如果抱有数万甚至数十万辆自动驾驶汽车,用这个数字乘以每小时 2TB,城市重点地区基站每小时的数据量吞吐将会是惊人的。他指出,这也是为什么包括中国移动在内的多家运营商都在推进 4G/LTE 向 5G 演进。

拜访车库的同一天,Delphi 也在现场提供了开放道路 L4 自动驾驶的试乘机会。该公司自动驾驶服务和软件副总裁埃兰·桑德豪斯 (Eran Sandhaus) 带着我,乘坐一台改装版奥迪 SQ5 在晚高峰期间的北圣何塞转了一圈。这台汽车之前完成过从旧金山到纽约共计 3500 英里的旅程,“99% 自动驾驶。”桑德豪斯自豪的表示。

Intel-Autonomous-Drive-Workshop-7-squashed

在路测时,这台汽车在一些表现令人印象深刻:遇到停车标志和在非路口进行转弯操作时,它能遵守加州交通法规的要求,完全停止 (full stop) 几秒后再转弯,也会在保持绝对安全距离的前提下再并线,这被 Delphi 称为“socially cooperative driving”(合作的驾驶风格)。

但在其他的场景时,比如路口转弯、中高速路跟车时,不像一些其他厂商 L3、L4 汽车经常进行顿挫感强烈的停车,它开的并不保守,甚至在转弯的速度上很激进,提速很快,被称作“driving with confidence“”(开出自信)。

IMG_2579-squashed

桑德豪斯介绍,Delphi 的方案 90% 基于规则 (rule-based),并没有太多的人工智能,这让他们能够更容易地针对国和州的法规和实际道路情况不同进行微调。

这辆 SQ5 的传感硬件一共包括 26 个高清彩色摄像头、激光雷达和雷达,算法方面和 Mobileye 进行合作,计算则采用的是英特尔的 CPU+FPGA 方案。Delphi CTO 格伦·德·沃斯 (Glenn De Vos) 向我简单介绍了 Delphi 自动驾驶方案的系统逻辑:

IMG_2565-squashed

系统分为认知 (perception)、计划 (Planning) 和控制 (Control) 三个部分。

首先,传感器和来自外部基础设施(比如圣何塞交通部门为了配合自动驾驶公司研究,改装了一些红绿灯向自动驾驶汽车广播信号)的原始数据进入认知系统。认知把原始数据整理成计划系统能理解的输入,比如车辆面前的东西到底是车还是人,如果是人的话,行人还是警察,如果是警察,他的动作是什么含义。然后计划系统再结合当地法律法规做出决策,把指令发送到控制。

格伦·德·沃斯

格伦·德·沃斯

从认知到决策的过程对于 SQ5 的乘客来说并不是黑箱。桑德豪斯介绍,Delphi 对中控显示屏进行了改装,汽车“看”到的一切事物,包括不用的传感器返回的视觉情况都可以用不同的颜色显示出来,让驾驶者、乘客更放心。

IMG_2584-squashed

试乘时,有一次司机不得不接管汽车——当时本车已经打转向灯超过 15 秒时间,警示右后方车辆要并线,但右后方车辆一直保持加速状态使得本车没有并线空间。当时本车正后方的后车距离还比较远,我期待本车会减速让行然后再并线,但没有发生,最后我们错过了本来应该右转的路口。

桑德豪斯没有做出过多解释,或许那个司机今天心情不好?我的猜测是,基于规则的决策计划系统希望保持车速,不压车流,毕竟我第一次在加州路考就是因为没有做到这条被毙的……

也有另外一种可能,是因为计算机的算力还不能在够快的时间(毫秒内)完成计算做出让行再并线的决策?若真如此,解决起来思路也很简单:一方面,提高算力,另一方面,如果双方都是自动驾驶汽车,直接车对车沟通就可以进行协调了。

但如果两台自动驾驶汽车不是同一家公司生产的怎么办?其实,一家名为 5GAA (5G Automotive Association) 的机构已经成立,正在制定一个统一的自动驾驶通讯标准,其中就包括车对车通讯,因为通信标准统一是自动驾驶商用化和大规模普及的重要前提。该组织成员已经囊括了几乎所有的通信技术商、运营商、汽车厂家、自动驾驶技术公司等,比如华为、英特尔、诺基亚、高通、中国移动、福特、奥迪、宝马、戴姆勒北汽集团等,但还没有 Google、特斯拉和 Uber。

多位英特尔高管都告诉我,他们很明确地认为,拥有 FPGA、5G技术,收购了 Mobileye,再加上软件部门推出的自动驾驶开发包 Intel Go SDK,英特尔现在的自动驾驶事业部集合了所有部门的资源,毫无疑问是所有自动驾驶科技公司里提供解决方案最完整的一家。

原 Altera 嵌入式视觉部门副总裁,现领导 FPGA 业务的丹·麦克纳马拉评价,其他公司的自动驾驶解决方案都只是“软件堆栈”而已。这的确是现状,很多这样的公司都高度依赖 Velodyne 公司的方案。相比之下,英特尔/Mobileye/Delphi 组合最终成型的方案里,所有的传感器隐蔽性很高,更像是能开到路上的汽车,而不是一辆汽车驮着一个尺寸超大,旋转着的奇怪玩意。

他甚至还作出评价,称不看好百度开源自动驾驶平台“阿波罗”,“自动驾驶是个很需要技术积淀的东西,有很多都是专利独占技术,怎么能开源出去呢?”

车库开放日的当天,原物联网事业部总经理戴佟森 (Doug Davis) 发表了一篇博客,题为《以自己的职业生涯打包票,英特尔一定会取得无人驾驶的胜利》,自信程度令人印象深刻。

戴佟森

戴佟森

英特尔去年 12 月成立的无人驾驶事业部由他领导。今年 3 月,新部门完成了成立以来的第一笔收购:153 亿美元拿下在汽车计算机视觉方面的 18 年“老炮”Mobileye。PingWest品玩的一篇文章曾评价,英特尔可能想要在自动驾驶业界复制该公司“Wintel”模式的成功经验。当然,简单地将这种模式概括为 Wintel 也不尽准确。

Wintel 的 Win 是 Windows 的简称,来自微软。而如果硬要找出谁是英特尔在自动驾驶上的“微软”的话,那么 Mobileye,或者 Delphi,甚至宝马都可以算得上。

戴佟森对这个描述表示基本认可。他对我表示“英特尔的理念一直是:提供像积木一样足够通用的开发平台给 OEM 和开发者。我们认为这种理念能够让创新加速。PC 时代,计算机的核心是处理器,其实自动驾驶汽车也是一样。现在下线的 L2 级别汽车,车载算力大约在 0.5 TFlops,我们估计到 2025 年,L4 级别汽车至少需要 15-20 TFlops。”(TFLops为每秒浮点计算次数,作为参考GTX 1080 Ti显卡的TFLops为10.6)

他认为英特尔的任务是解决计算方面的问题,然后围绕计算提供整套解决方案。在 PC 时代就是如此,对于自动驾驶,这种商业模式也从未改变过。

这种新瓶装旧酒的思路,对于有限少数的公司是有效的。苹果和三星把手机卖到 BOM 成本价的两倍甚至三倍都有人买涨,吉列的“剃刀模式”也已经用了一百多年了。而英特尔的模式,并非没失败过,比如在移动时代来得太晚错过了好时候。好在,这次赶上了,毕竟自动驾驶的时代还没正式开始呢。

更多有趣好玩的内容 尽在品玩微信公众号
brand

PingWest品玩移动客户端