异构智能:特斯拉等无人驾驶为何屡发车祸?计算能力不足是根本
来源:    时间:2019-04-01


3月22日,我们在声智科技总部组织了一场【洪泰学院·智享汇】之“5G应用畅想”行业沙龙。洪泰多家被投企业、行业专家、投资人、媒体等齐聚一堂,围绕5G话题展开热烈讨论。会上产生了诸多的思想碰撞和新鲜思考。比如5G的高带宽、低延迟特点对哪些行业最有需求;农业为什么一直搭不上发展的快车?5G将给农业带来哪些革新?等等……


我们正陆续整理出各位大咖的演讲实录,分享他们关于5G的干货观点。第六期是异构智能副总裁 刘谦,他从终端芯片生产商的角度分享了对5G的看法和理解。


1、5G会带来什么影响?

2、5G会带来哪些云端的需求?

3、5G对无人驾驶的意义在哪?

4、终端和云端的芯片有什么区别?



演讲正文:



最近关于5G的讨论非常多,前两天我听到一个观点,说中国的5G可能比美国还要领先两年,这是个很令人振奋的消息。中国可能在2023年5G应用会比较好,因为国内基站建得多,美国没有这么多钱投造基站,而5G要求基站必须要建得密。


我们看整个5G其实是一个网络,网络是传输数据的一个过程,前端是数据的获取,5G在中间传,数据传完之后是处理环节,存储也很关键


站在终端芯片生产商的角度来看5G会带来什么影响。5G时代下,数据量非常大,互联网用户平均每日产生的信息传输约1.5G,大概是两部电影的大小;智能工厂每天信息传输大概有1PB,就是100TB;云视频服务商产生的信息量更大,它们要一直保持高清或者不高清的视频流,大概在750TB这样的量级。


海量数据需要很多加工和处理,没有5G之前,已经有很多公司涉猎云端数据处理的芯片,以谷歌和亚马逊这两家顶尖云服务商为主,5G出现之后,云端的需求势必会进一步增加,这是业界公认的基本前提


5G会带来哪些云端的需求呢?首先就是个体对移动娱乐的需求,比如短视频公司、直播公司。娱乐是一个非常耗流量的领域,随着5G的发展,一定会对速度、清晰度有更高的要求,并且要求成本能够降低。


它们的需求一部分是从非结构化数据向结构化数据的转化另一部分是内容审核,现在内容审核现在无论是直播公司,还是短视频公司,采用的方法都是雇一个庞大的人工团队进行人工审核。


算法终究要跑在硬件上面,也就是说,人工智能算法的底层需要硬件支撑。打个比方,人工智能算法就像是赛车手,他需要赛车,没有赛车再怎么训练也无济于事。同样,人工智能需要底层硬件的支持,我们做过分析,现在应用最广泛的是英伟达的GPU芯片,其中以T4和P4这两款为主,大概售价都是在2500美金/颗。


以短视频为例来分析,一个短视频公司每天能够产生的短视频量级在2000万条上下,每条短视频最长是57秒,同时还需要用5-6种不同的模型去审核,要看视频内容是否合规,计算量非常大。


对于每天产生约2000万条的短视频公司来说,我们给它们的硬件成本和运营费用做过估算。从硬件来看,相对于T4,P4是老一些的卡,性能差一些,从P4迁移到T4,硬件成本可以从250万美金降到原来的1/4,大概是60多万美金,运营费用可以从原来的40万美金降低到10万美金左右。


这是从硬件和运营费用上来讲,未来云端各种各样的服务商,它们的成本是非常重要的,他们需要高性能、低功耗、低成本的硬件,来帮它们提供一个有盈利能力的解决方案服务。这是我们所看到的。


另外,5G的传输能力非常强,但这并不意味着主要的计算就交到云端来做。举个例子,无人驾驶目前发生过很多次事故,无论是uber撞人,还是特斯拉出车祸,主要原因还是因为芯片的计算能力不够强

无人驾驶的原理其实很简单,就是利用传感器和芯片实时观测周围的景象。这个过程是怎样实现的呢?传感器和芯片在所能看到的景象里面取框,比如说取3000个框,再跟踪这些框的运动来判断轨迹,最终作出判断。如果计算能力不是很强,假如一秒钟只能看三帧,意味着每300毫秒才能看一帧,300毫秒的延迟,按照限速60公里来开,大概已经开出去了6米,很有可能造成交通事故。


特斯拉目前使用的系统大概每秒钟处理200帧左右,未来我们也会做两款不同的芯片,真正要实现无人驾驶,可能要有2万帧左右每秒的计算能力。


再来说下5G的终端应用场景,毫无疑问,5G会在各个领域大展身手。比如安防,安防可以把视频全上传到云端,或者在摄像头就完成处理过程。理论上,在5G背景下,并不是所有的数据都需要上传到云端才可以计算,所以说,终端和云端两个都会是未来非常重要的市场。


终端和云端的芯片有什么区别呢?二者的区别在于云端的芯片对性能的要求会更高,对功耗的要求稍低,边缘端或者终端的芯片对功耗要求非常高。至于云端和终端这两个地方,不同的芯片应该怎么办?很简单,CPU可以放单核,也可以放双核,最强的CPU可以放32个核进去。所以说不同的芯片,只需要通过增加它的核数,就可以解决架构上的问题。


站在AI行业来看,我们认为整个AI市场目前还不是很大,一方面我们跟传统企业合作,另一方面,我们也希望AI创业公司一起把市场做大,毕竟AI是需要软件+硬件才能最后落地。只有更多的AI技术、产品落地,AI行业才能迎来真正的发展。