文/陈瑶
腾讯汽车:Intel作为一家与计算紧密相关的企业,为什么要把自动驾驶作为重要的研究方向?
宋继强:自动驾驶已经跟计算和通讯完全分割不开了。
传统的汽车是自动化的系统(automated system),按照人编好的程序去执行,但如果出现异常或者机器没见过的情况就无法应对。而自动驾驶车辆是自主系统(Autonomous system),能够感知,并随后进行判断和决策,付诸行动。它的行动又会影响真实世界。所以它还需要继续看影响和预期是否一致。
整个过程中需要把符号化的信息,转化成计算机能理解的数据,还涉及到知识、规则、与智能交通系统互联,“做决策、做分析”都需要计算。而与云端的协作就需要通讯,比如驾驶策略的更新可以通过云端下发,让所有车都能处理某种事故。
Intel认为这需要一整套端到端的技术。数据在不同的阶段要做不同的处理、通讯、存储,刚好是我们擅长的。当车里面的人不再是司机的时候,通讯、娱乐、办公,都会催生服务,我们称之为乘客经济。这是一个非常有前景的领域。Intel在这个领域去投资布局,甚至跟整个产业一起去奠定这方面的基础非常重要。
腾讯汽车:在自动驾驶方面,Intel已经取得了哪些成果?
宋继强:如今自动驾驶是对传统车进行增量式的创新,有一个例子我想分享一下。
统计数据显示50%左右的事故发生在交叉路口,此时的碰撞预警不是车本身的感知系统能够解决的,而要靠环境智能。咱们中国摄像头的部署挺多,空间上形成了对路口的环视,Intel通过摄像头把路口交通的参与者检测出来,这就构成了对交通路口的实时3D跟踪。
我们在任意一个视角都可以看到相对完整的场景。我们就可以把事故的风险通过无线通讯直接推送给车。Intel现在已有的基础设施,追加智能分析的能力,创造出之前所没有的信息,让新技术给自动驾驶带来新的安全级别。
腾讯汽车:在智能驾驶领域,现在很多厂商在做重复的事情。在您看来,大浪淘沙的结果是不是会出现清晰的产业分工,而不是资源重复?
宋继强:这在新领域是不可避免的,初期大家并没有找到自己的定位,都会去试。合作的前提是大家有一致的目标,然后大家找到互补的点,开始合作。同时,产业合作比较重要,得有政府和领先的供应商一起才能把这个事情做好。
有些东西单枪匹马确实不容易做全,互相竞争的结果是大家谁也做不出最好的,不如把公共的东西一起做然后共享,根据前期贡献的多少,决定最后收入分成的比例,形成一个相关的专利池和平台,让各大车企参与进来。
Intel现在在努力创造这种交集,比如说我们把Mobileye的RSS安全模型结合中国的场景去分析、检验,并且同中国的监管部门、学术界、企业界一起去探讨,然后把它变成中国甚至可以被其它地区借鉴的标准化体系。这种安全的,大家统一的认证和责任的确立是最后这个产业能够顺理成长的必备条件。中国市场做这件事的优势很明显,政府在同时推进人工智能、5G、智能城市、自动驾驶,创造了一个很好的实验复杂系统的机会。
腾讯汽车:Intel也有自己的智能网联汽车大学项目,在这当中Intel起到什么作用?
宋继强:Intel可以做各个研究方向或者各个优势的连接点,我们可以把我们在不同地区和领域的信息和技术联系起来,让大家看的更广一些,比如说某个技术在中国做出来了,放到欧洲那种规管非常严的地方要注意什么?
所以我们通过交叉这些不同的领域专家他们的特长和他们的优势,告诉他们哪些地方咱们可以一起把它做得更快。Intel除了人和资金以外,更高的价值在于推动前沿技术的坚持和声望。
大学跟Intel合作能够得到新的科研视角,他们也信赖Intel的声誉,不担心成果被窃取。最后,Intel是一个属于在产业链上游的公司,在技术转化成产品上十分可靠,能为技术产业化提供稳固支持。
这个项目基本不会直接把企业加进来,Intel研究院还是以推动前沿研究为主,我们和大企业之间一般是CO founding,企业需要和我们的前沿方向一致,要承受几年内只有投入可能没有产出的风险。
有观点:自动驾驶业态的变化已经旁证了过去那种无序的竞争状态终究只是暂时的表象,经过初期的产业试错和资本泡沫后,行业分工和联合将变得更为迫切与理性。在这个过程中,作为技术研发和产品整合的中枢环节的科技厂商,将有更有力的理由自主机厂的背后跃至前台。
腾讯汽车:自动驾驶的相关规则,类似的RSS标准,在于中国的结合中需要做哪些工作?
宋继强:自动驾驶相关规则的落地需要加入区域化的特色。RSS模型是一套完全可推倒的公式,对车辆的速度、间距,刹车力度全面控制。但中国的一些特殊交通状况,类似冷不丁的电瓶车等,都是在美国国情里不考虑的,带入公式后就会形成不同的参数计算,它的复杂性就会增加。
这个算不算是中国的特色呢?我认为倒也不尽然。像以色列这样的国家路况也挺复杂的,而像印度比中国还更复杂。所以它有可能可以构造一个更为全面的公式,在不同的地方只用启动所需的算法部分,构建起一套通用的体系来。
腾讯汽车:这个问题可能会延伸到机器自我学习的能力问题,能不能给我介绍一下Intel在这方面的研究进展?
宋继强:某些系统在设计或者部署时,并不能完全预料它所要去服务的所有场景。因为它总有不确定发生。所以就需要根据看到的新的情况,能够作相应的调整。让自己本身这个系统能够更加优化地处理这些情况。
所以自我学习能力是下一波AI想要具备的能力。它要求系统在算法层面是能够用小数据量做渐进式学习,再根据第三方的评价系统改善自身。以自动驾驶为例,车辆对于异常情况就得靠通过云端的学习机制把它更新到现在系统里面,提高前端车的处理能力,逐渐提高它对环境,对人交互的升级。
Intel现在有神经拟态计算芯片,模拟了人的大脑神经元和神经元之间互相通过树突、轴突连接传递信号,把这个树突、轴突的连接增强或者长时间不用就减弱这样的一些机制去模拟对某些问题的处理方式。这是一个很大的提升,直接走向了人们生活的非结构化世界,不确定世界。
腾讯汽车:那您认为到未来智能出行时代,算力的发展趋势会呈现一个什么样的状态?
宋继强:如果做乐观的预期,可能比摩尔定律发展的指数性还要更快。现在进入车的数据来源可能只是一个下摄像头,或者是一些小的雷达,数据量还是很有限的,但未来传感器的数量和精度都会巨幅增长,高清的摄像头、多线的激光雷达都带来了海量的数据,车里面也有感知乘客或者驾驶员状态的一些传感器。这个数据量的产生比摩尔定律要增长快很多。
前一阵我在另外一个城市大脑的会议上听到,到2020年会有500亿设备和44万亿个摄像头,需要大量的信息在本地完成计算,上面提到的部署在环境里的摄像头计算也都应该算到自动驾驶的支持基础设施里,这部分的数据量和价值也很明显。
这么一想,计算力的提升应该是超越指数级的。不像摩尔定律只是一个指数级,它会更快。
腾讯汽车:像您这样去讲的话,您觉得对于未来的汽车行业现在最大的挑战到底是什么?
宋继强:最大的挑战是保证自动驾驶的安全性。对于人类驾驶员我们有一个事故容忍度,而对于机器我们会要求一千倍高的安全程度才愿意接受它。现在的方案都无法保证这样的安全程度,也没有很好的量化办法来体现这种程度。
这种级别的安全测试也无法完全通过车辆实测进行,这就需要在模拟的环境里面把更多的可能发生的异常情况都测出来,并且让人家知道,确实这个车的驾驶系统、感知系统、决策系统,包括执行系统都是能够对这个完成处理。
Intel也在做这个事情,通过模拟器自动生成案例,分析出来车和其他交通参与者的模式,并且做出一些不同的变种放到里面测,这样可以大大增加车的安全级别,并且这个结果你可以拿出来给人家看,量化。这么多种我都测过。
另外一个挑战是主机厂、监管部门、保险公司是不是都认可这种测试方式?这个其实也是一个问题。第二个问题比第一个问题更需要解决。第一个问题还是技术层面的,第二个层面不是技术层面的。这两个挑战都挺大的。
腾讯汽车:好多人都会把2021年作为一个自动驾驶落地的关键时间节点,现在只有两年的时间了,您觉得在两年时间之内,自动驾驶会有一些什么质的飞跃吗?
宋继强:我觉得这个时间点是行业的共同愿景。有一个类似的比喻我很欣赏,上次我参加集成电路发明60周年大会时,有一个院士说摩尔定律的意义在于告诉一帮很聪明的人,就照着这个目标去努力就好,不管做没做到都是好的。
所以2021年到底能不能做到自动驾驶,我觉得这不是一家企业就能说了算的。Intel两手都在做,一是通过Mobileye ADAS的方案,推进L2、L3,在 2020会有IQ平台开放给更多的人做开发,成为赋能社区。二是L4、L5,我觉得到2021年,能把Mobileye做的一些实验做出来就很棒了。普通大众并不知道这有多少风险,我们必须在这个时间之前,更多地用虚拟的技术去测试,把需要去规管、监管的安全评估机制和法规推进起来。这个是我们希望在2021年真的要去达到的。
有观点:很多从业者对L4、L5级自动驾驶的完全实现一直持悲观态度,但正是L4、L5相关领域的技术研究,才大大提升了L2级别高级自动驾驶辅助功能的落地,一方面高级别自动驾驶研发中的实用技术和元器件得以反哺低级别自动驾驶的研发应用;另一方面监管部门也在这个过程中不断地完善策略,一定程度上有利于技术的合规。从这个角度讲,真正实现了宋院长所言“照着2021年这个目标去努力,无论是否做到结果都好”。
腾讯汽车:您能不能介绍一下,咱们研究院的体系和业务体系之间的关系是什么样子?
宋继强:Intel的研究院是属于工业研究院,所以我们做的东西都是期待着三到五年能够落到真实的商业应用和产品里的。我们采用的是一种开放式创新,我们要有一个很好的网络去收集现在有哪些技术已经通过了实验期,有望在未来的3到5年应用了。
到Intel内部又分成几个阶段,首先是探索实验阶段,看看这个项目的提案是否有真正很重要的一些产出。第二个阶段就叫原型验证期,开始让技术跟产品部门的专家对接,放到他们的产品里。
这就是我们跟产品部门的关系。我们通常做的东西会比他们自己的研发要超前两到三年。我们给他们的输入,它就可以拿去作为产品里面的亮点甚至是一个新的产品线推出去。我们成为了一些新业务的创新引擎,我们不断去给他们提供一些新的东西。
腾讯汽车:那在这个过程中,Intel对错误的容忍程度到底有多大?
宋继强:Intel有探索性的试错文化。在有革新可能性的领域肯定要允许试错,不可能第一次就做对。要通过做才能知道什么样是好的方法,怎么样能更好地把它落到实处。
因为我们不认为犯错是失败。只有当你犯了错,又不分析它是怎么回事,又不去纠正,才是真正的失败。我们本身在研究院的整个工作目标里面,有一部分是要做承担风险,不确定这个事情一定能做成,但是一旦它做成,它的回报肯定是足够大的。
如果你能证明探索的方向的研究计划是可行的,并且通过做概念原型的方式去证明它可用的话,它就会获得足够的资源往后推进。
腾讯汽车:这就是一个很宝贵的企业文化资源,那Intel中国研究院的团队组织架构,以及我们的人才培养计划是否也有自己的创新?
宋继强:我们的团队结构也在跟着研究趋势做调整。最近我们确定下来两横两纵的四个方向,两横是跨领域的基础性研究计划,一条是5G通讯,包括前端的接入网和雷达感知等。另一条是AI人工智能,包括视觉理解、深度学习等。两纵是我们看好的重要领域,需要集成多方面知识,一个是智能驾驶,刚才已经聊了很多了,要集成AI、通讯、智能硬件的分析等等。另外一个是,智能机器人,就是在室内环境下去跟人交互工作的机器人。在这个里面我们主要做自我学习的能力,自适应的人机交互。它要能够自己建场景里面的一些知识库,并且利用学到知识去改变自己交互的效率和行为。相对的我们的团队组织也是以这个为什么基础构造的。
人才培养就比较有意思了。我们现在做的这个事情很多跟全系统有关,本身Intel就是这样一个有多学科专家的地方。我们人才的种类十分全面,当我们想去做一件事情的时候,可以给你做出一个实实在在的东西让你看最后是什么样子。如果说你有一个跨界的想法,你想要去验证的话,也可以有专家去问。在思考的问题会更全面地从系统级去思考创新的机会。
我们看到这个是很有效的。让这些的年轻人看到原来还可以去想,比原来在学校里学一个专业要强得多。而且把他们放在很好的项目里面,有很好的团队跟他们一起沟通。
腾讯汽车:最后想问,您所设想的未来汽车到底是一种什么状态?
宋继强:我所想的就是,首先我肯定不要开车。开车很累,同样坐半个小时车,我宁愿坐着,比自己开要舒服多,能干自己的事。所以我很赞同乘客经济。
第二就是这个车,要按照我的需要来接我,也不用去管他就走了。所以他是不是我的车无所谓,但是只要能提供足够的便捷性,能够不要让我等太久才过来,舒适性,上面还能够有网络可以办公,可以干些什么,那就很完美了。如果饿的时候还能吃点东西,这个就是最美的。我觉得未来,这个车是不是你的无所谓,只要它足够便捷、安全就可以。
我在想,咱们这个城市其实还是为人驾驶的车设计的,还都是那么大的车,未来很可能改立体交通,因为每建一个城市要二三十年才能做一轮转换。假如说我新的城市,像雄安,它就能够去实验。以后车可以立体跨着走,那是最好了。
腾讯汽车:所以说对传统汽车行业带来冲击蛮大的。过几年以后,其实真的不需要这么多的汽车品牌,那您怎么看待AI在当中的作用。
宋继强:大家不要把人工智能一下想得那么高端,真的能替代人。有时候人在环中也不是一个坏事。渐进式我觉得还是比较需要的。人要学开车的话,得从很小一直训练到十几岁才能让你去开车。而自动驾驶车实际上后面还是一个程序。这个程序还没有到那种程度。深度学习也只是解决了整个从感知到决策到行为这个循环里面的一部分,它跟人相比还差很多。
任何级别的AI级别都有可能被坏人利用,这是真的。你不需要很高级的AI技术的,中等级别的AI技术,比如说人脸识别,物体追踪就可以被坏人利用,定向去攻击谁,搞一些破坏。但这跟技术无关,跟谁用它、怎么用它有关。
AI可能在未来很多领域超过人。但是它的通用性还有去处理不确定的能力,短期内看不到好的算法去做这件事情。只是包括怎么去处理不确定的规则都还是人赋给他的。
有观点:企业想要做到真正的领先,一定靠的是上层架构和文化理念的领先,Intel中国研究院对自身任务和定位有着极其清晰的认知,“工程研究院”的职能既让它所关注的技术领域变得集聚,又让它能够连接技术和产业的能力得以放大。这种不托大也不谨小的策略布局,才是难以模仿的核心优势。
后记:在很多企业还在认为科技厂商与汽车行业的结合才刚刚开始的时候,Intel已经率先进入了第二阶段的战场,两纵两横的研发布局能否为Intel中国研究院打下坚实的竞争壁垒呢?期待分晓自现。