英伟达中国区总经理谈高性能计算与智能汽车

　　今天我讲的题目叫“高性能计算与智能汽车”，ADAS结合英伟达的强项我们能做的贡献，就是能把一台高性能计算机安装在我们的汽车里去，如果一辆汽车它就是一台高性能计算机，你们可以想象一下高性能计算机能给我们带来的计算能力会给我们的应用带来不断的变化。

　　

　　前两天ALPHAGO的成绩，后来变成是4：0，有很多的故事在里面，不管是4：1还是5：0，我们都知道这是一个划时代的变革。也就是世界上用人脑，最复杂的DNA，机器也可以来PK，至少它有机会能够获得，我们可以讲它已经超越人了。前两天有很多人写段子，发现咱们中国的网友写段子的水平比较高，一个围棋手下完围棋之后要复盘的话可能一天要花好几个小时去复盘，或者顶多24小时不睡觉，可能顶多复六盘棋，ALPHAGO一晚上可以复盘300多遍，如果连续下棋能够下几万盘棋，那这样的计算量对于一个算法来讲，它提升的水平比我们人类要快得多。

　　我们现在大家都讲Deep Learning，自从Deep Learning深度学习用在图像图形之后，发现这几年的变化特别快。其中我们都知道这些来自于很多大数据的数据量，让它学习的模型非常准确，但是有大数据，如果没有一个很强的计算平台，这些大数据是没有用的。在有计算机之后数据积累非常多，我们都知道在数据挖掘之前，很多人苦于没有计算机没有办法把这些数据变成有用的价值，对于我们来讲如果这些数据不能有价值的话，这些数据就是无用的。今天正是因为有了GPU的高性能计算，在这几年当中把GPU的性，在十年当中大概提升了1500倍，大家可以想像一下它的计算力在十年当中提升1500倍，把我们带入了一个新的计算时代的时候，它的计算思路、计算的算法跟以前完全就会不一样，这也是为什么说很多人采取用这些Deep Learning的方法去做新的研究，以前是不可能的。但是当1000多倍的计算力给了你之后，并且在这1000多倍的计算力只是在单个的GPU下面，我们现在可以无限制连接更多的GPU的时候，这个时候带来的高性能计算的能力就已经让我们在很多地方有很大的突破。

　　我们都知道大概几年前咱们中国的研究高性能计算的专家他们仅仅靠4000多片GPU搭建了超级计算机就拿了世界第一名，但是今天是不可能了，现在IBM要做世界第一的超级计算机需要几万颗GPU，这对于一个大的国家来讲是很容易的事情，但是对于一个企业来说还是很昂贵的。其实昂贵的并不是这个GPU价钱，而是这个计算机的功耗。很多的计算机计算能力苦于没有那么大的功耗去支持，或者我们付不起那个电费去计算，这个才是我们受到局限的地方，这也是我们在想任何一个行业的突破不能只是靠自己，一定要靠大众的力量。如果我们有一个大众的群体，能够把这些大的数据在一个大的计算平台之上能够去完成的话，它对于整个行业或者对于各个不同的企业来讲是能够得到更多好处的。当然GPU也加速了我们在人工智能，在各个领域的应用，汽车只是其中的一部分。

　　很多时候我们讲汽车自动驾驶，其实对于我们来讲我们更希望讲的是汽车的智能化，智能化不只是在驾驶这一块。我们从考虑整个汽车的时候，包括汽车跟人交互的界面，你怎么跟汽车沟通，这些传统的沟通跟你操作汽车的方法可能都会不一样，这些智能化的手段除了语音之外还有更多的方面，图形图像的识别，手势控制，甚至于眼球、脑电波的控制都可以在人工智能的影响下去跟机器造成更多的交互。而这些交互式的技术，不只是在汽车领域使用，其实在我们的智能手机也有很多的应用，有很多手机是靠指纹、手势、语音识别的，这些都可以在汽车上使用。所以我们把汽车不能只是看成一个汽车，实际上它就是一个传统的机器人，只不过这个机器人是可以把我们人自己装进去。如果这样的话，在人机交互的界面中，这些很多地方需要很大的计算量和计算能力。坐在汽车里面不只是说开车的乐趣，坐车的人应该也有很好的享受。

　　所以在整个汽车的体验当中，对于我们很多的智能化的影响是非常之大的。我们可以想像一下坐在汽车里面的人，你周围的显示是海滩、沙滩、森林、绿色，甚至于草坪，你可以试想各种各样的环境，而它可以给你营造的环境，完全可以用计算机模拟出来，当然更多的体验是我们每一个企业或者每一个行业当中的这些开发商或者是供应商能够发挥自己想象空间的地方。所以我们可以看到汽车的智能化给我们带来的是一个产业的全新的改变。生态系统会不一样，供应商会不一样，赚钱的手段也不一样，商业模式也会完全不一样。当然自动驾驶肯定在里面是很重要的部分，我们看到在自动驾驶的时候，其实自动驾驶只是智能汽车当中的一个环节而已，我们要考虑整个汽车当中各个环节都有可能给我们带来的变化。还有一个误区，我希望在很多行业当中不要把它变成是我们在自动驾驶的一个最大的误区，自动驾驶不能只是变成是安全驾驶，如果只是安全驾驶的话就太简单了，我们要把它变成是一个有乐趣的驾驶。所以我们希望在未来的汽车能够变成是一个个性化的汽车自动驾驶。我们都知道每个人开车有不同的风格，每个人的喜好不一样，比如有人喜欢开快车，有人就喜欢开慢车，有人喜欢赶时间，有的人喜欢享受，那每个人的驾驶行为也不一样，这就是为什么整个世界会变得丰富多彩，我们也不希望这个世界是统一的世界，而是一个个性化的世界。每个人的驾驶行为不一样，既然是这样的，汽车的学习方式也应该帮助我们学习每个人的驾驶行为，这样才能让你变成是汽车的主人，而不是变成汽车的乘客。希望这种个性化的驾驶方式也可以在我们汽车自动驾驶当中或者自动学习当中去增加进去。

　　我们能做的是什么？我们搭建一个在汽车里面适用的平台，这就是我们一个双系统、双备份的计算机的平台Dine Px2，其实它是一个高性能计算机。我们在发布产品的时候技术指标相当于150个MacBook Air的计算量，如果拿150台机器摆在一起，那个计算能力刚刚好跟我们这个设备的计算量是一样的。这么大的计算量其实它的占的空间是非常小的，我们做的参考平台。你必须要保证百分之百的冗余，放两颗CPU就可以完全做到相互之间的热备份，这样可以保证系统的稳定性跟可靠性。在本身基础上我们要提供新的思路来做未来的智能汽车，要把云端跟终端能够严密的、紧密的结合起来，我们考虑的任何一个汽车未来它一定要会连到云端，而这个云端有不断学习的能力，深度学习的能力，在前端收到的这些所有的信息、采集到的数据都能够反馈到云端，在云端里面持续学习和调整。这样一个云端跟终端的结合方式，是未来智能驾驶当中一定会出现的一个商业模式，跟今天的智能手机是一样的。如果没有云服务，我们的智能手机就变成是一个简单的终端。

　　我想在这个搭配之下，英伟达能够在云端提供的方案是非常多的，我们在tesla端的解决方案，已经把GPU完全做到虚拟化，任何企业可以搭建自己的私有云，也可以利用开发一些公有云，如果政府愿意搭建一个全国企业共享的公有云，我相信这些都会在不同的行业推动下能够形成一个共同的机制，帮助我们发展整个行业开发和研究水平。另外一个深度学习的算法，这些算法不要以为它是很复杂，其实如果任何一个企业，包括中小企业都有能力去进行深度学习的研究，我们提供了一套非常简便的方法叫做英伟达的Digits，像一台PC那么大，放四颗tesla的GPU，任何一个个人都可以买会去做深度学习的研究，而这个成本其实是很低的，大概在1万美金以下，如果买回去自己都可以通过采集到的数据或者是跟别的专业公司购买的数据进行学习，去研究自己的东西。我相信这样的一个生态系统，可以把我们在整个智能汽车驾驶行为当中的各个环节，透过不同的企业，不同的研究，可以把它变成是我们生态行业当中各个不同的贡献者。我们在这个行业当中，我相信未来产出的企业可能是巨大的，有很多的应用，就像今天的智能手机一样，在智能手机上面有千千万万家APP公司，他们在做不同的生意和不同的功能，提供不同的个性化的应用，而这些我们希望在智能汽车当中能够给这个行业带来更多的活力。

　　另外一个方面我想跟大家讲的就是自动驾驶。既然是智能汽车自动驾驶肯定是其中的一个很重要的环节，自动驾驶的工作大家都差不多，从感知到高精地图，从这些当中感知周边的环境，利用你的算法做你的决策，然后采取行动，这些是一套标准的流程。实际上每个环节当中Deep Learning都可以帮助我们去提升或者提高它的效果，无论你是在做地图的，还是在做定位、GPS，甚至你是做认知、道路，提供算法去做计算，每一个环节都可以利用深度学习，去帮助我们把它智能化。这些智能化的手段，其实在应用当中可能跟我们以前传统的方式不太一样，比如说地图，地图以前可能是要每次自己去测绘，然后测绘完之后再去更新，但是这样的手段会导致这个地图的更新很慢，但是如果你是用深度学习的办法，让它自动的迭代，让你的地图会越来越准确，修正的越来越多。尤其是在我们这个发展中国家，我们在中国很多的路况都是新的，本身就没有路，甚至于连路都没弄，而且这些都可以通过它学习的方式不同的去进步，让它自己把精度变得越来越准确。同样定位也是一样，定位的准确度跟修正GPS的算法有很多反馈的信息，很多GPS的工具是没有办法把它收回去。如果利用这些学习的方法不停地反馈、迭代让你的GPS变得越来越精确，可能是一些很廉价的GPS或者是很普及型的GPS系统都可以变得更加精确。当然在其他的一些系统下面包括甚至于你在控制你的汽车行驶也是一样，很多算法跟路线的决策都是可以通过这个学习的方式不停的去进步，我们希望把学习的思路应用在各个环节，这样就可以让汽车能够学习人的方式去驾驶汽车。而这些手段对于我们在今后的研究当中，我相信很多的生态系统当中会产生一些新的影响，比如说这是我们在一段雾霾当中去做图形图象识别，以前大家可以想像可能一旦出现雾霾的时候，我们的人都看不见汽车。但是我们知道透过Deep Learning的方式，在你看不清的情况之下它还能够去识别前面的车辆，这是对我们的开车，对于司机来讲是非常有价值的。但是对于人来讲，传统的肉眼模式是没有办法做到的。

　　当然深度学习的方式，并不是在技术上的提升，或者只是一些方法上的改变。实际上深度学习是让我们在以前传统研究的模式之下，做了一个很大的进步，也就是相当于我们在以前的计算机1跟1000之下的计算方式，算法是完全不一样的，这样给我们打开的思路也会不一样，并且手段也不一样，实现的效果就完全不一样了。

　　最后，我想跟大家探讨一下深度学习、高性能计算给我们整个行业，如果说智能汽车有一个很大的变化，几年之后发生很大变化的时候，它对于我们整个产业会有多大的影响？我相信很多人都会知道，可能传统汽车的检车不一样，法律法规不一样，标准不一样，最大的问题就是我们的教育机构人才的培养跟以前完全不一样。我们传统车厂培养人才，大专院校，汽车学院，汽车系培养的这些人才在今后都会发生一个很大的变化。当然我们的出行方式可能会产生一个很大的变化。当自动驾驶的汽车上路之后我们的出行方式跟今天也会不一样，这一些可能会引起我们在各个部门以及相关的管理行政机构都会在这个行业当中重新考虑新的系统去适应和支持我们这个行业，否则这个行业就算我们把汽车做得很好，可惜它没有办法上路。

　　我相信对于供应链也有很大的变化。比如像我们公司，可能在汽车供应链当中我们从来没有进入国，我们也很少跟车厂发生过任何关系，今后希望对于整个汽车行业能够发挥出我们英伟达应有的作用，也希望我们在中国能够找到更多的合作伙伴，跟我们一起把我们整个汽车行业智能化做得更好。

ADAS和无人驾驶汽车的未来，智能汽车传感模块解决方案，智能汽车BMS和360环视解决方案等技术应用请移步【第三届·中国智能汽车技术暨应用高峰论坛】
会议详情戳下图↓可跳转