地平线CEO余凯与Intel高级副总裁&Intel Capital总裁Wendell Brooks
雷锋网 旧金山当地时间2017年10月19日消息，Intel Capital今天公布将以6000万美金投资15家人工智能与大数据公司，这15家公司分别来自美国、加拿大、以色列、日本和中国，其中国内人工智能创业公司地平线入选这次公布的投资公司名单。
与此同时，另一条更值得注意的消息是，地平线官方也在当天同步公布完成近亿美元的A+轮融资，其中Intel Capital是本轮融资的领投方，本轮投资中其他投资方还有嘉实投资、晨兴资本、高瓴资本、双湖投资和线性资本。
从Intel Capital这次6000万美金的总投资金额和领投地平线本轮融资的情况来看，地平线在Intel Capital此次出手投资金额中占了比较高的比重。
自1991年成立之后，Intel Capital在过去的16年时间里一共投资了超过1500家公司，总投资金额122亿美金。根据官方统计，加上本次投资的15家公司，Intel Capital今年已经投出5.66亿美金。
本次投资的15家公司，其业务领域从人工智能、网络安全到自动驾驶、深度学习加速器都有涉及，Intel Capital对这个大主题的概括是“数据”。
Intel高级副总裁、Intel Capital总裁Wendell Brooks表示，当前的世界正在经历数据爆炸的时代。他提到一个Intel经常使用的例子“到2020年，一辆自动驾驶汽车每天在路上会产生4TB的数据。”
按照不同的业务属性，Intel Capital将这次投资的15家公司纳入了数据分析、数据采集、数据管理、数据安全4个类目，由此构建围绕数据的价值链。这也是Intel今年频频对外提到的，从一家计算处理公司转型成“数据”公司。
这次公布的15家被投公司名单：
数据分析 Analytics、Bigstream、LeapMind、Synthego
数据采集 AdHawk Microsystems、Trace、Bossa Nova Robotics、EchoPixel
数据管理 Horizon Robotics、Reniac、TileDB Inc.
数据安全 Alcide、Eclypsium、Intezer、Synack
地平线正式创办于2015年的7月，2年时间，现在已经发展到300多人的团队，除了北京外，在上海、南京、深圳都设有分公司。在此前已经公布的合作关系中：
地平线此前为美的提供了针对空调智能化的嵌入式解决方案；
为科沃斯提供针对扫地机器人的智能化解决方案；
与Intel合作，在2017 CES上推出基于Altera FPGA结合地平线自主IP架构的ADAS技术原型；
此外，地平线也是顶级汽车零部件供应商博世在ADAS系统和算法领域的合作伙伴。
地平线的两项核心竞争力，可以理解为算法与处理器IP。围绕算法和处理器IP，目前他们正向智能家居、智能安防、智能驾驶等多个领域设计测试并量产交钥匙解决方案。
在今天旧金山举行的Intel Capital投资CEO会议上，余凯就讲到，在数据爆发式增长的背景下，“未来自动驾驶汽车每天在路上要产生4TB的数据，这些数据的传输和处理是非常昂贵的。如果能够提供一种解决方案，在终端上就对数据进行有效的处理，既能降低成本、提高效率，同时也能提高数据的安全性。”所以针对边缘计算设计低功耗、低成本、高效率的处理器IP架构，就是地平线找到的一个“甜点”。
目前在解决方案方面，地平线在去年就公布了针对智能驾驶应用的雨果平台，此外，在使用现有FPGA、GPU、CPU等现有处理器设计和提供交钥匙解决方案的基础上，地平线自主设计的基于高斯架构的第一代芯片“盘古”也将很快公布。
可以透露的信息是，地平线的“盘古”是一款专为深度学习打造的处理器，主要用于计算机视觉的计算，应用场景包括智能摄像头、高级辅助驾驶ADAS等。盘古的功耗仅2W，能实现1080p@30fps的物体检测、识别、追踪，能同时识别250个目标。
最后，9月底雷锋网对余凯进行了一次专访。在这次采访中，他和我们分享了他对于人工智能商业化的看法，内部盘古芯片的研发进程，以及地平线在自动驾驶领域解决方案的思路与进展。
以下是采访实录，由雷锋网作了不改变原意的编辑。
第一款处理器“盘古”的开发过程是怎么样的？
从2015年的10月公司成立3个月的时候开始着手研发，之前是把团队组建起来。软件算法团队顺理成章，公司可以拉出一票人来，但硬件不是我自己特别熟的领域，要把硬件团队张罗起来。周峰（地平线首席芯片架构师）是第一天就加入地平线了的。
一开始花了几个月时间先做算法软件架构的设计，软件框架确定后开始做硬件架构，再然后是硬件的前端设计、后端设计。架构验证也做的比较充分，花了很长时间，因为不希望第一款处理器最后变成一块石头。还要买IP，比如ARM的IP。
另外由于我们不是卖处理器，所以还会先把后面偏应用的工作做好，再对外发布产品。
芯片开发团队的情况是怎么样的？
现在有几十人，由周峰领导。
这款芯片如何兼顾不同业务的需求？
其实它是一个比较通用的计算机视觉处理器，主要做图像识别。
核心就是两个场景，一是智能摄像头，二是ADAS。可以把两个场景的需求都收敛下，设计一个算法框架去处理，做一款芯片。未来我们会分成两款芯片，但一开始还不会做的这么精准。就像巴菲特说的，模糊的正确好于精确的错误。
地平线是想做芯片加算法的整体解决方案，既然这样，为什么一定要自己做芯片，而不是直接购买？
不自己做处理器更好的话，当然也不会去做，毕竟企业要做理性选择，从成本与收益的角度去考虑问题。
但我们自己做应用，对应用场景的独特理解会成为我们特别的know how与竞争优势，做处理器也是希望与这点相结合。如果买通用处理器，可能跟不上我们的节奏，满足不了对具体业务的需求。
现在的计算机视觉，拿深度神经网络来说，功耗很难做得很理想。它计算力大，而且会产生很多中间数据，通用的芯片在性能上会很难达到要求。就像现在前装ADAS上用的最多还是Mobileye，它自己做算法也做处理器，效率可以达到比较高。软硬结合的话才能在效率上做到极致。
从应用出发，从软件上的需求往下走，就会发现硬件有些地方不是专门为软件做的，以至于不够好。就像其实自动驾驶公司也不会在多套硬件上做方案，肯定还是就着一个硬件来做。那如果硬件自己做的话，会不会有可能更好呢，因为效率更高。
什么时候开始有这种软硬结合的思路的？
在百度的时候开始萌生这种想法。我比别人早几年开始做人工智能算法，好多年的时间也在思考，未来整个生态的演化路径是怎么样的，这里的关键区分度又会在哪。所以我们会稍微显得不一样，下决心要走软硬一体的道路。
第一步我们还是做解决方案，我需要花五年的时间把解决方案做好，把嵌入式的人工智能解决方案做到世界第一。
为什么是五年？
第一款处理器花了两年时间，后面会以一到两年的速度迭代。我认为还需要迭代两次，让软硬件达到一个相当高效的状态。
地平线在驾驶上有哪些并行的产品项目？
现在有两条线，一条是ADAS，一条是低速的自动驾驶计算方案，会在今年的CES上有一个对外展示。
其实我们已经有将计算方案卖给国内的一些创业公司，未来有可能有公司用的我们的方案，也就是“地平线Inside”。很多自动驾驶公司偏系统集成，做某个场景下的自动驾驶加运营，与我们有合作的机会。
不同车企与供应商之间对智能驾驶解决方案的需求有蛮大差异，怎么去平衡支持并行的项目？
我觉得还是要聚焦场景，就关注高速情况下的ADAS和低速的自动驾驶这两个场景。这样需求比较容易标准化和收敛。
盘古还是主要关注在ADAS？
今年的盘古在自动驾驶上主要服务于ADAS，下一代产品的目标会是做软件硬件的整体方案，用于L3自动驾驶和有限、低速场景的L4自动驾驶，并且会比较突出计算机视觉。
有没有考虑过自己做自动驾驶车辆的运营？
我们现在离运营比较远。做车辆运营的核心问题和瓶颈是如何扩展。比如，在一个小区运行得很好，但怎么扩张到其它地方？如果技术方案有对特殊场景的定制性和打磨，比如依赖一个小区的高精度地图，那在其它小区也需要这样，这会影响扩张的速度。如果没有高效扩张的途径，不会对市场造成冲击力。
我们关注的是最核心的标准化部分，尽量少做特殊定制化的东西。开发一个核心的计算平台会比较标准化，具备复制的优势。
地平线认为自己在自动驾驶的产业链条上的什么位置？
自动驾驶有两种商业模式，一种是做供应商，一种是自己做运营，这两种的可能性都有。后者是从服务到产品到底层技术都自己做的垂直模式。
我们现在还是考虑做供应商。自动驾驶是个相对而言比较单一、目标比较明确的任务，里面的协作链条其实越短越好，也越能解决问题。未来自动驾驶在感知到控制这件事上，从供应商的角度上来看，不会有很多玩家，最后可能还是赢者通吃。
相比其它自动驾驶公司，地平线如何突出自己的特点？
比其他公司更关注硬件，也更强调低功耗。未来的自动驾驶对计算的需求会越来越复杂，尤其是到了L3、L4，场景更开放也更复杂，这就要求提供单位功耗的计算能力。
做自动驾驶一般有两类：一是自己做硬件，比如激光传感器；一是纯软件公司，做多传感器融合，使用现成的处理器。地平线还是强调软硬件深度整合，更关注软件在硬件上的效率，对系统发热、可靠性也很关心。
为什么不直接做L4？
我们相对来说更理性一点，风格不一样。这个世界应该是多样的，至于怎么定位自己，这与商业模式、公司的调性，以及创始人的风格有关。
对于我们来讲，还是首先对这件事有足够的敬畏之心，就像Google天时地利人和都有，把Mountain View（Google总部所在地）的地图都扫描了一遍，甚至连垃圾筒都能精确定位，但同样很小心。
我的看法是，2020年乘用车到L3级别自动驾驶会在高端车上出现，但也不是无条件的。L4还要再往后，不排除局部的园区做演示运营，但我觉得会是在非常限定的场景进行，甚至像大学校园这样的地方也不算限定场景，因为还是有很多突发情况，考验很大。
我认为，L2、L3、L4这样的划分虽然是离散的阶段，但中间其实是不断升级的，比如奥迪A8虽然是L3，但更接近L2，因为它限制了很多使用条件。未来会逐渐把这些限制条件去掉，整个过程不是离散，而是呈连续不断升级的发展状态。
央视曾报道地平线基于比亚迪秦的一辆自动驾驶原型车，可否介绍一下整体方案？
当时用的是差分GPS、16线激光雷达，摄像头等传感器，核心想法还是开发基于纯视觉的方案，之所以有冗余，是希望用比较贵的传感器去训练基于视觉的系统，这些传感器相当于会产生标注数据。简单来说，比如要知道基于摄像头传感器的行人距离，可以通过激光了解数据产生样本，然后对视觉方案进行增强。
地平线比较看重视觉方案，那对用到激光雷达等传感器是什么样的态度？
激光雷达主要是研发用，了解理想的定位系统是怎么样的。我们的关注点还是基于强大的软硬件平台，做更依赖纯视觉的方案，因为这样能把成本降下来。
我还是相信第一性原理，既然人是依靠纯视觉来完成驾驶的，那我们也希望能做到。不是说不去做多传感器融合，而是想基于视觉把系统做到人类水平，再加上其它传感器，使整个系统比人类更安全。这是我的逻辑。
正在生成分享图...
李雨晨