车云专访英伟达CEO黄仁勋：和百度的合作将在三个维度展开
导读：
NVIDIA和百度的合作可谓水到渠成，黄仁勋坚信的是，GPU是实现人工智能自动驾驶汽车的唯一途径。
还是那件熟悉的黑色机车夹克，台上依然精神抖擞、节奏感超强。不过“老黄”发表Keynote演讲的地方却从圣何塞挪到了北京，当然不变的仍是「GPU如何加速人工智能发展进程」的主题。
在9月1日开幕的「2016 百度世界大会」上，NVIDIA联合创始人兼CEO，被万千游戏玩家亲切地叫做“老黄”的黄仁勋如约出现在了上午主会场的舞台上。不过这次他不光带来了个人及NVIDIA对目前人工智能、深度学习领域的思考，同时还宣布将和百度共同开发基于人工智能的自动驾驶汽车的消息。
其实，对绝大多数了解人工智能这个领域的朋友而言，双方的合作可谓“皆是意料情理之中”，因为NVIDIA和百度早在4年前（2012）就已经在深度学习研究上擦出了火花。
当时已经担任百度首席科学家的吴恩达与NVIDIA宣布：GPU加速的高性能计算使深度学习速度大幅提升。而如今百度Minwa超级计算机配备了144块NVIDIA Tesla K40 GPU加速卡，百度深度学习平台运行着数以千计的NVIDIA Tesla GPU，甚至百度位于中国和硅谷的人工智能实验室都少不了NVIDIA以GPU为核心打造的超级计算机的身影…所以，NVIDIA和百度在自动驾驶技术领域的合作不过是之前关系向新的维度延伸罢了，可以说是水到渠成的结果。
不过大家一定好奇的是NVIDIA和百度合作的细节，以及双方未来在基于AI的自动驾驶汽车研发上都有哪些具体规划？别着急，车云菌在会后近一个小时的专访里，和黄仁勋先生就NVIDIA/百度的合作、人工智能、深度学习等问题进行了交流。所以往下看别走神，下面有你想要了解的所有答案。
NVIDIA&百度合作的三大维度
在上午的主题演讲中，黄先生就在不断重申自动驾驶给计算领域带来的巨大挑战，需要深度学习和人工智能应对无限可能的状况。而实时感知环境并根据周围环境，确定汽车位置，制定行车计划，实现安全驾驶，这一切都必须建立在自动驾驶系统能够快速响应的前提下。
所以当车云菌询问NVIDIA和百度的合作细节以及未来有哪些规划时，他首先抛出的是要实现无人驾驶的三大重要技术：
1. 具备超算能力的AI计算机。这是保证能对周围环境变化快速响应的前提；
2. 要有强大的AI算法。无人驾驶汽车行驶中需要不断识别、理解周围的环境，作出相应的判断，并最终通过决策实现安全驾驶，这些都离不开算法的支撑；
3. 实时绘制高精度地图的能力。无人车在道路行驶过程中，除了依赖摄像头、激光雷达等传感器进行实时感知外，还需要云端地图的支持。通过实时通讯比对，一旦发现通过传感器获取的外部环境信息和云端地图数据不一致，车辆的自动驾驶系统就需要进行更新、修改等操作，以实现更安全的驾驶。
不过黄先生也指出，目前全世界范围内没有哪家公司同时掌握着上述三种技术，所以这也是NVIDIA选择和百度合作的原因：
百度在人工智能及深度学习领域经验相对丰富且有较成熟的产品问世，同时百度在高精度地图研发上亦有不错的成果，加上NVIDIA搭建的以GPU产品为核心的超级计算机，以及NVIDIA在基于GPU的深度学习算法上的优势，取长补短的同时也就真正解决了无人驾驶汽车研发面临的三大技术门槛。
此外，黄先生还从战略层面解读了NVIDIA和百度合作的意义。他表示：
“这是第一次，对中国市场来说，出现了完整的从云到车的端对端的自动驾驶平台架构。而在这基础之上，我们才有机会想象无人驾驶汽车的未来”。
这里提到的“从云到车的端对端平台”，指的是利用NVIDIA Drive PX 2 AI 超级计算机，配合云端数据中心的NVIDIA Tesla GPU，可在更短的时间内创建和更新适用于自动驾驶汽车的精细地图。过去要花几周时间才能完成的过程现在几乎可以实时完成。这个端到端系统高度可定制，不仅包含车载 AI 超级计算机，还包含基于 Tesla GPU 的云组件。对汽车开发商而言，这个用于创建和不断更新地图的架构能够实现汽车的自动驾驶。
其次，这个架构它不是封闭的，而是开放平台。它能够供不同品牌的车辆使用。可能从AI算法以及平台架构来说并没有区别，但它却能够在各厂商的不同车型中共享。这对百度而言，可以充分利用其在云服务方面的优势，把市场份额做大，提升品牌竞争力。那么NVIDIA又能获得什么呢？车云菌认为同样是前景广阔的中国市场以及未来国内自主及合资品牌车企对NVIDIA的技术依赖。
再谈NVIDIA Drive PX 2
Drive PX 2对NVIDIA自动驾驶平台战略的重要性不言而喻。就在前不久刚结束的Hot Chips会议上，NVIDIA发布了新一代Tegra Parker处理器。按照NVIDIA官方的说法，这是为智能驾驶而生的一款处理器，NVIDIA Drive PX 2中就使用了两个Tegra Parker，以及多个Pascal架构的GPU。车云菌在《英伟达的深度学习玩法：Tesla P100、Drive PX2与DGX-1》一文中曾对Drive PX 2的强悍性能做过介绍，而本文的第一部分也强调了Drive PX 2作为具备超算能力的AI计算机，是实现自动驾驶汽车的三大重要技术之一。
不过今天有幸面对面交流，车云菌索性向“老黄”抛出了关于Drive PX 2的两个疑问。
1. Drive PX 2的售价将近1.5万美金，那么它的目标客户是谁？
2. 和恩智浦的BlueBox，Mobileye的EyeQ5相比，Drive PX 2的优势又在哪里？
针对这两个问题，黄先生倒是答得不紧不慢。“Drive PX 2是面向企业和开发者的Developer Kit，是供他们进行深度学习算法及自动驾驶技术开发用的，所以卖得比较贵。之后大规模量产后，价格会相对便宜，在普通消费者能够接受的范围内”。
对此，车云菌也请教了NVIDIA展台的一位工程师，他表示，“Drive PX 2除了为无人驾驶、以及深度学习的复杂计算提供强劲性能支持外，它还能够同时驱动多个高分辨率的显示设备，应用于智能汽车中的仪表盘、地图导航、车载中控面板等。而最终量产版本的Drive PX可能会根据不同客户的需求，进行定制化处理，甚至形状、大小、功能等都会和现在我们看到的Drive PX 2有很大差异”。
而至于之前提到的供货时间，这位工程师称，目前第一批小规模量产的Drive PX 2样品已经全部销售完毕，但具体客户名录不方便透露。不过据车云菌掌握的信息，沃尔沃将是第一个“敢吃螃蟹”的主机厂，明年届时会有100辆配备Drive PX 2的XC90 SUV在瑞典哥德堡市的公路上进行公开自动驾驶测试。
而鉴于百度刚刚获得了美国加州无人驾驶测试牌照，很可能未来在加州，在安徽芜湖、乌镇旅游区测试的百度无人驾驶汽车也会搭载NVIDIA的Drive PX 2。当然，奥迪、WEpod、Nutonomy未来也都有可能加入Drive PX 2的客户大军。
当然，黄先生针对恩智浦的BlueBox以及Mobileye的EyeQ5也提出了一些个人的看法。他认为Mobileye EyeQ5只是一款视觉识别芯片，主要是用来进行物体探测的，但Drive PX 2它本身是一台具备超算能力的自动驾驶平台，不仅能够进行传感器数据的分析处理，还可以定位、规划路径并实现安全驾驶。至于恩智浦的BlueBox，它更多地是一台具有通用计算能力的设备，可能无法满足对人工智能要求较高的无人驾驶汽车。总而言之，这几款产品并非严格意义上的竞品，目标市场几乎没有重叠，并不相同。
这里还有你想了解的…
在一个小时的交谈中，老黄也聊到了对英特尔战略布局的困惑。尽管在过去的半年多里，这家PC处理器市场的老大先后收购了Altera、Nervana等知名的AI公司，但他认为英特尔在人工智能领域的布局还是晚了很多，而且因为支线业务延伸太多，很难让人理解英特尔到底是要干嘛？
车云菌在《英特尔上了老司机的车，能在无人驾驶上重现PC市场的辉煌吗？》这篇文章中也进行过诸多方面的猜测和思考，甚至英特尔在和宝马、Mobileye的三方合作中具体能发挥什么作用，对绝大多数行业人士来说目前仍是难解之谜。
当然，在被问到“谷歌推出的机器学习专用处理器TPU和NVIDIA的GPU有哪些异同，会造成潜在竞争吗？”这样的问题时，老黄直截了当地说了个“No”。他指出TPU主要是用来推理而并非用来训练学习的，而后者要比前者复杂百万倍。
无论对哪种深度学习框架而言，NVIDIA的GPU都能够使用，但由于TPU是谷歌开发的，所以它只支持TensorFlow。此外，TPU主要用来进行深度学习研究的，但实际进入云端服务器的数据有图像、音频、视频等形式丰富的信息，在多样化的环境下，GPU比TPU更通用、更灵活、适用性更广。
最后谈到人工智能未来10年的发展趋势，老黄表示有可能通过大量的数据和经验对计算机进行训练，是可以让机器学会常识的，而且具备常识的机器可能很快出现。但如果是通用目的的AI可能就是不同的问题了，但是不是像电影《机械姬》里Ava那样具有和人类意识相近的感知能力的机器人，一切还都是未知数。
车云报告
喂！你还没加车云菌 ↓↓↓ 为好友呢！