自動駕駛是人工智能(AI)的關(guān)鍵應(yīng)用領(lǐng)域之一。自動駕駛汽車(AV)配備了多個傳感器，如攝像頭、雷達(dá)和激光雷達(dá)，這有助于它們更好地了解周圍環(huán)境并進(jìn)行路徑規(guī)劃。這些傳感器產(chǎn)生大量的數(shù)據(jù)。為了理解這些傳感器產(chǎn)生的數(shù)據(jù)，自動駕駛汽車需要類似超級計算機(jī)的幾乎即時處理能力。開發(fā)自動駕駛系統(tǒng)的公司嚴(yán)重依賴人工智能，以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的形式有效處理大量數(shù)據(jù)，并對其自動駕駛系統(tǒng)進(jìn)行培訓(xùn)和驗證。雖然人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)有時可以互換使用，但它們所指的概念并不相同。用最簡單的術(shù)語來說，人工智能是計算機(jī)科學(xué)的一個分支，它涵蓋了所有與使機(jī)器變得智能有關(guān)的內(nèi)容。因此，當(dāng)一臺機(jī)器根據(jù)一套解決問題的規(guī)則完成任務(wù)時，這種智能行為可以被描述為人工智能。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)是創(chuàng)造或訓(xùn)練人工智能的方法。機(jī)器學(xué)習(xí)是對結(jié)構(gòu)化數(shù)據(jù)和算法的研究，機(jī)器使用這些數(shù)據(jù)和算法在沒有特定指令的情況下執(zhí)行特定任務(wù)。機(jī)器學(xué)習(xí)是人工智能的一種應(yīng)用，它使系統(tǒng)能夠從經(jīng)驗中學(xué)習(xí)和改進(jìn)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個子集，或者說是機(jī)器學(xué)習(xí)的下一個進(jìn)化。深度學(xué)習(xí)的靈感來自于人類大腦中的信息處理模式。它利用復(fù)雜的神經(jīng)網(wǎng)絡(luò)，在神經(jīng)網(wǎng)絡(luò)繼續(xù)學(xué)習(xí)和評估輸入數(shù)據(jù)的同時，提取更詳細(xì)的特征。深度學(xué)習(xí)可以是有監(jiān)督的或無監(jiān)督的:有監(jiān)督的學(xué)習(xí)依賴于標(biāo)記的訓(xùn)練數(shù)據(jù)，而無監(jiān)督的學(xué)習(xí)利用較少結(jié)構(gòu)化的訓(xùn)練源。開發(fā)AV技術(shù)的公司主要依靠機(jī)器學(xué)習(xí)或者深度學(xué)習(xí)，或者兩者兼而有之。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的一個主要區(qū)別是，深度學(xué)習(xí)可以在無監(jiān)督練習(xí)中自動發(fā)現(xiàn)用于分類的特征，而機(jī)器學(xué)習(xí)需要使用更嚴(yán)格的規(guī)則集手動標(biāo)記這些特征。與機(jī)器學(xué)習(xí)相比，深度學(xué)習(xí)需要強(qiáng)大的計算能力和訓(xùn)練數(shù)據(jù)來提供更準(zhǔn)確的結(jié)果。在過去的幾年里，深度學(xué)習(xí)幫助企業(yè)加快了AV開發(fā)計劃。這些公司越來越依賴深度神經(jīng)網(wǎng)絡(luò)(DNN)來更有效地處理傳感器數(shù)據(jù)。dnn可以讓自動駕駛汽車學(xué)會如何利用傳感器數(shù)據(jù)自主導(dǎo)航，而不是手動編寫一套規(guī)則讓自動駕駛汽車遵守，比如“看到紅色就停車”。這些算法的靈感來自人類大腦，這意味著它們通過經(jīng)驗學(xué)習(xí)。據(jù)深度學(xué)習(xí)專家英偉達(dá)(NVIDIA)的一篇博客稱，如果DNN看到不同條件下的停車標(biāo)志圖片，它可以自己學(xué)會識別停車標(biāo)志。然而，開發(fā)自動駕駛汽車的公司被要求編寫一整套dnn，每個dnn都專門用于一個特定的任務(wù)，以保證自動駕駛的安全。對于自動駕駛需要多少dnn沒有設(shè)定限制;隨著新功能的出現(xiàn)，這個列表實際上還在增加。為了真正駕駛汽車，每個DNN產(chǎn)生的信號必須被實時處理，這是由高性能計算平臺完成的。人工智能首次用于自動駕駛可以追溯到2005年的第二屆美國國防高級研究計劃局(DARPA)自動駕駛汽車挑戰(zhàn)賽，斯坦福大學(xué)賽車隊的自動機(jī)器人汽車“斯坦利”贏得了比賽。獲勝團(tuán)隊由斯坦福大學(xué)人工智能實驗室主任、計算機(jī)科學(xué)副教授塞巴斯蒂安·圖恩(Sebastian Thurn)領(lǐng)導(dǎo)，他們將勝利歸因于機(jī)器學(xué)習(xí)的使用。斯坦利配備了多個傳感器，并由包括機(jī)器學(xué)習(xí)算法在內(nèi)的定制軟件支持，它可以幫助車輛找到路徑、檢測障礙物并避開它們，同時保持在賽道上。圖恩后來在谷歌領(lǐng)導(dǎo)了“自動駕駛汽車項目”，谷歌最終在2016年成為Waymo。Waymo一直在廣泛利用人工智能，使完全自動駕駛成為現(xiàn)實。該公司的工程師與谷歌Brain團(tuán)隊合作，將DNN應(yīng)用于行人檢測系統(tǒng)。利用深度學(xué)習(xí)技術(shù)，工程師們能夠?qū)⑿腥藱z測的錯誤率降低100倍。去年，Waymo的首席技術(shù)官兼工程副總裁德米特里·多爾戈夫(Dmitri Dolgov)在Medium的一篇博客中強(qiáng)調(diào)了人工智能和機(jī)器學(xué)習(xí)如何幫助該公司開發(fā)了一套AV系統(tǒng)?！半m然感知是深度學(xué)習(xí)最成熟的領(lǐng)域，但我們也將深度網(wǎng)絡(luò)(DNN)用于預(yù)測、規(guī)劃、繪圖和模擬等方方面面。通過機(jī)器學(xué)習(xí)，我們可以處理微妙和困難的情況;機(jī)動施工區(qū)域，讓路給緊急車輛，并給平行停車的汽車留出空間，”多爾戈夫在博客中寫道。Waymo對其深度學(xué)習(xí)模塊進(jìn)行了廣泛的訓(xùn)練，使其能夠在道路上行駛超過1000萬英里，并觀察了數(shù)億次車輛、行人和自行車之間的互動。該公司還在模擬中訓(xùn)練其深度學(xué)習(xí)模塊——waymo聲稱已經(jīng)在模擬自動模式下行駛了100多億英里。根據(jù)研究公司Gartner的數(shù)據(jù)，到2025年，60%的基礎(chǔ)設(shè)施和運(yùn)營(I&O)團(tuán)隊將在全企業(yè)范圍內(nèi)使用人工智能(AI)增強(qiáng)的自動化。與2020年的1%相比，這是一個重大增長，帶來了更高的信息技術(shù)(IT)生產(chǎn)率、靈活性和可伸縮性。Gartner概述了分布式用戶和應(yīng)用程序?qū)π@網(wǎng)的主要影響，并提供了具體的建議來應(yīng)對迎面的挑戰(zhàn)。華為深入研究校園網(wǎng)自主駕駛，探索提高自動化、智能化水平的途徑。華為將自動駕駛網(wǎng)絡(luò)(adn)分為L0 ~ L5 6個級別，每個級別的關(guān)鍵能力特征不同。華為智能汽車解決方案事業(yè)部MDC產(chǎn)品部總經(jīng)理李振亞表示:“目前，智能駕駛行業(yè)勢頭強(qiáng)勁，正朝著量產(chǎn)的方向發(fā)展。”華為致力于建設(shè)一個開放、標(biāo)準(zhǔn)化的MDC?；谄湓谟布?、軟件和安全工程方面的扎實經(jīng)驗和成就，華為構(gòu)建了最強(qiáng)大的智能駕駛計算平臺MDC，加速了智能汽車的量產(chǎn)?！?/p>
李彥宏解釋說，在大規(guī)模生產(chǎn)智能計算平臺之前，必須解決一系列的挑戰(zhàn)，包括硬件工程、軟件工程和安全問題。這是一個復(fù)雜、系統(tǒng)的過程，需要將技術(shù)轉(zhuǎn)化為工程能力。
在硬件工程中，車輛必須能夠抵抗灰塵、水、冷凝和電磁干擾。在軟件工程中，任何集中的計算平臺都必須支持底層硬件資源的分離和共享，并且其自身的確定性延遲必須最小化。在安全工程中，交付符合ASIL D的確定性功能安全性，并考慮預(yù)期功能的安全性(SOTIF)是至關(guān)重要的。全面的網(wǎng)絡(luò)安全架構(gòu)和防御能力也至關(guān)重要，這需要多年的努力來發(fā)展。一般來說，智能駕駛計算平臺需要2到3年的時間才能準(zhǔn)備好大規(guī)模生產(chǎn)。
自2018年發(fā)布首款MDC產(chǎn)品以來，華為一直在建設(shè)大規(guī)模生產(chǎn)的能力。該公司設(shè)計的MDC嚴(yán)格符合汽車等級要求。在開發(fā)和驗證階段，除了夏季和冬季駕駛測試外，還在實驗室進(jìn)行了200多次設(shè)計驗證測試。為了使MDC的性能最大化，華為對從芯片組、平臺、操作系統(tǒng)到運(yùn)營商和AUTOSAR自適應(yīng)平臺/經(jīng)典平臺的一切都進(jìn)行了優(yōu)化，使MDC在延遲方面走在行業(yè)的前沿。全面的安全架構(gòu)和相關(guān)功能已經(jīng)就位，以保護(hù)MDC硬件、平臺、訪問和應(yīng)用程序。
華為對其MDC的研發(fā)路線圖強(qiáng)調(diào)了統(tǒng)一的硬件架構(gòu)、統(tǒng)一的軟件平臺，以及公司提供完整系列MDC的意圖。MDC系列，現(xiàn)在包括MDC 210、MDC 300F、MDC 610和MDC 810，都由領(lǐng)先的平臺和安全體系結(jié)構(gòu)提供支持，并提供各種傳感器接口。他們的計算能力范圍從48個TOPS到超過400個TOPS。可演進(jìn)的MDC Core軟件(包括AOS和VOS)支持向前兼容性和長期演進(jìn)，幫助客戶保護(hù)自己的投資和積累能力。目前，MDC產(chǎn)品可以支持各種不同的用例，包括乘用車、商用車和從L2+到L5自動級別的專用車輛。
HUAWEI MDC是一個開放、標(biāo)準(zhǔn)化的平臺，旨在促進(jìn)智能駕駛行業(yè)的發(fā)展。華為將自己定位為行業(yè)發(fā)展的引擎和整個價值鏈整合的催化劑，目標(biāo)是為該行業(yè)耕耘土壤。華為與傳感器、執(zhí)行器、應(yīng)用算法等廠商緊密合作，構(gòu)建基于MDC的技術(shù)生態(tài)系統(tǒng)。華為通過開放的計算平臺，聯(lián)合生態(tài)伙伴的努力，加快智能駕駛生態(tài)系統(tǒng)的建設(shè)，進(jìn)入智能汽車的量產(chǎn)階段。
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點擊舉報。
