隨著汽車制造商逐步加快自動駕駛技術(shù)的部署和預(yù)研，一場沒有硝煙的戰(zhàn)爭開始從過去傳統(tǒng)的汽車制造車間向數(shù)據(jù)處理與運(yùn)營服務(wù)平臺轉(zhuǎn)移。

從簡單的改裝幾輛自動駕駛測試車，到真正開始為未來智能駕駛汽車進(jìn)行全生命周期的規(guī)劃，汽車主機(jī)廠必須開始考慮如何設(shè)計(jì)、構(gòu)建和運(yùn)行大規(guī)模訓(xùn)練以深度學(xué)習(xí)為中心自動駕駛技術(shù)的數(shù)據(jù)中心。

深度神經(jīng)網(wǎng)絡(luò)技術(shù)、大數(shù)據(jù)云端處理幾乎可以斷定將成為未來自動駕駛技術(shù)的核心組成部分，而一套完善的自動駕駛功能除了依靠大規(guī)模的常年積累的道路測試，依靠數(shù)據(jù)中心的仿真測試和深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練不可缺少。

除了特定的傳感器及決策技術(shù)之外，任何自動駕駛系統(tǒng)（包括車輛）的基礎(chǔ)都是數(shù)據(jù)。未來的汽車數(shù)據(jù)生態(tài)系統(tǒng)將包括來自車輛的數(shù)據(jù)、內(nèi)置在道路上的傳感器、與附近車輛的通信、信息娛樂和其他來源。

這個數(shù)據(jù)生態(tài)系統(tǒng)非常復(fù)雜，涉及企業(yè)、平臺和政府的多方。在過去的二十年中，隨著汽車越來越依賴軟件，汽車制造商已經(jīng)意識到數(shù)據(jù)的重要性。

目前在車輛中已經(jīng)有相當(dāng)多的傳感器，但數(shù)據(jù)類型、數(shù)據(jù)的復(fù)雜性、數(shù)據(jù)量與我們過去處理的相比，是驚人的。即使那些已經(jīng)部署自動駕駛測試車的公司也只能收集非常少量的數(shù)據(jù)。

這其中除了數(shù)據(jù)中心的后臺處理，還包括車輛端側(cè)的數(shù)據(jù)處理能力的提升。近日，斯坦福大學(xué)的研究人員宣布一項(xiàng)能夠基于AI攝像頭來更快，更有效的進(jìn)行圖像處理分類技術(shù)。

目前，搭載L3級以上圖像識別技術(shù)必須依賴于人工智能，同時在未來域控制器中運(yùn)行深度學(xué)習(xí)算法的算力也要求太高，并且對于自動駕駛決策來說速度太慢。

這種新型的人工智能相機(jī)系統(tǒng)，能夠更快、更有效地對圖像進(jìn)行分類，并且能夠以足夠小的體積以嵌入到端側(cè)傳感器設(shè)備中。未來的應(yīng)用需要更快的速度和更小運(yùn)算單元體積來處理龐大的圖像流。

這款A(yù)I原型相機(jī)的第一層是一種光學(xué)計(jì)算機(jī)，它不需要高能耗的傳統(tǒng)計(jì)算模式。第二層是傳統(tǒng)的計(jì)算處理。光學(xué)計(jì)算機(jī)層通過物理預(yù)處理圖像數(shù)據(jù)來操作，以多種方式對圖像數(shù)據(jù)進(jìn)行濾波。

通過定制的光學(xué)器件，這一層處理幾乎是零能耗，這節(jié)省了系統(tǒng)大量的時間和資源，否則將被消耗計(jì)算資源。

其結(jié)果是計(jì)算量大大減少，對內(nèi)存的調(diào)用更少，完成過程的時間也少得多。在跳過了這些預(yù)處理步驟之后，剩下的分析占用的計(jì)算資源就少很多。

在模擬和真實(shí)世界的實(shí)驗(yàn)中，研究小組使用該系統(tǒng)成功地識別了飛機(jī)、汽車、貓、狗等在自然圖像設(shè)置內(nèi)的物體。

實(shí)驗(yàn)室正在研究如何使光學(xué)元件做更多的預(yù)處理。最終，他們更小、更快的技術(shù)可以取代現(xiàn)在幫助汽車、無人機(jī)和其他技術(shù)學(xué)會識別周圍環(huán)境的后備箱大小的計(jì)算機(jī)。

去年10月，Google在其發(fā)布會上推出了一款名為Google Clips的AI微型照相機(jī)，售價249美元。這款小巧的產(chǎn)品面向家庭場景，在功能上主要集成了機(jī)器學(xué)習(xí)技術(shù)，可對場景中的人物、寵物、環(huán)境等畫面進(jìn)行識別和分析，能夠讓攝像頭發(fā)現(xiàn)適合拍攝的畫面時進(jìn)行自動拍攝。

GoogleClips在機(jī)身內(nèi)部搭載了一塊AI芯片，就是Intel旗下Movidius推出一款名為Myriad2的VPU（VisionProcessingUnit，視覺處理單元）。

Myriad2發(fā)布于2014年，作為一款視覺處理芯片，它的功能就是專門用于圖像處理；其特點(diǎn)在于功耗很低，能夠在半瓦的功耗下提供浮點(diǎn)運(yùn)算功能，使用20納米的工藝進(jìn)行制造。

這也讓行業(yè)看到了AI驅(qū)動攝像頭技術(shù)的提升空間，尤其是在端側(cè)的數(shù)據(jù)處理能力。

同樣在去年11月，亞馬遜AWS發(fā)布了一款名為DeepLens的人工智能攝像機(jī)，用以運(yùn)行實(shí)時計(jì)算機(jī)視覺模型，為開發(fā)者提供機(jī)器學(xué)習(xí)的實(shí)踐經(jīng)驗(yàn)。

DeepLens擁有一顆計(jì)算能力為100gflops的英特爾凌動處理器，內(nèi)置一顆400萬像素?cái)z像頭，能夠拍攝1080p高清視頻。同時還具備8GBRAM、16GB可擴(kuò)展存儲容量，用于視頻、預(yù)先訓(xùn)練的模型和代碼的存儲。

軟件上DeepLens搭載了Ubuntu16.04LTS操作系統(tǒng)，且自帶AWSGreenGrass云服務(wù)功能。內(nèi)置的對象識別功能可以識別寵物、日常物品、特定動作，還可以訓(xùn)練AI模型識別更多的物體。

該攝像頭可以運(yùn)行預(yù)先訓(xùn)練或定制的人工智能模型來執(zhí)行復(fù)雜的計(jì)算機(jī)視覺任務(wù)，如面部識別、情感分析或?qū)ο笞R別。

而在車載領(lǐng)域，不少初創(chuàng)公司和大公司也都在瞄準(zhǔn)基于深度學(xué)習(xí)的攝像頭視覺系統(tǒng)的研發(fā)，一方面在視覺端提升數(shù)據(jù)處理能力，另一方面在攝像頭端進(jìn)行數(shù)據(jù)預(yù)處理。

CalmCar（天瞳威視）目前推出的產(chǎn)品CalmCar Vision System，就是一套基于“深度學(xué)習(xí)技術(shù)”的人工智能視覺系統(tǒng)，搭載微型嵌入式芯片（GPU），擁有針對汽車視覺系統(tǒng)設(shè)計(jì)優(yōu)化的深度學(xué)習(xí)架構(gòu)。

這套視覺系統(tǒng)以提高部分遮擋物體的識別精度，解決了形變物體的識別問題，減少了光線變化對物體識別的精度影響。

多于30幀每秒的實(shí)時檢測率，可實(shí)現(xiàn)140米車輛檢測（可追蹤到170米）、70米行人以及騎車人檢測（追蹤到80米）、80米行車線檢測與追蹤、路牌路標(biāo)的檢測與識別以及交通燈的檢測與識別。

今年初，日本三菱公司推出了采用了自主研發(fā)的Maisart AI的新車載攝像頭（用于替代傳統(tǒng)外后視鏡），它能夠準(zhǔn)確地區(qū)分行人、汽車和摩托車。后續(xù)版本還將解決惡劣天氣、夜晚和曲折的道路上的性能表現(xiàn)。

Maisart AI是基于計(jì)算視覺認(rèn)知模型的相對簡單的算法為實(shí)時性能釋放系統(tǒng)資源，為低成本設(shè)備實(shí)現(xiàn)緊湊型的人工智能處理能力。

以每秒60幀運(yùn)行的2百萬像素相機(jī)為例，每秒產(chǎn)生大約500兆字節(jié)的數(shù)據(jù)量。這些數(shù)據(jù)需要很快地分析和處理，以便實(shí)時響應(yīng)。尤其是目前L2級以上自動駕駛每輛車配置的攝像頭數(shù)量接近5-12個（包括車內(nèi)車外），數(shù)量處理量巨大。

基于攝像頭前端的數(shù)據(jù)處理模式，可以大幅降低數(shù)據(jù)傳輸和中央數(shù)據(jù)處理的占用。視頻分析算法可以在未經(jīng)壓縮的原始圖像上運(yùn)行，然后通過以太網(wǎng)進(jìn)行編碼和傳輸。視頻分析ADAS算法也不會遭受在壓縮期間可能引入的任何噪點(diǎn)，并且保持它們的精度。

當(dāng)處理移入前端攝像頭模塊時，入門級車型可以用較低成本的控制單元（ECU）。當(dāng)客戶選擇例如駕駛員監(jiān)視或自動停車選項(xiàng)時，攝像頭模塊可以簡單地插入，并且不要求汽車制造商也將控制單元升級到更高性能、更高成本。這降低了車輛的總成本。

隨著未來車輛搭載攝像頭數(shù)量增加，以及相互之間數(shù)據(jù)處理量增大，如果沒有在攝像頭前端內(nèi)部進(jìn)行預(yù)處理，性能瓶頸將不可避免地出現(xiàn)在中央計(jì)算單元上。

一家位于德國的嵌入式視頻處理器公司videantis，推出的嵌入式視頻處理器體系結(jié)構(gòu)可以以更快的速度和更低的功率水平執(zhí)行這些復(fù)雜的機(jī)器視覺和圖像處理任務(wù)，使得該技術(shù)能夠嵌入到較小的ECU中，甚至直接嵌入到攝像頭中。

videantis在今年初推出的新的V-MP6000UDX處理器，包括為運(yùn)行卷積神經(jīng)網(wǎng)絡(luò)而優(yōu)化的擴(kuò)展指令集，提供的v-CNNDesigner工具，可以方便地移植使用諸如TensorFlow或Caffe等框架設(shè)計(jì)和訓(xùn)練的神經(jīng)網(wǎng)絡(luò)。

使用這個工具，實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的任務(wù)是完全自動的，并且只需要幾分鐘就可以使CNN在低功耗視頻處理架構(gòu)上運(yùn)行，并且可以在同一平臺上運(yùn)行深度學(xué)習(xí)、計(jì)算機(jī)視覺、視頻編碼和成像。

相比目前市面上的同類產(chǎn)品，videantis可以做到在單一芯片架構(gòu)上實(shí)現(xiàn)CNNs的全部層處理，而無需額外添加深度學(xué)習(xí)加速模塊。