無人車飛速狂飆，黑科技如何爲其加油打氣？

科技快速發展的年代，咱們愈來愈不能輕易地「預測將來」，由於總有那麼多意料以外在等着咱們。

幾年前，咱們還認爲無人車僅是做爲科幻電影裏的炫酷橋段，然而如今，公園、封閉園區、大學校園等場景下，都會看到無人車的身影，因爲其高科技的便捷應用與可愛的外形設計，迅速受到網友圍觀，成爲名副其實的「網紅」。

網紅無人車的出現，之因此一度成爲社會熱議的話題，是由於過去咱們沒想到無人駕駛時代這麼快就要到來，並讓咱們不自覺地想對支撐其快速發展的背後黑科技一探究竟。

無人車駛向前臺，無限AI黑科技藏在身後

表面上「急速狂飆」的無人車，背後都有AI「黑科技」加持，「黑科技」足夠真，才能讓「網紅無人車」再也不僅是網紅。

事實上，無人車和人開車的過程差很少，先用眼睛看，腦子根據眼睛看到的東西作出決策、指揮操做。

前者，被稱做感知系統，固然它比人眼只是「感光」要更復雜，主要經過激光雷達（確認車輛所處三維位置）、攝像頭（獲取圖像信息）、IMU陀螺加速度計（確認行進角速度）等多路傳感器，把路標、分道線、車道、汽車、行人、物體、車輛位置、行進狀態等各種信號輸入到計算後臺，這個階段的要求是儘量「看」得細、「看」得準，不能遺漏或錯誤判斷。

後者，即「芯or腦」決策的問題，簡言之，就是把各路傳感器弄回來的信息整到一塊兒，經過提早預設好的模型算法（相似人腦的思惟方式和思惟過程）得出車輛在此時以及將來一段時間應當如何行駛是最好的，並據此下達指令。

整體而言，由感知+決策構成的無人車系統（往後延申至自動駕駛系統），其整個過程的實現主要有三種方式，對應三路AI「黑科技」。

一路是「LiDAR派」（Light Detection And Ranging 激光探測與測距），激光一掃，周圍的環境變成數字世界的3D模型，而後結合毫米波雷達、攝像頭等輔助，AI能力告訴車子，「嘿，這個數字世界裏，咱們應該在這個位置，這下會走了吧。」

一路是車路協同方案，這個方案的精髓是大搞基建，在路的兩邊高密度佈置基站，把雷達掃描的信號發送給通過的汽車，再配合精密地圖從而實現自動駕駛。

搞車路協同須要很大的基礎設施投入，建設週期也很長，不過一旦搞成功了，單臺自動駕駛汽車本身的成本就大大下降了——主要靠別人提醒，本身不用怎麼武裝大腦。

從上圖也能夠看出，這個方案須要高精地圖協做，與基站造成配合。

最後一路是所謂的「低成本方案」，馬斯克是其大力鼓吹者，工具簡單，和人只靠眼睛同樣，攝像頭加上毫米波雷達「就能」實現自動駕駛，激光、基站通通丟掉。這個方案有個好處，只考驗「不太花成本」的AI算法能力，而這種能力的獲取將受到將來業界追捧。

AI算力背後的「黑科技」

業界公認，阻礙AI產業規模化發展的緣由主要是開發效率低，標註、訓練、部署整個過程耗時，以及稀缺與昂貴的算力。AI產業若要規模化走進各行各業，助力企業AI產業化應用，就必需要下降AI開發門檻和難度。而開發者在AI開發過程當中也存在諸多痛點，例如，沒法對海量數據進行存儲與分析，對於普通開發者來講，面對快速增加的算力需求力不從心。深度學習做爲人工智能崛起的主要緣由，是開發者必需要學習的技能，可是對於普通開發者而言，掌握深度學習模型訓練的時間成本至關高，這也阻礙了AI開發者的開發效率。

可見，AI算法能力的獲取，並不是易事。也就是說，網紅無人車從「網紅」到尋常百姓家，還差些許火候。

日前，華爲雲人工智能大賽·無人車挑戰杯正式開賽，華爲雲一站式AI開發平臺ModelArts、端雲協同解決方案HiLens做爲整場賽事的技術支撐，爲參賽開發者提供了AI開發、雲端創意無限的可能，即AI算法背後的「黑科技」。

華爲雲人工智能大賽·無人車挑戰杯參賽選手用車

華爲雲ModelArts做爲一站式的AI開發平臺，集跨場景、軟硬協同、端雲一體等多方位的優化經驗，提供了自動學習、數據管理、開發管理、模型管理、推理服務管理等多個模塊化服務，真正作到知足不一樣程度的開發者，快速獨立的開發出本身的AI模型。

在無人車場景下，華爲雲能夠支撐開發者實現一站式全流程開發，基於華爲ModelArts AI開發平臺訓練算法，經過HiLens平臺作技能開發並部署到HiLens Kit（端側設備）進行推理，其超強的算力，豐富的接口，爲開發者提供AI開發的極大便利。

在本次無人車大賽中，參賽者運用華爲雲ModelArts平臺訓練好各種算法模型，而後把模型導入HiLens平臺進行業務邏輯編寫，完成技能開發，並將技能一鍵式部署到HiLens，快速實現紅綠燈檢測、行人避障、線路識別、目標跟隨等自動駕駛功能。這樣實現了從雲到端的一體化，下降了參賽者訓練時間和算法移植成本，提升了效率。

讓「感知」更容易實現、讓「決策」方案更容易訓練出來，華爲雲ModelArts、HiLens在這場競賽中爲學生們提供了後臺各類數據、高速算力、快速部署能力，學生們只管放飛自我研究如何讓無人小車更聰明地感知世界和自動行駛。

這也反應出AI開發的一個趨勢：創新的只管創新，其餘「後勤」平臺給你包圓了，你要作的是肆意發揮創新，多多靈光一閃，想出什麼讓汽車更聰明的絕妙法子。

那麼「感知」和「決策」兩個部分，到底是如何實現的？

一、感知：讓獲取和處理外界信息的門檻更低

先來看華爲雲HiLens（官方定義「更懂開發者的視覺AI應用開發平臺」），AWS（亞馬遜雲）也有相似的Deeplens，簡單說就是由一個具有AI能力的攝像機以及它背後雲上開發平臺構成。

華爲雲人工智能大賽·無人車挑戰杯選手用車外殼安裝

咱們知道，AI需求深刻到大量的細分行業，尤爲視覺AI在傳統汽車、安防、娛樂、物流、醫療、交通都有應用，雲計算平臺不可能都有現成的方案，得靠企業們本身去開發。

例如，那個讓你交10塊錢的停車場識別車牌就是視覺AI的成果，只不過它已經十分紅熟。

但這個開發過程，又要採集數據，又要整合數據，還要本身搞模型搞算法，十分麻煩，這時候HiLens出現了，具體技術細節很少說，總之視覺AI變得和拍攝DV同樣簡單，架起專用設備，鏈接好網絡，就能夠開始開發。

華爲雲人工智能大賽·無人車挑戰杯HiLens攝像頭模塊

因爲無人車涉及大量圖像處理，華爲雲HiLens的輔助意義不言自明，參賽者做品不少基礎視覺AI能力架設能夠憑藉HiLens快速完成。

華爲雲人工智能大賽·無人車挑戰杯小車識別紅綠燈功能

二、決策：只要管好「最黑」的部分

一輛汽車該如何讓本身「感知」到的東西轉化爲決策，經過華爲雲ModelArts，AI開發在易用的同時得到了極強的算力支持：

提供了開源的數據集，AI模型最須要的數據餵養不須要本身處處去搜羅和積累；

經過某些技術處理，能夠實現自動學習+自動訓練模型，例如，在無人車領域，能夠「一鍵作無人駕駛」；

大功告成，你在ModelArts上把模型搞出來了，這時候還能一鍵式部署到你想要的地方去，好比能夠部署到HiLens端，實現雲上決策算法模型與雲下端側數據感知的拉通，這就是無人車背後真正的黑科技。

華爲雲人工智能大賽·無人車挑戰杯參賽選手編程顯示模塊

以無人車爲表明，AI的難題總結起來有三點：第一部署太難；第二是開發不容易；第三是算力不夠，這讓小開發商望而卻步。華爲雲ModelArts與HiLens搭配，支撐開發者實現一站式AI全流程開發，更好的激發開發者創新熱情、也將加速AI在各細分場景落地。

今日，科技部在2019世界人工智能大會宣佈，將依託華爲建設基礎軟硬件國家新一代人工智能開放創新平臺，面向各行業、初創公司、高校和科研機構等的AI應用與研究，以雲服務和產品軟硬件組合的方式，提供全流程、普惠的基礎平臺類服務。隨着8月23日昇騰910正式商用以及MindSpore的發佈，華爲全棧全場景AI解決方案全面完成構建。面向開發者，華爲雲ModelArts全流程模型生產服務打通了從數據處理-模型開發-模型訓練-模型部署的AI全鏈條，可將生產所需的全部服務一站式提供，全方位提高訓練和推理的計算能力。可見，憑藉30年在ICT行業經驗積累以及領先的全棧全場景AI能力，華爲期待把「黑科技」運用到極致，加速構建萬物互聯的智能世界。

另外，打個小廣告：9月19日，「華爲雲無人車挑戰杯大賽」總決賽將亮相2019華爲全聯接大會，並最終決出冠、亞、季軍團隊以及優勝獎團隊，歡迎關注。