IT龙门阵第 209 期

智能出行领域的“黑科技”,你知道多少?

现场互动

观众 : 像我们觉得未来的汽车,像我们是这边是要去做前装,你这边做后装,实际上跟车相关的事情一定要跟这件事情打交道,到底是做前装或者是做后装,还是说我一咬牙我去做汽车去了,像你们这个有没有可能做后装?
吴甘沙 : 目前来说条件并不成熟。自动驾驶人最终环境互动的话,花药一个大脑,需要一座一个小脑,大脑做感知方面的东西,小脑需要做认知,认知这一环是不可或缺的。需要用知识作线控,他能够发一个指令说是加速还是刹车。那现在的99.9%以上的纯量车是没有限版的,所以没有办法做和后装。
主持人 : 特斯拉一开始没有的,后来是升级的。像你们做的后装,你们是不是也跟前装在谈。
马斌斌 : 我们也在接触,但是没有作为重点来推。前装至少认可这种产品方案;第二在3—5年,我这个创业公司快速盈利并不是一个稍前的,所以我先从前面深入,像私家车每年新增汽车是700万辆,从汽车组装来讲,后装的数量已经足够大了,当有一天开到他的汽车的时候,我就有一种汽车为王的优势的。用户已经很习惯用我的产品了,他软化去买的代理更大。
观众 : 这个领域除了双摄象头、激光雷达、结构光,这几种都可以用在汽车上,是吗?
吴甘沙 : 其实现在单纯的(英文)用到双摄象头并不多,其实是有一家,是斯巴鲁,他用到日里的双摄象头,但是现在双摄象头和雷达,基本上都用在了具有(英文)或者是更好的自动驾驶车的功能上,比如最新的而是S级或者是一级的绞车,明年出来的奥迪A8就会有激光雷达。所以更多是用在这些具有自动驾驶功能的汽车上面。结构光其实在汽车里应用并不广泛。因为总体来说,他是一个室内的深度摄象头利用场景,他看得比较近,可能就是几米,甚至是1米以内,所以这个并不是在汽车里面的应用场景。
观众 : 深度学习算法,你会做在芯片哪种方案比较好呢?
吴甘沙 : 明白。就是现在(英文)的学习芯片大家听说过骨歌的TPU五,他的可片编程能力还是相对比较弱。他可能在谷歌的产品里面,甚至在阿尔法狗里他可能用到。那么在汽车上面,一方面我还是希望他有可编程能力。另外一方面是上面的东西都要符合车轨。那么这样一种芯片目前还并不存在。那么在他出来之前,我们基本上有三种选择,一种选择是GPU(英文)。甚至是最新的(英文)PS,一些更新型的GPU。第二种是符合车轨,现在符合车轨,也能跑一个相当错的深度网络。第三中是嵌入式的智能芯片,他可能是DESP,他可能也做了深入,但是他也对深度学习做了支持,大概就这三种。
观众 : 据我所知,市场有很多这种产品。我想请问语境和今天对手相比,你们的竞争优势在什么地方?其次,所谓的人工智能,现在在各个领域应用是比较局限的。在车站环境中的语音加护技术,您觉得这个最大的挑战是什么?谢谢!
马斌斌 : 第一个问题其实要做好语音识别,一般来讲硬件公司都不具备这样的技术。我们这边的股东是史密斯,他不光是出钱,还出技术、出人,所以我这边是两方团队深度定制研发,是车在噪音环境下的语音识别,而且他这个技术是结合我们车在噪音环境,还有车的硬件识别特征,还有他的语音识别的噪音干扰。再度的深度认知企业,包括人工标准一起来提升的,所以我们人工在噪音环境里面,应该说是业界最好一个就是主旋律。

嘉宾观点

新浪微博

参与评论

点击获取
 

(共有 条评论)网友评论