大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

2021年12月21日,由亿欧EqualOcean主办的“数字重塑世界-WIM2021世界创新者年会”在中国上海正式开幕。在“主动驾驭商用场景3.0时代” 篇章中,格物钛智能科技创始人兼CEO崔运凯发表了题为《AI构造的未来——主动驾驭场景下的制胜要害》的主题演讲。

文章来自亿欧Equal Ocean

2021年12月21日,由亿欧EqualOcean主办的“数字重塑世界-WIM2021世界创新者年会”在中国上海正式开幕。作为此次WIM2021峰会的主要组成部分,“GTM2021全球科技出行论坛”在12月21-22日在上海成功召开。

本次活动由亿欧EqualOcean旗下科技出行产业创新服务平台亿欧汽车倾力打造。在大会现场,来自业界的明星企业负责人、一线创业者、投资人等数十位嘉宾齐聚一堂,围绕“碳中和”、“新能源智能汽车”、“主动驾驭”、“智能座舱”、“飞行汽车”、“汽车服务与流通”、“科技出行产业投资”等热点话题,通过主题分享、高端对话等形式,聚焦行业发展,共图发展之路。

在“主动驾驭商用场景3.0时代” 篇章中, 格物钛智能科技创始人兼CEO崔运凯发表了题为《AI构造的未来——主动驾驭场景下的制胜要害》的主题演讲。

他认为:

1.每个人都要重新考虑应该应用什么样的管制形而上学,服务构造架构的时候用什么样的东西。我认为,人工智能构造与软件构造很是相似;

2.其他企业和特斯拉比赛时,必须要和特斯拉运用同样的方式考虑,运用同样的东西,包括改变自己的管制形而上学;

3.少量的算法工程师加上数据运维工程师、机器学习运维工程师,通过分工协作建立算法迭代的生产线,可以让构造高效运转。大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

以下为演讲原文,在不改变嘉宾原意的基础上进行了编辑,供行业人士参考。

大伙儿好,我是来自于格物钛智能科技的崔运凯,很高兴今天有机会分享我们做的一些事情。

首先是什么叫做人工智能构造?为什么要讨论这个话题,因为我们知道一个公司肯定是先有战略,然后由构造来服务战略。在我眼里,如何拥有一个高效的构造,才是赢得主动驾驭比赛最要害的地方。

其实今天有许多的公司在做人工智能产物,任何做人工智能类产物的公司,他都需求有一个更好的构造来服务自己做的产物。比如说无人驾驭,或者一些新能源汽车在做的换电站等项目,在许多时候都有人工智能技术的渗透,其渗透之后的构造就变成了人工智能构造

为什么管制者要关心人工智能构造呢?因为我们发现对于不同类型的产物而言,公司所需求的管制形态和构造架构是很是不一样的,只有通过构造的升级才可以将其进行高效协同,或者迭代产物,从而在最后比赛中胜出。所有做人工智能产物的公司都在关注自己的构造和设计。

如何构建人工智能构造呢?每个构造做些什么呢?在我眼里,最重要的是进行管制时,每个人都要重新考虑应该应用什么样的管制形而上学,服务构造架构的时候用什么样的东西?我在讲人工智能构造的时候想了许多,我们发现人工智能构造和软件构造很是相似。

软件构造发生什么变化?三十年前,在我很小的时候,用的都是光盘,包括Windows操作系统,需求每两年买一张光盘,但是今天打开手机的时候,你的软件每天都在获得更新。

一个软件从两年一迭代到每天都在迭代,这个过程虽然看似很自然,但是其软件构造发生了翻天覆地的变化,需求更新管制形而上学,构建不一样的构造架构,需求运用更好的软件,才可以服务于这样的构造。

大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

为什么软件构造很要害?为什么我们要花这么大力气研究这些呢?我想举一个例子,当时滴滴CTO讲,滴滴和快的比赛最要害的一年其实是发生某年春节的补贴大战,试想,如果你是快的的管制者,在春节前一天发现滴滴上线一个性能,用户和其亲友在分享APP时,大伙儿可以一起分补贴。你看到这个性能很是慌张,因为正好处在大伙儿回家的时期,这项性能特别容易传播出去,如果没有做同样的事情,最后极有可能所有流量都被滴滴的营销活动带走。

快的发现比赛对手有这项性能之后,马上可以迭代更新同样的性能并推送上线,这在30年前是不可能完成的,但在今天是可能的。做到这件事情不光要有很好的构造,还需求有一个迭代的方法能倏地验证你上线的性能,如果上线之后大伙儿用不了,那么上线毫无意义。

为了兑现产物的高速迭代,软件构造发生了天翻地覆的变化,从架构设计到人员协调都发生了转变,新的理念、新的东西也相应诞生。

其实就人工智能系统而言,其对于产物迭代速度的要求是一样的。主动驾驭需求有倏地的迭代和反应能力,大伙儿在买无人驾驭性能的时候,无论买特斯拉、小鹏、蔚来,前提是安全。无人驾驭安全系统需求更快升级,特斯拉兑现OTA技术实时升级,OTA只是一个表象,只是说可以把算法应用到车上,但是实际上特斯拉做了许多的工作,它可以收集到几百万辆车运行的场景信息,并用这些场景训练出新的模型。

大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

今年5月份的时候,特斯拉数据引擎负责人做了一个演讲。大伙儿可以看到,在真正的上传数据的过程中,数据下载和模型上传只占很是小的一部分,实际上,大量的工作是发生在云上的。更有意思的一点是所有的工作、所有节点的连接都是主动发生的,由东西主动串联起来,每一个节点可以并行调动大量人力或者大量算力,倏地兑现并行操作,每一步发生时间很是短,只有这样,整体流程才会变短,才可以更快把更新的安全补丁算法升级应用到车上。这不仅是需求东西的更新,怎么适应构造以及管制团队也变的很是要害。

我们知道特斯拉和其他公司的比赛是很是不公平的,但正常的商业比赛在许多时候就是不公平的,特斯拉有更多的信息储备,更大的车规规模,每辆车都在收集数据,同时其拥有全球最好的团队,吸引全世界的人才,其他企业怎么才能和特斯拉这样的对手比赛?运用制造业管制人的方式和传统的东西是不可能做到的。

所以,在我眼里,其他企业和特斯拉比赛必须要和特斯拉运用同样的方式考虑,运用同样的东西,包括改变自己的管制形而上学,然后需求考虑你要有什么样的构造架构可以适应这种管制形而上学,同时需求有一个特别好的协同东西,兑现这些工作的主动化。

企业需求什么样的管制形而上学

第一,肯定不是需求更多的人,我知道之前许多制造业的企业,通过堆人来解决问题,但对于人工智能构造、主动驾驭来说,堆人肯定解决不了问题。所以我们应该怎么办?不是堆人,而是集中所有的资源解决对你的业务来说最要害的部分,只雇佣最要害的人。

第二,考虑自身需求什么样的构造架构。大伙儿看到许多人工智能的公司,招了许多的工程师,大伙儿都在疯狂招算法工程师,这对于他们的融资是很是管用的。但通过讲故事招揽全球PHD来做到人才垄断,现在来看是不行的。特斯拉是怎么可以兑现倏地迭代的呢?因为它有很好的分工。福特怎么可以倏地生产许多标准化车辆?其需求一个生产线,需求不同工种的人做专业的事情,通过跨构造协同兑现构造倏地迭代,还需求数据运维工程师和机器学习运维工程师。少量的算法工程师加上数据运维工程师、机器学习运维工程师,通过分工协作建立算法迭代的生产线,可以让构造高效运转。

大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

最后我想讲需求什么样的东西可以让我们迭代更快,在我眼里,应该符合三个基本条件:第一个是需求公有云,因为其更弹性,我们发现在做无人驾驭的时候,许多情景是需求算力弹性的;第二个更重要的是需求数据平台,因为数据平台可以带来更好的规模化;最后是主动化,因为其更高效,整个系统都是完全主动运行的,想要产物倏地推陈出新,一定要让整个闭环兑现全部主动化运营。

为什么需求公有云?在我为许多朋友做明年的预算的时候,我发现一个很是有趣的现象,因为现在公有云价格比私有云便宜许多,大伙儿理想中私有云的花费低,实际上不是这样,除了要花大量电费在空调上,还要再雇几个私有云运维工程师维护网络稳定性,还有在虚拟化系统上买各式各样的软件等,这些成本为绝大多数人所忽略。

为什么要有数据平台?许多人通过文件系统管制数据,但数据平台可以提供的好处是文件系统不具备的。在存储空间方面,我们用文件系统的时候,80%的存储空间都用来存重复数据,这对于任何构造来说都是巨大的浪费。第二就是如果你只给工程师文件系统的话,工程师60%的时间都在做数据搜索。然后就是运用文件系统的时候,不论是训练模型还是数据侧做清洗,其中40%的时间都浪费在硬盘读写上。

大咖Talk丨崔运凯:AI构造的未来——主动驾驭场景下的制胜要害

我们格物钛智能科技做什么呢?帮助人工智能做三个事:第一帮大伙儿上云,更好利用云上资源;第二提供数据平台,让大伙儿不用去为数据运用担心,没有重复数据,可以倏地进行数据检索;最后我们提供主动化,怎么样主动化的去让整个数据闭环,不论做人工智能还是做什么样的产物,都可以倏地兑现数据处理而且完全主动化。

更多信息请访问格物钛官网

原创文章,作者:格物钛Graviti,如若转载,请注明出处:https://www.iaiol.com/news/da-ka-talk-gun-cui-yun-kai-ai-gou-zao-de-wei-lai-zhu-dong/

(0)
上一篇 2022年 1月 11日 上午9:30
下一篇 2022年 1月 11日 上午9:39

相关推荐

  • 2021图灵奖揭晓:高机能较量争论先驱、超算TOP500榜单创始人之一Jack Dongarra获奖

    他曾说过:未来的较量争论架构会是 CPU 和 GPU 的结合。

    2022年 3月 31日
  • 除了缺少点创意,GPT-3写出了及格的大学毕业论文,只需20分钟

    GPT-3 写的论文及格了吗?教育资源网站 EduRef 对此进行了一项尝试,效果还行,及格水平。

    2021年 3月 2日
  • UC伯克利教授Pieter Abbeel开课了:六节课初学「深度加强进修」,讲义免费下载

    课程视频时间有点长,但希望你能享乐进修的快乐。将传统加强进修与深度神经网络结合的深度加强进修,一直以来被视为更接近人类思维方式的人工智能方法。深度进修具有强感知才能但缺乏一定的决议计划才能,加强进修具有决议计划才能但对感知问题束手无策,因此将两者结合起来可以达到优势互补的效果,为复杂系统的感知决议计划问题提供了解决思路。想要初学深度加强进修的同窗们,请高度注意,一份优秀、细致、全面的新教材出现了。今天,UC 伯克利教授 Pieter Abbeel 上传了自己的新课程《深度加强进修根源》的最后一节视频,并在推特上安利了一下。这份

    2021年 8月 26日
  • 技术博客丨原来模型训练可以不用标注?一文全解四大机械进修法子

    本文将用通俗的方式,为大家介绍耳熟能详却分辨不清的四个机械进修核心概念:监视式进修、半监视进修、非监视进修和自监视进修,并将用实例简介它们试图解决的问题。

    2022年 1月 11日
  • INDEMIND: 打造标准化机器人AI方案,行业关键手艺供应商价值凸显

    4年深耕低速自动驾驶手艺,打造标准化机器人解决方案,INDEMIND已然破茧成蝶,成为国内最大的机器人关键AI手艺供应商之一。在疫情催化之下,爆发式增长的不只是办事机器人商场,根据数据统计,今年超10万家机器人相关企业成立,随着机器人公司、传统企业、新晋企业陆续进场,一场不可避免的“争夺战”已在悄然中激烈展开。根据IFR数据显示,2016 年以来,全球办事机器人商场规模年均增速达 23.8%,2021 年预计达到 125.26亿美元,到 2023 年,全球办事机器人商场有望突破 201亿美元

    2021年 12月 9日
  • Nature子刊:科学家在类脑芯片上实现类似LSTM的功能,能效高1000倍

    格拉茨技术大学的计算机科学家在 Nature 子刊上发表的一篇论文表明,他们找到了一种在神经形状芯片上放荡 LSTM 的方案,可以让类脑神经形状芯片上的 AI 算法能效提高约 1000 倍。随着智能手机的普及,手机游戏也越来越受欢迎。但视频游戏等程序会大量耗电耗能。与 GPU 等标准硬件相比,基于 spike 的神经形状芯片有望实现更节能的深度神经收集(DNN)。但这需要我们理解如何在基于 event 的稀疏触发机制(sparse firing regime)中放荡 DNN,否则神经形状芯片的节能优势就会丧失。比如

    2022年 5月 21日
  • 为什么要纯C言语手搓GPT-2,Karpathy回应网友质疑

    Karpathy:for fun.几天前,前特斯拉 Autopilot 负责人、OpenAI 科学家 Andrej Karpathy 发布了一个仅用 1000 行代码即可在 CPU/fp32 上完成 GPT-2 训练的项目「llm.c」。llm.c 旨在让大模型(LM)训练变得简单 —— 使用纯 C 言语 / CUDA,不需求 245MB 的 PyTorch 或 107MB 的 cPython。例如,训练 GPT-2(CPU、fp32)仅需求单个文献中的大约 1000 行干净代码(clean

    2024年 4月 11日
  • 10位大咖云聚,400分钟干货分享,这里有一场AI 家产发展趋向分享会等你来看!

    从 2015 年的 Alpha Go 人机大战,人工智能热潮如平地惊雷,光芒尽显。到 2020 年的突发疫情,倒逼家产智能突围,带来数字时代转型升级的加速发展。风起于青萍之末,浪成于微澜之间,从 2015 年到 2020 年,AI 家产趋向变化的草蛇灰线逐渐显现。在不平凡的 2020 年,意外和契机相伴而至,稳健与突破竞相呈现。站在 2020 的尾巴上,伴随着对过去的梳理和对未知的期待,我们需要重振激情,用全方位的知识储备把握未来 AI 家产趋向的走向和发展。新春将至,在即将到来的牛年里,作为一个 AI 人下面一年

    2021年 1月 29日
  • CVPR 2021 | 工夫序列疾病展望的因果隐马尔可夫模型

    本文是对发表于计算机视觉和模式识别领域的顶级会议 CVPR 2021的论文“Causal Hidden Markov Model for Time Series Disease Forecasting(工夫序列疾病展望的因果隐马尔可夫模型)”的解读。
    该论文由北京大学王亦洲课题组与深睿医疗等单位合作,针对工夫序列疾病展望的问题,提出了因果隐马尔可夫模型描述疾病的动态发展过程,并使用基于 VAE 的变分框架举行学习。通过对图象隐空间举行解耦,去除疾病有关因子与疾病展望的伪相关关系,从而提高展望的准确率和鲁棒性。

    2022年 7月 18日
  • 1600米深海沉船如何索求?斯坦福人形机器人实现远程人机交互下潜

    深海里面藏着许多秘密,沉船,坠机,数不尽的金银珠宝和历史记忆都埋藏在深海中。从前索求这些遗址的方法多为整体打捞,许多证据难以保存。近日,斯坦福大学的机器人团队研发出名为 OceanOneK 的水下人机交互机器人,通过远程操控,让人形机器人以最接近真人潜水的方式在水下 1600 米实现索求,最大程度地实现了人机交互,也最大程度地保护了遗址的完整性。

    2022年 7月 29日

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注