月度归档:2017年09月

HTC:11亿美元不是为了“输血”,除了AR/VR还会投资其他领域

9 月 21 日,Google 收购 HTC 手机业务的传言终于尘埃落定。据了解,双方共同宣布签署协议,Google 延揽原参与打造 Google Pixel 手机的 HTC 成员加入 Google。就此次交易,HTC 将收到 11 亿美元的交易金额。此外,HTC 也将其专利非专属权授予 Google 使用。

值得注意的是,雷锋网了解到,跟此前各方的猜测不同,HTC 并没有将全部的手机业务出售给 Google,还将聚焦于自有品牌的智能手机业务,除了上半年推出旗舰机 HTC U11 外,目前正在积极准备下一代旗舰手机。另外,作为全球 VR 行业的重要参与者,HTC 表示会持续构建虚拟现实生态系统,发展 VIVE 版图,并积极投入物联网、增强现实和人工智能等各项领域的创新。

HTC 董事长兼 CEO 王雪红称:“这次和 Google 共同签订此协议代表双方长期稳定的合作伙伴关系再次迈出稳定的一大步,不仅为 Google 硬件业务注入强大的创新研发动力,也确保 HTC 在智能手机和 VIVE 虚拟现实领域可持续创新。”

关于 HTC 为什么会出售这块业务,Google 收入 Piexl 团队有着怎样的考虑,以及双方此前的各种合作,雷锋网在《HTC 部分“卖身”Google,11 亿美元的交易意味着什么?》文章中,有详细的介绍,这里不再赘述。

实际上,从 2015 年开始,HTC 更受人关注的是旗下的 VR 业务,也一直扮演着行业引领者的角色,HTC Vive 与 Oculus Rift 和 索尼 PlayStation VR 被大家认为是全球的“三大头显”。2016 年 5 月,HTC 将 VR 业务拆分成独立公司,新子公司由 HTC 完全控制。

今天,HTC 出售部分手机业务的消息公布后,有雷锋网读者开玩笑说,“又有十几亿投入 VR 了”。显然,下一步 HTC 要怎么做,手机和 VR 业务 HTC 将如何权衡……是我们更关心的事情。

当天下午,HTC 智能手机暨物联网事业总裁张嘉临和 HTC Vive 中国区总裁汪丛青接受了媒体采访,针对此次业务出售的详细情况,以及 HTC 之后的计划与发展,进行了说明。雷锋网将采访内容整理如下。

Q1:11 亿美元用来做什么?

张嘉临(以下简写“张”):11 亿美元会投资在我们认为的未来,包括 VR、AR、手机、物联,以及基于 AI 的领域。

Q2:会更侧重哪方面?

张:简单来说,投资在未来,根据摩尔定律,未来过程中会有一些变化,而且变化会加速,初期过程里,我们一开始是依靠手机的,手机我们是创建自有品牌的,不管之后是自建创造,还是更跳跃地创新,我们是很乐观的。我们认为,手机、物联,AR、VR 场景上有不同的应用。

我们现在没有固定去分配资金,董事长王雪红对 VR 有很大的热情,她是想到 Vive 有很多不同应用场景,不会刻意说手机是多少,不同应用场景手机是多少,这是动态的过程。

Q3:为什么会选择 Google?

张:2015 年,我们那时就考虑自己的长项和短板是成什么。当时,成立一个概念叫 Power by HTC,跟一般的代工不一样。一般代工,大家想到的是量,把成本压到最低,HTC 这方面没有做的很好,而在创新方面其实是我们的长项。

Power by HTC 出来后,觉得很好的合作伙伴就是 Google ,所以 2015 年 4 开始,我几乎每个月去一趟 Google,当年年底,开始确定,要做自有品牌的手机。之后,我们合作越来越紧密,才会有现在的协议。

这个协议,我们考量的主要有三个事情。一是考虑员工,怎么样对员工家庭最好;二是品牌,对我们而言,品牌就是一种承诺,对消费者的承诺,尤其是以新品牌为主的产品怎么走下去;三是投资,自己做一些事情。所以,我们希望自己能规划自己的道路。

Q4:是不是可以理解为 Google 注资 HTC?

张:我可能不会解读这个协议,基本上我们有大约做 Pixel 的 2000 多名研发和技术人员进入 Google,交易完成后,他们会加入新的家庭,加入 Google。第二是,我们会给 Google 一些授权,IP 的授权,我们有接近一万的 IP,是一个非排他性的授权,我们还可以授权给其他的厂家或伙伴。

Google 会付给 HTC 11 亿美元,我们有付出一些对价的部分。不过,我们大多数专利授权给谷歌,但不是 100% 全部,具体部分没办法透露。

Q5:这次交易是为了套现、输血呢,还是为了减少成本?

张:我们财务整个资产是健全的,拿到 11 亿美元后会更健全,我们不是为了套利,也不是为了减少成本,希望 HTC 有比较好的发展。我们的团队比较适合做创新性的事情,不见得适合做常见的事情,希望把这部分空间拉的更广。留下来的部分,除了手机外,还有其他发展空间。

交易完成后,对我们的财务只有加分,没有减分。

Q6:Google 会对 HTC 之后的策略有直接或间接的影响吗?

张:不太确定是用“影响”这个词,但确定的是未来我们在产品上会继续合作。

Q7:HTC 剩余研发人员还有多少?

张:大概 2000 左右和研发和技术人员,但他们看到的可能不只是单一版块,还包括手机、物联、AR、VR 等,我们还会添加相关人员,但不会只关注一个版块。

去 Google 的团队和留下来的团队可能方向上不太一样,因为是自有品牌,留下来的团队会看一些不同的东西。但区别不太,能力上是一样的。

Q8:未来 HTC 手机在国内的发展策略是什么?

张:我们了解到,在中国非本土品牌的手机份额一直在退缩,HTC 也是其中之一。中国是全球市场竞争最激烈的市场,不止价格、品牌、宣传的方式和产品,即使这些东西到位,也不一定有很强的竞争力。所以我们思考,有什么可以更不一样的,因为差异越大,就比较有机会。

Q9:交易完成后,对 HTC 本身手机研发有什么影响?

张:我们会更专注自有品牌的部分,会和 Google 有不一样的方式,继续合作方式会进行,但是会有更大的产品是这个之外的,我们的发展是更宽广的。

Q10:Vive 头显的研发和手机在一起吗?

张:Vive 的 CTO 原本就是手机硬件的负责人,事实上当时资源划分,就是这样的团队来做 Vive。以后针对各方面,内部还会有调配,我们不会分的很清楚说这些人就只做这些事情,那些人就只做那些事情。内部区分的部分是用产品的,举例来说,做移动 VR/AR,到底属于什么呢?这批人过去快 20 年一直共事的。

Q11:Google 会对 HTC 提供 VR、AR 的技术支持吗?

张:VR、AR 部分跟 Google 一直有合作,这部分不会改变。新的合作,新的机会一直在谈。

我们之间的合作和技术交流是一直在发生的,他们给我们技术支持,我们也有给他们技术支持。可以证实的是,我们在研发和尝试 VR、AR,以及 MR,具体产品现在不方便说。

Q12:跟 Google 之间代工关系会结束吗?

张:Google 10 月 4 日会发布新旗舰机,这款产品我们也有参与,Google 有自己的计划,我们跟 Google 间的代工关系在此期间可能不方便说。

Q13:工厂会继续做代工吗?

张:工厂很适合做创新性应用,工厂对大量生产制造,成本下降部分有改善空间的,未来我们能结合这两方面,会补足短板。我们正在做创新性的东西,现在看到的东西,还会持续下去。

另外,张嘉临还透露,进入 Google 的 Pixel 团队将继续留在台湾,VR、AR 方面,中国区总裁汪丛青也表示一直在不断尝试,2018 年还会推出新的产品。

雷锋网

还和英伟达在蜜月期,特斯拉又和 AMD 联手研发自动驾驶 AI 芯片

特斯拉又一次搞了个大新闻。

这家硅谷明星公司被曝正研发用于自动驾驶的AI芯片,目前样品已经到手,接下来将投入到测试工作中。

当然,仅凭特斯拉一己之力,研制芯片并不现实,所以这一次特斯拉找到了知名农企 AMD ,据外媒报道,特斯拉的这款 AI 芯片将基于 AMD 公司的 IP 打造。

这一消息是 AMD 晶圆供应商格罗方德(GlobalFoundries) CEO  Sanjay Jha 在本周三于美国加州圣克拉拉举行的一次技术会议上透露出来的,当时,这位 CEO 提及自家公司和特斯拉合作的一个案例,侧面表明特斯拉正在研发 AI 芯片。

据雷锋网新智驾了解,格罗方德是从 AMD 拆分出来的一家晶圆厂,虽然已经分手,但是二者签署的协议规定,格罗方德必须为 AMD 供应晶圆产品,直至 2020 年协议到期。

虽然随后格罗方德、特斯拉以及 AMD 三方都对此事极力否认,但外界依然是宁可信其有、不愿信其无。最直观的反映体现在 AMD 的股价走势上,在外媒曝出相关消息后,该公司的股价最终上涨了接近5%。

毫无疑问,特斯拉在自动驾驶领域雄心勃勃,今年,特斯拉 CEO Elon Musk 便表示,2019年将会推出面向消费者的完全自动驾驶的车辆,而要实现这个目标,强大的数据计算能力以及 AI 处理能力是重中之重,最后的落脚点自然是在“芯片”上,所以特斯拉想要拥有自己的强大的 AI 芯片的愿望就很好理解了。

也许会有人说,特斯拉此前一直和英伟达维持着很好的关系,而且其 Autopilot 系统也一直在使用英伟达提供的自动驾驶计算平台 Drive PX2,为何还要大费周章去自行研发。归根结底还是特斯拉并不想在自动驾驶这件事上受制于人,钢铁侠 Elon Musk 还是喜欢把主动权掌控在自己手中。

此前,特斯拉和 Mobileye 也有过很长一段时间的合作,后者为前者提供芯片,主要用于视觉处理计算。但是后来因为一次致命事故,两者合作破裂。这事对于特斯拉要研发自己的芯片应该也是有刺激作用的。

另据雷锋网新智驾了解,特斯拉的 AI 芯片研发计划投入超过50名研发人员,由芯片届明星人物 Jim Keller 领衔。Keller 2016 年年初加入特斯拉,今年6月接替 Chris Lattner (雷锋网新智驾注:此前供职于苹果)成为特斯拉自动驾驶硬件和软件负责人。Keller 是出了名的芯片架构师,先后在 AMD 和 苹果任职,2008年加入苹果后,研发出了用于 iPhone 的 苹果 A4 和 A5 芯片。

除了 Jim Keller ,特斯拉还将 AMD 的一众旧将引入到其 AI 芯片团队,包括研发主管 Ganesh Venkataramanan 、首席硬件工程师 Bill McGee 以及系统电路设计主管 Dan Bailey 。

有了这样强大的研发团队,有理由期待特斯拉自动驾驶 AI 芯片搭载上实车的那天。

雷锋网

业内大牛齐聚VSI Labs,他们准备如何影响自动驾驶的未来?

雷锋网按:作为行业内最大的秀场,法兰克福车展和 CES 上经常会有市场营销人员和工程师的身影,他们来这里是为了一瞥自动驾驶汽车的浮华和魅力。

如果本月月初 VSI Labs(汽车技术研究和咨询公司)举办的一场小型媒体发布会算是一个标志性事件,那么很明显,来自科技产业、学术界的专家和地方议员(共 100 多人)依然渴望继续对自动驾驶技术进行深入了解。

大家不但想见识一些最新的自动驾驶技术,还想了解自动驾驶汽车对社会,尤其是对美国这种车轮上的国家的影响。

这个小型发布会安排在一个车库中,这里是 VSI Labs 工程团队测试自动驾驶车辆模块和打造测试车的地方。与会宾客也是来自五湖四海,有前微软高管,模拟工具专家,甚至还有一家隐姓埋名的硅谷新创公司。

VSI Labs 创始人 Phil Magney

VSI Labs 创始人 Phil Magney 表示,这次活动说明自动驾驶行业的力量平衡正在改变,汽车巨头不再是主宰。同时,新型交通生态有了更多新鲜血液加入。

当然,与会者也都有自己的目的,有的是要深入了解自动驾驶技术,有的则是来摸底和探听探听 VSI Labs 到底能提供什么信息和服务。

本文中,其中不乏新的技术发现、业内小道消息和对几位业界大牛的采访。本文由雷锋网编译。

雷诺威深耕 API

雷诺威公司首席商务官 Damien Scott 参与了这次活动,这也就意味着,硅谷的明星公司们也开始投身自动驾驶大潮,它们不但要开发车载软件,还将眼光放在了底层软件上,未来可能会在大数据框架内用抽象层将自动驾驶汽车连接起来。雷诺威称自己的目标是打造一个“自动化按需服务出行系统”。

虽然雷诺威并未公布行动细节,但 Scott 表示:“我们正在开发抽象层,以便让自动驾驶汽车能高效与通讯基础设施进行互联互通。”

现场有人问,雷诺威是否在开发自动驾驶操作系统?Scott 犹豫了一下,回答称“操作系统这个词范围太宽泛。”不过,他还是承认“雷诺威开发的抽象层其实就像安卓之于智能手机。”

“我们的软件可以开发 API,它能调用底层系统,这项技术未来可能会用在自动驾驶汽车上。”Scott 补充道。

雷诺威创立于 2010 年,两位创始人 Christopher Heiser 和 Jason Stinson 分别是公司的 CEO 和 CTO,他们都是硅谷走出来的工程精英。当年 Heiser 在早期拍照手机的设计上积累了丰富经验,而 Stinton 则是英特尔首席工程师,他主导了奔腾芯片的开发。

雷诺威希望自家的自动化按需服务出行系统未来能大规模部署,在车辆、车队和云端都占据一席之地。

以特斯拉为榜样

VSI 举办的这次活动并没有特斯拉代表参与,但在会上透露了各种有关特斯拉的信息(软件、硬件和数据通讯系统)并赢得了各方关注。最近,VSI 还专门租用了一辆 Model S,并对该车的 Autopilot 系统进行了深度测试,VSI 想深入了解这辆特斯拉的架构。

经过数月的学习,Magney 宣称特斯拉已经成了“未来自动驾驶汽车架构的代言人,现在市场上的产品没人能与特斯拉媲美。”

VSI 租用的那辆特斯拉 Model S

Magney 认为,特斯拉胜就胜在 OTA 上。“它是特斯拉 Model S 上迄今为止最有趣的元素,同时它也是车辆架构中最重要的元素。”

“更重要的是,特斯拉在实时记录车辆在道路上学到的经验。”Magney 补充道。举例来说,VSI 租的那辆 Model S 居然在一天之内与特斯拉“母舰”(Tesla Mothershi)交换了 50 MB 的数据,这些数据中有 30% 都流向了“母舰”。

同时,Magney 的团队还发现,特斯拉的 Autopilot 软件每 2 到 6 个星期就会升级一次。

值得注意的是,特斯拉的 OTA 可不只限于记录,用于 AI 算法训练的原始数据,它还能悄悄的记录下传感器的输入和驾驶员的输出,这些数据能帮特斯拉研究更多极端例子。

与市场上其他搭载 ADAS 系统的车辆不同,特斯拉鹤立鸡群主要是因为它用的是一套面向未来的硬件,只需一个升级包这套硬件就能解锁全自动驾驶功能。

特斯拉的全自动驾驶功能基于英伟达的 Drive PX 2 平台,最快今年年底车主就能用上,不过还要花 1 万美元升级才行。这套系统中,摄像头数量从此前的 4 颗增加到了 8 颗。

VSI Labs 团队发现,目前特斯拉的 Autopilot 系统只用到了 1 颗前置摄像头(前置共 2 颗,其他 6 颗摄像头分布于车辆周边和车尾)。

通过对最近几个月 Autopilot 的多次升级进行研究,VSI 工程团队发现特斯拉大幅提升了雷达的性能表现,特别是 8.0 版本。“8.0 版本能从前置雷达访问更多原始数据,而新的软件则能有效处理数据输入。”

这次参与 VSI 活动的嘉宾都挺嫉妒特斯拉,有人甚至称特斯拉能获得现在的优势主要是因为它敢打破行内的所有惯例。

当然,这种做法也会引发担忧。

车辆解决方案首席设计师 Peter Brown 来自英特尔旗下的风河系统公司,他表示:“我们好像从来没听到特斯拉提到自家软件是否通过 ISO 26262 功能安全标准认证。”

事实上,特斯拉根本不在乎 ISO 26262。“为车辆准备了足够的冗余后,特斯拉工程师发现它能在数据通讯系统中使用部分传统技术。”一位与会嘉宾说道。简而言之,特斯拉“一根筋”的研发风格反而加速了它的创新。

模拟工具

Tass International 也参与了 VSI 的这次活动,它在 8 月底刚刚被西门子收购。VSI 是 Tass 的老客户,后者一直在使用该公司的模拟工具测试自己的算法。

Tass 公司销售主管 Jeff Blackburn

Tass 公司销售主管 Jeff Blackburn 表示,类似《侠盗猎车手》中使用的游戏引擎能在虚拟环境中重现真实的世界,但一个基于物理法则的模拟器则必须从一开始就测试算法中的数学模型。

“你不能只改变传感器特性,虚拟世界也需要不断变化,比如增加大雾、雨雪、不清晰的路标和其他驾驶难题。此外,你可以让模拟器连续运行数小时甚至数天,以便检查算法是否会退化。”Blackburn 补充道。

“模拟虽然不完美,但它却能让开发者足不出户测试各种平常难得一见的棘手情况和参数组合。”Blackburn 说。

老牌软件供应商的新动向

参加 VSI 这次活动的软件公司非常多,其中就包括 Elektrobit 的领头人 Walter Sullivan。

Elektrobit 两年前被德国大陆集团收购,这家公司开发车用软件的历史可以追溯到 25 年前。它旗下的软件可应用于联网汽车基础设施、人机交互技术、导航、ECU 和软件工程服务等多个领域。

在加入 Elektrobit 之前,Sullivan 曾在微软担任高管。在他看来,汽车行业最大的变化就是软件与硬件的去耦合。随着车辆逐步电动化,软件逐渐占据上风,成为车辆价值的倍增器。因此,汽车厂商都开始追逐软件平台,就像 API 一样高能与多款硬件一同工作。“自动驾驶和电动车正在改变原有的行业架构。”Sullivan 说道。

Sullivan 称自己参与这次活动主要是为了考察 VSI 的服务,未来 Elektrobit 可能会需要这些服务。

在 Sullivan 看来,VSI 可不是一家传统的市场研究公司。由于这家公司测试、调查和深度分析都亲力亲为,因此它的数据更加可信。与其相反,其他市场研究公司更爱“轻信”别家技术供应商的话,这样的分析结果就没那么可靠了。

上面提到的风河系统公司是另一家参会的软件巨头,该公司首席设计师布朗认为自家团队的价值就是风河的遗产,也就是手上握着的关键软件。“在对待自动驾驶上,我们与对待航空工业持相同标准。”Sullivan 强调称。

风河公司能提供的包括由软件定义的驾驶舱、车辆互联和 V2V/V2I 通讯管理系统等。该公司商业开发部门高管 Brandy Goolsby 表示,公司有信心解决适用于 V2X 的 DSRC 和 5G 标准。前进道路上的唯一阻碍是 WiFi 和 DSRC 之间的频谱分享问题。

交通行业的 Netflix 正在浮出水面

与 Magney 观点类似,VSI 主管 Danny Kim 也将“车队和出行服务”看作自动驾驶汽车时代的经济助推器。

VSI 主管 Danny Kim

Kim 表示,虽然自动驾驶汽车对许多用户来说吸引力巨大,但这可是交通的自动化。未来十多年内,普通人恐怕都不会花钱购买 Level 4 和 Level 5 级别的自动驾驶汽车。

对汽车厂商来说,它要两手抓,不但要力推搭载 ADAS 功能的车辆,还要拿出重量级的全自动驾驶汽车。这两类产品虽然要平行推进,但它们面对的是两个完全不同的市场。

在 Kim 看来,“共享出行和自动驾驶汽车两股风潮正在逐步融合。共享出行搭建了舞台,为未来的自动驾驶汽车共享服务创造了极大的需求。”

他表示,自动驾驶汽车将为“交通行业的 Netflix”趟出一条路,未来按需服务也会成为交通行业的标准商业模式。

有车载技术就够了?

除了车载技术,技术供应商和立法者认为基础设施也是自动驾驶腾飞的必要条件。Kim 就提出了大量问题:

1. 自动驾驶汽车需要更多车道吗?

2. 我们还需要交通信号灯吗?

3. 高速路上还用分车道吗?

4. 车道标识还有存在意义吗?

5. 路上的坑洼怎么处理?

6. 私有车辆会彻底从城市消失吗?

7. 是否需要为自动驾驶汽车划出专用车道?

此外,来自 VSI 的 Kim 还指出,车载技术和基础设施创新也是自动驾驶技术的一大助推力量。

3M 公司已经开始测试新的交通标识材料,此外它还试图在交通信号中插入条形码信息,这些信息只有自动驾驶汽车能读懂。条形码中不但可以加入精确的 GPS 坐标,还能融入交通灯警告,让车辆在关键信息上有更多冗余。

VSI 也要造自动驾驶汽车?

VSI 的自动驾驶和 ADAS 开发时间线

VSI 扮演的角色也很有趣,它不但在模拟、测试软硬件和自动驾驶开发套件,还亲自上手参与了 ADAS 和自动驾驶技术的开发。

同时,VSI 还手握算法开发模拟器,它搭载开源车辆控制系统的的起亚秀尔测试车也已经上路。最近,VSI 还给那辆起亚换装了英伟达平台。也许这家咨询公司未来也会成为自动驾驶行业不能忽视的角色。

雷锋网推荐阅读:

专访 Waymo CEO,这家自动驾驶领军企业到底藏了什么秘密?

雷锋网

独家 | 光电行业老兵创办Cepton,一年推出2款激光雷达,最远检测300米

外界最早知道激光雷达公司 Cepton,或许源自今年 3 月 Theinformation 上的一篇文章 Key Sensor for Self-Driving Cars is in Short Supply

文章对 Cepton 的描述虽是一笔带过,但却十分有信息量:Cepton 拥有多名来自 Velodyne 的工程师,颇为神秘。据可靠消息,Cepton 的激光雷达已经正式出货。

这家成立于 2016 年的激光雷达公司,由 4 位来自斯坦福大学背景,并有丰富经验的半导体行业老兵创立。目前团队规模 30 人左右,但还在快速成长。据雷锋网了解,Cepton 目前主要供货给美国硅谷、亚洲(日本、新加坡)和德国客户。今年 5 月,在英伟达 GPU 技术大会上,Cepton 还推出了远程广角激光雷达。

Cepton 的核心技术是激光发射和传感阵列——帮助激光雷达获得高分辨率图像。对于大部分激光雷达(尤其是旋转激光雷达)而言,垂直方向的分辨率一直是一个软肋,但 Cepton 激光雷达的垂直方向分辨率可以达到对手 4 到 5 倍。

Cepton 表示,他们的激光雷达产品功能类似相机或人类视觉系统,能将像素集中成前视视角。而其他激光雷达产品依然在采用 360 度视角。

「这种新的解决方案更能满足未来自动驾驶汽车的需求,因为人们不喜欢车顶上有一个不停旋转的传感器。」Cepton 联合创始人兼 CTO Mark McCord 此前在接受媒体采访时表示。

Mark McCord 曾是斯坦福大学教授,在 Linkedin 上,他是这样介绍自己的:纳米技术、纳米制造、电子光学领域的专家, 核心优势是将前沿研究转换为实际产品。在与其他联合创始人创办 Cepton 前,他曾在全球前十大 IC 设备生产厂商之一的 KLA-Tencor(科磊半导体)担任研发负责人。

按照计划,Cepton 将在 2018 年完成车载激光雷达的可靠性测试,2019 年开始与汽车厂商进行联合系统验证。Cepton 有自己的生产工厂,同时也正在寻求合作伙伴生产激光雷达,最终与它携手的可能是一级供应商或是代工厂。

今年 9 月,Cepton 在全球最大车展之一的法兰克福车展亮相。在这期间,Cepton CTO Mark McCord 向雷锋网谈起 Cepton 目前在激光雷达领域的进展。

犹抱琵琶半遮面,这是 Cepton 给人的整体感觉。就连 Mark 自己也承认 Cepton 是一家非常低调的公司。比如,这家公司的 CEO 就颇为神秘,你甚至找不到他的相关资料;由于 Cepton 申请的五项核心专利需要「自申请日起满 18 个月才能对外公布」,所以我们这一次并没有谈到太多技术细节。 

*Cepton 目前推出两款产品的相关参数

以下是雷锋网与 Mark McCord 的对话实录(有删减):

谈团队

雷锋网:介绍你们的团队。

Mark McCord:我们的核心团队是由 4 个毕业于斯坦福大学电机系、电子工程系的人组成,所学专业与电子光学相关。我们在这个行业待了差不多 20 年。

Cepton 是一家非常低调的公司,我们的目标是将产品拿出来销售,然后赚钱。现在我们已经有了营收。

雷锋网:Cepton 的产品已经开始对外销售,目前你们的产品除了用在自动驾驶,还应用在哪些方面?

Mark McCord:自动驾驶领域很少,实际上一半以上是这个领域以外的。激光雷达很有意思,我们的产品卖 6999 美金,利润(margin)非常高。所以从这个角度上来讲,赚钱是公司的第一位,能赚钱说明可以占据市场。

凡是激光雷达应用的行业我们现在都有切入,包括安防系统、机器人、铁路、测绘等领域。Cepton 成立一年零一个月,还不能说有成规模的应用。我认为需求量在千台以上才叫「成规模。」

雷锋网:如何看待对自动驾驶这个市场?

Mark McCord:我觉得自动驾驶市场,就像共产主义,是一个非常理想化的东西。

在汽车行业,我们希望先从主动安全系统(active safety system)切入,之后再切入全自动驾驶汽车(full autonmous vehicle)。

马上做一个完全自动驾驶汽车能在中国、印度的路上行驶,我觉得挑战性相当高。但为汽车开发一个主动安全功能(active safety feature),我觉得现在的技术已经到位。而且,等我们的产品变成车规级,用在主动安全系统上,我相信很多人会从中受益。

雷锋网:你们当初是怎么发现激光雷达这个市场并决定创业的?

Mark McCord:我的一个合伙人是非常资深的雷达行业从业者,当时有一个机缘,一个大公司请他去担任激光雷达顾问,主要工作就是去全球寻找又好又便宜的激光雷达。当时他花了大量时间,却始终没发现「又好又便宜的激光雷达」。这让他看到市场上有一个真空,后来我们一拍即合就创业了。

Cepton 创立的初衷是想做一个「又便宜有好用」的激光雷达,我们第一步就是在一年以内将这个产品做出来并对外销售,现在已经实现了这个目标。

雷锋网:为什么当时没有「又便宜又好的激光雷达」?有哪些因素制约?

Mark McCord:在创业的过程中,我们发现激光雷达还是有一定的门槛。你需要很懂技术,要有资金,要有合适的人,还要有一定对应的市场支持你。

这些条件,可能在过去,在 2015 年以前都不具备,能把这些东西凑到一起不是特别容易。

雷锋网:Cepton 的产品是安装在车顶还是哪里?

Mark McCord:这个要根据不同要求。360 度成像只有一个地方可以安装,就是车顶。但安装在这个位置会存在几个问题:一是影响整车的美观度;二是破坏整车的流线型;三是放在车顶会存在限高和盲区问题。

所以我们不觉得 360 度(旋转激光雷达)在将来是趋势,而是类似摄像头固定在汽车某一个位置才是。等到激光雷达成本降低、体积变小的时候,这种激光雷达可以安装在车身不同的位置。比如,车灯或是后视镜里。

谈合作伙伴

雷锋网:目前有哪些能公开的汽车方面的合作伙伴?

Mark McCord:因为我们这个产品已经开始对外销售了,已经被一些主流的客户接受成为他们下一代汽车激光雷达,所以这是一个挺重要的事情。

我们现在完全是互相保密的阶段,目前能透露的是汽车合作伙伴还在合作过程中。

雷锋网:比如汽车行业的合作伙伴,使用 Cepton 的产品或者测试之后,有怎样的反馈?如何优化产品,更符合他们的需求?

Mark McCord:大部分是产能的反馈,比如一天能做几个。

我们下一步,到底是建一个大工厂,还是与一个像富士康一样的公司合作代工,现在已经在讨论阶段了。但具体什么结果,我现在还不好公开。具体产量是多少不能跟你说,目前比较敏感。

雷锋网:说到一些合作伙伴,可能比较关注于你们的产能如何。难道他们不关心产品性能?

Mark McCord:性能当然会关注。作为硅谷的新创公司,第一个要做的,永远是产品性能,如果性能不能比其他家好,那这个公司就没有再运作的必要。

目前哪个激光雷达可以测 300 米?哪个激光雷达有 0.2 度的水平与纵向分辨率?在这方面,我们已经处于领先位置。

雷锋网:一些汽车行业的合作伙伴,他们对体积有什么样的要求?

Mark McCord:如果你问任何一家车厂或者是 Tier 1,需要做多大的激光雷达就满意?他会说做到蚕豆大小。但有很多技术原因使得我们目前做不到这么小,这种问题很难说有一刀切的回答,他们的答案永远是越小越好。

雷锋网:可否讲讲 Cepton 与 Clearpath Robotics 的合作?

Mark McCord:这已经触及到了汽车领域以外的应用,Clearpath Robotics 是做机器人的,这个大行业我们也很看好。

作为一个三维传感器,激光雷达有很多应用,我们与 Clearpath Robotics 也是刚刚开始合作。他们有两个部门,一个部门是代理,在日本,新加坡、北美这些地区代销我们的产品。另一部门是我们有一些项目在合作。

谈产品

雷锋网:Cepton 的激光雷达是什么技术路线?Cepton 用一种 Micro-motion 来替代旋转部件,能具体介绍这种技术吗?

Mark McCord:我们的技术路线与 MEMS 是最相近的,但又不是 MEMS。Micro-motion 就是微动原理,但我们没有采用一个 MEMS 的器件,我们全是用自己的器件来开发的。

Micro-motion 就是我们自己的发明,去年公司成立的时候,有五项在美国申请的专利。由于专利批下来需要一段时间,一般是 18 到 24 个月,所以在专利没下来以前,我们还不能对外讲这些专利细节。

Micro-motion 到底是怎么做的,还请耐心再等 6 个月,到时候我们可以一起讨论。这是一个挺有意思的过程。

雷锋网:Cepton 推出两款产品,一个是 80T,一个是 80W。能否简单介绍?

Mark McCord:T 是 telephoto lens(望远镜头),W 是 wide-angle lens(广角镜头)。T 代表看得远(300 米),分辨率高;广角代表看得宽,但是它看不了那么远(150 米)。

雷锋网:产品逻辑上,为什么从一开始会设计长距离和宽视野两个版本?这样做的好处是什么?

Mark McCord:与照相机是一个道理。你出去照相的时候,要带两个镜头:一个是广角镜头,一个是长焦镜头。前者能看更宽的视场,后者可以调焦看到很远,这两者是一个非常自然的结合。

雷锋网:接下来还会有哪些产品?

Mark McCord:我们的技术路线是这样的:第一是性能,第二是体积,第三是成本。我们会针对这三点进行产品迭代。

雷锋网:Cepton 激光光源用的是 905 nm。据我们了解,要用 1550 nm 的激光光源才可以探测到 300 米。Cepton 的产品可以做到探测距离 300 米,这个距离是怎么做到的?

Mark McCord:激光雷达分两部分,一是发射部分,二是接收部分。

发射部分,因为在 905 nm 的范围内对人眼安全有要求。所以发射的功率都是一样的,没什么创新可做。能发挥的就是接收部分,谁能把这部分做得更灵敏,把太阳光去掉,把杂质压到最低,能有更巧妙的算法算出点云。这些才是关键。

为什么有人说要做 1550 nm,因为它对眼睛是安全的,可以发射无穷功率,但成本摆在那里。

我们做的是一个在眼睛安全的情况下,把所有的功夫都花在怎么做探测上,如何用最好的办法把所有有效的光吸收起来,变成有效的电信号,然后取出点云数据,算出精确的距离。这个关键在于接收部分。

*图片来自 Cepton 官网

雷锋网:你们提供的是激光雷达解决方案,除了硬件,还向客户提供哪些软件?

Mark McCord:我们是一个硬件公司,这并不是说我们没有软件能力,我们有自己的软件团队。

作为一个传感器公司,我们最注重的是「什么情况下能赚最多的钱。」答案显而易见,就是卖传感器。目前我们的一些辅助软件是免费赠送的。所以,在商业上我们重点还是硬件。

雷锋网:作为一家硅谷公司,未来有打算进入中国市场?

Mark McCord:我们现在的侧重点还是在美国、日本和欧洲市场,对于中国市场还会再缓一缓。

首先,我们产能有限;第二,如果我们搞定比如日本,德国这些车厂,就能起到示范作用,到时中国车厂自然会跟进并且接受我们的产品。

雷锋网推荐阅读:

先站住、后站高、再赶超,速腾聚创在激光雷达领域的三步走

从测绘到无人驾驶,北科天绘如何“卷入”激光雷达的狂热竞争?

激光雷达公司Innoviz完成6500万美金融资,它的中国投资人如何评价这匹黑马

独家 | 探访Velodyne LiDAR,看看这家全美最紧俏的汽车技术供应商是怎么做生产的?

LiDAR 创业还有机会吗?这家公司想凭单线激光雷达杀出重围

独家 | 进击的Quanergy:量产固态激光雷达,重仓软件,我们要把中国做成最大的市场

雷锋网

关于刚刚更新的阿波罗1.5,最核心负责人做了这些详解

*Apollo 平台总负责人 李震宇

9 月 20 日,百度推出了阿波罗1.5 版本。开放两个多月后,阿波罗平台增加了 65000 行代码,生态合作伙伴更新到了 70 多家,并开放了障碍物感知、决策规划、云端仿真、高精地图、端到端深度学习五种能力。

同时,占据投资方优势的百度,将激光雷达厂商 Velodyne 的优先供货权分享给了阿波罗生态合作伙伴,并从 Velodyne 那里争取到了一个“百度价格体系”。

同样值得注意的还有早前公布的阿波罗基金。百度副总裁邬学斌现场表示,平台正在与长江产业基金会合力组建 100 亿元规模的基金,将在未来三年内,扶持 100+ 的生态合作者和贡献者。

阿波罗这场“局”究竟能攒多大还未可知,但百度先以这些展示了自己的诚意。

发布会后,百度副总裁邬学斌、阿波罗平台总负责人李震宇、阿波罗技术负责人王京傲共同接受了雷锋网在内的多家媒体的群访,将关于阿波罗与百度自动驾驶的各种疑问一一做了详解,包括正在募集的 100 亿阿波罗基金,负责管理决策的阿波罗董事会,团队对商业模式和数据安全性的考虑等,而关于平台从 1.0 到 1.5 迭代过程中的协作和技术难题,以及百度与国内车厂的后续合作,三位核心负责人也给出了更多可参考信息。

以下为采访实录,雷锋网做了不改变原意的调整:

问:刚刚提到阿波罗要成立 100 亿的基金,这个钱未来会怎么花,怎样选择投资标的?

邬学斌:关于 100 亿的资金,也许刚才没有说清楚,百度 Apollo 将关注和参与投注这条产业链上的开发者生态、数据生态、硬件生态和场景生态,凡是我们认为好的都会支持。今天我讲和 Velodyne 是买卖关系,并不是 Apollo 的前期投入,这样好的硬件,我们希望能够多多出现,这就是以后我们 Apollo 基金未来投入的方向。

说标的要讲得很清楚,但我们面临的是新的科技,从传感到计算,很多东西未来几年的变化和发展非常大,如果今天制定一个非常明确的标的,既没有这个必要,也不可能制定出来,我只能说我们的投资方向是为了活跃整个 Apollo 社区。

问:Apollo的基金,百度是完全自己出资,还是仅仅扮演管理决策的角色?  

李震宇:Apollo 在 4 月份要开放的时候,有很多产业基金以及外面的一些钱想过来做这件事,目前还有很多比较热情的,排队的。大家整体是看好这个方向,第二是比较认可 Apollo 这个理念,愿意把钱放过来。整体来说不是百度自己的钱。

问:基金现在已经募集完了吗?

李震宇:目前有一些是计划中,未来三年想募集一百亿。

问:百度相当于 GP?

李震宇:对。

*百度副总裁 邬学斌

问:Apollo 如何在两个月内快速实现从 1.0 到 1.5 的迭代,1.5 的版本在整个路线图里扮演了什么样的角色?

王京傲:前面讲了,7 月 5 日我们就定下来要在 9 月份发布 Apollo1.5。7 月份发布了 1.0 版,实现的是固定车道循迹驾驶,9 月份发布 1.5,实现的是固定车道行车,12 月份我们还会再发布一款,这是早就定下来的。这是第一的原因。

第二个原因是,Apollo1.0 发布以后,开发者有 6000 多人,他们提了很多问题,其中一个就是希望能够看到更多能力开放。1.0 开放的能力是固定车道,定位,控制,中间的 open system,1.5 则开放了五大新的能力,包括非常核心的 Apollo 无人驾驶的眼睛,就是障碍物感知,包括决策规划、高精地图,这些能够加速迭代,也是开发者在与我们的沟通中非常强调的。我们是在倾听开发者的过程中,尽快释放出去。

两个多月的时间,阿波罗新增了 6 万多行代码,这些都是 GitHub 上所有开发者可以下载使用的。1.0 是将百度原来无人车、自动驾驶、智能汽车等很多积累的技术开放出来,包括代码里面包含的 IP,关键的专利点,这都是基于百度多年的积累。

问:百度在美国和中国的团队有什么差异化的对比?两边有分工吗?

王京傲:关于这点,我们也写了是“昼夜兼程”。我本人是在美国硅谷,百度在硅谷有相当大的团队,在北京总部也有,咱们这早上 9 点是美国的下午 6 点,差 15 个小时,我们是白天在这边开发,晚上在那边测试,白天那边开发,晚上这边测试,滚动式的。所以我们能在很短的时间内,基于 Apollo 的技术,开放这些代码。

我们有比较多的分工,但是是一个团队,同时也有很多活动和测试。

问:Apollo 从 1.0 到 1.5 的过程中,有没有预期之外的问题?

王京傲:研发方面既有意料之中的,也有意料之外的。

意料之中的是,我们非常明确地知道要开放障碍物感知,这样才能识别前面的车辆和行人,我们也知道需要决策规划、高精地图,才能实现跟车,知道车道在哪;意料之外的是,开放了端到端的感知能力,这是提前开放的,因为开发者想要更新的尝试。

同时再将整体集成到一块,包括感知,决策规划,高精地图,仿真平台,跟我们内部完整的也不太一样,为了考虑开发者的接受程度,我们做了相当多的调整,花费的这些额外精力是我们没有想到的。

另外,开放过程中牵扯到很多专利,每一项专利都要仔细和专利局谈判。

问:仿真平台和高精地图都花费了巨大成本,开放后我们可以得到什么?

邬学斌:当然会有来有回,百度是一个上市公司,不管从哪方面讲,我们对盈利都有一定的预期目标和要求。做事情首先要有目标,如果没有价值,你的东西白送都没人要,那又如何盈利?

第二点是,Apollo 也好,自动驾驶也好,现在正处于一个产业起步期,必须有一些人作出牺牲,6.5 万条代码白给出去了,这不是牺牲吗?这里面有大量的人工以及更重要的成本在里面,这个牺牲必须要认可。但是牺牲之后,百度 Apollo 并不是没有考虑未来的商业模式,我们就是看怎么赚钱。因为这方面不便于透露得更细,只能讲一个原则,未来百度 Apollo 的引领模式就是从云端提供服务。

*Apollo 平台研发负责人 王京傲

问:现在在数据共享方面有没有担忧?

李震宇:数据方面的问题一般是两点,一是安全性,我们拿到这个数据之后,会不会给别人。百度 Apollo 非常注重数据的保护,肯定会在得到授权之后才共享出来。

第二是数据贡献到 Apollo 平台后,怎么从中收益。目前整体上为了驱动自动驾驶技术快速发展,数据至关重要,我们希望大家是在一个封闭体系内,没有涉及那么多隐私和安全问题。

我们设立的机制是开发者贡献数据,平台返还两份的数据,比如说贡献一个路口的数据,或者一份比较危险的交通事故场景,平台返给你两份,这样才会使技术推进速度更快。基于这些,首先是我们开放,开发者贡献,我们会给予更多。

邬学斌:Apollo 里面还有非常重要的一点,是要分清楚 Apollo 和百度的关系,百度不等于 Apollo,第一次发布会中已经发布了,Apollo 将会由 Apollo 董事会进行管理,所以很多规则并不是百度一家来制定,而是 Apollo 董事会制定的,这样很多人就不需要有担忧。安卓是谷歌百分之百控制,那个社区不也挺好?更何况 Apollo 不是百度一家控制的社区,这也是这两个月来我们忙得要死的原因。  

问:Apollo 董事会的构成是什么样的?它的日常工作将决定 Apollo 是一个什么性质的实体?

邬学斌:按照传统董事会的概念来讲,Apollo 董事会这个叫法并不是很准确,因为它不是一个实体公司,说是董事会,实际是一个管理委员会,或者是执行决策委员会,它的组成是由你看到的(阿波罗平台中)这些公司推荐的,我们有一套推荐的程序和要求,而且每年进行变更,有 14 个席位,是 Apollo 的最高决策机构,下面有很多的技术委员会。这个董事会或者叫什么也好,不做技术决策,技术是在各技术委员会里面进行决策,董事会可能主要起管理和协调方面的作用。

问:Apollo 计划之前,我们跟国内的车厂,比如奇瑞、比亚迪都已经有了自动驾驶方面的合作,Apollo 计划公布之后,百度跟他们的合作内容有什么具体的变化吗?

邬学斌:变化还是有的,但是这个变化核心不在于 Apollo 和非 Apollo,奇瑞接触的还是我们这帮人,技术还是这些技术,但是有一个地方的变化,对目前的产业影响会比较大。整个行业对 L1、L2、L3、L4 的认识发生了变化,以前认为 L2 到 L4 中间是上不去的,是非黑即白的选择,有人选 L4 就不可能做 L2、L3。

通过大家的实践,我们发现这里面不是非黑即白的选择,而是可以有一个渐渐演变的过程,在过去半年的产业界中,这点使得很多企业在做技术方向决定的时候发生了重大变化,不像以前,你做 L4,我做 L3,我们好像敌人一样,你太 low 了,你做 L3,看我多高大上……现在这种想法基本没有了,这是最重要的变化,而不是说百度自己怎样,Apollo 怎么样。

我们跟奇瑞这种合作伙伴的关系一直维护得很好,产业的变化和技术的深入探讨越来越多。奇瑞也是企业,也要考虑到远期怎样,近期怎样,远期和近期的技术投入与产品推出有平衡关系,并不是以前我们只做 L4,不做智能驾驶,我们的名字是智能驾驶事业部,不是自动驾驶事业部。随着客观世界的认识变化,会有一些改变。

问:这是认识上,投射到具体行为上,跟他们有 L2,L3,L4 多个层次的项目合作吗?

邬学斌:是有项目在开展的,都有在进行,他们不让说,我也不能说。

问:之前百度跟奇瑞在芜湖有一个自动驾驶的试运营区,现在项目进展如何?

邬学斌:还在进展,这个不好在媒体上说,有一定的困难,但是这个困难不来自奇瑞,也不是来自百度,来自于法规。

雷锋网推荐阅读:

《新增6.5万行代码,开放5大能力,激光雷达优先供货,今天的百度阿波罗更新有哪些亮点?》

雷锋网

“攻克”天猫超市、苏宁等电商之后,Geek+首度进军商超零售

六月中旬,郑勇告诉雷锋网,Geek+的仓储机器人目前已在天猫超市、唯品会、苏宁等国内多家主流电商的仓库已经实现商用。

但他没说的是,今年 5 月,Geek+已经与国内某大型商超零售企业进行合作,规划部署了“货到人”的机器人仓库。Geek+方面告诉雷锋网,该项目已于 7 月开始正式运营,现场施工时间为 40 天,而从确定方案到上线总共不到 3 个月。同时,这是“货到人”机器人系统在零售行业的首次应用。

在商超零售行业,传统的“人到货”物流模式下的人工成本的投入高,仓储作业效率低下,从而也不可避免地会影响整个行业的发展。而目前的“货到人”模式则在很大程度上解决了这一问题,仓储机器人系统可以通过库存管理、订单管理等不同任务整合形成一整套解决方案,从而在在上架、理货、订单拣选的环节中大幅提升作业效率。

据雷锋网了解,商超零售行业商品类目以食品类为主,而仓储机器人的作业信息主要为 B2B 门店的订单拣选。在商超零售行业的仓储场景中,采用存拣分离模式,可在存储区放置高位托盘整箱存储,而在拆零拣选区放置拆零商品做零拣的订单履行,SKU 数约为 3500。对于此次该企业仓库项目,Geek+一期仓储机器人的部署数量了 30 余台,货架数量有 400 多组,储位数量约为 12000,这样每个工位的规划能力为 300 行/小时,相当于传统人工作业效率的 3 倍。

针对商超行业特有的仓库作业特点,Geek+机器人系统实现了多批次、小批量的门店补货,从当日配送的全部门店数量的 40% 提高到 70%,来响应未来门店配送目标,同时也减少了库存量,保证门店业务的发展。

除了上述特点外,机器人仓库“货到人”解决方案还有以下几方面优势:

  • 柔性拓展:随着业务量的增加,工位和机器人数量可随需而变。

  • 提高存储密度:机器人拣选系统的存储能力比普通隔板货架高约 35%,且整个仓库没有拣货员行走,无需设立过多主通道;其次,可随机存储的方式将同一种商品分散到不同货架的不同货位,提升了库位利用率。

  • 存拣一体流程化:目前的传统仓库拣选主要分为上架、补货、拣选三个环节, 而机器人仓库设立了机器人托盘存拣一体区以及机器人拆零存拣一体区。

  • 业务流程层面的优化:可根据门店订单波次以及业务特性,动态调整货位位置,根据不同商品 SKU 的热销度来安排货架位置,最大程度优化机器人搬运距离;其次,机器人系统也可根据不同作业的业务点切换不同流程,比如工位模块可在上架、拣货、盘点中切换,流程可切换为日常流程和促销流程。

就 Geek+机器人系统而言,总体上由机器人、拣选工位站、后台管理系统及充电站共四大部分组成。据 Geek+内部人员介绍,该商超项目的仓库此次部署的仓储机器人型号为 P500,最多可承重 500kg 的物体。它采用了二维码导航、红外避障技术,具有自动充电、无线通信等功能,可支持多机器人交互学习和信息融合。

而机器人后台管理系统则可实现机器人和货位动态管理,比如可根据商品的热销程度进行实时的库存布局优化、订单顺序优化以及路径规划等。

上述内部人士进一步介绍说,他们的机器人调度平台、智能仓库管理模块都可根据不同业务场景实现各种优化策略。其算法仿真平台则由全局聚类、动态批次、关联挖掘和聚类分析三种优化策略。

由此,智能拣选系统通过移动机器人搬运货架实现了“货到人”的拣选,随后仓储机器人配合后台系统最终完成自动拣货任务。当然,拣选人员也需借助显示屏和播种墙电子标签的提示,以在指定货位拣取相应数量的商品放入订单箱。

当下的解决方案也并非是完美的,在未来二期项目新仓的布局中,他们将增加大仓解决方案,整箱拆零合并作业,以及实行前置仓智能拣选等方案,来最大程度上实现仓库自动化作业,从而为客户提供更加完善的智能物流解决方案。

与其竞争对手相比,与 Geek+处于同一赛道的公司在技术也许相差无几,尤其在电商零售领域,后者表示,“国内能和我们并肩的大概只有一两家,我们更多在项目运营能力和经验上是领先的”。之所以这么说,也是因为 Geek+机器人系统涉猎行业范围广泛,已有电商、零售、医药、邮政、3PL、工厂等多个应用场景。

Geek+方面认为,在新零售、智慧物流这样一个发展浪潮之下,智能仓储在行业发展中的作用会愈加凸显。从业务发展的趋势来看,其内部人员表示,随着 SKU 的增量及动态变化越来越快,门店订单会趋向于多频次、少批量,另外,当日达所带来的存储坪效及人效等都会成为联合创新布局新物流的先导因素。

而在工业 4.0 这个大环境维度来看,企业也会更多寻求智能物流变革以构建新的竞争优势,尤其随着劳动力成本逐年攀升,仓库运营管理压力增大的情况下。

雷锋网

电信云吴章先:既是数据“土豪”,又怎能不“玩”数据生态

雷锋网按:近日,T11 2017 暨 TalkingData 智能数据峰会在京举办。本届大会以“知机识变,有唐之盛”为主题,有来自不同行业的数据科学家、分析师、企业管理者参与,共同探讨大数据与行业结合的技术趋势、场景应用、前沿案例,助力传统企业转型为数据驱动型企业和,推进行业生态建设。

其中,在智能数据服务分会场,电信云大数据事业部副总经理吴章先分享了电信云在开放共享、共建数据生态方面的经验。

在天翼大数据方面,吴章先表示,在建构大数据能力上有以下三个方面较为关键:

第一,分布式数据中心。所建的大数据分析节点需要区域化,甚至有多个节点,不同层级。

第二,数据层面。所有应用服务提供商或行业数据能力提供商,他们的数据维度一般是依托于生态链或应用服务产品。运营商数据源基本上覆盖了广泛领域,但在数据方向的深度还需要进行挖掘。

第三,建立数据平台。由于电信运营商的特点是整个数据产生的节点分散、规模巨大、种类多,所以要有卓越的数据治理和平台运营能力。

而在构建数据生态上,在他看来,“在大数据开放合作领域里,这两年我们看到从整个行业生态上,离真正数据打通还比较远;其次,如何通过平台赋能,来实现真正数据的开放融合也是目前难以解决的问题。”,这些挑战都需要在未来引起重视并找到有效解决方案。

以下为吴章先演讲内容,雷锋网做了不改变原意的编辑:

在三年前,我参加中国营商大会,听了 Google 一位总经理介绍大数据领域里面土豪的时候,画了四个象限,把三个运营商划到了土豪象限里面,就是拥有数据,不怎么会玩。

经过这三年时间,我们在逐步摸索,利用运营商已有的一些数据成果,去想怎么更好的服务社会。在这当中,我们也发现整个数据如果不进行打通,或者仅仅以某一个企业自有数据去做很多服务时,都会或多或少碰到一些问题。

首先,给大家介绍一下天翼大数据的情况,第二,站在平台角度看一下我们如何构建数据生态。

天翼大数据发展概况

大家最早用固话,都是用电信的固定号码,现在也有一些移动,以及在很多家庭里面用的 IPTV,包括酒店里面用很多内容的机顶盒,都使用的是电信的服务。所有这些服务里面都脱离不了最重要的基础,很多企业在大数据领域的经验,他们所做的所有应用,所有大数据分析能力,实际上都要构架在一个基础设施上面,而中国电信拥有全球最大规模的大数据基础。

从我们目前跟很多行业专家、行业技术团队沟通时,发现有几个方向可能在未来在建大数据能力方面是比较关键的:

第一,分布式数据中心。可能我们所建的大数据分析节点需要区域化,甚至多个节点,不同层级,包括我们今年跟国家几个部委沟通时,都发现有这样的需求。电信的“2+31+X”的技术机构,再加上我们已经在数据中心专门承建 DCI 网络,能够满足大家的需求。如果大家了解的话,应该知道中国电信最早 163 到企业 CN2,到现在 DCI,有三张底层的骨干网支撑大家的基础能力。

第二,数据层面。所有应用服务提供商或行业数据能力提供商,他们的数据维度一般是依托于生态链或应用服务产品。运营商数据源基本上覆盖了广泛领域。从接入层面来讲,不管是家里的宽带,通过移动网、IPTV以及其他一些设施在接入运营商服务还是其他行业服务时,都会有大量数据产生,这也是我们运营商本身在数据源的优势。整个覆盖层面,不管是在时间空间上,还是本身使用场景上,都是比较全面的。

现在在数据领域里,运营商的数据具备数据面比较广,但是它的数据在某一个方向深度不够的特点。目前,天翼云已经累计超过 30 个 PB 的数据,日处理量超过 200T。

第三,要处理这些数据,就需要有一个能力强大的平台。我们有卓越的数据治理和平台运营能力,因为电信运营商的特点是整个数据产生的节点分散、规模巨大、种类多,所以我们在数据治理、数据平台运营上积累了很多经验。

经过这三年的治理,我们形成了一个非常稳定的数据生产线,在很多行业,目前尤其跟我们比较类似的一些部委,如卫计委,他们的数据跟我们特点非常相似,需要有一整套设施来帮助进行处理。

此外,依托这些数据,已经形成了非常多的产品和解决方案。我们在三年里有 4+1 产品体系,十大行业解决方案。从我个人经验来看,在 2015 年刚发生上海踩踏事件时,利用我们的数据帮助政府做人流热图,2015 年开始,我们发现在景区旅游,依托运营商数据可以做很多事情。

今年我们发现通过一些数据打通,包括我们在景区里面跟 TalkingData 进行合作,把一些互联网数据和运营商数据结合,通过更好的数据模型能够更精准预测或分析出景区人群整个情况。现在,我们还在更宏观的一些领域和更微观的领域有了更好的发展。

4+1 产品体系里,现在有一个底层 PaaS 大数据分析平台,叫飞龙平台,是云数一体的大数据平台。这里不仅仅是云端,大家可以利用这个数据平台进行相应数据分析,进行数据产品化,进行数据对外输出,这个大数据飞龙平台也可以提供给相应企业、相应合作方,部署到他们自有的企业IT设施里进行业务的支撑。

如何构建数据生态

回到今天的主题,我觉得一下几个观点非常正确。首先,现在在大数据开放合作领域里,目前就我个人来看,还是处于非常初级的摸索阶段。我们都非常希望数据流通、数据安全、数据隐私等等问题能够通过很好的方法来解决,但实际上,这两年我们看到从整个行业生态上来看,离真正数据打通还比较远。我们看到几个重要的问题里,从能力支撑到平台,到数据,到安全,可能首先要从基础的能力上去解决,这也是我们今天在第二部分里面给大家去分享的。

其次,如何通过平台赋能,来实现真正数据的开放融合。用区块链的技术,能不能解决在数据分享里数据流通性、安全性问题,因为数据本身是可复制的,一旦进入流通环节,数据价值马上会以指数级别消减。这个问题我们看到所有拥有数据的公司非常关注,这也是难以解决的问题。

在过去三年时间里,我们对数据,通过平台来进行相应的安全性加固、安全性运营,同时我们也跟很多行业合作伙伴进行了相应尝试。通过在平台功能上、规则上、管理上的措施,已经看到了怎么能够真正把数据流通做下去。

目前,我们在天翼云整个云端平台上提供了一个一站式开放服务,包括给数据提供方、产品开发者、客户提供了完整的一整套业务支撑体系。我们坚持一个原则,数据拥有方对数据加工、数据开放、数据的运营,拥有绝对的权力。也就是说数据拥有方在我们平台上上传数据,对这个数据进行加工操作,都是数据拥有方自己去处理的。在上面,我们也提供一整套完整的,包括开放运营、安全的整套机制。

在平台保障上,通过运营商强项,在运营服务上给我们的合作伙伴、数据合作方提供相应完整的服务,不仅仅是有运营服务,还有平台能力服务,还有一些产品开放策略。过去三年,中国电信天翼云针对我们的数据,已经形成了一整套机制,形成了相应服务能力,给我们的合作伙伴进行开放。

在策略上,我们在整个平台里形成了五分一统,很多数据拥有方,尤其是党政企业,还有国企,他们的数据本身在数据IT能力上面略弱,我们通过整套机制,从分类、分级、分型、分布、分权已经把数据整个加工、数据处理、数据开放形成一整套管理手段。在对外输出时,通过统一出口,使得我们数据应用方在对外服务的时候,能够实现可管、可控、安全可靠,能够使得我们通过这个开放平台,快速的把数据合作、数据共赢、数据融合做下去。

运营保障体系上,通过完善大数据的开放运营,从业务切入详细去帮助应用需求看它对数据的分析,在运营闭环上,通过各个不同数据环节,我们在审计安全上,在日常运营维护上,是否可靠,是否正常。我们在对外服务方面,也有很多不同的方式,不管是云托管方式还是私有系统方式。在底层,我们有弹性的成长过程,数据从一个节点到另外一个节点,甚至多节点服务,依托中国电信云网融合的方式都可以很方便、很快速的支撑。

我在过去交流所有场合里,大家最担心的还是安全问题。对有一些企业来讲,安全性问题意味着财富,意味着资产流失,对有一些企业或政府来讲,安全性问题意味着他头上的乌纱帽或屁股下面的位子,大家非常关注,每一次决策都非常谨慎。我们在整个天翼云大数据开放平台上,平台赋能很关键是在安全上提供全生命周期的安全保障,不仅仅是从I层,从物理安全保障、网络安全保障、主机级安全保障、应用级安全保障方面,提供整个安全服务能力。

此外,我们对应用的全周期也是提供相应安全服务。这种安全服务不仅是在技术上进行体现,同时也从我们管理机制,同我们整个对数据加工的分级分权,以及数据加工一整套安全流程去保障。

进行了所有安全加固以后,会带来一个问题,我们在数据分析时,冗余度或灵活度去哪里了?中国电信大数据平台上,有一个有效的机制,通过互信融合,当我们需要对比较原始的数据进行融合分析时,比如 A 客户数据和 B 客户数据要在一起进行分析,然后产生最后的分析结果,这个时候怎么办?

我们会在平台上分配一个临时空间,临时空间里不能够进行数据的对外输出。它可以在临时空间里面对相应数据进行融合分析,分析完的结果通过审计以后再输出,输出只是分析结果,一旦分析结果输出完以后,这个空间我们就会把它销毁掉,所以所有用户原始数据都不存在流失和被盗风险。所有操作我们也会通过日志和审计功能,让数据拥有方能看得到。

我们前面说五分一统,数据分析灵活的机制,是确保这个平台上数据可以进行共享融合,能够进行分析的。

安全保障领域里,我们有相应的安全合规功能,从隔离、脱敏、标识、授权、审计五大方面,帮助云公司自己,还有我们的客户进行整体安全后的保障。从隔离中,按功能分类,从数据敏感区域里给客户提供相应的工具,然后到脱敏、标识、授权、审计,有一整套完善的流程。

下面说一个案例。在整个平台上,我们跟一个 AI 公司一起做的流程是这样的。它有一些外面金融行业的数据,在我们平台上用云公司自有数据,通过构建一套 AI 组件,来进行整个融合分析。通过这种分析,一方面我们避免了大量各种不同产品需要专家进行设计、建模,而是通过 AI 方式,帮我们通过机器解决,来真正实现业务场景的输出功能。从实际效果来讲也非常好,从千分之二提升到千分之五的用户转化率。

最后希望通过构建一个完善的,比较强大的平台,通过应用驱动数据的模式,构建这个数据生态。我们希望可以跟所有业内企业、业内客户一起在这里共同构建完整的大数据生态,真真正正把大数据的价值对行业的影响能够做到最好。

*雷锋网整理

雷锋网

携手阿里云,盯住中小企业,群晖能把 NAS 扶上存储界的“铁王座”吗?

2016年,热闹了几年的云盘市场轰然倒塌。

“起高楼、宴宾客、楼塌了”的系列故事,在中国的互联网江湖里,屡见不鲜。其实早在2013年比拼免费存储空间时,这个祸根就已经种下了。加之政策、版权等不可调和的矛盾,云盘之路,注定是条死胡同。

云盘穷途末路,却遗留了一个大问题——几千万用户的数据储存在哪儿?与此同时,人工智能第三次火了,鼓吹者无疑都将“数据”作为前进的“动力”,跟随者们也欣然接受了把数据当成“石油”的比喻,而这条赛道上,充满了依赖数据生存的大小公司。

因此,数据存储的问题,显得更为突出和急迫。

NAS(网络附加存储)或许是一条路。2016年,360 云盘关停后,时任云盘产品经理的李天宇在雷锋网撰文表示:

传统家庭的数据存储是基于 PC 机硬盘的,而随时移动设备和 IoT 发展,未来家庭会重新定义一个数据存储中心。NAS 的技术条件基本具备,而产品能力还远远不足,现有的一些 NAS 软硬件虽然功能已经很完善了,但在软件产品层面还不太互联网。可以想象的是,以家用电器的市场来做对比,家电设备的普及率之高为,可见 NAS 的市场空间之大。

这篇文章的最后,李天宇还感慨道:“一个时代的落幕,必将拉开一个新时代的序幕”。雷锋网无从判断这个新时代是否属于 NAS ,但无疑它被命运选中的概率很大。

我们不是 NAS 界的苹果

2017年9月16日,NAS 市场最受关注的厂商 Synology (群晖科技)在上海,开始了它全球新品发布会的第一站。这个起步于台湾的厂商,稳扎稳打地走过了17年,目前在全球都占据着不小的份额。

Synology 在极客圈里颇受欢迎,“群粉”众多,很多人把 Synology 比作 NAS 界的 Apple,值得玩味的是,群晖科技中国区 CEO 陈予建在发布会前一天和媒体的小型见面会上,问的第一个问题便是,“大家怎么看 Apple 的新品发布会”。

当然,问者有意。

听完一圈或褒或贬的评断后,陈予建表示,虽然用户厚爱,也有十多年的历史,但 Synology 不是 Apple,而是一家依然保持学习、成长心态的创业公司。同时,对于 NAS 产品层面上存在的问题,陈予建也毫不避讳,他坦陈到上海工作之后,被大陆移动互联网的便捷所惊叹,Synology 如果想要从现在繁复的操作做到更易用的体验,则必须学习。

当雷锋网编辑问及,出于用户体验、版权法规、监管政策等因素,是否会在全球不同市场,对产品做区别化处理时,陈予建则说:

国内在互联网的应用已经领先世界了,特别是行动支付的普及和便利,造就各种应用和商业模式的推陈出新。我认为接下来我们要针对手机的应用去优化,这次推出的几个新品算是起一个头,未来还会陆续有动作。国内有一个特色,普遍会希望安装一个本地的应用,而国外则对使用刘览器的接受度较高。我们不排除针对国内市场开发一些接地气的应用。

在这个问题上,陈予建也感慨 Apple 产品在全球的统一程度非常高,而其他厂商则或多或少要根据实际情况做不同的优化。

关键词:协同、智能、虚拟化

虽然“群众基础”广泛,但 Synology 在2017年的发布会上还是释放了一个强烈的信号:中小企业和工作组是未来 NAS 的重点。陈予建向雷锋网解释说,存储是刚需,家庭用户还有很大的成长空间,但相比之下,越来越仰赖数据,越来越多新生的中小企业,对于数据存储和安全都有着强烈的需求,但市面上却缺少适合的解决方案,所以未来中小企业和工作组一定是重点。

此次发布会上重点推出的新品,也证明了这一点。

在硬件方面,如同往常,只占用了一页 PPT ,旗下针对个人的 J 系列、针对小型办公室的 Value 系列、针对公司/工作组的 Plus 系列以及针对部门/企业的 XS/FS 都做了更新,可以看出,后三者均主打中小企业和工作组。

软件方面同样如此:

  • 协同

为了给中小型企业提供充分协同的办公环境, Synology 在此前集成了 Office、Chat、MailPlus、Calender 的 DSM 系统基础上,进一步将文档协同编辑、团队文件夹、全文搜索、同步文件等所有功能,包装在 Synology Drive 中。

  • 智能

与此同时,Synology 应用了两项 AI 技术。其一内置了 Amazon Alexa 作为虚拟语音助手,能够通过语音操控,但目前国内无法使用;其二则开发了 Moments 套件,提供了人脸识别、物体识别、超分辨率重建等功能,来自动分类。

  • 虚拟化

虚拟化包括三方面内容,一是存储虚拟化,即将 iSCSI 管理员从存储空间管理员系统套件中独立出来,快照恢复能力达到秒级;二是服务器虚拟化,通过 VM Manager 套件,施展虚拟计算的能力,在不同情况下,换用“高传输”、“低延迟”两种模式,达到更好的体验效果;三是容器虚拟化,是将此前的 Docker 做了更新,并且支持国内阿里云的 Docker 镜像仓库。

此外,针对中小企业至关重要的数据安全,Synology 也做了更多的尝试,比如 PSIRT 产品安全时间应变小组,比如 Hyper Backup、Cloud Sync、Active Backup 等。

当然,一个更为重磅的证据,还是和阿里云的合作。

牵手阿里云,提供混合云

谈到合作,阿里云存储总监陈弘先讲了一个故事,在对外公布合作前,陈弘与阿里云欧洲同事闲谈间,后者说在存储市场上,欧洲新近崛起一个品牌,很多人使用,不妨合作。陈弘追问叫什么,对方答 Synology。

彼时,阿里云和 Synology 的合作,已经谈得差不多。

此次发布会上,陈弘宣布阿里云将和群晖一起推出混合云数据保护解决方案,构建安全的异地数据保护方案,其中,企业不需要改变现有的 IT 架构,就可以将群晖 NAS 和阿里云无缝对接,门槛很低。

同时,陈予建也宣布,群晖即将推出 SkyNAS ,可直接部署在阿里云,为用户提供云上 NAS 服务,可与线下 NAS 组合构成混合云容灾方案。

简单来说,除了云上云下保持数据同步,保证安全外,对于那些还没有购置硬件 NAS 的用户来说,现在可以直接在线使用群晖的存储和管理工具,而陈予建也表示,这将有利于扩大最终用户的转化。

而这,当然也是盯准了中小企业去的。

总的来说,在错失存储市场“云盘火爆”的那几年后,以群晖为代表的 NAS 厂商正在努力“要回本应属于他们的东西”,当然,也是为用户提供更为安全、易用的数据存储方式,顺带也为他们带来更便捷的协同办公能力。

雷锋网

京东众筹上线仅2天完成目标 可编程机器人HEXA降低机器人开发门槛

在黑客大会上拆过炸弹、被人民日报海外版高度评价、超1.2倍完成Kickstarter众筹目标…9月19日,集这些tag于一身的可编程全地形机器人HEXA,在国外的科技媒体和爱好者群体中引起不少的震动后,回国开启京东众筹,第二天便完成众筹目标,目前进度123%。

凭借憨态可掬又兼具科技感的形象、消费级的亲民价格以及功能强大的智慧大脑,HEXA的出现立即征服了每一个亲身体验过它的人。除了上述提到的那些荣誉,HEXA更是多个国际奖项的获得者,亚洲消费电子展 (CES Asia) 创新奖和iF国际工业设计大奖都被它收入囊中。

那么,在备受关注的机器人行业中,HEXA何以能够引起这么大的关注?它有哪些过人之处?又能给机器人产业带来什么变革?

人们一直在寻找继手机与电脑之后下一代能融入我们生活的人机交互平台,而扮演这一角色的很可能会是智能机器人。尽管我们多年以来一直梦想着机器人能足够聪明、足够灵活,在工作和生活中都成为我们的好帮手。

然而这一梦想却进展得十分缓慢。直到今天,消费级机器人仍然是个不成熟的产业:它们要么过于复杂和昂贵,而且只能在实验室中进行研究和展示,如波士顿动力制造的“大狗”,每台造价达到几十万美元;要么过于简单和幼稚,只能像儿童玩具一样做些简单的动作,根本配不上“智能”二字。

在这种现状下,很多爱好者和开发者在试图探索机器人领域时,发现自己无法借用现有的平台,必须要从头开始学习很多机械、电气和底层的软硬件知识。这使得大部分人在开发机器人这件事上望而却步,还未开始就打起了退堂鼓。

而HEXA正是为这类人群提供的一个开发和探索机器人世界的平台。在这个平台上,个人开发者不仅经过简单学习就能入门机器人开发领域,还能和其他爱好者及业内人士们互相交流、分享自己的成果。

作为机器人公司Vincross创造的的第一款全地形可编程机器人,HEXA有六条腿,拥有在各种地形场景中行动的能力,能够奔跑、攀爬、跨越障碍。同时,HEXA集成了包括摄像头、加速度计、距离测量在内的各种传感器,能够灵敏地感知周边世界。此外,对于喜欢研究硬件的极客们,HEXA提供了USB、音频、I²C、GPIO等硬件接口,可以充分满足他们的想象力,为HEXA开发各种各样的扩展硬件,使它变得更加强大与灵活。

硬件只有在软件的配合之下才能发挥出全部机能。为了使HEXA的开发工作更加容易上手,Vincross创造了MIND——运行在机器人上的操作系统及SDK开发工具包。

MIND OS基于Linux内核,并专门为控制机器人而优化。其中集成了各种驱动程序和常用库,可以轻松地控制硬件设备和网络连接。开发者可以使用Golang、C++、java等主流开发语言调用MIND SDK开发性能强大的应用程序,同时,不会编程的爱好者也可以使用电脑上的3D可视化模拟器,为机器人设计各种趣味盎然的舞蹈动作。

 有了HEXA和MIND,人们不需要研究底层的硬件电路和结构力学,可以将精力集中在应用程序本身的开发上,入门学习也变得轻松了许多。针对HEXA开发的应用还可以在官方提供的应用商店(Skill Store)中进行分享和销售。此外,在HEXA的开发者社区中也聚集了一批优秀的国内外开发者交流着他们在机器人开发中的心得和见解。

 HEXA正在京东持续众筹中,想要在下一代人机革命中抢先一步的话,那就先来探索HEXA吧。

雷锋网

预测诊断阿尔茨海默症,雅森科技都踏过了哪些荆棘?

“这跟我们的基因有关”,谈到为何选择阿尔茨海默症(AD)作为AI落地的主要场景时,雅森科技CEO陈晖这样说道。

近几年来,行业内涌现出了很多AI医疗公司,其中很多都选择以肺结节筛查作为切入点。陈晖认为这是有迹可循的。

“大多数AI+医疗创业公司采用的都是深度学习算法,先有了算法再找落地场景,所以会选择空间分辨率和发病率比较高的肺癌作为切入点。”陈晖说道。

而创立于2006年的雅森科技,是一家致力于通过脑影像和核医学设备做病情智能分析的企业。核医学影像主要是用于癫痫、帕金森氏症、嗜睡等脑部疾病的诊断和分析。阿尔茨海默症也是脑部疾病之一,因此雅森科技涉足阿尔茨海默症诊断是很顺理成章的事情。

阿尔茨海默症的早期诊断十分困难

阿尔茨海默症在患病早期是可以干预的,但检测却相对困难。全球各地的研究人员都在开发尽早检测阿尔茨海默症的方法。越早检测出这种病症,患者就越有机会提早寻求治疗,减缓病情的影响,并有足够的时间来处理好个人法律和财务状况。

雅森科技研发总监杨士霆向雷锋网介绍,诊断阿尔茨海默症的主要难点在于影像看不清,早期症状难以把握,靠单一的影像和病理不容易做到长期预测。

阿尔茨海默症的传统诊断方式主要有以下几种:

一、心理量表评估。神经内科医生会通过心理量表询问患者的近期生活环境等,评估其认知功能是否出现了衰退。

二、核磁影像。检查患者大脑的影像结构是否已经开始出现萎缩和变化。

三、通过脑电图和心跳的长期监控和分析,判断病人是否出现了认知功能和大脑信号上的变化。

此外还有比较先进的核医学、PET等手段,可以检查大脑的代谢情况,判断大脑的某些区域是否出现了代谢下降。

阿尔茨海默症的患病周期十分漫长,可能长达8-10年。医生基于单一时间点的数据只能做出这个病人当前有没有患阿尔茨海默症的判断。此外,阿尔茨海默症涉及的层面非常广,帕金森氏症等其他脑部疾病也有可能引发其早期症状。因此,对患者进行长期跟踪十分重要。

但阿尔茨海默症的诊断十分耗时耗力。以量表评估为例,量表评估时通常需要神经内科医生和心理评估师同时在场,评估耗时约2-3小时。此外,医生还需要花很多时间对病人的情况进行讨论评估。综合下来,一位医生每天能够诊断的病人可能只有两到三例。时间成本很高,而且服务的病人数量有限。

在和医院长期合作的过程中,雅森科技发现了神经内科对尽早诊断阿尔茨海默症和提高诊断效率的强烈需求。这成了雅森科技布局阿尔茨海默症诊断的重要驱动力之一。

多模态分析提高诊断效力

陈晖向雷锋网介绍,阿尔茨海默症诊断所用到的人工智能和相关算法的复杂程度要远远超过肺结节的识别。

他说道:“目前市场上大多数做肺结节识别的公司,采用的都是同一套算法,基于TensorFlow或其他开开源机器学习平台做降维调参。而且他们做的不是整个肺癌疾病的诊断,而是肺癌诊断中的影像识别部分,主要针对6mm以上的肺结节识别。现有的深度学习算法并没有办法超越医院,解决小于6mm的肺结节的快速识别和诊断。而且对于肺癌诊断来说,影像对确诊所占的比重有限,还要去看肿瘤标记物、代谢影像和病理结果等。”

单独看核磁、脑电图和量表数据也很难诊断阿尔茨海默症,因此雅森科技采用了多模态的分析方法。

过去十年,中国医院信息化发展非常快,一些二线城市医院信息化的水平和集中程度之高超乎想象。过去十年的CT数据、PET数据、生物电讯号、超声等一系列多种多样的数据有非常大的沉淀。但是这些沉淀的数据很多没有发挥自己的价值。

陈晖认为,医院沉淀了这么多类型的数据,这些数据是可以综合应用到临床检查与治疗的。

雅森科技采用了三方面的数据来做阿尔茨海默症诊断的机器学习模型,这些数据包括核磁数据、脑电数据和量表数据。基于这三个数据打造的多模态神经网络训练模型,可以提前两三年预测老年痴呆病发的可能性以及确认病情发展的阶段。换言之,雅森科技的阿尔茨海默症诊断产品已经超越了单个医生,可以真正做到疾病的诊断和预测。

数据采集是最大的挑战

机器学习依赖于海量的数据,数据稀缺是制约AI技术落地医疗产业的一大瓶颈。

据悉,雅森科技目前已经和协和医院、宣武医院、北大人民医院、中日友好医院等十几家医院和相关机构达成了战略合作,由后者向其供给数据。双方主要以共同做横向课题研发的方式进行合作,签订的横向课题研发协议必须经过医院的伦理审查,而后雅森科技才能对数据进行整理和使用,保证了数据的安全性。

陈晖介绍,雅森科技早期拥有的数据量(含5年随访和完整病例)大概在700-1000例,现在通过和协和医院的合作,有望在短期内将数据量提高到2000-3000例。

“阿尔茨海默症和肺结节等疾病的数据收集不太一样。阿尔茨海默症是一种退化型疾病,需要对患者进行长期跟踪和数据采集。这些资料我们都长期追踪了至少5年以上。我们每年都要对跟踪的病人重新做随访,包括量表、核磁影像、PET影像、脑电图等都要重新评估。这个过程中我们投入的人力、资源和成本远远超过了市场上大多数做肺结节研究的企业。”杨士霆补充道。

数据采集的一大难点在于,患者的配合度比较低。对于早期患者,医生诊断出他有患病风险后,由于不会对日常生活造成影响,他往往觉得自己没病。当医院再次要求他接受检查时,他往往会拒绝。

后期患者的情况则更麻烦,因为患者的病情恶化速度非常快。“有一个80多岁的老太太,前一年刚诊断出阿尔茨海默症,第二年就去世了”。说到这里,杨士霆语气中充满了惋惜。

现有数据已足够支撑产品研发

杨士霆认为,虽然雅森科技拥有的数据量看起来并不大,但已经足够支撑产品的研发了,并且已经达到了较高的水准。

“在我们的能力范围内,当然希望收集到尽可能多的数据。但从其他一些团队公布的资料来看,他们拥有的数据量也才不过100多例。”

比如不久前,意大利的研究人员宣布开发了一种算法,可以在阿尔茨海默症症状出现前10年,发现大脑中的微小结构变化。他们用于训练人工智能的核磁共振扫描图不过才67张——38例来自阿尔茨海默症患者,29例来自健康人士。据悉,研究人员将扫描分为小区域,并让他们的人工智能分析神经元之间的连接。训练完成后,他们用这种人工智能对148名受试者的大脑扫描图进行了测试。受试者中有48人患有轻度认知障碍,最终会形成阿尔茨海默症。这次测试中,该算法检测出轻度认知障碍的成功率达到了84%。

“我们从2008年就开始了数据采集工作,相比很多大型研究机构,我们掌握的数据已经非常齐全了。”杨士霆说道。

临床实验反推产品迭代

AI医疗产品的开发和临床应用之间往往存在一定的差异。目前,雅森科技的阿尔茨海默症诊断产品已经在协和医院经历了半年左右的临床实验,陈晖也对雷锋网分享了自己的感触。

他说道:“产品开发和临床应用之间最大的差异不是医生是否认可你的检查流程和方法,而是临床医生收集数据的标准和针对的对象都不完美。医生是否按照规定收集量表,是否严格按照质控标准进行核磁扫描,影像噪声是不是过大,都会影响到产品的使用效果。”

陈晖表示,理论上来说,所有能够按照质控标准收集数据的医院都可以采用雅森科技的阿尔茨海默症诊断产品,不过短期内的主要用户还是地区级的三甲医院。

为了进一步加速产品落地,雅森科技正在做许多新的尝试和努力。“为了实现我们的产品真正意义上落地,雅森科技将为医院提供一项质控服务。也就是说,我们的产品落地在哪个医院,这个医院就必须按照我们提供的标准收集原始数据。只有这样,我们的产品才能真正发挥作用。”

发现问题之余,雅森科技的阿尔茨海默症诊断产品也受到了不少医生的肯定和好评。

陈晖表示,神经内科和核医学科的医生使用过雅森科技的阿尔茨海默症诊断产品后,都反馈使用效果良好。而且他们在使用过程中提出了很多建设性意见,比如增加一些新的数据源。陈晖透露,雅森科技目前正在和协和医院的医生讨论,是否需要录制一段病人的语音,将其回答问题的语音起伏和迟疑时间作为他是否患有失智症和轻度认知障碍的参考。

陈晖还介绍道,除了合作医院,很多高端体检中心和从事老年病筛查诊治工作的机构也对雅森科技的阿尔茨海默症诊断方案表现出了强烈的兴趣。

雷锋网