所有由admin发布的文章

独家 | 全球2000家客户,这家公司推动林肯MKZ成为最流行的自动驾驶样车

2016 – 2017年最流行的自动驾驶样车,不是Waymo的Bubble车,更不是通用已经上路的改款Bolt。相信在看这篇文章的人,大部分都看到过一辆顶着激光雷达的林肯MKZ。

无论是英伟达的BB8、百度的Apollo样车、瑞萨、Udacity、Voyage、Pony.ai、JingChi.ai、Plus.ai、Roadstar.ai等等,一长串的公司统统都预定了林肯MKZ作为自动驾驶样车。

即便在美国,售价3.5万美金起的MKZ也不便宜,何况同等价位已经能买到宝马3系、奔驰C-Class这样更受欢迎的豪华车。MKZ推出后,在本土销量并不出色,这一车型进入中国更是2017年的4月份了。但随着大批公司进军自动驾驶开发,自动驾驶样车的需求至少帮林肯多卖出了数百辆的MKZ。

林肯MKZ在自动驾驶圈内流行跟3家公司有紧密的关系

第一家是林肯的母公司福特。为了提高燃油效率,北美车企很早就在各个量产车型中采用了线控油门。但只有线控油门还不够,MKZ还同时配备了线控刹车和线控转向系统。这让林肯的这款车型在硬件上具备了让电脑指挥着跑起来的能力。

值得一提的是,因为来自同一家母公司,福特Fusion、福特Mondeo与林肯MKZ共享一个底盘平台,所以Fusion和Mondeo的底盘线控做得也很不错。Intel在美国建的测试车队中就大量使用了福特Fusion,Voyage最近新上路的运营车辆也是福特Fusion。

第二家跟MKZ流行有关的公司叫Dataspeed。Dataspeed创办于2008年,对外它有两块业务:一块是提供机器人开发用的移动底盘,一块是提供基于林肯MKZ、福特Fusion、福特Mondeo的自动驾驶开发平台。

正常情况下,在底盘本身具备线控条件的基础上,一家公司需要逆向破解车辆的CAN总线协议,才能通过CAN总线控制车辆的运动。而Dataspeed就把这部分工作做了,并且把车辆控制的输入和输出信号封装成接口,便于其他公司在这个基础上开发。

到2016年上半年,Dataspeed把这套技术产品化,推出了一个针对林肯MKZ混动版的ADAS kit。可以说,这个ADAS kit从根本上促成了自动驾驶样车中林肯MKZ的流行,只要有林肯MKZ、ADAS kit和一定的工程能力,就能批量改造出供自动驾驶开发用的工程样车。自动驾驶技术公司则可以在这个样车的基础上,增加传感器、计算硬件等配置,形成自己的感知、定位、决策、控制算法。

自动驾驶创业公司Voyage使用福特Fusion作为样车和试运营车辆,图为后备箱中的Dataspeed kit

到了2017年,Dataspeed又针对福特Fusion和Mondeo推出了ADAS kit,所以往后看,基于Fusion和Mondeo改造的自动驾驶汽车应该比MKZ更常见,毕竟两者都比MKZ要便宜不少。

根据Dataspeed的数据,在ADAS kit推出当年的11月份,仅仅在美国就有50辆林肯MKZ被改装用于自动驾驶研发。Dataspeed并不是一家规模特别大的公司,所以为了满足更大的市场需求,这个时候就有第三家公司进来了,这家公司名字叫AutonomouStuff。

创办7年,在全球服务2000家客户,AutonomouStuff是一家怎样的公司?

AutonomouStuff 2010年成立,最早从事的是元器件分销的业务,之后逐步介入到技术服务、车辆集成改造以及提供围绕样车开发平台的一系列传感器、计算硬件、数据存储方案。近几年,它的汽车行业客户数量飞涨,目前服务的客户数量在2000家以上,既有NVIDIA、Intel这样的大公司,也有硅谷2个人的车库创业团队。

NVIDIA在GTC Europe 2017上展示的自动驾驶样车


AutonomouStuff加入之后,它与Dataspeed之间的合作变成了:Dataspeed提供ADAS kit,AutonomouStuff完成车辆的线控改造和整个系统的集成。改造林肯MKZ成为两家的拳头技术/产品。

前面讲到,AutonomouStuff也有大量其他的产品和方案分销业务及技术服务,同时Dataspeed保留了一部分服务大客户完成完整自动驾驶车辆改造的业务——比如Intel的自动驾驶车队,就是Dataspeed的团队自己来服务的。

因为MKZ是一种在全美销售的车型,今年4月份以后也进入了中国,福特Fusion和Mondeo的销售则更为广泛。所以三家公司合力,把自动驾驶样车卖到了北美、欧洲和亚洲。

通常一辆林肯MKZ的改造是这样的:需要样车的公司从当地经销商处购买一辆MKZ交给AutonomouStuff,随后MKZ就按照线控、传感器方案、计算方案等各方面的要求集成好了。这个过程大概要花费几周时间,十万美金到三十万美金不等的费用(不包含车辆本身的购置费用)。

为什么没有出现其他流行的自动驾驶样车?

在自动驾驶行业里,还有雷克萨斯 RX h450这样的车型,苹果、ZOOX和Google无人车早期都使用了这一车型,除此之外,还有Google无人车早期和AImotive现在都用到了丰田Prius,本田旗下的Acura ILX也有看到一些团队采用。但这些车型都远远不及MKZ。

ZOOX的自动驾驶样车雷克萨斯 RX h450

一方面是Dataspeed将车辆线控改造的工作产品化了,另一方面也得益于AutonomouStuff的分销能力。Dataspeed的CEO Paul Fleck曾经在福特工作过9年,所做的工作恰好是商用车和赛车的数字控制系统(digital control system)。一度有外界传闻Dataspeed跟福特之间有某种开发协议,或者Dataspeed跟福特公司高管有某些亲属关系,这样得以获取MKZ的一些特定接口的权限。后来Paul Fleck出来澄清说,我们预见到了市场对于线控MKZ的需求,然后开发了这套ADAS Kit。AutonomouStuff则是从2010年逐步进入汽车行业,布局了在全美的销售网络,并且建立起车辆改造和自动驾驶开发的服务能力。

尽管行业内有观点认为,提供自动驾驶样车或者说提供一个自动驾驶开发的基础平台,并不是技术含量非常高的业务。但从另一个角度上来看,Dataspeed – AutonomouStuff – 林肯MKZ的这种业务模式是难以复制的。

一位长期往返硅谷和中国的自动驾驶从业者透露,在美国请人改造一辆自动驾驶样车大概需要10 – 30万美金,在国内大约是50 – 70万人民币。而一位在国内深度参与自动驾驶车辆改造的从业者则讲道:在国内改车,收费高了伤感情,收费少了浪费时间。

归根结底是国内非常多的车辆并没有完整的线控执行器,而对应的协议也并不掌握在自主车企手中,而是由国际Tier 1把控。改造一辆国产车,通常需要手动替换一些执行机构,所以在国内想要实现车辆线控的产品化和规模化并不容易。

Paul Fleck自1998年开始入行,AutonomouStuff则从2010年布局,也难怪林肯MKZ在自动驾驶行业中走俏,两家公司都挖到了自动驾驶行业的第一桶金。

文末是雷锋网·新智驾在9月底对AutonomouStuff CEO Bobby Hambrick的采访,在这次采访里,Bobby谈到了他最早怎样进入自动化的行业,公司的创办,以及自动驾驶行业的变化

雷锋网·新智驾对采访内容作了不更改原意的调整,以下雷锋网·新智驾简称新智驾,AutonomouStuff简称AStuff。

AutonomouStuff CEO Bobby Hambrick

新智驾:看到AStuff最早是在2009年左右创办,当时是什么背景?

Bobby:我正式创办这家公司是2010年3月,但在这之前,我已经在这个行业干了很多年了。

最早我主要在工厂内部做一些自动化的解决方案,比如生产品控监测,或者是生产设备的安全,或者像工厂内自动化的清洁,然后我慢慢对自动导引运输车(AGV)有了更多接触,这开启了我对未来的自动驾驶汽车的理解。

当时AGV主要被用在军事、矿业还有农业上,还有一些工业上的机器人,基本上都是在固定路线上用于物资的运输。所以我可能从2005年差不多算是在自动驾驶相关的行业工作了。

2010年开始,公司成立后,我们做的是元器件的分销,逐渐地我们开始提供一些增值的技术服务,像是一些产品技术支持这样的工作。我们的客户有美国军方的关联部门,有若干矿业公司,直到今天AStuff还是2家矿业公司的一级供应商。不过起初汽车行业的客户不多,2010年可能就只有1 – 2家。

随后一两年业务增长飞快,大概到2012年,我们已经有将近500家客户。非常多的产业都开始理解自动化带来的价值。从今天的业务规模上来讲,AStuff可能是全球提供自动驾驶技术方案最多的公司。

新智驾:你觉得2010年 – 2012年之间发生了什么变化?

Bobby:2012年是公司第一个快速增长的阶段,或多或少是因为产业认识到自动驾驶和自动化技术的价值和潜力,很多学校机构开始发表更多这方面的论文,传感器在当时也更成熟更容易获取到。

新智驾:在行业内当时有没有类似你们的公司存在呢?

Bobby:我们有几块业务,一块是元器件的分销,另外一块是提供技术服务,加速客户的开发。在技术服务方面,我们提供几个不同层次的技术服务:针对车辆进行工程改造,针对软件开发,针对应用开发,针对整个系统架构设计开发。可能行业里有类似做技术服务的公司,但更多的是面向军工或者是工业应用。

而且我们认为产品分销,不仅仅是简单买和卖的关系。比如一些客户其实一开始对自动驾驶技术不感兴趣,可能他们更聚焦在能量产化的技术上,因为我们一直在这个行业,所以知道整个行业大家的研发状态,我们也帮助供应商去理解行业最新的需求是怎么样的,同时帮助客户去获取新的能帮助他们的技术。

我觉得这些都是我们不一样的地方。

新智驾:现在AStuff有多少员工?

Bobby:我能透露的是,现在的员工数目增长很快。我们在全球刚刚有了4个办公室。

我们现在在的圣何塞办公室是8月份刚刚开业,这里主要做销售、培训还有一些workshop;我们的总部在伊利诺伊,运营团队、高管团队以及工厂都在那边;我们在欧洲刚刚成立了分公司;我们在北京也有一个办公室,跟中国早期的一些重要客户正进行紧密的合作。

新智驾:2012年AStuff大概有500个客户,那现在服务的客户数量是怎样的?

Bobby:我们差不多有2000多家客户,从三星、Intel、NVIDIA这样的大公司到两个人的车库创业团队,主要的客户还是来自汽车行业,在矿业、农业、军工、航天、科研上都有我们的客户。

我们跟不少公司有双向的合作,比如我们给NVIDIA集成一些他们的开发平台(像今年CES展示的BB8样车),我们也分销他们的产品比如Drive PX。实际上,我们已经给中国客户提供了不少Drive PX。

新智驾:2013年,你又参与创办了一家新的公司PolySync,这家公司主要在做什么?

Bobby:那个时间点上,我们经营的产品越来越多,客户希望把摄像头、激光雷达、雷达等等传感器的数据集成在一起,所以我们就需要一个中间件平台来完成这件事,所以我当时参与创办PolySync。不过现在我已经不再参与PolySync的工作了。

我们用开源的ROS来做这部分数据整合的工作,这对我们的客户也有好处,他们可以在ROS基础上很快地做出修改满足他们的需要。

新智驾:从当时非常少量的汽车客户,到今天增长到将近2000个客户,有什么样的客户是让你比较印象深刻的?

Bobby:我们的客户有在中国、欧洲,也有在硅谷、底特律,也有非常偏远的地区。他们的领域差异很大,有人在非洲用无人机投递药物,有人在开发太空探索用的火箭。自动驾驶方面,硅谷、匹兹堡、底特律、新加坡都是重要的聚集地。

新智驾:大部分人都是通过改装的林肯MKZ知道AStuff这家公司,除了MKZ,你们还有哪些重要的产品线?

Bobby:在开发车辆上,我们确实是从MKZ起步的,在MKZ的基础上开发很稳定,平台搭建的速度也很快。但也有客户希望有其他开发平台的选择,所以我们有将近15种车型的选择。

除了MKZ等线控车辆本身,我们也提供感知系统(激光雷达、雷达、摄像头等等),计算硬件(比如Intel、NVIDIA Drive PX),我们也有提供将数据整合在一起的ROS,还有GPS系统,以及将数据进行存储和分析的解决方案。

新智驾:你们觉得中国、美国和欧洲市场,有什么不同?

Bobby:老实说,这几个市场有不同,但对于自动驾驶开发的需求都是一样的。大家都认识到自动驾驶对产业的价值。不同地区对于自动技术的具体出发点和需求是不同的,但技术架构本身都是相似的,需要的服务和解决方案也是相似的。

新智驾:你们提供的样车为什么从一开始选择了在MKZ的平台上搭建?

Bobby:因为我们有一个很好的合作伙伴(Dataspeed)向我们提供模块化的元件,这样MKZ就能很容易地实现线控驾驶。我们将这个元件和其他的元器件集成到车辆上,这样搭建一个完整的开发平台。

MKZ也是一款在全球销售的车型,它和福特Fusion、福特Mondeo共享了一个底盘平台,所以这几款车型基本上在全球都很容易买到和改装,这样我们在各个地区都可以提供我们的产品。

新智驾:你们的开发对于车辆本身有什么要求?比如客户想要在一种新的车型上搭建自动驾驶?

Bobby:每个车型都有不同,一部分车型需要跟OEM合作,OEM开放一些接口,但通常OEM不会接纳很多这样的合作,那你可能就要向这个车型内增加改装一些执行机构。我们也在不少车型上改装执行机构,比如油门、刹车、转向系统。

新智驾:能介绍一下你们在北京办公室的情况吗?

Bobby:在北京,我们中国的业务刚刚起步。7月份,我们已经公布了跟百度Apollo的合作。我们在中国也有其他的客户,但目前还不能透露太多。

新智驾:之前有公开的报道提到,通常你们改装一辆MKZ需要一周时间?

Bobby:这通常取决于一个车辆对于需要集成的系统的要求,针对百度Apollo 1.0是非常简单的,因为它只有GPS。如果有激光雷达、毫米波雷达和其他传感器的话,可能要花费更多的时间。有时候,根据样车的要求,有的车可能要花费数周去改造。

新智驾:你们也做传感器的分销,今年你们觉得传感器方向上有什么有意思的变化?

Bobby:当然。每周我们都能看到传感器领域不断有新的消息,新的进展,尤其是激光雷达和毫米波雷达领域。产业对于高分辨率、低成本传感器的需求迫切,所有当然会有一个越来越大和热门的供给出现。

雷锋网

湖畔大学教育长曾鸣:把“五新”放在一起,才能理解新零售的未来

马云在2016云栖大会上提出新零售概念至今整整一年。过去一年里,新零售已经成为了最热门的商业概念。盒马鲜生、无人便利店等全新零售业态层出不穷,令人眼花缭乱。但新零售的本质究竟是什么,未来又有哪些发展趋势,绝大多数人都说不清楚。

10月11日-14日,2017云栖大会在杭州举行,雷锋网奔赴大会现场第一时间进行了跟踪和报道。10月14日的阿里巴巴新零售峰会上,阿里巴巴集团学术委员会主席兼湖畔大学教育长曾鸣,在新零售概念推出一年后,分享他对新零售本质及未来发展趋势的思考。

曾鸣教授指出,新零售是作为“五新”概念之一提出来的,因此必须把“五新”放在一起,才能理解新零售的未来。

曾鸣表示,任何新东西的发展,其实要看清楚未来两三年的发展是非常非常困难的,“但你往远一点看,看五年八年,反而可能会更清楚一些”。

他说,马云提出一个概念时,他的思考维度往往是十年、二十年,甚至更长时间。马云提出新零售和“五新”概念,背后其实是对未来十年、二十年乃至三十年的感知和体会。新零售这个概念本身其实并不重要,重要的是它指引的方向。

曾鸣认为,一般的成功或许可以跟风,但大的成功一定要有vision,也就是“Vision决定未来。”他说,新零售当然是线上和线下的结合,只是此线上非彼线上,此线下更非彼线下。你的模式如果不够新,肯定走不到未来,最多只是过渡期的喧嚣和热闹。

以下是曾鸣的全部分享内容,雷锋网做了不改变原意的编辑:

很高兴有机会和大家分享我对于新零售的未来的思考。

组委会找到我的时候,我非常犹豫。因为最近一年多新零售概念特别火,我虽然观察了很多新零售企业,但关于下一步发展的建议仍在思考当中。反倒是在座各位走在新零售领域创新的最前沿,感受可能比我深刻得多。

后来我又仔细想了想,对于任何新事物,想要看清其未来两到三年的发展是非常困难的。倘若目光放长远些,观察未来五到八年的趋势,反而会更清楚些。因此,接下来我准备谈谈5年后的新零售是什么样的,以及新零售的本质是什么。

把“五新”放在一起,才能理解新零售的未来

 一、新零售其实是马老师作为“五新”之一提出来的,还包含新制造、新金融、新能源和新技术。假如不从商业的整体角度出发,而是单独思考新零售,就很可能走偏。零售只是商业的众多环节之一,互联网在对广告、零售、物流行业形成巨大冲击和根本性变革之后,下一步影响最大的领域是传统的营销和品牌,以及整个供应链。只有将新零售、新制造、新供应链、新金融放到一起思考,才能理解新零售到底将发生怎样的变化。

二、新零售本质上是由新技术驱动的。数据成了未来最重要的生产资料,算法则是未来最重要的流水线,它们取代了工业时代的钢铁和由电力驱动的生产线。这是新零售时代最根本的生产力变化。未来新零售离不开数据、算法和人工智能等最前沿的技术。

三、最近一年大家提得最多的是线上线下一体化,这是必然趋势。但更值得探索的是,基于什么样的理念,用什么样的方法实现一体化。

四、新零售对中国来说是巨大的机会。创新往往非常困难,颠覆传统是一项巨大的挑战,但是当有很大的新的增量时,创新就会容易的多,因为可以从增量做起。

中国是一个很幸运的国家,且处在一个幸运的时代。由于经济和中产阶级的发展,我们正处于消费升级的大历史进程当中,而消费升级让新零售有了更大的尝试和创新空间。

新零售是对工业时代彻底重组的范式变革

基于前面提到的四点大背景,我认为新零售本质上是对工业时代传统、垂直、封闭、串联、线性的供应链结构进行打散和重组,从而形成未来全新的网状社会化合作方式。

现在全世界几乎最有价值的7家公司,都是智能商业的企业。

上面这张图唯一没有画上去的是苹果,因为画苹果的话还要再画一个轴,也就是在软硬件一体化的突破。

未来将是智能商业的时代,而商业智能化会建立在两个非常核心的机制之上。一个叫网络协同,即传统的线性结构被重组成开放的网状协同。另一个是数据智能,即通过算法对海量数据进行处理,完成机器决策。比如,淘宝实现了千人千面的个性化展现,它不太可能基于人工,而是完全基于智能的机器推荐。

智能商业将是企业未来全新的生存方式,网络协同和数据智能是新商业文明DNA的双螺旋。无论是新零售,还是新制造、新金融,都必须具备这样的DNA才能发展起来。

所以新零售的每一个环节,都要完成网络化和智能化,这个过程有先有后,有的可能要三年,有的可能要五年,甚至更长。任何在新零售领域创新的企业,都必须有这样的基因。

我们现在面临的是一个范式的大变革,是一场商业升维的竞争,大家拼的是未来的这张大图。

现在发生的一切都仅仅是开始,符合未来的趋势比现阶段取得局部性胜利重要得多。   

新商业文明的DNA

新零售的未来具备哪些基本特征?前面提到了两个基本DNA的双螺旋结构,下面再谈谈其基本表现形式:

一、我从2012年开始反复强调,商业模式的基本变化之一就是,从工业时代以企业为中心走向了未来以消费者为中心。也就是C2B的全新商业模式,一切以客户为中心,由客户来驱动。这是一个巨大的转变。

二、在互联网时代和智能时代,满足客户需求是企业运营的基本原则,是竞争的起点。未来不再会有所谓的刚需,需求是在动态互动的过程中持续被挖掘、满足和涌现出来的。

三、互动是未来零售行业发展的关键环节。现在所有关于新零售的创新,其实都应该围绕一个核心——提高实时互动的可能性、丰富度和效率。加强互动是一个协同网络不断扩张的过程,非常重要。

我们需要的不仅是所谓的全渠道、线上线下一体化,还有营销方面的巨大突破。社区将是未来营销和品牌最重要的载体。这一点在过去两年的网红经济中就已经表现得很明显了。我们现在常常提到的场景革命,本质上就是基于场景触发需求,这一领域才刚刚展开探索,还没有很让人惊喜的创新案例。

此外,供应链的重构也很重要,未来需要支持按需订购,支持多品种、小批量、快速反应、低成本的供应链结构。我们需要通过网状协同实现以前从未实现过的个性化、快速、丰富、低成本的产品供应。

四、动态的优化会是数据智能不断升级的过程,即基于算法的自动高速迭代,而不再是人脑的低效学习。这一点在AlphaGO过去一年多的高速演变中也能看到。

五、未来的商业是智能商业的升维竞争,因为我们面临着数据智能的持续自我优化,这是一个加速度优化的过程,让后来者和竞争对手难以追赶。

新零售的四大努力方向

一、你做的所有努力要尽可能以客户驱动为中心,越贴近用户越好。

二、所有业务环节尽可能在线。这一点看起来简单,实践起来却很难。所谓在线不是指广告在线,或者在天猫上开一个旗舰店,而是指你最核心的业务流程是否直接在线,且不需要人为干预,也就是机器决策。未来,数据不是用来支持人做出决策的,而是由机器自动作出决策。只有实现了自动化决策,才能形成活数据的闭环,让人工智能在快速反馈闭环中自我学习,自我加强。

三、活数据是非常复杂的概念。我之所以没有用“大数据”,而是另创了“活数据”这个概念,就是想强调:数据的价值不在于量的多少,而在于在线业务流程中真实数据的沉淀和实时处理、反馈。那样的数据才是活数据,才是有价值的数据。

四、机器决策。这是我今天最想讲的核心内容。但由于时间关系只能一笔带过,大家有兴趣的话可以关注曾鸣书院或湖畔大学APP中对于活数据和智能商业的完整描述。

抓住时代剧变的萌芽

接下来花几分钟时间,从战略的角度分享一下,该如何看待新零售巨大的历时机遇。

我和马云合作多年,有一些小小的心得。马云提出一个概念时,他的思考维度往往是十年、二十年,甚至更长时间。一年半以前,我们正式提出新零售概念之前,马总让我准备一下,召开一个战略研讨会。我习惯性地回答,“好啊,我把未来十年的趋势做一个简单的思考”。马总当时纠正我说,今年要讨论的是未来三十年将发生什么,因为只看十年还看不清楚。他提出新零售和“五新”概念,背后其实是对未来十年、二十年乃至三十年的感知和体会。概念本身其实并不重要,重要的是它指引的方向。

即使阿里巴巴内部对于新概念的理解、执行和落地,往往也需要3-5年,甚至更长时间才能找到感觉。阿里云和菜鸟都经历过这样的阶段。因此,大家不能简单根据几次演讲或者网上的资料来理解马云讲的新零售。他在不同场合、不同时间所讲的,都是这个战略图景下某一个角度的思考,比如线上线下融合。需要强调的是,所谓线上并不是指今天的淘宝天猫,线下也不是指传统零售现在的线下。

我们不妨想象一个可以看得见的未来——自动驾驶。当无人驾驶汽车真正在路上奔跑的时候,大家的生活方式、工作方式、城市的规划、零售的方式都会发生巨大的根本性变化。要在那种根本性巨变中找准方向,今天就必须找到它的雏形和萌芽,这比现阶段的效率突破重要得多。假如你的模式不够新,没有包含足够未来的DNA,今天再热闹也不过是过渡期的喧嚣。

Vision决定未来

现在新零售肯定是风口和热点,但风口和热点与长期价值没有直接关系。真正有价值的企业是能够长远造势的,对时势有着最深刻的体会和把握,能够在最前沿坚持不懈的扑腾。而跟风往往容易跌得很惨。现在我们看到的都是短暂的风口,承载能力非常有限。

这二十年来,我最深刻的感受就是“Vision决定未来”。如果你只想要取得一般的成功,那么你可以跟风;但如果你想获得巨大的成功,尤其是在时代剧变时取得成功,就必须具备真正的Vision。因为战略建立在Vision之上,后者是对未来前瞻性的判断。一个创业者在时代剧变和大浪淘沙中能否脱颖而出,最重要的因素就是Vision。

另外一个重要因素是自我突破和快速学习的能力。谁也没有能够预见未来的水晶球,马云不断地观察,想要看清未来三十年的发展,但事实上也许只能看清楚未来十年。但只要看清了未来十年,他就可以在接下来三年里更加迅速地调整,以适应时代的变化。今天,大家创新和盈利的压力都非常大,但不管创业多么艰苦,都不能丢了抬头看路的能力。Vision本身并不神秘,只要多看多想,只要比大部分人看得远一些,未来的路就能好走很多。(雷锋网)

雷锋网

从TeslaAP2.0/2.5运算单元看未来无人驾驶域控制器的设计趋势

雷锋网·新智驾按:本文来自未来出行服务商新悦智行联合创始人&CEO徐超、联合创始人&CTO李林峰的技术详解。新悦智行目前业务线包括新能源整车和L3级无人驾驶整合方案。今年4月,新悦智行发布了自主研发的WiseADCU无人驾驶运算控制单元。在本文中,作者对TeslaAP2.0/2.5运算单元进行了拆解,并结合之前国际先进的无人驾驶运算控制单元的平台分析报告进行了资料分享。雷锋网·新智驾获作者授权转载此文。

先看一组图片,这是目前几乎所有主机厂和无人驾驶新兴团队的标准配置:

杂乱不堪的后备箱

那么通常情况下,这里面会有哪些东西呢?业内通常的标配就是工控电脑(GPU运算卡、CAN卡)、UPS电源/稳压电源、交换机、低压电源分配器、GNSS/IMU模块、车辆控制单元(通常是dSPACE MicroAutobox)、散热及冷却机构等。如果采用了一些特定的传感器,则还会有独立的工控机、融合器、接口和电源模块等。再加上互联的线缆、高低压电缆以及HMI和调试用的接口,其规模不亚于一个小型企业的机房。

正是因为如此,新悦智行才会设计自己的WiseADCU,正如Tesla的Autopilot运算控制单元、Audi的zFAS等等。自动驾驶从实验室走向量产,必然需要在提升可靠性的同时降低体积、成本和功耗。当然,NVIDIA提供了Drive系列,NXP也有BlueBox,但这些都只是“开发工具”,而主流零部件供应商则宣布了他们的运算控制单元或者域控制器,对于主机厂来说,也只是黑盒子的存在,而且很有可能会捆绑其底盘电子相关产品。新悦智行的WiseADCU则是用开放的软硬件合作模式,为主机厂和无人驾驶团队“赋能”,使其完全掌握无人驾驶运算控制系统的软硬件规划和定义能力。

一、NVIDIA Drive PX2

首先分析的是Drive PX2 AutoChauffeur开发板,这是NVIDIA Drive系列目前公开的最新的一代产品:

NVIDIA的Drive系列

虽然基于Xavier的下一代SoC已经公开,但是依据N家的产品节奏,保守估计明年Q2才有机会看到车载级的产品和开发板公开发售。

NVIDIA的Drive PX2版本

而在Drive PX2中,AutoChauffeur是一个定义面向L3的版本,其运算部分的配置是双Parker SoC外加双MXM3.1接口的Pascal架构独立运算单元,而更低一些的AutoCruiser是单颗Parker SoC,更高一级的Full Autonomy是由两个AutoChauffeur组成。AutoChauffeur和AutoCruiser都采用了Infineon的TriCore AURIX TC297作为ASIL-D的功能安全控制单元。

Drive PX2 AutoChauffeur区别

实际上,AutoChauffeur也有至少两个不同的版本,其区别在于Parker之间的互联模式,其中一个采用Altera的Cyclone V FPGA + ARM SoC和以太网互联,而另一个则是采用了PLX的PEX8724非透明PCIe交换芯片和以太网互联。

Drive PX2 AutoChauffeur框图

因为手头没有FPGA的版本,也没有FPGA的实现逻辑,只能分享一下PEX版本的情况,简单来说,采用PEX的版本,可以将独立的Pascal GPU挂在任何一颗Parker SoC上,采用PCIe 4x互联。

正面

背面

12路FHD摄像头,在PX2上采用了Maixm定制的GMSL-CSI2转换芯片,这是一颗非公开物料。

标准的Drive PX2相对比较公开,虽然我们手头有Drive PX2的硬件,但因为保密协议和相关法律条款,以上的分析虽然都是实物分析,但均可以找到互联网公开的资料来源。

前段时间疯传Tesla(Tesla)正在和AMD合作打造自己的无人驾驶芯片,这种可能性当然存在,打造自己的芯片也理应是Tesla的必然选择。但是作为一个曾经在农企(AMD)工作过的人,结合对Drive系列平台尤其是DriveWorks相关框架的实际应用和理解,农企在自动驾驶领域的积累比起兵工厂(NVIDIA)可能差了不止3、5年。在成型的DriveWorks框架和海量的基于CUDA的算法面前,OpenCL还是非常苍白。实际上,农企在工控机领域是有长期积累的,以前脱胎于Cyrix后来被NatSemi收购的Geode系列,还有农企自己的AM186~AM486系列直到今天还在供货。只是在生存的窘境面前,面对牙膏厂和兵工厂的双重挤压,一个连笔记本处理器都不太敢碰的企业,又有多少精力和勇气去进入无人驾驶领域?

话说回来,在目前传感器大都具备一定的算法处理能力,能做到结果输出。如果不是极端的成本优化和控制需求,是否需要重度依赖CUDA、OpenCL和各种CV加速呢?

二、Tesla Autopilot 2.0

做了一些背景铺垫,大家最关心的莫过于Tesla的Autopilot运算单元分析,之所以会有前面对Drive PX2的描述,是因为此前看了很多国内外的文章和分析,大家都将Tesla Autopilot硬件直接说成“采用NVIDIA Drive PX2”,这一点是不准确的。至少Autopilot2.0和2.5都不是Drive PX2任何一个版本的简单复制。

简而言之,AutoPilot2.0基本等同于AutoChauffeur的一半,或者AutoCruiser加上一块Pascal独立运算单元,同时增加了GNSS接收芯片。而AutoPilot2.5则是AutoChauffeur去掉一块Pascal独立运算单元,另一个则从MXM插卡变成板载,增加了一套基于Intel芯片和NXP MCU的仪表/导航板的整合系统,同时将TBOX和GNSS接收整合在板。

Autopilot2.0外观,双风扇

风扇下面的散热片

Autopilot2.0主板正面

Autopilot2.0主板背面

和Drive PX2 AutoChauffeur对比,Autopilot2.0去掉了PEX PCIe交换芯片,增加了Ublox NEO-M8L GNSS接收芯片,将Maxim的GMSL摄像头接口换成了TI的FlatLink III芯片,从12路GMSL变成6路LVDS,保留两路GMSL视频输出和一路HUD输出。增加了一路22W单声道Class D功放和一颗立体声Codec,9路CAN总线,其中有4路没有焊接收发器。保留了三路以太网,其中一路没有焊接,另外两路也没有采用BroadR Reach,而是标准AVB,采用散热片加双风扇风冷散热。

简单列举一下主要芯片的型号:

1、 NVIDIA “PARKER” P94W97.01P TA795SA-A2,Parker SoC主控,内置了256 CUDA单元,4核A57 64位ARM和2核丹佛64位ARM

2、 四颗Samsung DRAM K4F8E3S4HBMHCJ

3、 NVIDIA GP106-505-KC的MXM插卡,4GB GDDR显存,预留4个焊盘,最大可以到8GB,属于GP106系列去掉显示部分的运算卡,有1280个CUDA运算单元

4、 INFINEON TriCore AUTRIX TC297TX-128 ASIL-D MCU

5、 UBlox NEO-M8L GNSS接收模块

6、 Toshiba eMMC和Spansion NOR Flash

7、 Marvell 88EA1512 AVB/以太网收发器

8、 Marvell 88EA6321 7口AVB交换芯片

9、 Maxim MAX9260 GMSL显示输出

10、 TI DS90UB964 LVDS摄像头输入

结合对DriveWorks的实际应用和性能评测,Autopilot2.0这样的硬件架构,到底能完成几级的自动驾驶呢?在此,做一些分析和分解。

AP2.0接口分析

先说CPU部分,4xA57+2xDenver+Aurix,其运算能力足以处理自动驾驶相关的HMI、总线通讯、结果输出型传感器融合、GNSS数据处理以及车辆运动控制,大概还有一半的冗余。

而GPU则是256+1280个CUDA单元,以6个摄像头的配置,4个作为环视和SFM,两个前视用于车道线、行人/目标检测、交通标识检测以及前向空间(Free Space)的检测,按DriveWorks提供的代码和资源占用情况,其能力是不太够满足同时运算的要求。

SFM先放到一边,车道线、目标和交通标识检测大概要占用90%左右的GPU,而对这些目标做标记、编号以及识别则需要40%左右的GPU,可能的做法是对场景进行进一步分解,不追踪和识别全部的目标,这里就是Tesla量产Autopilot和NVIDIA Drive开发平台的重要差别,但无论如何,1536个CUDA即使是为运算优化的GP106-505,我们判断单纯依靠Autopilot的运算能力是否能达到完整的L3还是有些困难的。

实际上,如果按照Tesla和Mobileye分手之前来说,后者处理了大部分前向视觉相关的部分,AP2.0应该足够完成L3。

板载的NEO-M8L GNSS接收芯片,则是一个单频多模2.5米CEP自动驾驶精度的模块,即使配合IMU,单独来说应该也还达不到高精度定位导航要求的精度和可靠性。

三、Tesla Autopilot 2.5

对于Tesla Autopilot 2.5,新悦内部一直称之为AP3或者AP NextGen,拿到这个单元时,我们并不知道其具体的车型,但是按照架构和形态猜测,应该是用在Model 3上。国外包括Tesla官方论坛内称之为Autopilot 2.5。

Autopilot2.5外形,水冷

Autopilot 2.5外壳分解

之所以我们分析认为AP2.5是给Model 3使用的,是因为这个单元正反面一共有两块板,一块和AP2.0类似,但是多了一个Parker的自动驾驶控制板,另外一块是基于Intel一颗保密型号的芯片加上SPC5748G MCU,并且带有Telit Modem和LG的BT/WLAN模块及8声道Class SB-I的数字功放。

从Model 3来看,其取消了仪表,将信息娱乐系统和仪表做到了一起,那么SPC5748G则是处理功能安全的MCU,也就是仪表系统可靠性的保证。而Intel的SoC则是做信息娱乐导航或者一些数据处理。这两块电路板的单元内部并没有物理连接,只是共用了水冷散热部分,以及整合到同一个金属外壳之中,不计散热部分,其主体部分体积并没有比AP2.0大太多。

AP2.5多角度视图

下面逐一分析自动驾驶部分的主板和信息娱乐部分的主板:

AP2.5自动驾驶主板正面

AP2.5自动驾驶主板背面

接口部分,因为AP2.5(或许是因为我们拿到的并非Release版本)标注了所有接口的功能,所以不用想AP2.0去推测。按照接口标注,该主板支持如下接口:

1、 GPS天线

2、 REAR CAM后摄像头

3、 SELFIE内置驾驶员摄像头

4、 MAIN CAM前置主摄像头

5、 REPEATER两路转发

6、 B-PILLAR B柱两路摄像头

7、 FISHEYE NARROW两路窄幅鱼眼摄像头

8、 一系列IO,CAN和电源

9、 单路以太网

10、 USB

11、 MCU外接口

主要芯片如下:

1、 两颗NVIDIA “PARKER” PC5S58H.S8P TA795SA-A2,Parker SoC主控,内置了256 CUDA单元,4核A57 64位ARM和2核丹佛64位ARM

2、 六颗Samsung DRAM K4F8E3S4HBMHCJ,其中四颗给A,两颗给B

3、 NVIDIA GP106-510-KC的板载芯片,4GB GDDR显存,应该是AP2.0的改进型号

4、 INFINEON TriCore AUTRIX TC297TX-128 ASIL-D MCU

5、 UBlox NEO-M8L GNSS接收模块

6、 一颗Toshiba eMMC给A和Spansion NOR Flash两颗,AB各一颗

7、 Marvell 88AE1512 AVB/以太网收发器

8、 Marvell 88EA6321 7口AVB交换芯片

9、 三颗TI DS90UB964 LVDS摄像头输入

10、 一颗TI DS90UB954 LVDS摄像头输入

11、 和AP2.0一样的TAS5421单声道数字功放和TLV320AIC3104立体声Codec;

12、 FTDI 1647-C串口转USB调试芯片

13、 CAN收发器若干

取消了明显的显示输出部分,是否交给信息娱乐主板来处理呢?

AP2.5信息娱乐主板正面

AP2.5信息娱乐主板背面

接口部分:

1、 FTDI USB调试

2、 WLAN天线

3、 BT天线

4、 LTE USB调试

5、 CAM IN摄像头入

6、 CAM OUT摄像头出

7、 BMP调试口

8、 BMP LPC调试口,谈到LPC(Low Pin Count),基本可以认为那个INTEL的芯片是x86系列。

9、 PMIC调试接口

10、 GSM开关

11、 BROADREACH网口

12、 CAN/POWER接口

13、 ETHERNET网口

14、 AUDIO接口

15、 USB接口

而主要芯片如下:

1、 一个带有4G内存的INTEL CONFIDENTIAL的模块

2、 模块附近有一个NOR Flash和一片eMMC,可以理解为BIOS/EFI和硬盘

3、 NXP SPC5748GSMMJ6一颗

4、 LG Innotek B216C BT/WLAN模块

5、 Marvell 88EA6321 7口AVB交换芯片

6、 TI DS90UB949串行化和TI DS90UB940解串芯片各一颗

7、 还有一颗未知厂牌的WQ1214CS芯片

8、 两颗ST TDA7802 Class-SB-I数字功放,每颗包含四路28瓦标称72瓦峰值。一共8路

9、 一颗TJA1059,一颗TJA1043

10、 以及一个类似MiniPCIE的4G模块插槽

从音频配置和SPC5748G以及接口配置来看,这基本就是信息娱乐系统单元没跑了,但是为何上面没有明显的显示接口?难道Model 3的液晶屏当中,还像之前的Model S和Model X一样用一套Tegra 3来做显示?

前面提到,AP2.0是Parker+Pascal,而AP2.5在自动驾驶部分则是双Parker+Pascal,实际上按我们的理解,Parker本身的CPU处理能力之前就有剩余,而256个CUDA的增加又能带来什么改变呢?据我们分析,实际上这能带来非常多的好处,用一颗独立的Parker,能够处理一些关联度不高的任务,避免和主要的运算任务做竞争,减少了切换和资源调度的开销。这应该是Tesla从实际应用角度出发做的一个改进。

Model S的显示单元,T301应是Tegra 3的车规版本

回到AP2.5,刚才提到,信息系统主板上有一个Modem插槽,这个Modem长啥样呢?

AP2.5的Modem模块

此模块采用了Telit的LE940B6-NA车规通信模组,并有一颗88EA1512网络芯片,从外壳结构来看,这个模块可以支持热插拔。在这块,Tesla的工程师应该是经过考虑的。首先,USB虽然可以热插拔,但是整体来说不如以太网可靠。而且采用AVB的以太网,可以灵活配置网关和其他车内模块的可访问性。

上一代信息娱乐系统中,采用的则应该是USB链接。

上一代信息娱乐系统的通信模块,整合LEA-6R GPS和一颗非常特别的Gyro

继续回到AP2.5信息娱乐主板,该主板上有SIM卡和TF卡插槽,SIM卡从ICCID来看应该是美国某运营商的卡,而TF卡中只有一个分区,里面存储了一些Log,并没有地图和其他数据。

当然,分析还在继续,我们有一些有意思的“跨界工具”,例如……

修手机必备良品

写到这里,我想说,无论对PX2还是AP2.0或者2.5进行分析,都肯定会有一些偏颇,毕竟不是原始设计,但是这样的对标分析,结合芯片行业的从业经历,多少能得到不少有用的信息。

Tesla的几代产品从PCB工艺角度来说,都相当不错,全部都是12层盲埋孔,很多连接器和芯片都是定制型号,例如MXM,Tesla设计的是带锁扣和托架的,连接相当稳固,这样的连接器在zFAS一代Prototype上也能看到。

而从接口的角度来看,Tesla大量采用了AVB和LVDS(包括FPDLink3和GMSL等),但是也依然保留了CAN、LIN等,作为市面上为数不多大规模量产的自动驾驶控制单元,不管其无人驾驶实际执行效果如何,这一系列控制单元无论从设计还是制造工艺,都堪称是完美的艺术品。

四、从WiseADCU谈无人驾驶域控的设计

未来的无人驾驶域控制器,其设计理念应该是前述的“高可靠、高性能、低成本、低功耗、小体积”的高度整合软硬件平台,而芯片企业、算法团队、零部件企业和主机厂之间所存在的鸿沟需要进一步的填补。

首先,从目前公开的各种自动驾驶和无人驾驶系统架构来看,环境感知和融合发展非常迅速,但是大家都忽视了车辆本身的运动控制和线控之间的差别。不止一次在非常专业的会议和组织,听到了“车辆动力学模型和仿真是不必要的”“环境感知融合后给出引导曲线,线控按此执行即可”这样的论断,实际上这还只是实验室阶段的无人驾驶。

而新悦智行作为吉大汽车工程学院的产业化落地团队,我们深刻认知到,简单地把车辆作为一个质心固定的刚体,是非常浅薄的理解。车身姿态和运动状况是一个层面,环境传感器是一个层面,车辆本身的能力也是一个非常重要的层面,如果不把执行器的“能力”和车辆的状态考虑在决策条件之中,是无法完成精准可靠的自动驾驶系统的,更无法满足“安全和舒适”这两个自动驾驶和无人驾驶的基本需求。

新悦智行的WiseADCU-L4v1

其次,未来无人驾驶域控的软硬件架构应该充分而科学的整体规划,从系统架构上可分为两个主要派系,也就是域控强算法和域控弱算法。其区别非常类似分布式运算和虚拟化集中运算的差异。

结合新悦智行自己设计WiseADCU的历程和理解,做一些分享。

强算法的域控能够降低前端传感器的复杂度和成本,更加高效地利用域控的运算资源和能力,对各种原始数据的融合更加合理,还能让物理架构更加清晰。其缺点或者说挑战也非常明显:

1、 多种算法的理解、整合、优化和资源的合理分配及调度,非常考验系统架构师的设计能力以及工程师团队的实现能力;

2、 比起ASIC处理特定的运算和数据,用CPU和GPGPU做运算,未必是最优的情况;

3、 原始数据(RAW Data)对带宽和实时性的要求都更加严苛;

4、 系统复杂度的增加,提高了出错的几率和影响程度,原本单一传感器的故障,可能会在此放大成整体系统的故障。

板载Mobileye EyeQ3芯片的Audi zFAS(非第一代)

弱算法的域控,简而言之就是大家做好各自的事情,按照统一的约定和协议,提供目标检测的结果,其缺点在于原始数据融合度极低,相互之间没有前后文关联,依赖统一的时间戳做即时运算形成决策结果,有些传感器本身依赖车身姿态和相关状态,需要多套系统冗余。

考虑到这样的问题,可以考虑设计可扩展架构,例如新悦的WiseADCU加入了FPGA单元,对传感器的前端数据处理和数据通路可以进行灵活配置,对于车辆状态和姿态等数据做了统一的协议和数据接口。同时兼容原始数据和结果数据的处理,前端传感器除了提供检测结果数据,同时提供一份原始数据,而WiseADCU根据原始数据取出一些特定信息进行融合及权重的分配,而不需要涉及非常专业的算法,结合所处“域控”的地位所能采集的几乎全部数据,形成合理的“环感-车辆-权重-融合-决策-执行”的大闭环。

新悦智行WiseADCU硬件框图

WiseADCU硬件架构基于以上理念设计,新悦智行CTO李林峰则调用了其武汉海微科技核心汽车电子团队平均十年以上的硬件和驱动工程师共同参与,和新悦的工程师一起完成了理念到实际产品的转化。从第一版的情况来看,只有30多个Minor Bugs,对于一个600多元器件、9000多焊盘的复杂系统来说,非常不易。

基于新悦智行WiseADCU域控所做的网络架构

从一些细分领域来看:

网络架构,基于AVB演进的TSN将会是重要的架构,但是不能因为有了TSN就放弃CAN/LIN,对于一些成熟和简单的场景,CAN/LIN无论成本还是可靠性,都是有保障的。

新悦智行WiseADOF系统架构

操作系统,Drive系列开发工具的Ubuntu Linux及其内核都需要做深入的改造和优化,相信Tesla做了并且一直在做这个工作。首先,不能完全否定Linux的可靠性,很多人一谈到Linux就认为其不如某些商用实时系统可靠,从宏观的层面来说,Linux系统内核发展到4.x版本,其代码的庞大程度确实超过某些特定的商用实时系统,但是从微观角度来看,单纯的内核,如果不考虑驱动、文件系统和协议栈这些的话,其实大家都差不太多。

信息安全、传感器本身的安全、传输层的安全以及系统的安全等都需要综合考虑,作为一个1997年开始涉足网络安全和嵌入系统的老司机,听过一句话非常经典“堡垒往往是从内部被攻破的”。这是一个系统工程,后面可以单独弄一系列长篇大论。

车辆控制,需要ASIL-D的功能安全,丹诺西城的李丹曾经作为Fujitsu/Spansion的老员工,对ASIL-D和LockStep相关的知识做了非常详细的讲解,这位老司机同样也是WiseADCU的核心专家和智囊。加上吉大底盘和运动控制国家重点实验室多年的积累和积淀,以及对车辆运动控制的实践,WiseADCU后续和Matlab/Simulink以及各种主流车辆仿真软件的的深度融合也符合未来主流自动驾驶域控趋势。WiseADCU采用了ASIL-D级的MCU硬件配合AutoSAR规范的系统架构,并实现多种仿真软件的接口,其主要目的是在规模化应用阶段开始取代MicroAutobox等接口层硬件。

总的来说,未来无人驾驶域控,要有好的整体架构设计、完整细致的框图以及有实战经验的团队,满怀敬畏,开放心态,跨界交流和实力团队的务实工作才能设计和落地深度跨界的产品并保持其不断的延续和演进。

雷锋网推荐阅读:曾经想“开启无人驾驶上帝视角”的两人,刚刚展出了新能源整车+L3自动驾驶平台 | CES Asia 2017

雷锋网

亚马逊拟进军运动服饰领域,将与台湾两家代工商合作

据彭博社报道,电子零售巨头亚马逊计划进入运动服饰领域,并与知名的运动服装制造商的供应商合作,传出已经与台湾两家纺织大厂联系,这两家公司包括聚阳、儒鸿。其中,儒鸿的参与特别值得我们注意,因为这家公司是耐克公司、 Lululemon Athletica Inc. 和Under Armour Inc.的服装代工商,在生产高性能运动服装上拥有关键专长。据知情人士透露,首次提出双方这层关系的是永丰金证券的分析师Silvia Chiu。

据雷锋网了解,这个项目是新的,长期合同尚未正式签署。这些制造商正在为亚马逊生产少量的产品,作为合作之前的一部分。

亚马逊在之前就已经尝试进军时尚服饰的自有品牌市场,包括Goodthreads、Paris Sunday品牌的办公服饰、外套和洋装。市场认为,如果亚马逊正式推出运动服饰,将会对全球运动品牌带来新的竞争。

雷锋网获悉,在彭博报道了亚马逊涉足运动服装产业的消息之后,Lululemon的股价一度下跌4.9%至57.55美元。Under Armour下降了多达2.8% 。耐克也出现了下滑,但后来股价回升,上涨0.1%至50.86美元。

雷锋网

Santa Cruz 二代原型机上手体验:最大的进步是镜片和显示器

雷锋网按:OC4大会上,RoadtoVR的记者率先体验到了 Santa Cruz 二代原型机,雷锋网将其体验编译如下。

10 月 11 日,一年一度的Oculus Connect 4开发者大会在加利福尼亚州圣荷西举办。会上发布了Santa Cruz Prototype 2独立头显,包括6DOF运动控制器。虽然和去年发布的Santa Cruz Prototype 1并无太大不同,但Santa Cruz Prototype 2仍然迈出了很大一步,最明显的进步在于新的镜头和显示器。

Oculus在会上还发布了另一款独立头显:Oculus Go,但它与Santa Cruz Prototype 2截然不同。首先,Oculus Go属于低端设备(类似于Gear VR),Santa Cruz Prototype 2则属于高端设备,其表明了Oculus在高端头显上花费的心血。其次,Oculus Go已经开始生产,并计划在明年以200美元(约合人民币1316元)的价格发行,但Santa Cruz现在仍处在原型机阶段。

首先,要明白的是:Santa Cruz是一款独立头显一体机。这就意味着它不依赖于任何PC设备,完全自我驱动,和一般的无线头显截然不同。一般的无线头显虽然也是无线连接,但它仍然依赖PC来运行。因为Santa Cruz是独立头显,你可以随时随地使用它,inside-out跟踪技术将给你带来不同寻常的体验。

下面,我就带大家认识一下Santa Cruz Prototype 2(下文中简称“Santa Cruz P2”),并来看看它和去年发行的Santa Cruz Prototype 1(以下简称“Santa Cruz P1”)有何不同。

Santa Cruz P1到Santa Cruz P2:硬件的升级

外观

Santa Cruz P1的背后附加了移动计算/电池模块,前面装载内向外追踪技术的新面板,而Santa Cruz P2的外观与它有些不同。Santa Cruz P2将计算/电池组件直接置于机身当中,所以没有了P1背面的隆起部分。

显示器和镜头

Santa Cruz P2不仅将所有部件都置于机身当中,还使用了新的菲涅耳(Fresnel)镜头和新的显示屏,其分辨率更高。Santa Cruz P2和Rift一样,都保留了硬件IPD调整滑块。但它在底部装有音量按钮,这与Rift截然不同。

隐藏的集成音频播放器

Santa Cruz P2装载着集成音频播放器,但和Rift不同的是,它并不是像耳罩一样展露在设备外,而是隐藏在头带中或接近头带。因此,你看不到它。不过在使用时,用户以及身边的人可以听得到它。我注意到头显左侧和右侧都有的3.5mm的耳机插孔,这表明用户可以插上自己的耳机,以获得更加私人的听觉体验。Santa Cruz研发团队的人透露,Santa Cruz P2的音频解决方案尚未确定,日后也许还会有变动。

头戴方式和人体工程学

和Santa Cruz P1相比,Santa Cruz P2的头戴方式也截然不同。Santa Cruz P1使用的头戴方式与Rift相同,即后面带有三角形的硬带,但是Santa Cruz P1头带的后半部分材料为柔软的橡胶材料,只在前半部分保留了硬性材料。虽然Santa Cruz P2的机身较大,而且比Rift要重一些,但考虑到Santa Cruz P2的机身内包含了头显所需的所有部件,我很惊讶于它的尺寸和重量,可谓“麻雀虽小,五脏俱全”。

控制器

说到Santa Cruz P2的控制器,Oculus表示它是由打造Touch的同一团队打造。因此,Santa Cruz P2的使用感受和运行状况与Touch颇为相似。不同的是,Santa Cruz P2控制器的顶部添加了一个触控板,来代替操纵杆和按钮。

Santa Cruz P2:使用体验

显示器和镜头

在上手体验Santa Cruz P2的过程中,我对其新的显示器和镜头印象颇深。虽然Santa Cruz P2还存在着大量的混叠现象(毕竟这是来自移动计算硬件的VR体验),但比Rift,其分辨率有了大幅提升。其像素填充率似乎也不错,大大减轻了纱窗效应。色差校正表现得也很优秀,进一步增强了视觉清晰度。但短短一次体验还不能完全评判它的色差,我还需要看看更多种类的场景才能对它有一个客观的评价。

根据显示器的黑色程度,我敢打赌Santa Cruz P2使用的是OLED面板,这就表明Santa Cruz P2采用的可能是三星的2,560 × 1,440显示器(类似于Gear VR智能手机的显示器)。虽然很难准确测量,但我还是可以感觉到屏幕上有一些微弱的闪光,毕竟有些人对于闪光甚是敏感。这就让我觉得Santa Cruz P2的刷新速率并不像Rift(刷新速率为90Hz)那么高。考虑到增加的分辨率和有限的计算资源,Santa Cruz P2显示器的刷新速率应该在75Hz或以下。

跟踪

Oculus表示:从去年Santa Cruz P1发布开始,Oculus就开始关注Santa Cruz P2的跟踪问题。利用安装在显示器外壳边缘的广角摄像头,Santa Cruz P2可以将四个独立视图结合起来,实现内向外追踪,现在这个摄像机也可以追踪控制器了,这和Windows VR头显有些类似。

(实现inside-out跟踪技术的摄像机分布在面板的四个角落)

Oculus表示它们将会继续增加摄像头视角的广度,来实现跟踪区域最大化。这样一来,控制器脱离追踪的情况将会减少。

(Oculus表示绿色区域就是Santa Cruz P2控制器的跟踪范围)

Santa Cruz P2的跟踪效果真的很棒,在体验时,我非常自信地四面走动,移动范围大概是20 × 10英尺(唯一阻挡我前进的东西就是房间里的墙壁)。之前的我习惯戴有线头显,走动起来畏手畏脚,这一次戴上Santa Cruz P2,我感到前所未有的自由,能够自由自在地走上好几步。如果戴着其他设备,我可能一迈出脚就靠近了游戏空间的边缘。

不过奇怪的是,当我停下来看着静止的物体时,我感受到了持续抖动,虽然抖动得比较轻微。我之所以说“奇怪”,是因为我去年在体验Santa Cruz P1时并没有出现这种状况。我将我的体验告诉了身边的Oculus研发人员,他们非常惊讶,并鼓励在下次的展会中再来体验。如果我下次有幸参加,我会更新这篇体验文。

一般来说,VR行业的主要厂商都说追踪精度需要达到亚毫米,才能避免可见的抖动。如果这是真的,那么我可以猜测Santa Cruz P2的追踪精度并不高。不过话说回来,Santa Cruz P2也还过得去,至少比PSVR的精度更高。

不过尽管有抖动,我并没有看到哪怕一次“跳跃”,这是一个好迹象。另外,去年我在体验Santa Cruz P1时,体验室(装饰得有点像公寓的内部)的墙上没有任何闪光的东西(比如镜子或窗户),这些闪光物对追踪系统来说是一个巨大挑战。因此,我们还得看看Santa Cruz P2在真实场景中的表现。

控制器

在去年的Connect大会上,Santa Cruz P1显示了其inside-out跟踪技术。今年,Oculus将Santa Cruz P2与6DOF控制器相结合。这和Touch颇为相似,只是跟踪环翻转了。很明显,这就让隐藏的IR LED标记在头显摄像头上更加明显,而Touch则希望由用户对面的外部摄像机来捕捉他们。

这款控制器的握感非常舒服,和Touch相似。除了跟踪环外,控制器的主要变化就是在控制器顶部增加了跟踪板,来代替按钮和操纵杆(现在触控板还不能使用)。此外,控制器的重量也似乎减轻了。

总体来说,跟踪器的反应非常灵敏。至少就我个人的体验来说,它和Touch的使用感受有些相同。然而,我确实注意到当我从一个摄像头视角移动到另一个时,我的手似乎有些跳跃。这有点像在360视频中,物体的移动并不总是那么流畅,那么无缝衔接。

对于我体验的游戏(Dead and Buried,《长眠地下》,一款典型的第一人称射击休闲游戏)来说,如果玩家的手从一个相机视角移向到下一个,画面上会出现轻微的跳动。不过这种状况在艺术和设计应用中会带来一些困扰,因为当你的手在摄像头视角中移动时,你并不想让你的画笔出现跳跃的情况。因此,如果Santa Cruz P2想适用于各种各样的VR应用,我希望它能变得更加流畅。

音频

Santa Cruz P2之所以会使用集成播放器,而不是耳机,很可能是因为它旨在打造一款重量较轻、便捷性高、耐用性好,且易于安装的头显。如果P2和Rift使用一样的耳罩试耳机,那么当你把它扔进包里时,你可能会担心把它摔坏了。有了隐藏的集成式耳机,Santa Cruz P2将更为结实耐用。同时,它的重量更轻,也让你适应得更快。

对我来说,扬声器听起来高音太多,低音不足,它的听觉感受绝对Rift逊色。而且,要弄清楚这虚拟世界里的声音从何而来,似乎相比其他设备困难很多。不过尽管如此,我还是很欣赏这种方法背后的思想。

值得庆幸的是,头显两侧两侧各有一个3.5毫米的耳机插孔,这应该就意味着如果用户喜欢,他们可以插入自己的耳机。同时,这两个插孔一左一右,说明应该可以一起提供左右声道的音频。我希望每个插孔都可以处理立体声音频的输出,这样用户就可以使用他们自己的耳机,而不会只能使用分离左右音频的专用耳塞式耳机。

使用舒适度

上文提到,我对Santa Cruz P2的尺寸印象非常深刻。这就是说,它比Rift的尺寸稍大,重量稍重,所以我希望Oculus能在发行前再做适当改进。

头显的后半部分为橡胶材质,可以伸缩,使用起来非常舒适,它不仅容易佩戴,而且可以很好地吻合用户的头部形状。不过,后半部分的坚硬材质就并非如此,因为它不能伸缩,它只适合某种特定头部形状的用户。

不管它能否改良,Santa Cruz P2的后半部分更容易调整到理想状态,而前半部分较难调整,因为我看到很多人佩戴得并不合适。因此,如果Santa Cruz坚持使用橡胶带,那么可能对用户更加友好,因为更加易于调整,佩戴起来更加舒服。不过当然,要真正对头显的舒服度做出客观评价,我们还需更多时间。因此,我们拭目以待吧。

Via: RoadtoVR雷锋网编译

雷锋网

世界最大黄网要用 AI “鉴黄”,还号称要让鉴黄师下岗

最近,雷锋网宅客频道(微信公众号:letshome)看到外媒报道了一则让人惊讶的消息:世界最大黄网 Pornhub 要用 AI 自动识别成人片内容和演员,还号称要让鉴黄师下岗。

到底怎么回事?我们来看看新闻稿:

Pornhub已经宣布推出一款全新的成人片识别引擎,这款引擎由 AI 驱动,使用计算机视觉技术自主检测和识别成人片内容以及表演者,将让那些负责监视和标记无数小时色情影片的工作人员失业。


该引擎和算法迄今为止通过简单的扫描和解释镜头进行了训练,以识别超过 1 万种色情内容。 Pornhub表示使用了数千个视频以及演员的官方照片来训练这个 AI 驱动的解决方案。

原来,首先是对视频进行识别,然后打标签。机智的读者想必还看到了重点:可以识别超过1万种色情内容,用演员的照片和视频来训练。

1万种色情内容?编辑突然不懂了。

原来,这款 AI 引擎可以识别不同的开车场景:室内、室外,是不是金发妹子,以及开车的不同姿势。

为什么一个黄网要“鉴黄”?

人家副总裁Corey Price 说了:“最终,我们想要给粉丝提供他们喜欢的所有一切。我们的新模式能提供更准确的结果,希望这可以让他们更多地访问我们的网站。浏览和访问想看的内容越容易,他们的愉悦感就会越高。”

说白了,无非就是现在大家都很熟悉的“内容推荐”和“用户体验”,准确地帮用户搜索想要的内容,这种类型的搜索推荐技术某头条和某宝都在使用。

事实上,现在有很多企业在使用 AI 引擎进行图片、视频甚至是直播视频识别,打标签。此前雷锋网就报道过:《为了找出羞羞视频,百度云居然有“娇喘模式”》《从“鉴黄”到视频&直播个性化推荐,图普科技不仅要帮人省钱还要帮人赚钱》等。

不过,雷锋网发现,Pornhub 称,用户现在可以搜索有亲和力的特定色情明星,这个 AI 模型将能够获得更准确的结果,因为每天有超过 10000 个视频被添加到 Pornhub 中可以对 AI 模型进行训练。而在此前的报道中,有些公司的训练建立在千万级的基础上。Pornhub 10000 个视频能保证精准度吗?

图普科技运营总监姜泽荣认为,如果按照一个视频 1.5 小时来看,一秒一张图截图,在上述数量视频的基础上,也算挺多的,能训练出效果尚可的模型。但是,仅对色情类视频鉴别产生效果,换到其他类型的数据效果就不好了。

意思是,Pornhub 要想利用这个引擎跨行干点副业,估计就不好使了。

为了提升精确度,Pornhub 网站要求用户验证 AI 模型提供的标签是否正确。看来,Pornhub 已经机智地将通常净网行动中人工抽检复核的这一环节转推到用户身上,进一步省略了自己的“人工”环节。

毕竟,Pornhub 打出的口号是:希望人工智能可以简化业务运营,让许多流程自动化,从而不必过多地依赖人工。

姜泽荣还称,比起 Pornhub 宣称的各种场景识别,其实国内早就能做到,比如图普科技可以识别视频中的卧室是否有床,识别头发颜色,甚至还可以识别是长发还是短发。

一个关键问题来了,黄网这么努力地提升技术做内容推荐,会与净网行动的“扫黄”中的“鉴黄”技术产生对抗吗?

姜泽荣表示:“对于鉴黄模型来说,只要是它学习过的数据类型,大部分都能识别,除非色情网站不断弄新的色情类型,或者专门找鉴黄模型可能识别不准的类型来发布,不然他们的内容依然还是会识别出来,而且鉴黄模型本身也是在优化升级的,会不断对数据库进行学习,提高识别率。”

雷锋网

开房要谨慎:凯悦酒店数据泄露,殃及中国18家酒店

雷锋网消息,最近,全球 11 个国家的 41 家凯悦酒店支付系统被黑客入侵,大量数据外泄,而且这是自2016年1月后,凯悦酒店发生的第二次严重数据泄露事件。和中国人有关的是,这次受影响最大的凯悦酒店数量位于中国,共有18家,泄露的信息包括持卡人姓名,卡号,到期日期和内部验证码。

凯悦酒店集团总部位于芝加哥,是一家酒店集团。据《华尔街日报》2016年1月的报道,凯悦酒店集团第一次遭遇支付卡数据等信息泄露事件时波及了全球约50个国家的250间酒店,约占凯悦运营中酒店数量的40%。当时,知情人士向《华尔街日报》表示,失窃的卡数据已进入黑市,并已经出现欺诈交易。

据 malwarebenchmark 称,这些未经授权访问的客户支付卡数据,是从3月18日至7月2日之间的在一些凯悦管理地点的前台,通过手工方式输入或刷卡的。而这次数据泄露的原因,是由第三方将含有恶意软件代码的卡片插入某些酒店IT系统,通过酒店管理系统的漏洞,获取数据库的访问权限,提取与解密后,获得用户的私人信息。

雷锋网

高通寻求在华禁售禁产iPhone,苹果反击;中国旅游研究院院长:搭售、包价再正常不过了 | 雷锋早报

高通起诉苹果:寻求在华禁止销售和制造iPhone

雷锋网消息,据彭博社报道,高通在中国针对苹果公司发起诉讼,旨在禁止后者在中国市场上销售和制造iPhone。

苹果公司与高通之间的司法斗争始于今年1月,当时美国联邦贸易委员会(FTC)指称高通强迫苹果公司使用其基带芯片以收取更高的专利使用费;3天以后,苹果公司对高通发起了一桩索赔10亿美元的诉讼。高通则表示这桩诉讼没有根据,并指控苹果公司歪曲事实,公开声称将发起反诉,同时称其希望在该公司反诉苹果公司以前,双方之间的业务还可正常进行。今年5月有报道称高通寻求推进一项美国iPhone进口禁令。另外,苹果公司还指示其供应商也不要向高通支付专利使用费。

就在上周,苹果公司首席律师布鲁斯·斯维尔(Bruce Sewell)在接受采访时表示,高通芯片给苹果公司带来的成本约为每部iPhone手机18美元,外加售价的5%,而苹果公司认为这个数字过高了。

中国旅游研究院院长:搭售、包价是正常的商业行为

在近日旅游大数据会议上,中国旅游研究院院长戴斌表示,“搭售”,或者说“包价”、“小包价”产品在旅游和其他商业领域是“再正常不过的事”。戴斌在呼吁理性看待近期在线机票行业争议的同时,还明确表示,“允许旅游企业向供应商收取代理佣金、向消费者收取服务费,并接受市场的调节”。

“只有打破垄断,特别是行政权力与资本力量合谋的垄断,促进市场主体之间的公平竞争,才能真正有效地保护消费者权益。”戴斌说。

欧中经济技术交流促进会会长杨佩昌说,由于信息的不对称,消费者并不了解企业的苦衷,因此容易把火往企业身上撒,“消费者对机票代理的不满,在一定程度上也和买房人骂房地产开发商类似。了解内情的人都清楚,房地产商赚的钱并非暴利,至少70%的买房费用去哪儿了,谁也不敢往下深究,于是追打和责骂房地产商成了国人最时髦的做法”。

小米与印度连锁集团达成合作 在连锁超市Big Bazaar卖手机

据外媒报道,中国智能手机厂商小米已经与印度未来集团(Future Group)旗下连锁超市Big Bazaar达成合作,在从周三开始的节日季期间销售红米4和红米Note 4手机。小米印度区主管马努·杰恩(Manu Jain)通过社交媒体宣布了这一合作,他说,这项合作将在手机公司中开创先河。

据悉,“米粉”们可以在Big Bazaar以特价购买红米4和红米Note 4手机,使用印度工业信贷投资银行信用卡和借记卡购买的用户还可享受特殊折扣。另外,杰恩表示,与Big Bazaar的合作涵盖240家店面,但他并未透露当节日季结束后该合作是否会继续。

传亚马逊接洽代工商 拟发展自有品牌运动服饰

雷锋网消息,据彭博援引知情人士透露, 亚马逊正在和一些最大的运动服装供应商展开合作,以求发展自有品牌的运动服饰,此举料将在这个本已喧嚣的行业掀起新风浪。一名了解情况的人士称,为优衣库和Gap生产商品的台湾厂商聚阳实业在为亚马逊的产品线生产服装。另一家台湾厂商儒鸿也在与亚马逊合作,首次提出双方这层关系的是永丰金证券的分析师Silvia Chiu。据参与的人士透露,上述项目是新的尚未签署的长期合约。不具名人士称,这些制造商正在为亚马逊试生产少量产品。

针对校园欺凌 英国拟向Facebook和Twitter征收网络安全税

据 BBC 报道,英国政府近日提案,向Facebook 、Twitter等社交媒体公司额外征税,帮助英国的网络安全战略筹措资金,该战略旨在解决针对儿童和弱势用户的网络霸凌、网络滥用和其它风险问题。这类政策在赌博行业已有先例,目前赌博公司承担了一部分治疗赌瘾的费用。

针对此政策,Facebook回应称;我们的首要任务是让Facebook成为对所有年龄段的人都安全的地方,因此,我们花费大量时间和英国互联网安全中心等安全专业机构合作,研发能够带给用户积极上网体验的有力工具。我们欢迎企业、专家和政府密切合作,解决这一关键问题。"

俄罗斯拟对比特币全面监管

北京时间15日据CNBC报道,俄罗斯财长西卢安诺夫(Anton Siluanov)表示,俄罗斯将对加密货币进行监管,目前正进行广泛评估。西卢安诺夫称,“加密货币是一种无法改变的事实(fact of life),我们不应该忽视它们的崛起,但它们需要接受监管”。

西卢安诺夫在华盛顿国际货币基金组织会议的间隙表示,“我们需要为此建立相应的法律框架,如果这些活动违反了包括反洗钱法规等法律,我们需要加以控制”。

以太坊明天将开启“拜占庭”硬分叉

雷锋网消息,以太坊网络将进行一个计划内的硬分叉,分叉时间在第437万个区块高度(北京大约是2017年10月16日20点—21点)。目前,以太坊硬分叉计划包括“拜占庭”和“君士坦丁堡”。具体来说,大都会是一个计划之内的以太坊开发阶段,包括两个硬分叉:拜占庭和君士坦丁堡。拜占庭硬分叉将在第437万个区块高度发生。君士坦丁堡硬分叉事件未定,预计在2018年。

所谓以太坊的硬分叉,是对以太坊底层协议的改变,回滚历史数据,创建新的规则,提高整个系统。协议改变在某个特定区块上被激活。因此,所有的以太坊客户端都需要升级,否则将停留在遵循旧规则的老链上。

雷锋网

面对金融应用实时、安全、系统性风险挑战,蚂蚁金融智能大脑Antzero如何应对?

雷锋网报道,作为云栖大会重要组成部分,首届蚂蚁金服ATEC大会也在杭州云栖小镇召开。ATEC大会又叫蚂蚁金服科技探索大会,大会今年的关键词是“技术开放”。据雷锋网了解,蚂蚁金服副总裁、首席数据科学家漆远出席发言,并作了金融级智能大脑Antzero的分享。漆远主要介绍了Antzero的功能、应用场景以及下一步发展计划。

漆远表示,金融服务面临很多问题,很多问题都是从场景自然产生的,对机器学习产生很多的挑战。

  • 对实时性的要求,一个AI驱动的交易风控系统需要在毫秒级做出决策,响应慢就不行;

  • 关于海量数据和业务多样性的问题,很多数据源从不同的场景进来,需要从多个维度多个数据源结合来综合分析;

  • 金融固有的系统性风险,如果危机迅速地扩散,从而成为系统性大风险,那么如何从金融网络的角度预防或者准备;

  • 最为关键的是金融性安全挑战,也是一切业务的基石。

从长远发展来讲,任何公司、任何机构的长远发展需要一个真正扎实的技术积累。这是达摩院和蚂蚁金服金融智能大脑Antzero开放的原因。

以下是演讲原文,雷锋网作了不改变原意的编辑:

金融智能大脑如何应对金融场景挑战?

面对金融业对于AI的挑战,蚂蚁金服建立了一个金融智能大脑Antzero。我们希望它可以提升风控信用决策的能力,降低金融服务成本,改善服务体验。

这个金融大脑是安全加密、实时对抗、大规模的。很多金融场景本身就是对抗性的,需要考虑到恶意的数据。金融大脑涵盖了我们搭建的金融智能平台,它可以输出金融级智能能力给生态合作伙伴,比如加强学习,深度学习,无监督学习和 图推理能力。在这些基础能力以上,我们希望能够提供系统性风险预备或防范能力、智能营销能力、智能理赔能力、智能金融信息服务。

金融智能平台通过拖拉拽就能上手的交互方式,在超大规模异构计算平台上实现一系列金融场景的算法,并且提供一套完整的产品解决方案来服务我们的用户。

金融智能平台解决三个关键的问题。

  • 一是安全,金融智能平台通过提供自研硬件支持安全合规的加密解密。

  • 二是实时,如果没有这个平台,大型有效的机器学习模型没法短时间产生结果,只能简化算法,但这样会很影响业务效果。所以我们在通过工程和算法来优化AI在线服务的速度。

  • 三是支持大数据量的机器学习和离线训练。我们希望能够打通机器学习从建模、部署到迭代的链路,给我们的用户提供完整的平台解决方案,帮助他们减少使用AI系统、AI算法和AI资产的门槛。

具体来说金融智能平台有这样几个功能。

  • 首先是可视化建模,我们有丰富的图表样式和非常强大的特征算子,用户通过轻松的拖拉拽就能完成数据建模。

  • 其次是自动化部署,我们做到了模型自动翻译、集群自动管理和性能自动监控。芝麻分应用后,建模效率从一个月提升到一周,部署效率从两周提升到一个小时。

  • 第三,资产化沉淀。模型算法也是很重要的资产,在算法的迭代演进过程中,我们最关心系统性能是否稳定,新的算法上线怎样效果可以更好。我们支持性能评估和监控,还提供了A/B测试持续优化服务。另外一个关键是共享,希望大家能够协同起来,不同的人开发不同的模块,但可以沉淀在一个模型里。

最后举一个关于A/B测试的例子,有些时候我们需要使用科学的方法通过比较数据来发现哪一种产品方案用户更喜欢,哪一个算法效果最好,哪一个业务流程最有效。在最新的支付宝新版本首页,我们做过一个非常简单的测试实验:用户收到首页通知时,方案一是出现三个小字,“新消息”,方案二是小红点。我们认为方案一更好,而方案二的用户点击率比方案一相对提高8%。A/B测试既是决策的过程,也是学习的过程。在支付宝的保险首页腰封内容的实验中,我们吃惊地发现去腰封后页面点击率大幅度提升提高了40%。我们要保证这样的科学决策机制,它相当于一个表盘,对基于数据的业务发展非常关键。

金融智能平台的实际应用

金融智能平台以及应用在蚂蚁金服的各项业务里。

智能营销

第一个场景是智能营销。我们通过深度学习,完整理解用户差异化的需求,准确获取用户决策的阶段,在合适的时间、合适的地点,多场景多频次推给用户合适的内容,最终提升业务的转化率。我们实时深度模型的快速迭代,保障了对用户精准的多轮多场景触达。

例如在花呗签约流程中,智能营销如何帮助业务更好的向用户推送签约入口引导签约,这个非常关键。哪些地方透出签约,哪些新用户可以发展,哪些用户是可以挽回,什么时间挽回,在哪里挽回,通过深度模型和实时深度算法的迭代,动态的找到最佳的入口和时机,帮助业务成功转化原本可能流失的用户完成签约。最终帮助花呗签约率翻倍,业务得到大幅提升。

定损宝

另外一个例子是AI在保险行业的应用,比如前段时间上线的定损宝,只需要对车拍一组照片,系统会通过图像识别和AI深度学习的算法来自动完成车辆损伤程度的识别以及维修方案的确定。这个项目刚开始做的时候压力非常大,比如由于车辆油漆颜色的不同,反光效果也不尽相同,并且由于车辆角度的不同会带来视觉上很大的差异性等等。当时,我们进行了大量的思考怎么通过AI的技术能力来大幅度提升车辆损伤识别的准确率和覆盖率,现在团队经过一段时间的努力以及不断的尝试,目前车辆损伤识别的准确率和覆盖率已经达到比较高的水平了。同时在运费险项目,我们通过千人千面的算法能力来根据用户的不同特性推荐不同的产品以及更加精确的个性化定价,从而找到更合适每个用户的保险产品以及定价。

智能助理机器人

第三个重要应用实蚂蚁安安Antone,蚂蚁智能助理机器人。蚂蚁的智能机器人从智能客服机器人一路发展而来。智能客服主要有两部分能力,首先是猜用户的问题,80%多的用户诉求都是通过这种方式来解决的,主要通过用户在支付宝中的行为来挖掘出用户心里想问的问题。另一部分是问答机器人。我们的问答机器人的问题解决能力一直在持续的提升,在今年的5月份,机器人解决率已经超过了人工服务。同时我们还在智能客服场景以外,进一步扩展对话机器人的应用场景,我们希望搭建一个智能助理平台,来使得机器人的能力能够快速应用到各个场景,包括智能投顾等。今年的9月份我们完成了智能助理平台V1.0的版本建设。

Antone目前不仅可以做到懂用户(在智能客服场景的猜你问题),同时在支付宝的很多核心场景可以帮助用户高效解决很多问题,比如快速直达城市服务里面的应用,购买火车票等等。未来Antone将会成为智能的一站式金融生活服务机器人,将来会将智能助理作为一个平台开放给蚂蚁金服的生态合作伙伴。

引用丘吉尔的一句话,“这不是结束,甚至不是结束的开始,而仅仅是开始的结束!”,智能浪潮的时代才刚刚开始,人工智能会对金融业带来巨大的变革。

雷锋网

就在明天!以太坊即将开启“拜占庭”硬分叉

雷锋网AI金融评论报道,据了解,以太坊网络将进行一个计划内的硬分叉,分叉时间在第437万个区块高度(北京大约是2017年10月16日20点—21点)。

消息称,Ropsten测试网络已经在9月19日(第170万个区块高度)进行了硬分叉测试。分叉倒计时可以在这里看到:https://fork.codetract.io/。

目前,以太坊硬分叉计划包括“拜占庭”和“君士坦丁堡”。具体来说,大都会是一个计划之内的以太坊开发阶段,包括两个硬分叉:拜占庭和君士坦丁堡。拜占庭硬分叉将在第437万个区块高度发生。君士坦丁堡硬分叉事件未定,预计在2018年。

所谓以太坊的硬分叉,是对以太坊底层协议的改变,回滚历史数据,创建新的规则,提高整个系统。协议改变在某个特定区块上被激活。因此,所有的以太坊客户端都需要升级,否则将停留在遵循旧规则的老链上。

到目前为止,以太坊区块链已经进行了多次硬分叉,在最具争议的那次硬分叉后,以太坊分裂成了ETH和ETC,期间也造成了较大的价格波动。

值得一提的是,由于之前发生的 ETH-ETC、BTC-BCC 硬分叉,人们开始想当然的认为所有的硬分叉都必然会导致链条分裂,事实上根本不是这样。据以太坊官方博客解释,之前硬分叉导致链条分裂的主要原因是提出的修改方案在社区有很大的争议,不是所有人都同意。然而,"大都会"的这次升级已经在社区一致同意过了,大家都知道这终将到来,这次硬分叉是升级的结果,不是紧急情况下的临时处理办法。这就是为什么不会有任何社区分裂,不会有新的以太币。

在拜占庭硬分叉中有哪些改变?

包括以下升级:

  • 增加‘REVERT’操作符,允许处理错误不需要花费掉所有的gas(EIP 140)。

  • 现在交易接收方可以包括一个状态字段,用以指出交易成功还是失败(EIP 658)。

  • 在alt_bn128 (EIP 196)和配对检查上 (EIP 197)增加椭圆曲线和标量乘法,允许ZK-Snarks和其它加密数学。

  • 支持大数模幂 (EIP 198),实现RSA签名验证和其它加密应用。

  • 支持可变长度返回值 (EIP 211)。

  • 增加‘STATICCALL’操作符,允许对其它合约进行非状态改变调用(EIP 214)。

  • 修改难度调整公式,将叔块计算在内(EIP 100)。

  • 冰河期/难度炸弹延期一年,区块奖励从5个以太币降到3个以太币 (EIP 649)。

雷锋网