定制计算与智能网联汽车

文／陆永青

定制化计算，又叫自定义计算，我们可使用它来进行架构，从而提高芯片的利用率。它能以一种更高效的方式进行数据的处理，而不需要任何的指令。

陆永青 英国皇家工程院院士，鲲云科技首席科学家

智能网联汽车面临挑战

智能网联汽车的挑战到底是什么呢？

在过去几年我非常荣幸有机会跟很多项目进行合作，做了很多项目，包括人工智能的项目、不同智能的项目、不同情形下智能的应用。

你可能会问我，所做的这些项目之间有什么联系，它们与无人驾驶汽车有什么联系。

我个人觉得，这些项目中，它们之间的主要运行，包括本质上的运行是一个物体的识别，我们要去处理飞行的数据，这其实和时间的数据分析有关，对应到的是机器人的任务式学习。

更近一步思考：一些主要的计算到底是什么？我们会发现我们要去做物体的识别，最重要或者最好的计算架构就是卷积的神经网络架构，以时间为限度的神经分析是一种很好的方式，是一种新的、循环式的神经网络。

我们要进行机器人的自主学习和自动学习，在这个过程中，学习是最主要的任务，所以我们用了加强学习的方式。

假如有一种架构能够给我们带来较高的利用率，这就是我们所需要的。下面看一看所谓的定制化计算，或者叫自定义计算，我们可以使用这样的计算方法来进行架构，从而提高芯片的利用率。

首先看一看传统的计算，这是我们非常熟悉的一个流程，从程序开始，然后是软件工具，比如编译器，通过这样的方式把程序转化为指令，把它放置到固定架构当中去，在这儿我们希望把预设的项目与固定的架构进行整合，这是传统的计算机计算方法。

我刚才提及架构是固定的，是不变的，所以会有很多的限制性因素，可能会限制芯片的利用率。我们希望能够增加整个计算流程的灵活性，从而提高计算机效率，这就是我说的定制化计算或者是自定义计算，这种情况下我们看到架构本身是可定制、可定义的。

架构并不是固定不变的，架构本身可进行定制，所以我们不需要把程序固定到架构中，而是将一个可定制的架构与程序来进行对应，这就是我们的基本思想。这样的思想与传统的方式非常不同，其灵活性大大提高，这是由于架构的可定制性，因此我们就能够提高芯片的利用率。

当然，我们也需要有充足的工具，这就不仅仅是软件工具了，我们可能需要软件工具+硬件工具，两者并行来完成这个流程。

开发可定制化架构

有不同的方式能够开发可定制化架构，第一个就是使用芯片，使用那些可编程的芯片进行基础编程。

一些传统架构，我们需要做的就是把程序先转换为指令，只有这样才能够编程整个架构，然后在运行时需要不同的指令进行不同的操作，比如说数据的输入，所以运行时固定架构需要输入数据，需要指令告诉它你要做什么，然后才能够进行相应的操作，如进行数据的处理，这是传统的固定架构的计算。

如果我们来看一看可定制化的计算，我们就会发现因为整个架构是可定制的，不需要任何的指令，所以在运行时我们根本不需要输入指令。整个流程更加高效，我们只需要输入数据就可以了，这也就意味着定制化能够帮助我们以一种更高效，或者最高效的方式进行数据的处理，我们不需要进行任何的指令。

我们可以定制化什么呢？我们来看一下可定制的参数，如数据或者算法的表示，再一个就是特定的参数，如特定应用的参数，或者是特定技术的参数。此外，工具的使用方式，如分区、编译等，也可以根据不同应用、不同设备的情况进行设定。架构本身也可以进行定制，不管是在运行时还是在其它时候，都可以进行这样的定制。

这样做的目的是什么呢？为什么要进行定制化，是希望能够满足最高效完成设计的需求，包括速度、准确率、能源使用情况、能源使用效率等。此外，涉及到车辆，还有一些重要的因素，如安全、隐私以及应急处理能力，如对于自动驾驶车辆而言，可能我们不希望有人黑进车辆控制系统的情况出现，我们希望避免这样的情况，所以我们希望能够定制这个架构，这样就能达到最佳的效果、最大程度化地满足我们的设计需求。

定制化计算前景广阔

我分享一下这个领域中的最新发展，这些发展会带来非常大的影响，会影响到未来的智能网联汽车，包括物体识别还有异常识别以及制造业里面的应用，我们在未来还有什么样的可能性。

在未来汽车的设计中，比如很多汽车都在制造的过程中，使用非常先进的空气流体力学的模拟，他们标识气体的流动状况，我觉得可以用我们的技术对这个过程进行加速。

同时，在汽车本身的使用过程中，我们能够用不同的传感器，支持不同的视觉成像和视觉运营。

对于自动驾驶车辆而言，我们不希望有人能黑进车辆的控制系统，所以我们希望定制架构，达到最佳的效果、最大程度化地满足我们的设计需求。

类似这种系统，可通过技术进行加速。与此同时，我们也发现有很多信息会在车内进行处理，并提供给司机、乘客，尤其是坐在车内的乘客。

对于汽车本身来说，已经成为了一个数据中心，有时也叫轮子上的数据中心。所以我们要把这种数据中心的运行变得非常高效、非常安全。我们不仅要把车联起来，联起来之后，车之间的沟通和交流也必须要非常的安全。

我们要进行汽车的沟通、交流和信息交互，比如各种各样的防火墙、识别病毒等，这些都需要非常高效、安全的技术来确保汽车的信息交互安全，并且不会影响到汽车本身的运营，不会让本身的运营放缓。这里还有其它的可能性，比如汽车有一些异常，不管是汽车本身还是控制汽车的计算基础的问题，我们都可以提供多样的运营方式以及多样化的计算方式，这样的话就能够支持容错率，一旦出现错误不会让汽车的性能大幅度下降，汽车有时甚至可以进行自身的修复。

很多技术今天都谈到了，包括很多制造厂商都在谈合作，这些高级的应用，他们之前都是在汽车当中用，我觉得他们可以逐步迁移到未来的汽车当中。

互联汽车不仅仅是单一的汽车，而是整体的汽车所形成的网络体系，所以我们不仅包含了汽车，也包含了乘客，包含了基础设施、道路、交通运行状况等。我们要非常好地设计交通、规划交通，不管是未来进行实时的交通规划，我们有着非常好的交通流，能够促进道路的行驶和用户的体验，不管是对当下还是未来都有促进，我们要有非常多的计算机去模拟不同的情形，所以我刚刚提到的相应的技术都是非常重要的。

系统自我优化

设计的工具方面，我们的工具就包括了一些运用的描述，还有其他定制化的处理器和固定的处理器，我们也会看到有一种反馈的过程，有了这个反馈之后，我们就能够让这个个性化的处理机器进行实时的编译，我们希望实现这样的能力，这样的话我们能够弥补各种各样的纰漏。

对于应用开发者来说，能够更容易找出设计架构中的问题，并去解决这些问题。长期来看，我们会设计汽车，包括整个汽车的生态体系，他们能够对自身进行优化，这样的话我们设计的体系能够去支持自我优化，同时也能够优化这样的模型和建模的过程，模型的外部环境还有整体架构的模型可以进一步升级，能够实时地进行适应。

除此之外，系统能够自我优化的话，这一点非常重要，能够扩大相应的能力，更好地识别优化是否是正确的，如果是正确的话就能够支持这样的优化，因为有的时候会有一些黑客会侵入到优化的过程中，会留下一些纰漏和漏洞，所以我们就需要自我优化的过程帮助这些汽车。

我们也相信自我优化的操作和自我识别、自我纠正的系统能够提供非常高效和非常可信赖、非常安全的体系，这对于未来的智能网联汽车而言非常有用。