感知認知算力

『壹』 毫末 AI DAY干貨滿滿 以數據驅動的自動駕駛3.0時代已經到來

華為和小鵬雖然

『貳』 人工智慧需要什麼基礎

人工智慧需要什麼基礎？
人工智慧是一個包含很多學科的交叉學科，你需要了解計算機的知識、資訊理論、控制論、圖論、心理學、生物學、熱力學，你要有一定的哲學基礎，有科學方法論作保障。這些學科的每一門都是博大精深的，但同時很多事物都是相通的，你學了很多知識有了一定的基礎的時候再看相關知識就會觸類旁通，很容易。在這中間關鍵是要有自己的思考，不能人雲亦雲，畢竟人工智慧是一個正在發展並具有無窮挑戰和樂趣的學科，如果你對人工智慧感興趣，那歡迎到網路的人工智慧吧做客，那裡有對人工智慧豐富而深刻的討論。
需要必備的知識有: 1、線性代數：如何將研究對象形式化？ 2、概率論：如何描述統計規律？ 3、數理統計：如何以小見大？ 4、最優化理論： 如何找到最優解？ 5、資訊理論：如何定量度量不確定性？ 6、形式邏輯：如何實現抽象推理？ 7、線性代數：如何將研究對象形式化？人工智慧簡介: 1、人工智慧（Artificial Intelligence），英文縮寫為AI。 2、它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。 人工智慧涉及的學科: 哲學和認知科學，數學，神經生理學，心理學，計算機科學，資訊理論，控制論，不定性論，仿生學，社會結構學與科學發展觀。

1.人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。
2. 人工智慧是包括十分廣泛的科學，它由不同的領域組成。入門最基本的的知識是:機器學習、機械原理、計算機原理、計算機視覺等等。總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但不同的時代、不同的人對這種「復雜工作」的理解是不同的。

『叄』 毫末布局大模型、智算中心 自動駕駛新基建如何築成

2023伊始，先是開年毫末智行舉辦HAOMOAIDAY，放出自動駕駛行業最大智算中心，再有小鵬、理想新春全員信劍指城市導航輔助駕駛，隨後是對話式AI大模型ChatGPT火遍全網，自動駕駛AI技術再次成為頂流。

無論是自動駕駛的「進城」，還是ChatGPT的「進化」，其背後都是對數據、算力需求指數級增長的態勢以及對大模型的訓練。當需求上來了，智算中心作為自動駕駛的「新基建」也就被業界越來越多的提及。

用智算中心打造數據護城河 數字新基建逐步成為發展「標配」

自動駕駛發展至今，業界發現乘用車智能輔助駕駛是最有可能大規模鋪開的商業場景。據高工智能汽車研究院數據顯示，2022年中國市場（不含進出口）乘用車前裝標配搭載L2級輔助駕駛的搭載率，已經連續第二個月超過30%。智研咨詢數據顯示，預計到2025年，全球新車L2自動駕駛的滲透率可達53.99％。

今年，城市導航輔助駕駛也開啟了量產的征程。西部證券預測，2023～2025年，國內市場上搭載城市導航輔助駕駛的車型將分別達到70萬、169萬和348萬輛，佔比將分別達到17％、40％和70％。

在城市導航輔助駕駛落地加速的背景下，更容易復制、拓展的重感知的方案，受到了更多關注。在重感知技術路線下，面對「道路拓撲結構實時推斷」的挑戰，毫末的選擇是在特徵圖基礎上，以標精地圖作為引導信息，使用自回歸編解碼網路，通過結構化的拓撲點序列解碼，實現車道拓撲預測。由此不難看出，業界逐漸達成共識的重感知路線，相比高精地圖方案，更依賴算力加持。

人工智慧是創新的加速器，智算中心則可以為各類技術創新提供支撐。一方面，智算中心可以為構建安全可信、可復用的技術研發環境提供算力設施支撐，為各領域科技研發提供智能計算服務，加速科技研發的進程；另一方面，智算中心是新一代信息技術的集成應用載體，智算中心的快速建設推廣與規模化應用將推動通信服務網路、大數據、人工智慧等技術的快速迭代，從而促進技術創新。自動駕駛數據是片段式的，特點是小文件多，達到百億個，而且訓練需要交換的數據多，智算中心可以提供充足的帶寬，並且可以讓自動駕駛模型擁有更好的並行計算框架，在訓練的時候把硬體資源都利用起來。

2020年4月20日，國家發展改革委首次明確新型基礎設施的范圍，其中就包括以智能計算中心為代表的算力基礎設施。2023年1月10日，國家工業信息安全發展研究中心推出《智能計算中心2.0時代展望報告》，指出經過5年多發展，智算中心正由1.0粗放擴張階段走向2.0精細規劃階段。

根據相關統計和測算，目前全國超過30個城市在建或籌建智算中心，未來5年我國智能算力規模年復合增長率將達52.3%。智算中心的創新發展，將進一步為人工智慧夯實「算力底座」，成為帶動人工智慧及相關產業快速發展的新引擎。

「我們測算，智算中心帶來的成本優化是驚人的，將達到億元級別。」這是今年1月，張凱提出的預測。從目前及未來的規劃量產規模來看，毫末自建智算中心可節約巨額成本；同時，其帶來的效率提升也非常明顯。

人工智慧發展很快，新的演算法層出不窮，需盡快引入新的技術和模型，與此同時，數據是智能化發展最大的驅動力，也占據了大量成本構成。用自建智算中心來打造數據護城河，不僅能夠完善產業智能生態，更能讓企業在智能化方面占據先發優勢，智算中心作為數字新基建，未來勢必將引領自動駕駛技術持續迭代升級。

【本文來自易車號作者車業視界，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】

『肆』 智己汽車發布AI4M智能戰略，以AI科技深度改造汽車技術

這些年，汽車行業發展的兩大主題無非是智能化、電氣化。「電氣化」發展縱然可能分為多條線路，但定義明確，而談論「智能化」，卻有很多人將智能汽車與互聯網汽車混為一談，事實上，智能汽車與互聯網汽車其實是有「壁」的，互聯網汽車很多功能手機也做得到，真正專屬於汽車的「智能」，還在於智能硬體以及駕駛輔助。

2024年，搭載高通8295高算力晶元的智能運動轎跑也將與我們見面，同時新車還將運用諸如擁有碳纖維轉子技術、固態電池的全新三電系統，百公里加速度可進入超跑級的2s；基於全新矢量魔術架構、模塊化磁吸開放式平台打造的全新產品，也將於2025年正式投放市場，進一步完善智己汽車的「智能矩陣」。

在極度內卷的市場環境下，其產品層面的價值很難再有提升，唯有智能化尚且還沒有開發到上限，未來的5-10年內，將是各大品牌以智能化搶佔新能源賽道的關鍵時刻，基於AI4M智能戰略下的「VMC中央協調運動控制器」、「全Linux內核艙駕融合系統」、「D.L.P 人工智慧模型」等具備量產裝車能力的先進技術，智己汽車這波已經領先行業一個層級。

【本文來自易車號作者車SHI輪談，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】

『伍』 科技｜阿里達摩院：這十項前沿技術2020將有大突破

不久前，阿里巴巴集團前沿 科技 研究機構達摩院發布了2020十大 科技 趨勢，涵蓋了人工智慧、量子計算、區塊鏈等前沿 科技 及技術熱詞。業內認為，達摩院發布的趨勢內容 聚焦了正在走進現實生活的前沿技術，成為相關行業一種有益的展望 。

2020十大 科技 趨勢具體包括，人工智慧從感知智能向認知智能演進、計算存儲一體化突破AI算力瓶頸、工業互聯網的超融合、機器間大規模協作成為可能、模塊化降低晶元設計門檻、規模化生產級區塊鏈應用將走入大眾、量子計算進入攻堅期、新材料推動半導體器件革新、保護數據隱私的AI技術將加速落地、雲成為IT技術創新的中心。

以「保護數據隱私的AI技術將加速落地」這一趨勢為例，報告認為，數據流通所產生的合規成本越來越高。使用AI技術保護數據隱私正在成為新的技術熱點，其能夠在保證各方數據安全和隱私的同時，聯合使用方實現特定計算，解決數據孤島以及數據共享可信程度低的問題，實現數據的價值。

達摩院斷言， 科技 浪潮新十年開啟，圍繞AI、晶元、雲計算、區塊鏈、工業互聯網、量子計算等多個領域將出現顛覆性技術突破。

01 人工智慧從感知智能向認知智能演進

人工智慧已經在「聽、說、看」等感知智能領域已經達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處於初級階段。認知智能將從認知心理學、腦科學及人類 社會 歷史 中汲取靈感，並結合跨領域知識圖譜、因果推理、持續學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運用，實現從感知智能到認知智能的關鍵突破。

02 機器間大規模協作成為可能

傳統單體智能無法滿足大規模智能設備的實時感知、決策。物聯網協同感知技術、5G通信技術的發展將實現多個智能體之間的協同——機器彼此合作、相互競爭共同完成目標任務。多智能體協同帶來的群體智能將進一步放大智能系統的價值：大規模智能交通燈調度將實現動態實時調整，倉儲機器人協作完成貨物分揀的高效協作，無人駕駛車可以感知全局路況，群體無人機協同將高效打通最後一公里配送。

03 計算存儲一體化突破AI算力瓶頸

馮諾伊曼架構的存儲和計算分離，已經不適合數據驅動的人工智慧應用需求。頻繁的數據搬運導致的算力瓶頸以及功耗瓶頸已經成為對更先進演算法 探索 的限制因素。類似於腦神經結構的存內計算架構將數據存儲單元和計算單元融合為一體，能顯著減少數據搬運，極大提高計算並行度和能效。計算存儲一體化在硬體架構方面的革新，將突破 AI 算力瓶頸。

04 工業互聯網的超融合

5G、IoT 設備、雲計算、邊緣計算的迅速發展將推動工業互聯網的超融合，實現工控系統、通信系統和信息化系統的智能化融合。製造企業將實現設備自動化、搬送自動化和排產自動化，進而實現柔性製造，同時工廠上下游製造產線能實時調整和協同。這將大幅提升工廠的生產效率及企業的盈利能力。對產值數十萬億乃至數百萬億的工業產業而言，提高 5%-10% 的效率，就會產生數萬億人民幣的價值。

05 模塊化降低晶元設計門檻

傳統晶元設計模式無法高效應對快速迭代、定製化與碎片化的晶元需求。以RISC-V 為代表的開放指令集及其相應的開源 SoC 晶元設計、高級抽象硬體描述語言和基於 IP 的模板化晶元設計方法，推動了晶元敏捷設計方法與開源晶元生態的快速發展。此外，基於芯粒（chiplet）的模塊化設計方法用先進封裝的方式將不同功能「晶元模塊」封裝在一起，可以跳過流片快速定製出一個符合應用需求的晶元，進一步加快了晶元的交付。

06 規模化生產級區塊鏈應用將走入大眾

區塊鏈 BaaS(Blockchain as a Service) 服務將進一步降低企業應用區塊鏈技術的門檻，專為區塊鏈設計的端、雲、鏈各類固化核心演算法的硬體晶元等也將應運而生，實現物理世界資產與鏈上資產的錨定，進一步拓展價值互聯網的邊界、實現萬鏈互聯。未來將涌現大批創新區塊鏈應用場景以及跨行業、跨生態的多維協作，日活千萬以上的規模化生產級區塊鏈應用將會走入大眾。

07 量子計算進入攻堅期

2019 年，「量子霸權」之爭讓量子計算在再次成為世界 科技 焦點。超導量子計算晶元的成果，增強了行業對超導路線及對大規模量子計算實現步伐的樂觀預期。2020 年量子計算領域將會經歷投入進一步增大、競爭激化、產業化加速和生態更加豐富的階段。作為兩個最關鍵的技術里程碑，容錯量子計算和演示實用量子優勢將是量子計算實用化的轉折點。未來幾年內，真正達到其中任何一個都將是十分艱巨的任務，量子計算將進入技術攻堅期。

08 新材料推動半導體器件革新

在摩爾定律放緩以及算力和存儲需求爆發的雙重壓力下，以硅為主體的經典晶體管很難維持半導體產業的持續發展，各大半導體廠商對於 3 納米以下的晶元走向都沒有明確的答案。新材料將通過全新物理機制實現全新的邏輯、存儲及互聯概念和器件，推動半導體產業的革新。例如，拓撲絕緣體、二維超導材料等能夠實現無損耗的電子和自旋輸運，可以成為全新的高性能邏輯和互聯器件的基礎；新型磁性材料和新型阻變材料能夠帶來高性能磁性存儲器如 SOT-MRAM 和阻變存儲器。

09 保護數據隱私的AI技術將加速落地

數據流通所產生的合規成本越來越高。使用 AI 技術保護數據隱私正在成為新的技術熱點，其能夠在保證各方數據安全和隱私的同時，聯合使用方實現特定計算，解決數據孤島以及數據共享可信程度低的問題，實現數據的價值。

10 雲成為IT技術創新的中心

隨著雲技術的深入發展，雲已經遠遠超過 IT 基礎設施的范疇，漸漸演變成所有 IT 技術創新的中心。雲已經貫穿新型晶元、新型資料庫、自驅動自適應的網路、大數據、AI、物聯網、區塊鏈、量子計算整個 IT 技術鏈路，同時又衍生了無伺服器計算、雲原生軟體架構、軟硬一體化設計、智能自動化運維等全新的技術模式，雲正在重新定義 IT 的一切。廣義的雲，正在源源不斷地將新的 IT 技術變成觸手可及的服務，成為整個數字經濟的基礎設施。

『陸』 認知、感知、覺知

認知

2019年春節後，年八旬的老爺子在兩個月內經歷了兩次手術，加上兩次無痛胃鏡檢查，共四次全麻，出院後身體虛弱，乏力，胃灼熱感，睡眠障礙等症狀嚴重影響他的心情，對自己身體有些很多擔心，每天處於焦慮的狀態。

我和蔣先生坐在露台喝茶，老爺子搬來凳子坐到茶台前，說：「我准備回重慶了，你們每天工作很辛苦，回家見到我這個樣子，心裡肯定不舒服，原本開開心心的，回家就會不開心。」我微笑著回答到：「老爸，我看到您有擔心，但這是您的想法，不代表是我們的想法。」老漏漏野爺子：「我知道的，我也照顧過四個老人，我有體會的，看到我每天病怏怏的呆在家裡搜鏈，你們肯定會不開心的。」我繼續表達我的觀點：「這只是您的想法，也是您曾經的環境帶給您的體會，不代表是我們的想法。至於您想回重慶，我們的意見是，尊重您的決定，您認為在哪住著舒服就住哪裡，我們沒意見，但是我們對您的身體會有擔心，畢竟您的身體還需要一些時間恢復．．．．．．」

認知是經驗智慧，人們在成長過程中不斷累積，不斷重復，後天形成。

感知

下午正在幫案主做香灸，接到老爺子的電話：「我們到家了，你們放心吧，西方不適合老蔣，就這樣。」電話被直接掛掉，那一瞬間，我有一種莫名其妙的感受，心裡五味雜陳，我覺察到自己有些情緒，問自己：「我情緒背後的需求是什麼？」答案是：「需要認可」。第二天早上，發現面部左側下巴部位有間斷性神經抽搐，很納悶為什麼會出現這種症狀。在深圳上課期間，邀請同學蔓靜幫我扎針，蔓靜返喊問我、「最近遇到什麼想罵人的事情？男性。」好吧，瞬間明白為什麼會出現這種症狀，突然忍不住笑了，神經系統好強大，外界的刺激立即通過感受器傳遞到神經中樞，如果沒有形成完整的神經迴路，立馬會在身體里以某種症狀表現出來，當然，這需要身體有較好的感知能力。

感知屬於波若智慧，人類與生俱來，三歲以前的孩子就是用感受在感知整個世界，無需經過大腦。

覺知

覺知是反省、覺察自我當下的過程，是通往覺悟、覺醒、解脫之路，我們通過覺知讓身體有感知，我們用感知去感受大自然，感受身邊的每一個人，感受身邊的一草一木，感受整個宇宙，生命才會幸福圓滿。

『柒』 DriveGPT雪湖·海若誕生，將重塑汽車智能化技術路線

和 ChatGPT 在 AIGC（AI- Generated Content，人工智慧生成內容）領域一樣具備顛覆性的事情正在發生。

4 月 11 日，自動駕駛技術公司毫末智行在其第八屆 HAOMO AI DAY 上，重磅發布行業首個自動駕駛生成式大模型 DriveGPT，中文名「雪湖·海若」，該模型參數規模達到 1200 億，可用於解決自動駕駛研發過程中困擾已久的認知決策問題，並通過能力迭代，最終實現端到端自動駕駛。

此前，受制於傳統模型「數據量小、基於規則」等局限性，智能駕駛技術進展一度較為緩慢，甚至不少從業者都對未來產生了自我懷疑，在這樣的背景下，兩年前，毫末率先投入到大模型技術的研發之中，旨在尋找新的突破。

經歷了先行探索和反復驗證，毫末成功找到了突破口——生成式大模型，通過在行業首個將 GPT 落地到自動駕駛領域，大大加速了更高階智能駕駛的落地應用。

<span style

【本文來自易車號作者汽車之心，版權歸作者所有,任何形式轉載請聯系作者。內容僅代表作者觀點，與易車無關】

『捌』 認知智能

姓名：段志斌

學號：22021110029

學院：電子工程學院

感知智能即視覺、聽覺、觸覺等感知能力。以自動駕駛汽車為例，它通過激光雷達等感知設備和人工智慧演算法，實現感知智能。由於深度神經網路（Deep Neural Networks）和大數據等的應用，機器在感知智能方面也已經越來越接橘蠢此近人類。

認知智能包含理解、分析和決策三步。簡單來說，「理解階段」是根據感知智能環節的知識庫內容，構建知識圖譜；「分析階段」是根據知識圖譜發現數據間的顯隱性關系；「決策環節」是給出解決可執行的建議。通俗來說，認知智能就是「能理解，會思考」。

強感知能力，弱認知能力

當前感知圓迅智能層已相對成熟，但其仍屬於弱人工智慧。它僅能實現語音識別、圖像識別和簡單的自然語言處理等非常有限的一部分，並且依賴於大規模的標注數據進行監督訓練。在理解、情感、聯想等高級功能方面，機器仍難以望人類項背。

人工智慧未來的發展

當前，人工智慧技術在快速發展的同時，也產生了數據隱私、演算法偏見、技術濫用等安全問題。中國科學院院士、清華大學人工智慧研究院院長張鈸認為，人工智慧安全可控除了數據、演算法與應用層的安全可控，也要同步在技術層面來解決。通過融合知識驅動與數據驅動的人工智慧，利用知識、數據、演算法和算力四個要素，建立新的可解釋和魯棒的AI理論與方法，發展安全可信的AI技術。

工智能的發展有三個比較重點的階段：運算智能，感知智能和認知智能。

這兩年對於AI的研究主要在發展感知智能的階段，語音識別啊，人臉技術啊等等。但對於人工智慧來說，它們仍未能真正進行思考和理解。

這兩個概念其實也有點模糊，有人認為感知智能也是認知智能的一部分。（我個人比較認同這種說法）

其他智能的前提都是在給計算機輸入了大量的信息後，所計算出來的結果。但它又是死板的，比如它能感知到紅蘋果是蘋果，可是如果拿來一個綠蘋果，AI就不認識了。

而認知智能，作為一個門外漢我大概的理解是，認知智能意味著AI將會很少的信息里捕檔友捉到最重要的點。紅蘋果，綠蘋果，還是切開的蘋果，甚至只是一個蘋果核，AI都能將其分辨出來。

生物對世界都是有認知的，就像兩三歲的孩子能准確指認出不同形象的小動物的名稱。連我們家的狗，在教幾次之後也能分清不同玩具的名字。

之前看到過一個跟我專業相關的例子舉的挺好的。比如在一個醫學影像的分析中，如果影像里兩根血管靠的太近，根據目前的深度學習演算法，就會把兩根血管顯示成一根。想讓機器把它區分開，就需要它具備一個模仿人腦的推理邏輯。