感知认知算力

『壹』 毫末 AI DAY干货满满 以数据驱动的自动驾驶3.0时代已经到来

华为和小鹏虽然

『贰』 人工智能需要什么基础

人工智能需要什么基础？
人工智能是一个包含很多学科的交叉学科，你需要了解计算机的知识、信息论、控制论、图论、心理学、生物学、热力学，你要有一定的哲学基础，有科学方法论作保障。这些学科的每一门都是博大精深的，但同时很多事物都是相通的，你学了很多知识有了一定的基础的时候再看相关知识就会触类旁通，很容易。在这中间关键是要有自己的思考，不能人云亦云，毕竟人工智能是一个正在发展并具有无穷挑战和乐趣的学科，如果你对人工智能感兴趣，那欢迎到网络的人工智能吧做客，那里有对人工智能丰富而深刻的讨论。
需要必备的知识有: 1、线性代数：如何将研究对象形式化？ 2、概率论：如何描述统计规律？ 3、数理统计：如何以小见大？ 4、最优化理论： 如何找到最优解？ 5、信息论：如何定量度量不确定性？ 6、形式逻辑：如何实现抽象推理？ 7、线性代数：如何将研究对象形式化？人工智能简介: 1、人工智能（Artificial Intelligence），英文缩写为AI。 2、它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能涉及的学科: 哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论，仿生学，社会结构学与科学发展观。

1.人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。
2. 人工智能是包括十分广泛的科学，它由不同的领域组成。入门最基本的的知识是:机器学习、机械原理、计算机原理、计算机视觉等等。总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。

『叁』 毫末布局大模型、智算中心 自动驾驶新基建如何筑成

2023伊始，先是开年毫末智行举办HAOMOAIDAY，放出自动驾驶行业最大智算中心，再有小鹏、理想新春全员信剑指城市导航辅助驾驶，随后是对话式AI大模型ChatGPT火遍全网，自动驾驶AI技术再次成为顶流。

无论是自动驾驶的“进城”，还是ChatGPT的“进化”，其背后都是对数据、算力需求指数级增长的态势以及对大模型的训练。当需求上来了，智算中心作为自动驾驶的“新基建”也就被业界越来越多的提及。

用智算中心打造数据护城河 数字新基建逐步成为发展“标配”

自动驾驶发展至今，业界发现乘用车智能辅助驾驶是最有可能大规模铺开的商业场景。据高工智能汽车研究院数据显示，2022年中国市场（不含进出口）乘用车前装标配搭载L2级辅助驾驶的搭载率，已经连续第二个月超过30%。智研咨询数据显示，预计到2025年，全球新车L2自动驾驶的渗透率可达53.99％。

今年，城市导航辅助驾驶也开启了量产的征程。西部证券预测，2023～2025年，国内市场上搭载城市导航辅助驾驶的车型将分别达到70万、169万和348万辆，占比将分别达到17％、40％和70％。

在城市导航辅助驾驶落地加速的背景下，更容易复制、拓展的重感知的方案，受到了更多关注。在重感知技术路线下，面对“道路拓扑结构实时推断”的挑战，毫末的选择是在特征图基础上，以标精地图作为引导信息，使用自回归编解码网络，通过结构化的拓扑点序列解码，实现车道拓扑预测。由此不难看出，业界逐渐达成共识的重感知路线，相比高精地图方案，更依赖算力加持。

人工智能是创新的加速器，智算中心则可以为各类技术创新提供支撑。一方面，智算中心可以为构建安全可信、可复用的技术研发环境提供算力设施支撑，为各领域科技研发提供智能计算服务，加速科技研发的进程；另一方面，智算中心是新一代信息技术的集成应用载体，智算中心的快速建设推广与规模化应用将推动通信服务网络、大数据、人工智能等技术的快速迭代，从而促进技术创新。自动驾驶数据是片段式的，特点是小文件多，达到百亿个，而且训练需要交换的数据多，智算中心可以提供充足的带宽，并且可以让自动驾驶模型拥有更好的并行计算框架，在训练的时候把硬件资源都利用起来。

2020年4月20日，国家发展改革委首次明确新型基础设施的范围，其中就包括以智能计算中心为代表的算力基础设施。2023年1月10日，国家工业信息安全发展研究中心推出《智能计算中心2.0时代展望报告》，指出经过5年多发展，智算中心正由1.0粗放扩张阶段走向2.0精细规划阶段。

根据相关统计和测算，目前全国超过30个城市在建或筹建智算中心，未来5年我国智能算力规模年复合增长率将达52.3%。智算中心的创新发展，将进一步为人工智能夯实“算力底座”，成为带动人工智能及相关产业快速发展的新引擎。

“我们测算，智算中心带来的成本优化是惊人的，将达到亿元级别。”这是今年1月，张凯提出的预测。从目前及未来的规划量产规模来看，毫末自建智算中心可节约巨额成本；同时，其带来的效率提升也非常明显。

人工智能发展很快，新的算法层出不穷，需尽快引入新的技术和模型，与此同时，数据是智能化发展最大的驱动力，也占据了大量成本构成。用自建智算中心来打造数据护城河，不仅能够完善产业智能生态，更能让企业在智能化方面占据先发优势，智算中心作为数字新基建，未来势必将引领自动驾驶技术持续迭代升级。

【本文来自易车号作者车业视界，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

『肆』 智己汽车发布AI4M智能战略，以AI科技深度改造汽车技术

这些年，汽车行业发展的两大主题无非是智能化、电气化。“电气化”发展纵然可能分为多条线路，但定义明确，而谈论“智能化”，却有很多人将智能汽车与互联网汽车混为一谈，事实上，智能汽车与互联网汽车其实是有“壁”的，互联网汽车很多功能手机也做得到，真正专属于汽车的“智能”，还在于智能硬件以及驾驶辅助。

2024年，搭载高通8295高算力芯片的智能运动轿跑也将与我们见面，同时新车还将运用诸如拥有碳纤维转子技术、固态电池的全新三电系统，百公里加速度可进入超跑级的2s；基于全新矢量魔术架构、模块化磁吸开放式平台打造的全新产品，也将于2025年正式投放市场，进一步完善智己汽车的“智能矩阵”。

在极度内卷的市场环境下，其产品层面的价值很难再有提升，唯有智能化尚且还没有开发到上限，未来的5-10年内，将是各大品牌以智能化抢占新能源赛道的关键时刻，基于AI4M智能战略下的“VMC中央协调运动控制器”、“全Linux内核舱驾融合系统”、“D.L.P 人工智能模型”等具备量产装车能力的先进技术，智己汽车这波已经领先行业一个层级。

【本文来自易车号作者车SHI轮谈，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

『伍』 科技｜阿里达摩院：这十项前沿技术2020将有大突破

不久前，阿里巴巴集团前沿 科技 研究机构达摩院发布了2020十大 科技 趋势，涵盖了人工智能、量子计算、区块链等前沿 科技 及技术热词。业内认为，达摩院发布的趋势内容 聚焦了正在走进现实生活的前沿技术，成为相关行业一种有益的展望 。

2020十大 科技 趋势具体包括，人工智能从感知智能向认知智能演进、计算存储一体化突破AI算力瓶颈、工业互联网的超融合、机器间大规模协作成为可能、模块化降低芯片设计门槛、规模化生产级区块链应用将走入大众、量子计算进入攻坚期、新材料推动半导体器件革新、保护数据隐私的AI技术将加速落地、云成为IT技术创新的中心。

以“保护数据隐私的AI技术将加速落地”这一趋势为例，报告认为，数据流通所产生的合规成本越来越高。使用AI技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

达摩院断言， 科技 浪潮新十年开启，围绕AI、芯片、云计算、区块链、工业互联网、量子计算等多个领域将出现颠覆性技术突破。

01 人工智能从感知智能向认知智能演进

人工智能已经在「听、说、看」等感知智能领域已经达到或超越了人类水准，但在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类 社会 历史 中汲取灵感，并结合跨领域知识图谱、因果推理、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运用，实现从感知智能到认知智能的关键突破。

02 机器间大规模协作成为可能

传统单体智能无法满足大规模智能设备的实时感知、决策。物联网协同感知技术、5G通信技术的发展将实现多个智能体之间的协同——机器彼此合作、相互竞争共同完成目标任务。多智能体协同带来的群体智能将进一步放大智能系统的价值：大规模智能交通灯调度将实现动态实时调整，仓储机器人协作完成货物分拣的高效协作，无人驾驶车可以感知全局路况，群体无人机协同将高效打通最后一公里配送。

03 计算存储一体化突破AI算力瓶颈

冯诺伊曼架构的存储和计算分离，已经不适合数据驱动的人工智能应用需求。频繁的数据搬运导致的算力瓶颈以及功耗瓶颈已经成为对更先进算法 探索 的限制因素。类似于脑神经结构的存内计算架构将数据存储单元和计算单元融合为一体，能显著减少数据搬运，极大提高计算并行度和能效。计算存储一体化在硬件架构方面的革新，将突破 AI 算力瓶颈。

04 工业互联网的超融合

5G、IoT 设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造产线能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高 5%-10% 的效率，就会产生数万亿人民币的价值。

05 模块化降低芯片设计门槛

传统芯片设计模式无法高效应对快速迭代、定制化与碎片化的芯片需求。以RISC-V 为代表的开放指令集及其相应的开源 SoC 芯片设计、高级抽象硬件描述语言和基于 IP 的模板化芯片设计方法，推动了芯片敏捷设计方法与开源芯片生态的快速发展。此外，基于芯粒（chiplet）的模块化设计方法用先进封装的方式将不同功能「芯片模块」封装在一起，可以跳过流片快速定制出一个符合应用需求的芯片，进一步加快了芯片的交付。

06 规模化生产级区块链应用将走入大众

区块链 BaaS(Blockchain as a Service) 服务将进一步降低企业应用区块链技术的门槛，专为区块链设计的端、云、链各类固化核心算法的硬件芯片等也将应运而生，实现物理世界资产与链上资产的锚定，进一步拓展价值互联网的边界、实现万链互联。未来将涌现大批创新区块链应用场景以及跨行业、跨生态的多维协作，日活千万以上的规模化生产级区块链应用将会走入大众。

07 量子计算进入攻坚期

2019 年，「量子霸权」之争让量子计算在再次成为世界 科技 焦点。超导量子计算芯片的成果，增强了行业对超导路线及对大规模量子计算实现步伐的乐观预期。2020 年量子计算领域将会经历投入进一步增大、竞争激化、产业化加速和生态更加丰富的阶段。作为两个最关键的技术里程碑，容错量子计算和演示实用量子优势将是量子计算实用化的转折点。未来几年内，真正达到其中任何一个都将是十分艰巨的任务，量子计算将进入技术攻坚期。

08 新材料推动半导体器件革新

在摩尔定律放缓以及算力和存储需求爆发的双重压力下，以硅为主体的经典晶体管很难维持半导体产业的持续发展，各大半导体厂商对于 3 纳米以下的芯片走向都没有明确的答案。新材料将通过全新物理机制实现全新的逻辑、存储及互联概念和器件，推动半导体产业的革新。例如，拓扑绝缘体、二维超导材料等能够实现无损耗的电子和自旋输运，可以成为全新的高性能逻辑和互联器件的基础；新型磁性材料和新型阻变材料能够带来高性能磁性存储器如 SOT-MRAM 和阻变存储器。

09 保护数据隐私的AI技术将加速落地

数据流通所产生的合规成本越来越高。使用 AI 技术保护数据隐私正在成为新的技术热点，其能够在保证各方数据安全和隐私的同时，联合使用方实现特定计算，解决数据孤岛以及数据共享可信程度低的问题，实现数据的价值。

10 云成为IT技术创新的中心

随着云技术的深入发展，云已经远远超过 IT 基础设施的范畴，渐渐演变成所有 IT 技术创新的中心。云已经贯穿新型芯片、新型数据库、自驱动自适应的网络、大数据、AI、物联网、区块链、量子计算整个 IT 技术链路，同时又衍生了无服务器计算、云原生软件架构、软硬一体化设计、智能自动化运维等全新的技术模式，云正在重新定义 IT 的一切。广义的云，正在源源不断地将新的 IT 技术变成触手可及的服务，成为整个数字经济的基础设施。

『陆』 认知、感知、觉知

认知

2019年春节后，年八旬的老爷子在两个月内经历了两次手术，加上两次无痛胃镜检查，共四次全麻，出院后身体虚弱，乏力，胃灼热感，睡眠障碍等症状严重影响他的心情，对自己身体有些很多担心，每天处于焦虑的状态。

我和蒋先生坐在露台喝茶，老爷子搬来凳子坐到茶台前，说：“我准备回重庆了，你们每天工作很辛苦，回家见到我这个样子，心里肯定不舒服，原本开开心心的，回家就会不开心。”我微笑着回答到：“老爸，我看到您有担心，但这是您的想法，不代表是我们的想法。”老漏漏野爷子：“我知道的，我也照顾过四个老人，我有体会的，看到我每天病怏怏的呆在家里搜链，你们肯定会不开心的。”我继续表达我的观点：“这只是您的想法，也是您曾经的环境带给您的体会，不代表是我们的想法。至于您想回重庆，我们的意见是，尊重您的决定，您认为在哪住着舒服就住哪里，我们没意见，但是我们对您的身体会有担心，毕竟您的身体还需要一些时间恢复．．．．．．”

认知是经验智慧，人们在成长过程中不断累积，不断重复，后天形成。

感知

下午正在帮案主做香灸，接到老爷子的电话：“我们到家了，你们放心吧，西方不适合老蒋，就这样。”电话被直接挂掉，那一瞬间，我有一种莫名其妙的感受，心里五味杂陈，我觉察到自己有些情绪，问自己：“我情绪背后的需求是什么？”答案是：“需要认可”。第二天早上，发现面部左侧下巴部位有间断性神经抽搐，很纳闷为什么会出现这种症状。在深圳上课期间，邀请同学蔓静帮我扎针，蔓静返喊问我、“最近遇到什么想骂人的事情？男性。”好吧，瞬间明白为什么会出现这种症状，突然忍不住笑了，神经系统好强大，外界的刺激立即通过感受器传递到神经中枢，如果没有形成完整的神经回路，立马会在身体里以某种症状表现出来，当然，这需要身体有较好的感知能力。

感知属于波若智慧，人类与生俱来，三岁以前的孩子就是用感受在感知整个世界，无需经过大脑。

觉知

觉知是反省、觉察自我当下的过程，是通往觉悟、觉醒、解脱之路，我们通过觉知让身体有感知，我们用感知去感受大自然，感受身边的每一个人，感受身边的一草一木，感受整个宇宙，生命才会幸福圆满。

『柒』 DriveGPT雪湖·海若诞生，将重塑汽车智能化技术路线

和 ChatGPT 在 AIGC（AI- Generated Content，人工智能生成内容）领域一样具备颠覆性的事情正在发生。

4 月 11 日，自动驾驶技术公司毫末智行在其第八届 HAOMO AI DAY 上，重磅发布行业首个自动驾驶生成式大模型 DriveGPT，中文名「雪湖·海若」，该模型参数规模达到 1200 亿，可用于解决自动驾驶研发过程中困扰已久的认知决策问题，并通过能力迭代，最终实现端到端自动驾驶。

此前，受制于传统模型「数据量小、基于规则」等局限性，智能驾驶技术进展一度较为缓慢，甚至不少从业者都对未来产生了自我怀疑，在这样的背景下，两年前，毫末率先投入到大模型技术的研发之中，旨在寻找新的突破。

经历了先行探索和反复验证，毫末成功找到了突破口——生成式大模型，通过在行业首个将 GPT 落地到自动驾驶领域，大大加速了更高阶智能驾驶的落地应用。

<span style

【本文来自易车号作者汽车之心，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

『捌』 认知智能

姓名：段志斌

学号：22021110029

学院：电子工程学院

感知智能即视觉、听觉、触觉等感知能力。以自动驾驶汽车为例，它通过激光雷达等感知设备和人工智能算法，实现感知智能。由于深度神经网络（Deep Neural Networks）和大数据等的应用，机器在感知智能方面也已经越来越接橘蠢此近人类。

认知智能包含理解、分析和决策三步。简单来说，“理解阶段”是根据感知智能环节的知识库内容，构建知识图谱；“分析阶段”是根据知识图谱发现数据间的显隐性关系；“决策环节”是给出解决可执行的建议。通俗来说，认知智能就是“能理解，会思考”。

强感知能力，弱认知能力

当前感知圆迅智能层已相对成熟，但其仍属于弱人工智能。它仅能实现语音识别、图像识别和简单的自然语言处理等非常有限的一部分，并且依赖于大规模的标注数据进行监督训练。在理解、情感、联想等高级功能方面，机器仍难以望人类项背。

人工智能未来的发展

当前，人工智能技术在快速发展的同时，也产生了数据隐私、算法偏见、技术滥用等安全问题。中国科学院院士、清华大学人工智能研究院院长张钹认为，人工智能安全可控除了数据、算法与应用层的安全可控，也要同步在技术层面来解决。通过融合知识驱动与数据驱动的人工智能，利用知识、数据、算法和算力四个要素，建立新的可解释和鲁棒的AI理论与方法，发展安全可信的AI技术。

工智能的发展有三个比较重点的阶段：运算智能，感知智能和认知智能。

这两年对于AI的研究主要在发展感知智能的阶段，语音识别啊，人脸技术啊等等。但对于人工智能来说，它们仍未能真正进行思考和理解。

这两个概念其实也有点模糊，有人认为感知智能也是认知智能的一部分。（我个人比较认同这种说法）

其他智能的前提都是在给计算机输入了大量的信息后，所计算出来的结果。但它又是死板的，比如它能感知到红苹果是苹果，可是如果拿来一个绿苹果，AI就不认识了。

而认知智能，作为一个门外汉我大概的理解是，认知智能意味着AI将会很少的信息里捕档友捉到最重要的点。红苹果，绿苹果，还是切开的苹果，甚至只是一个苹果核，AI都能将其分辨出来。

生物对世界都是有认知的，就像两三岁的孩子能准确指认出不同形象的小动物的名称。连我们家的狗，在教几次之后也能分清不同玩具的名字。

之前看到过一个跟我专业相关的例子举的挺好的。比如在一个医学影像的分析中，如果影像里两根血管靠的太近，根据目前的深度学习算法，就会把两根血管显示成一根。想让机器把它区分开，就需要它具备一个模仿人脑的推理逻辑。