威盛電子唐亮：產學研整合-推動下一代智能駕駛人才培養 | CCF-GAIR 2020

2020年8月7日，全球人工智能與機器人峰會(CCF-GAIR 2020)正式開幕。CCF-GAIR 2020峰會由中國計算機聯合會(CCF)主辦，香港中文大學(深圳)和雷鋒網(微信官方賬號:雷鋒網)聯合承辦，鵬程實驗室和深圳人工智能與機器人研究所協辦。

威盛電子高級技術總監唐亮在本次峰會專場上發表了《產學研融合——推動下一代智能駕駛員培養》的精彩報告。

事實上，威盛電子憑借在嵌入式和計算機視覺領域的研究成果，在車輛領域的智能駕駛方面做了大量工作。主要針對商用車隊、礦用卡車、公交車等車輛，基于車載AI系統和車載AI雙鏡頭監視器，支持DMS駕駛員監控、ADAS輔助駕駛、SVS全景、傳感器融合等軟件算法，并為學校開發了威盛任我行智能駕駛研究平臺。

基于威盛任我行智能駕駛研究平臺的原型無人車系統，可以在封閉園區的指定范圍內自動行駛到目的地。同時，通過激光雷達、超聲波雷達、慣性導航等。，已經可以自主避障，實現L4級自動駕駛。

同時，唐亮表示，目前很多大學都處于科普階段。目前我國人工智能領域人員缺口為500萬。威盛希望通過自身努力，并借助威盛任我行的智能駕駛研究平臺和系統，幫助數百萬學生進入人工智能和自動駕駛行業。

以下為唐亮演講全文。雷鋒新智經編輯不改初衷:

你好，我是威盛電子的唐亮。我今天介紹的題目是“產學研結合——推動下一代智能駕駛人才培養”，主要介紹威盛任我行智能駕駛研究平臺。演講的內容包括三個部分:一是通過電子學介紹；二是介紹威盛電子在人工智能方面所做的工作；三是引進威盛任我行智能駕駛研究平臺。

完成從傳統嵌入式平臺到人工智能嵌入式平臺的轉變。

威盛電子成立于1987年，是一家嵌入式平臺和解決方案提供商。1992年，公司總部從美國遷至省臺北市。首席執行官是陳，目前擁有2000多名員工和6000多項專利。

在中國北京、深圳、上海、臺北等地設有R&D中心，在美國奧斯丁和弗里蒙特設有R&D中心，在東京設有銷售分公司。

威盛電子自1987年成立以來，從最底層的CPU、GPU、芯片組的設計，到自主研發的嵌入式主板，成功開發了一套嵌入式系統。現在把計算機視覺和人工智能結合起來做終端智能工作，需要將近30年的時間。

30多年來，起初威盛主要涉足PC領域，主要從事系統設計、I/O集成、無線網絡連接等。最近十年，我們專注于人工智能方向，結合深度學習，增加了很多人工智能功能，完成了從傳統嵌入式平臺到人工智能嵌入式平臺的轉型。

現在威盛的人工智能工作很多是在視覺方面，基于GPU的積累，主要用于物體識別，應用于智能工廠，比如硅片識別，流水線次品識別。

人臉識別在視覺領域是不可或缺的，所以威盛在人臉識別上做了很多努力，也有很多產品落地。語音方面，無論是線上還是線下的語音處理也落地了很多項目，尤其是在智能家居和智能醫療方面。

車載領域，借助嵌入式工作和視覺研究成果，輔助駕駛方面的工作主要針對DMS、駕駛員識別和ADAS，已經推出Mobile360系列產品。

威盛電子人工智能主要集中在邊緣，目的是實現終端智能，人工智能產品已經在智能制造、智能醫療、智能商業、智能交通等多個領域落地。

為什么要通過任我行智能駕駛研究平臺開發？

在和學校、廠商合作的過程中，需要把代碼、項目、技術交給對方。如果只把源代碼給對方，這可能就不能順利交接了，因為開發流程、編譯環境、使用習慣都不一樣，缺乏一個完整的體系來做這件事。

基于這些因素，為了便于技術輸出，威盛借助在人工智能領域積累的經驗，開發了任我行智能駕駛研究平臺。平臺的功能包括用戶管理、代碼管理、開發測試、編譯環境、自動部署等一系列流程工具，也包括人工智能模型訓練、模型優化、自動標注等人工智能基礎工具。

一方面，外部接口是面向用戶的人機界面，可以在這個平臺上編譯開發。另一方面是終端的接入接口，可以實現終端管理、數據上傳、數據分析和自動更新。

在底層，平臺還提供跨平臺部署能力，可以部署到私有服務器或公有云，并提供擴展功能。

借助這個人工智能開發平臺，VIA技術可以很好的結合，輸出到科研學校、科研單位或者合作伙伴。

任我行智能駕駛平臺是車輛視覺開發平臺的一部分。可以結合汽車愿景:硬件、軟件、代碼、SDK、平臺。硬件部分，車載視覺控制器采用高通820芯片，可連接9個攝像頭，實現人工智能、視頻拼接等操作，利用該平臺可開發智能駕駛艙。如果只是想做小領域的研發，比如需要提升ISP的性能，用這個平臺一兩天就可以完成部署。

利用車載視覺開發平臺，我們可以開發自動駕駛的功能，如道路交通標志識別、盲點監測、前方碰撞預警……車輛、3D環視/駕駛記錄等等。

除了在應用層開發，該系統還可以調整人工智能模型，物體檢測，行人檢測，人臉檢測，模型調整和訓練材料。

DMS作為駕駛員的行為監控系統，可以通過圖像輸入分割人臉和體型，將信息輸入深度卷積神經網絡，識別各種行為，分析是有害駕駛還是安全駕駛。借助DMS，可以實現深度神經網絡的圖像識別功能，捕捉駕駛員的駕駛行為，定制報警。目前可以識別十幾種駕駛行為。

作為現在的標配，你拿到統一模塊直接上車就可以用環視系統了。1級在這方面做得非常好。如果你有一套完整的開發套件，你可以自己調整，最多可以連接9個攝像頭。如果是正常的，可以連4個攝像頭，左右。可以校準一些攝像頭數據，通過拼接可以了解整個過程，想做什么都可以。有了SVS代碼，我們也可以知道如何實現計算機視覺的動態拼接，關鍵點在哪里。如果你想在里面做一些小的調整，這些都是可以實現的。

ADAS領域有很多輔助功能。基于此，威盛在開發平臺上開放了接口，方便學習和理解。包括盲點檢測、前車防撞等。，都是基于視覺、毫米波雷達等對距離和物體的判斷，并根據這些信息做出邏輯分析。

基于任我行平臺的L4級自動駕駛。

目前自動駕駛火熱，未來很光明。研究自動駕駛的公司很多，但是研究自動駕駛的機構屈指可數。沒有經濟實力很難做相關研究。威盛所做的就是提供一個計算平臺，把代碼、控制器、無人車、傳感器結合起來，把自動駕駛開發平臺整體打包。

威盛電子開發的原型系統可以在封閉園區的指定范圍內自動行駛到目的地。同時，通過激光雷達、超聲波雷達、慣性導航等。，已經可以自主避障，實現L4級自動駕駛。

相關技術人才缺口巨大。

威盛任我行智能駕駛研究平臺的基礎是建立在人工智能開發平臺上，把自動駕駛技術放進去成為自動駕駛開發平臺，把車輛視覺放進去形成教學的開發平臺。

你可以看到中國所有的學校，235個研究所(不包括大學)排在前面，593個大學可以招研究生，2956個高等院校，10100個中專。大學包括專科主要是理論知識為主，做科研的很少，做科普的更多。

威盛希望達到的效果，不僅僅是把平臺拿出來做科研，而是加入更多做技術的AI公司，把任我行平臺作為一個科普平臺，通過開發平臺把威盛的技術變成標準化的開發包，供學校或者科研機構使用。

通過標準化開發包的方式，幫助第三方教育機構具備基于人工智能開發教案和教具的能力，讓更多人接觸和學習人工智能。

目前中國人工智能領域缺500萬人。威盛的目標是通過智能研究平臺和系統，幫助數百萬學生進入人工智能行業。這個時間可能是5年，也可能是10年，但這是威盛電子努力的方向。第一步，從自動駕駛和輔助駕駛開始。

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。

2020年8月7日，全球人工智能與機器人峰會(CCF-GAIR 2020)正式開幕。CCF-GAIR 2020峰會由中國計算機聯合會(CCF)主辦，香港中文大學(深圳)和雷鋒網(微信官方賬號:雷鋒網)聯合承辦，鵬程實驗室和深圳人工智能與機器人研究所協辦……威盛電子高級技術總監唐亮在本次峰會專場上發表了《產學研融合——推動下一代智能駕駛員培養》的精彩報告。

事實上，威盛電子憑借在嵌入式和計算機視覺領域的研究成果，在車輛領域的智能駕駛方面做了大量工作。主要針對商用車隊、礦用卡車、公交車等車輛，基于車載AI系統和車載AI雙鏡頭監視器，支持DMS駕駛員監控、ADAS輔助駕駛、SVS全景、傳感器融合等軟件算法，并為學校開發了威盛任我行智能駕駛研究平臺。

基于威盛任我行智能駕駛研究平臺的原型無人車系統，可以在封閉園區的指定范圍內自動行駛到目的地。同時，通過激光雷達、超聲波雷達、慣性導航等。，已經可以自主避障，實現L4級自動駕駛。

同時，唐亮表示，目前很多大學都處于科普階段。目前我國人工智能領域人員缺口為500萬。威盛希望通過自身努力，并借助威盛任我行的智能駕駛研究平臺和系統，幫助數百萬學生進入人工智能和自動駕駛行業。

以下為唐亮演講全文。雷鋒新智經編輯不改初衷:

你好，我是威盛電子的唐亮。我今天介紹的題目是“產學研結合——推動下一代智能駕駛人才培養”，主要介紹威盛任我行智能駕駛研究平臺。演講的內容包括三個部分:一是通過電子學介紹；二是介紹威盛電子在人工智能方面所做的工作；三是引進威盛任我行智能駕駛研究平臺。

完成從傳統嵌入式平臺到人工智能嵌入式平臺的轉變。

威盛電子成立于1987年，是一家嵌入式平臺和解決方案提供商。1992年，公司總部從美國遷至省臺北市。首席執行官是陳，目前擁有2000多名員工和6000多項專利。

在中國北京、深圳、上海、臺北等地設有R&D中心，在美國奧斯丁和弗里蒙特設有R&D中心，在東京設有銷售分公司。

威盛電子自1987年成立以來，從最底層的CPU、GPU、芯片組的設計，到自主研發的嵌入式主板，成功開發了一套嵌入式系統。現在把計算機視覺和人工智能結合起來做終端智能工作，需要將近30年的時間。

30多年來，起初威盛主要涉足PC領域，主要從事系統設計、I/O集成、無線網絡連接等。最近十年，我們專注于人工智能方向，結合深度學習，增加了很多人工智能功能，完成了從傳統嵌入式平臺到人工智能嵌入式平臺的轉型。

現在威盛的人工智能工作很多是在視覺方面，基于GPU的積累，主要用于物體識別，應用于智能工廠，比如硅片識別，流水線次品識別。

人臉識別在視覺領域是不可或缺的，所以威盛在人臉識別上做了很多努力，也有很多產品落地。語音方面，無論是線上還是線下的語音處理也落地了很多項目，尤其是在智能家居和智能醫療方面。

車載領域，借助嵌入式工作和視覺研究成果，輔助駕駛方面的工作主要針對DMS、駕駛員識別和ADAS，已經推出Mobile360系列產品。

威盛電子人工智能主要集中在邊緣，目的是實現終端智能，人工智能產品已經在智能制造、智能醫療、智能商業、智能交通等多個領域落地。

為什么要通過任我行智能駕駛研究平臺開發？

在和學校、廠商合作的過程中，需要把代碼、項目、技術交給對方。如果只把源代碼給對方，這可能就不能順利交接了，因為開發流程、編譯環境、使用習慣都不一樣，缺乏一個完整的體系來做這件事。

基于這些因素，為了便于技術輸出，威盛借助在人工智能領域積累的經驗，開發了任我行智能駕駛研究平臺。平臺的功能包括用戶管理、代碼管理、開發測試、編譯環境、自動部署等一系列流程工具，也包括人工智能模型訓練、模型優化、自動標注等人工智能基礎工具。

一方面，外部接口是面向用戶的人機界面，可以在這個平臺上編譯開發。另一方面是終端的接入接口，可以實現終端管理、數據上傳、數據分析和自動更新。

在底層，平臺還提供跨平臺部署能力，可以部署到私有服務器或公有云，并提供擴展功能。

借助這個人工智能開發平臺，VIA技術可以很好的結合，輸出到科研學校、科研單位或者合作伙伴。

任我行智能駕駛平臺是車輛視覺開發平臺的一部分。可以結合汽車愿景:硬件、軟件、代碼、SDK、平臺。硬件部分，車載視覺控制器采用高通820芯片，可連接9個攝像頭，實現人工智能、視頻拼接等操作，利用該平臺可開發智能駕駛艙。如果只是想做小領域的研發，比如需要提升ISP的性能，用這個平臺一兩天就可以完成部署。

利用車載視覺開發平臺，我們可以開發自動駕駛的功能，如道路交通標志識別、盲點監測、前方碰撞預警……車輛、3D環視/駕駛記錄等等。

除了在應用層開發，該系統還可以調整人工智能模型，物體檢測，行人檢測，人臉檢測，模型調整和訓練材料。

DMS作為駕駛員的行為監控系統，可以通過圖像輸入分割人臉和體型，將信息輸入深度卷積神經網絡，識別各種行為，分析是有害駕駛還是安全駕駛。借助DMS，可以實現深度神經網絡的圖像識別功能，捕捉駕駛員的駕駛行為，定制報警。目前可以識別十幾種駕駛行為。

作為現在的標配，你拿到統一模塊直接上車就可以用環視系統了。1級在這方面做得非常好。如果你有一套完整的開發套件，你可以自己調整，最多可以連接9個攝像頭。如果是正常的，可以連4個攝像頭，左右。可以校準一些攝像頭數據，通過拼接可以了解整個過程，想做什么都可以。有了SVS代碼，我們也可以知道如何實現計算機視覺的動態拼接，關鍵點在哪里。如果你想在里面做一些小的調整，這些都是可以實現的。

ADAS領域有很多輔助功能。基于此，威盛在開發平臺上開放了接口，方便學習和理解。包括盲點檢測、前車防撞等。，都是基于視覺、毫米波雷達等對距離和物體的判斷，并根據這些信息做出邏輯分析。

基于任我行平臺的L4級自動駕駛。

目前自動駕駛火熱，未來很光明。研究自動駕駛的公司很多，但是研究自動駕駛的機構屈指可數。沒有經濟實力很難做相關研究。威盛所做的就是提供一個計算平臺，把代碼、控制器、無人車、傳感器結合起來，把自動駕駛開發平臺整體打包。

威盛電子開發的原型系統可以在封閉園區的指定范圍內自動行駛到目的地。同時，通過激光雷達、超聲波雷達、慣性導航等。，已經可以自主避障，實現L4級自動駕駛。

相關技術人才缺口巨大。

威盛任我行智能駕駛研究平臺的基礎是建立在人工智能開發平臺上，把自動駕駛技術放進去成為自動駕駛開發平臺，把車輛視覺放進去形成教學的開發平臺。

你可以看到中國所有的學校，235個研究所(不包括大學)排在前面，593個大學可以招研究生，2956個高等院校，10100個中專。大學包括專科主要是理論知識為主，做科研的很少，做科普的更多。

威盛希望達到的效果，不僅僅是把平臺拿出來做科研，而是加入更多做技術的AI公司，把任我行平臺作為一個科普平臺，通過開發平臺把威盛的技術變成標準化的開發包，供學校或者科研機構使用。

通過標準化開發包的方式，幫助第三方教育機構具備基于人工智能開發教案和教具的能力，讓更多人接觸和學習人工智能。

目前中國人工智能領域缺500萬人。威盛的目標是通過智能研究平臺和系統，幫助數百萬學生進入人工智能行業。這個時間可能是5年，也可能是10年，但這是威盛電子努力的方向。第一步，從自動駕駛和輔助駕駛開始。

雷鋒的原創文章。未經授權，禁止轉載。詳見轉載說明。

標簽：北京前途

汽車資訊熱門資訊