无人驾驶飞驰云巅，华为云构筑热血少年AI梦

今年的华为全联接大会之行终于结束了,我也跟大家分享了很多华为新技术、新产品、新战略层面的内容。

但这届HC上还有个让我感想颇多的时刻:9月19日华为全联接大会现场,我围观了华为云人工智能大赛·无人车挑战杯的决赛。这场我关注了3个月之久的比赛终于落下帷幕, “SRC”战队一举夺魁;“登峰车队”和“华中科技大学无人车一队”获得二等奖;“Champion”、“What's your problem”以及“SJTU大四队”三支队伍获得了三等奖。

从决赛向前追溯,会发现这是一个开发者和华为、和智能时代的精彩交集。每个阶段比赛中的紧迫感与精彩,很容易让人想起动漫中的那些热血画面。

大赛一路走来,堪称AI时代在产学研一体化领域的全新尝试。它把最新的产业智能化工具ModelArts与HiLens交到了象牙塔中的学子手中;它用完全贴近实战的方式,让年轻人选手们自己面对无人驾驶这个时代肩头的问题;它是比赛,是考验,同时也是企业、学校、学生各方彼此牵挂中完成的成长。

作为一个技术时代的侧影,华为云人工智能大赛·无人车挑战杯上演了一出今天的《无人车高手》。

它的背后,是产学研各界的智慧与奉献,是华为云对于智能时代的技术+生态构建,同时也提炼着AI时代技术应用与人才培养的若干思考。

0分、40秒、无声的热血

时至今日,我还能清晰回想起9月9日,线上围观半决赛时的一幕。

半决赛里,浙江大学、华中科技大学参赛队在上半场获得了0分。看起来非常令人绝望的状况下,午休时间团队进行了积极备战。下半场回到赛场中,浙江大学参赛队依旧在紧张的调试。甚至在比赛开始后还经历了4分钟的调试。令人惊奇的反转发生了,最后只用40秒时间,这只队伍跑出了大满贯的成绩,得到了所有技术加分,一举逆袭夺冠。

这种动漫中的剧情,发生在无人车大赛的现实赛场上。其中蕴藏了同学们对比赛规则的洞悉,独特而大胆的战略布置,同时也是坚忍不拔精神的彻底体现。

理解技术、构思战略,绝不言弃,这样的队伍最后笑到了大赛最后。可能很多人以为校园无人车比赛还停留在科普阶段时,这些科技少年已经用实力展现了自己对未来的深刻理解。

8月5-6日 上海交通大学学生创新中心展开无人车挑战杯赛前赋能

华为云人工智能大赛·无人车挑战杯的整个过程,经历了赛题设置、AI技术探讨、参赛硬件研发,再到海选招募、培训、初赛、决赛。

得到华为云AI利器和上海交通大学辅导教师指导的参赛者们,开始了自己收集数据、训练AI算法、应对赛题挑战,踏入步步淘汰的积累赛制,最终在2019华为全联接大会登上了决赛舞台。

在整个参赛过程中,选手们应该已经或多或少地发现了:他们不是在面对一场校园比赛,而是一道汹涌而来的时代考题。

一条飞驰在时代肩头的赛道

华为云人工智能大赛·无人车挑战杯,最大的特点是与时代需求的紧密相连。

其中的联接点,渗透于赛题设置、赛前培训、项目辅导的方方面面。据上海交通大学学生创新中心刘彦博老师透露,在赛题和赛制方面,他吸取了大量主流无人车比赛的赛制与赛题,力求将这次比赛变成具有国际视野与应用前瞻性的比赛。

刘彦博(右一)老师在2019华为全联接大会现场作决赛技术解说

在技术要素就位后,本次大赛在此前上交大校内赛的结果中进行推演,最后确定了六大赛题,包括交通灯识别、环岛行驶、U形弯道行驶、静态/动态障碍物避障,并准确识别停车位标示进行泊车。司机朋友们不难看出,这些赛题已经基本容纳了驾驶场景中的主要行为,并且对几个赛点进行了融合,绝对不比人类考驾照容易。

软硬件基础与赛题结合后,大赛给参赛者保留了非常大的创新空间。本次大赛的基本逻辑,是繁重重复性的工作尽量交给华为云提供的AI工具,而数据收集、算法调试、战略布置等能够体现创新创造能力的环节完整保留给参赛者。

总决赛比赛现场

从结果来看,这次大赛的赛题的逻辑链非常清晰。收集更多数据用于训练的选手优势很大;不同算法能够直接体现为成绩;激光雷达和高精地图等技术成为了重要的比赛战略支点。无人驾驶时代需要怎样的人才,相信这个问题大部分参赛选手都找到了答案。

云、AI、少年梦

AI和无人驾驶是有难度的,这点在今天依旧毫无疑问。这些成熟科技公司都不敢轻易触碰的技术,要交付给在校学生们去创新和发挥,其中的难度可想而知。

将AI和无人驾驶,通过云到端的联接,折叠成同学们手中可用可感的赛题。这不仅是选手们的比赛,同时也是华为云的比赛。这次大赛中,华为云的技术试炼的目标之一,就是用工具链缩短AI开发流程。

因此,在这场无人车大赛的比拼中,华为云派出的三位“选手”异常抢眼:

一、云端一体的AI算力

无形世界中,基于公有云提供的AI算力,其实是一切故事的起点。华为云提供的云端AI算力,则保证了AI加速能力的量化可裁剪,能够取代线下硬件为选手所用。在刚刚结束的华为全联接大会中,华为发布了具备最强AI算力,基于Atlas 900的华为云EI集群服务。通过云端解决AI算力困境,今天正在策马扬鞭。

二、折叠训练过程的ModelArts

想要AI算法好用,无人车识别精度更高,最基本的途径就是加大训练量。比赛中,有参赛队伍收集了几万张图片用于无人车训练,效果明显比千张图片训练量的队伍优异很多。但庞大训练数据带来的直接问题,在于数据标注需要消耗大量人工。这对于课业繁重的同学们来说显然是巨大的难题。

为此,华为云在AI开发领域主打的一站式AI开发平台ModelArts,实现了训练过程的折叠。通过半自动标注,ModelArts可以对数据图片进行推理标注,并且自动进行精度检测,从而在自动化效率和训练精度之间达成平衡,极大程度地降低了人工消耗,实现了AI开发触手可及。

而在训练过程里,ModelArts可以将华为云强大的计算资源融合到训练过程,支持分布式训练,轻松达成高标注的产业级模型训练。一些常用算法可以在ModelArts经过简单调参进行自动学习,尽一切可能缩短训练时间与训练流程。

在2019华为全联接大会期间,华为云又全新发布了升级的一站式AI开发管理平台ModelArts 2.0。ModelArts 2.0发布了十余项新特性及服务,包含智能数据筛选、智能数据标注、智能数据分析、多元模型自动搜索、ModelArts SDK、图神经网络、强化学习、模型评估/诊断、模型压缩/转换、自动难例发现、在线学习等。这也宣布AI一站式开发进入高度自动化、智能化的新纪元,或许在明年的无人车挑战杯上,选手的想象力会迎来极大拓展。

三、端侧的视觉利器——HiLens

当选手们把精心训练的模型放到端侧,也就是比赛用车上,将面临无人车跟现实场景交互的复杂问题,对选手机器视觉技术应用的考验刚刚开始。

机器视觉作为如今的主流AI应用,将面对端侧从数据采集、模型转化、推理部署等系列问题。而华为云提供的HiLens机器视觉平台,则可以让一系列视觉步骤简单化。比如在选手采集视觉数据时,可能面对各种各样的视觉干扰。比如光线、角度等等,这些可能影响训练精度。而在HiLens上,预先提供了训练脚本,可以在采集数据过程中完成本地训练,达成数据高精化提炼,为之后的模型训练节省大量工作成本。

而在模型的部署端,HiLens可以帮助实现快速的模型转化、快速分发,以及在硬件盒子中实现快速推理。大量工具和算法、算子的集成让HiLens可以提供整套推理运行架构,参赛选手不需要了解底层算子,直接部署模型。并且与云端全栈打通的架构,让HiLens可以节省大量硬件搬迁和平台兼容成本,一键部署模型,快速来到实战阶段。

从算力、训练平台、部署工具三个领域,对AI开发的全流程进行了折叠,华为云的AI工具链最终完成了大赛支撑,赋能参赛选手的光荣使命。这时或许可以这样看待这个问题:今天的选手也是明天的产业执行者,而今天华为云的赛场练兵,也就是明天无人驾驶产业的风起云涌。

今天的,明天的

从赛场到公路,从云端到庞大的无人驾驶产业,这次大赛是一次完整的“从今天透视明天”的过程。

首先从华为云的AI开发工具链角度看,今天对无人车大赛的支持,直接指向于明天在无人驾驶产业中的集中应用。

从无人驾驶的产业现状来看,从云计算角度的产业支撑,是实现大规模产业破局的基础条件。落到具体工具中,很容易发现HiLens有助于实现真实无人车场景中的数据收集、端侧预训练和模型快速、高效部署,其对于无人驾驶产业的应用具备广泛想象空间。

而ModelArts对于训练周期的折叠,以及对于训练版本的精准控制,在无人驾驶产业实质上意义非凡。一个成熟的无人驾驶平台,往往需要上百万公里的路测,实时更新训练样本和训练方案,并对单一算法精度有极高的要求。这些特性都符合ModelArts的能力特点。相信工具化和自动化,是将无人驾驶拉近现实的重要途经。

今天的无人车大赛,也是明天相关学术领域代际更新的开始。华为云的AI能力,极大解决了学术和教学机构的硬件成本,以及部署、搭建、兼容性等综合成本问题,是推动学术发展的基础能力;而从教学上看,无人车大赛的在实践中让学生们了解了AI的各模块与全流程,直接提供了实际经验与就业技能,是非常值得升级和推广的产学研结合方案。

采访中,刘彦博老师回忆,有一件事让他一直印象深刻,“往往半夜两三点了,微信群里同学们还在提问,华为云的技术专家也在耐心回答“。虽然夜深雾浓,但这些年轻的开发者们对于智能与胜利的热情却坚硬如钢铁。

那一幕夜色中,华为云和所有技术人一样,在AI时代的黎明,执着坚守着心中的少年热血。