说到自动驾驶，许多人都会第一时间想到特斯拉。
没错，特斯拉作为一款颠覆性的电动车，不仅仅改变了传统意义上大众对于电动车的种种歧视和误解，更是凭借出色的自动驾驶技术吸引了不少目光。“你甚至不用自己开车、只要安然而坐就能穿行于车流中”，有位朋友在体验后这样对我说。
也正是在特斯拉的带动下，电动汽车掀起了新一轮科技化的高潮，包括国产的蔚来、小鹏等新能源车型和众多传统汽车厂商都在自动驾驶层面下功夫，从之前的L2到如今的L3，自动驾驶的技术也在不断成熟当中，自主泊车、60km/h以下的辅助驾驶已经不再是科幻电影中的场景。
但如果我们将视野放大，从汽车到飞机再到轮船，我们就会发现其实自动驾驶早已在公共交通领域实现。众所周知，我们日常乘坐的飞机都具备了完善的自动驾驶功能，除起飞与降落阶段需要人工干预之外，大部分飞行都是来自于飞机的自动巡航。
最难的恐怕就是船舶了。不要说相对于飞机，就是相对于汽车，船舶自动驾驶要晚一些，但是在发展速度上却丝毫不逊色，可谓是“厚积薄发”。在2019年，芬兰在帕拉宁和诺沃之间的一次航行中，公开展示了它所称的“世界上第一艘完全自主驾驶的渡轮”，而主导并提供这次航行技术的公司业内大名鼎鼎的Kongsberg Group康士伯集团下属企业罗尔斯-罗伊斯船务公司。
单独提起罗尔斯-罗伊斯这个名字大家可能觉得有些陌生，但是看到这个公司的标志所有人都会恍然大悟。没错，这家公司一直以生产顶尖产品著称，比如陆上行驶的劳斯莱斯汽车，比如空中飞行的罗尔斯-罗伊斯发动机。而正是看中了罗尔斯-罗伊斯出色的技术能力，康士伯集团斥资5亿美元对其进行了收购。
由此也有了“世界上第一艘完全自主驾驶的渡轮”。这里我们需要说明的是，所谓的完全自主英文叫做“autonomous”，这里的autonomous可以翻译成自主或者自治。相对于我们常规理解“自动驾驶”来说，自主更强调了决策的能力，即船舶在无人干预的情况下也能完成任务。不过考虑到阅读与行文的方便，这里我们统一使用“自动驾驶”的说法。
许多人可能对船舶的自动驾驶还存有疑惑。相对于飞机和汽车来说，船舶距离大多数人生活比较远，而且许多人印象中船舶的航行速度并不快，似乎广袤的海洋也没有交通堵塞的问题。但其实，船舶航行也同样会面临交通风险，而且相对于只能在陆地二维平面行驶的汽车来说，船舶的行驶环境是三维的，因此更需要自动驾驶的能力。
最好的例子就是泰坦尼克号。大家都知道泰坦尼克号撞击冰山沉没，但很少有人知道这场悲剧其实可以避免——当泰坦尼克号大副威廉·默多克发现远在两英里外的冰山时，他立即向舵手罗伯特·希契斯发出了“右满舵”的命令，如果希契斯按照指令正确操作，“泰坦尼克号”完全有足够时间避开迎面而来的冰山！
电影《泰坦尼克号》剧照
然而，希契斯在慌乱之中，竟理解错了默多克的指令转错了方向舵！他没有按照命令将船头向左拐，而是将船头往右拐！虽然大副默多克发现了希契斯的错误，并命令他立即纠正错误，可为时已晚。试想一下，如果是自动驾驶来控制游轮，是否还会有撞上冰山的悲剧呢？
据安联保险提供的《2018年安全与航运报告》显示，2011至2016年间，有四分之三的航运保险损失是人为错误造成的，共计损失16亿美元；过去10年间，有1129艘船舶在海上失踪，而这其中海上拥堵就是重大风险因素。换句话说，无论是从规避人工风险还是提升航运效率、缓解拥堵的角度，船舶自动驾驶都是势在必行。
如此也有了我们刚刚提到的康士伯集团在芬兰的船舶自动驾驶测试。正如汽车自动驾驶需要车联网、5G、边缘计算等众多技术的支持一样，船舶自动驾驶更需要强大的计算能力。不过与汽车受限于空间不同，船舶的空间冗余很多，特别是对于邮轮来说空间问题完全不在话下——最关键的是如何搭载强大的计算系统实现自动驾驶。
这也正是英特尔一直在考虑的问题。作为业界领先的计算解决方案提供商，英特尔旗下有包括至强可扩展家族在内的多款产品，加之特色的人工智能优化平台和软件，能够为康士伯集团提供软硬件一体化的服务。也正因为如此，在双方合作之后，康士伯集团的船舶自动驾驶平台也从GPU转向了CPU。
这可谓是人工智能业界的一股“清流”。我们知道，如今许多汽车自动驾驶平台都是基于GPU计算来实现的，包括许多图像的处理都需要借助于GPU的强大能力。但是在康士伯集团看来，GPU在应用层面过于繁琐，还需要专业的优化。相比之下英特尔提供的CPU平台无论是在适用性、易用性还是在性能表现上都远远超过GPU。
基于这一点，康士伯集团很快将原有设备更换为英特尔至强铂金8153处理器平台，搭配英特尔针对AI工作负载的专业软件，加之英特尔工程师团队的调优，使得康士伯集团原有的TensorFlow自动驾驶模型得到了大大加强，性能较未优化之前提升了4.8倍。
这是一个了不起的数字，也充分证明了CPU在人工智能应用中同样可以大放异彩，甚至打破了客户对于GPU的“迷信”。TensorFlow是目前最常用的开源深度学习平台，这次测试更说明英特尔至强处理器对于人工智能应用有着较好的适应性，未来也会有更多TensorFlow的用户加入其中。
那么，英特尔是如何做到这一点的呢？这就不能不提到OpenVINO，它是英特尔推出的一款全面的工具套件，用于快速部署应用和解决方案，支持计算机视觉的CNN网络结构超过150余种。依托卷积神经网络 (CNN)，OpenVINO能够跨英特尔硬件（包括加速器）扩展工作负载，大幅提高性能，帮助开发人员创建模拟人类视觉的解决方案。
比如我们进行某项人工智能的应用研究。当模型训练结束后，上线部署时，就会遇到各种问题，比如模型性能是否满足线上要求、模型如何嵌入到原有工程系统、推理线程的并发路数是否满足等等，这些问题决定着投入产出比。只有深入且准确的理解深度学习框架，才能更好的完成这些任务，满足上线要求。实际情况是，新的算法模型和所用框架在不停的变化，这个时候恨不得工程师什么框架都熟练掌握，令人失望的是，这种人才目前是稀缺的。
OpenVINO的出现就解决了这个问题。OpenVINO可以同时兼容各种开源框架训练好的模型，拥有算法模型上线部署的各种能力，只要掌握了该工具，你可以轻松的将预训练模型在英特尔至强平台上快速部署起来。这也使得原本对于使用人员的要求大大降低了，借助于OpenVINO即便是新手也能应付自如。
使用 OpenVINO的高级推理过程
在AI工作负载中，OpenVINO提供了深度学习推理套件（DLDT)，该套件可以将各种开源框架训练好的模型进行线上部署，除此之外，还包含了图片处理工具包OpenCV，视频处理工具包Media SDK。正是有着如此丰富的功能和可操作、易上手的应用特性，才使得OpenVINO能够在实际应用中大放异彩。当然对于康士伯集团这样庞大的应用来说，仅有OpenVINO还是不够，英特尔还为其配置了另一款神器——英特尔Python分发版。
Python是目前许多人接触编程的第一关，也是最普遍的编程语言。英特尔Python分发版则为用户提供了一个例程集合，为常见的数据科学相关任务(如线性代数或快速傅立叶变换)提供更好的性能。相对于传统编程的繁琐，英特尔Python分发版只需微调代码即可提高 Python 应用程序的性能、加速 NumPy、SciPy和 scikit-learn库、访问最新的矢量化和多线程指令等等。
全新的工具也为康士伯集团的船舶自动驾驶带来了全新的发展机会。经过测试，全新部署的至强可扩展平台与未经优化的平台相比吞吐量提升了4.5倍，而单靠英特尔OpenVINO工具套件分发版依然可以获得2.4倍的性能提升。正如康士伯集团项目经理Jaakko Saarela所说的那样：“英特尔为我们提供了新工具和新的做事方法，让我们能够挖掘更多可能性，收获使用更为标准化的服务器平台的种种好处”。
如今，在英特尔至强可扩展处理器和OpenVINO、Python分发版等一众软硬件结合的平台支持下，康士伯集团自主研发的Intelligent Awareness产品已经有了长足的进步。借助于雷达探测远距离物体，Intelligent Awareness用高清摄像头拍摄船舶前方海域180度视野景象，并高亮显示任何潜在危险，尤其是在黑暗环境或恶劣天气条件下，这款产品无疑大大降低了航海者的风险。
可以说，无论是汽车、飞机还是船舶，自动驾驶都是大有裨益的。对于康士伯集团这样业界顶尖的企业来说，一方面自动驾驶可以让航行变得更安全、船员可以根据系统建议选择适合自己的方式，另一方面自动驾驶也可以帮助集团节省大量的人员开支和燃油消耗，有效降低企业运营成本。
当然这背后，都是得益于英特尔强大的计算能力和软件优化能力，这也代表了英特尔不仅在以往能够成为业界的领军者，在智能化、数字化的未来也同样能够引领人工智能应用的发展。
正如Saarela所说：“我原以为我们永远都摆脱不了GPU，但这些结果改变了我的想法，让我看到了使用CPU的可能性。”
英特尔，正在成为自动驾驶领域的“领航者”。
