采訪在CES 2019前夕進行。手拿一杯星巴克，旁邊一盒小橘子，像公司普通的員工一樣，余凱“窩”在一個靠墻的小格子間里，和地平線的同事在為CES 2019做準備，希冀在資本寒冬打好2019第一仗。

“創業者值得同情，企業家就是自我折磨、九死一生的過程。”這是余凱對的創業的首要定位，也是對自己的警醒。習慣了“刀口舔血”的日子，當泡沫被提起，自動駕駛寒冬到來，在其眼中已成慣象。

“最近地平線也收到了好多簡歷，大多數來自那些破產公司的人士”。余凱面色沉重，“寒冬來了，企業家要做好準備，經歷一段比較黑暗的時刻”。

2018年年底，大多數企業都沒有好消息。余凱提起近期在香港上市的企業，如今在水上的寥寥無幾，“部分公司都在讓投資人賠錢”。

自動駕駛圈子內，雖然頭部玩家Waymo商業化自動駕駛網約車服務終于在寒冬中落地鳳凰城;百度“阿波龍”下線，跑進園區;但按照地平線創始人余凱的話來說，“對于何時取消司機、實現完全無人駕駛，頭部玩家Waymo同樣沒有具體的時間劃定、完整的商業化路線，嚴格意義上，Waymo并沒有實現完整的無人駕駛商業化”、“2018年百度自動駕駛真的滿足量產了嗎?”

自動駕駛走過十年有余，各家對于自動駕駛到來的時間標記在不斷延后。

自動駕駛大規模商用之路漫漫。經濟低迷期，余凱告訴地平線的伙伴們更要耐得寂寞。這是地平線創立之初敲定的核心價值觀之一。

站在二級供應商視角，走在時代前沿的余凱對于過往自動駕駛做了如下反思：誰是機器人時代的英特爾?深度學習是人工智能唯一的支撐點嗎?新摩爾定律時代，AI芯片公司未來之路如何走?

作為當局者，余凱不是個會講故事的人。很多媒體人將余凱列為最喜歡的采訪者之一。接地氣、總說大實話、這個時常面露微笑的被采訪者喜歡來點毒雞湯，來警醒圈子里的混沌者。

誰是機器人時代的英特爾?

2015年，百度自動駕駛元老級人物紛紛離職的檔口，余凱也離開了老東家，創建自動駕駛公司。沒有像王勁、韓旭、倪凱、彭軍一樣搞自動駕駛全棧，而是瞄準處理器。

“人工智能，包括自動駕駛，真正要解決的問題是搞定處理器”。處理器被余凱定義為關鍵環節。這是其創業的一大原因。余凱提到，從車聯網、ADAS到高精度地圖，從L3/L4到更高級別自動駕駛，這是一個漫長的過程，但每一個環節都需要處理器。

從百度離開后，余凱便踏上了一條冷門的賽道，“我們不要關注外面的什么東西時髦，不要追熱點，不想當明星”。2015年，地平線選擇做中國第一家AI芯片公司。按照余凱的說法，“我們在思考產業未來的格局”。

2015年，余凱在這條冷門的賽道上獨行，當時地平線還是中國唯一一家做AI人工智能芯片的公司。第二年開始，行業入局者慢慢多起來。

李書福將車比作為四個輪子上的沙發。自動駕駛時代，余凱將自動駕駛汽車看作四個輪子上的數據中心。德國博世與戴姆勒合作的自動駕駛出租車至少需要40個以上的傳感器，這需要相當大的實時計算及信息處理性能。

自動駕駛出租車開上街道，誰是那個時代的英特爾是地平線想要回答的問題。

英特爾是PC時代的王者，掌握著戴爾、聯想、IBM等諸多電腦供應商的命門—核心處理器。自動駕駛時代同樣也需要核心處理器，地平線想握住這個時代的命門。

余凱提到，未來的發力重點在于終端人工智能處理器。不同于云端計算，終端傳感器即基于本地數據進行實時計算，需做到低延遲、低功耗。地平線希望在終端傳感器方面實現積累，成為機器人時代的英特爾。而車將是機器人的形態之一。

除了老玩家英偉達、英特爾外，谷歌、百度、阿里，甚至特斯拉都已自研芯片。此前，特斯拉一直依賴于英偉達Drive平臺。對于前者而言，市面上沒有更好的處理器進行選擇，而自研芯片能滿足自有自動駕駛系統對于高算力和低功耗的需求，實現定制化和快速迭代。但從長遠看，余凱并不認為特斯拉自研處理器是一條持久之路。一則特斯拉汽車的年出貨量并不足以支撐其更加高效的研發汽車核心部件。另外產業初期分工不明確，歷史中曾有許多公司依自研處理器(例如IBM)，而伴隨著產業分工越來越明確，核心處理器都開始交由專業的供應商負責。另一邊汽車產業發展很多年，一直都是產業充分合作態勢，很少車廠全部覆蓋生產所有核心部件。

地平線對此的邏輯是，如果一家供應商為多家車廠、自動駕駛企業提供處理器，其可以獲得更多的經驗，積累多路況處理數據，提升計算理解能力。而一家整車廠選擇自研處理器的優勢在于垂直整合，但劣勢在于成本高(上億美金)，研發周期長，且僅有限路況數據。能否擔負起初期一次性的研發成本，并在整個汽車銷售過程中將其攤薄，這是車廠需要回答的問題。

一邊是開放路線，一邊是封閉路線。在余凱看來，隨著時間的演進，哪個陣營能占領風騷，還要靠產品吸引力評定。

新摩爾定律時代，AI芯片公司的未來之路在哪?

從2017年開始，摩爾定律開始發生變化，五納米的物理制程對于芯片工藝制造已接近極限。人類在芯片制造工藝上正在逼近原子(0.1納米)最值，物理制程牽絆摩爾定律發展緩慢，單位集成度提升滯后。

進入“新摩爾定律”時代，業內普遍的做法即提高其并行度。以往單核芯片約名片大小，目前多核芯片可進行橫向擴張，以此實現并行計算，并保持算力持續增加。余凱眼中，并非所有的計算均可進行并行計算。支持并行計算意味著硬件構架和軟件設計要進行深度結合。新摩爾定律下，應用場景決定算法，算法定義芯片，軟硬件集成進行深度聯合、協同設計，讓人工智能、邊緣計算成為可能。

新的摩爾定律將影響人工智能、自動駕駛發展，順應該趨勢，AI芯片企業需改變發展路線。這是余凱的考慮，他也直言“但大部分人并不這樣看”。

大多數人還在瘋狂追逐風口，對于AI芯片演進的技術路徑的思考停滯不前。余凱提到，順應新的發展路線，未來單純的硬件公司將不會存在，越來越多的軟件工程師將出現。

地平線已經開始有所行動，將征程芯片、Matrix 自動駕駛計算平臺等核心硬件與地平線智能駕駛軟件平臺深度耦合，面向智能駕駛提供高性能、低成本、低功耗的多級別的視覺環境感知方案，并支持對復雜場景進行細粒度、結構化的語義感知，高度可擴展、模塊化的三維語義環境重建，以及透明化、可追溯、可推理的決策和路徑規劃。

圍繞核心處理器應用解決方案，地平線在智能駕駛層面的商業路線分為三類：車內人機交互、輔助駕駛、自動駕駛。

在自動駕駛應用領域方面，地平線已經有征程系列處理器、以及基于地平線 AI 芯片技術的 Matrix 自動駕駛計算平臺、駕駛員行為監測系統(DMS)等系列產品。而基于Matrix計算平臺的激光雷達感知方案以及 NavNet 眾包高精地圖采集與定位方案也在2019 CES上進行公開展出。

高精度地圖眾包方案及激光雷達方案并非一時頭腦之熱。余凱早有謀劃，2015年創立之初，地平線已規劃“三步走”路線：純感知、語義建模、決策。這也是地平線在芯片方面的規劃。

記者了解到，地平線開發的眾包高精地圖采集與定位的方案NavNet，使用單目攝像頭，基于地平線Matrix視覺感知計算能力、NavNet 的語義 SLAM 算法，在邊緣進行全部點云建圖過程，開發者可以在 Matrix 計算平臺上實現 720P@~30FPS 的局部三維重建，并支持自動生成高精結構化地圖。

在余凱看來，新摩爾定律還在用新的方式在延續，計算成本會越來越低，而傳感器物理硬件成本下降較難。余凱將高精度地圖方案目標成本定在1000、2000塊錢左右。目前高精度地圖方案正在和車廠合作進行初步聯合驗證。

深度學習是人工智能的唯一支撐點嗎?

“人工智能只靠深度學習，肯定是越走越偏了。”

2012年余凱回國，將深度學習帶回中國，創建百度深度學習研究院(IDL)。當時余凱出席任何場合的演講主題都圍繞深度學習展開，臺下也傳出許多反對的聲音“深度學習是什么玩意兒”。

7年前，國內了解深度學習的人寥寥無幾，而如今深度學習已經被說“爛”了。比較直觀的數據分析顯示，中國學者在國際上發表的80%AI文章與深度學習有關，而美國的研究則相對較平衡。

深度學習對于自動駕駛的作用，行業內已一目了然。余凱提到，現在行業內強調的是深度學習已不是唯一。其局限在于僅在感知方面發揮作用，對于異常情況處理、結構化信息，甚至決策等應用效果并不理想。

深度學習要基于規則方式，并同貝葉斯網絡結合。余凱提到，從感知到決策階段，尤其是決策層面，貝葉斯網絡規則的引入尤為重要。

自動駕駛這十年

“自動駕駛這十年，美國是突飛猛進的，而中國是失落的，日本和德國同樣比較保守”余凱脫口而出，絲毫沒有猶豫。

這位走在時代前沿的當局者對于自動駕駛格局進行了剖析：未來美國自動駕駛將早于國內實現。國內自動駕駛很長時間段里依舊停留在輔助駕駛及人機交互層面;2025年，類似于谷歌在鳳凰城的自動駕駛運營服務，在美國將會越來越多，而這一現象并不會出現在中國。這是余凱的判斷。

一則中國路況更加復雜;余凱將更大一部分的原因歸屬于內在：太多的發布會及PR充斥，自動駕駛汽車在真實場景內腳踏實地的進行每日常規性路測，積累數據，不斷提升算法能力的公司少之又少。

在余凱看來，“場景為王”這句話總是對的，“但養分極少”。在限定場景下運行自動駕駛，是否推廣到通用型場景，這依舊是個問題。谷歌、Cruise等自動駕駛公司依舊在比較開放的環境中進行自動駕駛測試，而非局限在具體場景。開放的環境對于自動駕駛系統的挑戰更大，前者一旦突破，聚焦在園區內的企業將變得沒有任何競爭力，這是余凱的邏輯。