科技快速發展的年代，我們越來越不能輕易地“預測未來”，因為總有那麼多意料之外在等着我們。
幾年前，我們還認為無人車僅是作為科幻電影裡的炫酷橋段，然而現在，公園、封閉園區、大學校園等場景下，都會看到無人車的身影，由于其高科技的便捷應用與可愛的外形設計，迅速受到網友圍觀，成為名副其實的“網紅”。
網紅無人車的出現，之是以一度成為社會熱議的話題，是因為過去我們沒想到無人駕駛時代這麼快就要到來，并讓我們不自覺地想對支撐其快速發展的背後黑科技一探究竟。
無人車駛向前台，無限AI黑科技藏在身後
表面上“急速狂飙”的無人車，背後都有AI“黑科技”加持，“黑科技”足夠真，才能讓“網紅無人車”不再僅是網紅。
事實上，無人車和人開車的過程差不多，先用眼睛看，腦子根據眼睛看到的東西做出決策、指揮操作。
前者，被稱作感覺系統，當然它比人眼隻是“感光”要更複雜，主要通過雷射雷達（确認車輛所處三維位置）、攝像頭（擷取圖像資訊）、IMU陀螺加速度計（确認行進角速度）等多路傳感器，把路标、分道線、車道、汽車、行人、物體、車輛位置、行進狀态等各類信号輸入到計算背景，這個階段的要求是盡可能“看”得細、“看”得準，不能遺漏或錯誤判斷。
後者，即“芯or腦”決策的問題，簡言之，就是把各路傳感器弄回來的資訊整到一起，通過提前預設好的模型算法（類似人腦的思維方式和思維過程）得出車輛在此時以及未來一段時間應當如何行駛是最好的，并據此下達指令。
總體而言，由感覺+決策構成的無人車系統（日後延申至自動駕駛系統），其整個過程的實作主要有三種方式，對應三路AI“黑科技”。
一路是“LiDAR派”（Light Detection And Ranging 雷射探測與測距），雷射一掃，周圍的環境變成數字世界的3D模型，然後結合毫米波雷達、攝像頭等輔助，AI能力告訴車子，“嘿，這個數字世界裡，我們應該在這個位置，這下會走了吧。”
一路是車路協同方案，這個方案的精髓是大搞基建，在路的兩邊高密度布置基站，把雷達掃描的信号發送給經過的汽車，再配合精密地圖進而實作自動駕駛。
搞車路協同需要很大的基礎設施投入，建設周期也很長，不過一旦搞成功了，單台自動駕駛汽車自己的成本就大大降低了——主要靠别人提醒，自己不用怎麼武裝大腦。
從上圖也可以看出，這個方案需要高精地圖協作，與基站形成配合。
最後一路是所謂的“低成本方案”，馬斯克是其大力鼓吹者，工具簡單，和人隻靠眼睛一樣，攝像頭加上毫米波雷達“就能”實作自動駕駛，雷射、基站統統丢掉。這個方案有個好處，隻考驗“不太花成本”的AI算法能力，而這種能力的擷取将受到未來業界追捧。
AI算力背後的“黑科技”
業界公認，阻礙AI産業規模化發展的原因主要是開發效率低，标注、訓練、部署整個過程耗時，以及稀缺與昂貴的算力。AI産業若要規模化走進各行各業，助力企業AI産業化應用，就必須要降低AI開發門檻和難度。而開發者在AI開發過程中也存在諸多痛點，例如，無法對海量資料進行存儲與分析，對于普通開發者來說，面對快速增長的算力需求力不從心。深度學習作為人工智能崛起的主要原因，是開發者必須要學習的技能，但是對于普通開發者而言，掌握深度學習模型訓練的時間成本相當高，這也阻礙了AI開發者的開發效率。
可見，AI算法能力的擷取，并非易事。也就是說，網紅無人車從“網紅”到尋常百姓家，還差些許火候。
日前，華為雲人工智能大賽·無人車挑戰杯正式開賽，華為雲一站式AI開發平台ModelArts、端雲協同解決方案HiLens作為整場賽事的技術支撐，為參賽開發者提供了AI開發、雲端創意無限的可能，即AI算法背後的“黑科技”。
華為雲ModelArts作為一站式的AI開發平台，集跨場景、軟硬協同、端雲一體等多方位的優化經驗，提供了自動學習、資料管理、開發管理、模型管理、推理服務管理等多個子產品化服務，真正做到滿足不同程度的開發者，快速獨立的開發出自己的AI模型。
在無人車場景下，華為雲可以支撐開發者實作一站式全流程開發，基于華為ModelArts AI開發平台訓練算法，通過HiLens平台做技能開發并部署到HiLens Kit（端側裝置）進行推理，其超強的算力，豐富的接口，為開發者提供AI開發的極大便利。
在本次無人車大賽中，參賽者運用華為雲ModelArts平台訓練好各類算法模型，然後把模型導入HiLens平台進行業務邏輯編寫，完成技能開發，并将技能一鍵式部署到HiLens，快速實作紅綠燈檢測、行人避障、線路識别、目标跟随等自動駕駛功能。這樣實作了從雲到端的一體化，降低了參賽者訓練時間和算法移植成本，提高了效率。
讓“感覺”更容易實作、讓“決策”方案更容易訓練出來，華為雲ModelArts、HiLens在這場競賽中為學生們提供了背景各種資料、高速算力、快速部署能力，學生們隻管放飛自我研究如何讓無人小車更聰明地感覺世界和自動行駛。
這也反應出AI開發的一個趨勢：創新的隻管創新，其他“後勤”平台給你包圓了，你要做的是肆意發揮創新，多多靈光一閃，想出什麼讓汽車更聰明的絕妙法子。
那麼“感覺”和“決策”兩個部分，究竟是如何實作的？
1、感覺：讓擷取和處理外界資訊的門檻更低
先來看華為雲HiLens（官方定義“更懂開發者的視覺AI應用開發平台”），AWS（亞馬遜雲）也有類似的Deeplens，簡單說就是由一個具備AI能力的錄影機以及它背後雲上開發平台構成。
我們知道，AI需求深入到大量的細分行業，尤其視覺AI在傳統汽車、安防、娛樂、物流、醫療、交通都有應用，雲計算平台不可能都有現成的方案，得靠企業們自己去開發。
例如，那個讓你交10塊錢的停車場識别車牌就是視覺AI的成果，隻不過它已經十分成熟。
但這個開發過程，又要采集資料，又要整合資料，還要自己搞模型搞算法，十分麻煩，這時候HiLens出現了，具體技術細節不多說，總之視覺AI變得和拍攝DV一樣簡單，架起專用裝置，連接配接好網絡，就可以開始開發。
由于無人車涉及大量圖像處理，華為雲HiLens的輔助意義不言自明，參賽者作品很多基礎視覺AI能力架設可以憑借HiLens快速完成。
2、決策：隻要管好“最黑”的部分
一輛汽車該如何讓自己“感覺”到的東西轉化為決策，通過華為雲ModelArts，AI開發在易用的同時獲得了極強的算力支援：
提供了開源的資料集，AI模型最需要的資料喂養不需要自己到處去搜羅和積累；
通過某些技術處理，可以實作自動學習+自動訓練模型，例如，在無人車領域，可以“一鍵做無人駕駛”；
大功告成，你在ModelArts上把模型搞出來了，這時候還能一鍵式部署到你想要的地方去，比如可以部署到HiLens端，實作雲上決策算法模型與雲下端側資料感覺的拉通，這就是無人車背後真正的黑科技。
以無人車為代表，AI的難題總結起來有三點：第一部署太難；第二是開發不容易；第三是算力不夠，這讓小開發商望而卻步。華為雲ModelArts與HiLens搭配，支撐開發者實作一站式AI全流程開發，更好的激發開發者創新熱情、也将加速AI在各細分場景落地。
今日，科技部在2019世界人工智能大會宣布，将依托華為建設基礎軟硬體國家新一代人工智能開放創新平台，面向各行業、初創公司、高校和科研機構等的AI應用與研究，以雲服務和産品軟硬體組合的方式，提供全流程、普惠的基礎平台類服務。随着8月23日昇騰910正式商用以及MindSpore的釋出，華為全棧全場景AI解決方案全面完成建構。面向開發者，華為雲ModelArts全流程模型生産服務打通了從資料處理-模型開發-模型訓練-模型部署的AI全鍊條，可将生産所需的所有服務一站式提供，全方位提升訓練和推理的計算能力。可見，憑借30年在ICT行業經驗積累以及領先的全棧全場景AI能力，華為期待把“黑科技”運用到極緻，加速建構萬物互聯的智能世界。