在近日青城山中國IC生態(tài)高峰論壇上，芯原董事長、總裁兼首席執(zhí)行官戴偉民先生介紹了這么一家2015年才成立的公司：在現(xiàn)在所有AI公司都面臨怎么落地問題的時候，這家芯片公司離奇的以自動駕駛供應(yīng)商的身份獲得訂單。

早在2017年的10月，西井信息科技就拿到了第一個訂單，為什么一個非原生自動駕駛公司，能殺出重圍跨界收獲訂單？

非原生自動駕駛公司，西井憑什么獲得訂單？

在2016年開始在做芯片之后，西井發(fā)現(xiàn)很難用一顆芯片去做通用的解決方案，必定要和場景做深度捆綁。

于是他們找第一個應(yīng)用場景——港口。

“我們通過芯片本地端的圖象識別做了一個系統(tǒng)，同時開發(fā)應(yīng)用層，在開發(fā)應(yīng)用層的過程當中，我們得到了用戶的需求，說港口需要自動駕駛來幫助他們用無人化的方式去實現(xiàn)更低的運營成本和更安全的運營操作流程，以及他們對全港口自動化的整體解決方案。”西井信息科技有限公司創(chuàng)始人、CEO譚黎敏指出。

西井就通過這樣的場景來驅(qū)動產(chǎn)品，把技術(shù)和市場的需求作為一個雙輪驅(qū)動，以這樣的戰(zhàn)略往前推進。

“同時因為本身我們是做芯片的，在汽車電子當中，AI芯片其實是圖象處理和數(shù)據(jù)融合這兩部分，是一個未來有很大需求的點?！?譚黎敏表示。

2017年10月西井流片28納米，2.5×2.5mm的雙核DeepWell，首度在芯片上實現(xiàn)了二值神經(jīng)網(wǎng)絡(luò)(Binary Neural Network)的片上(On-Chip)在線(On-line)學習。

“能做片上學習，這是我們和其他幾家友商的不同。我們這顆芯片確實是和深度學習一樣，和場景是深度綁定的，我們根據(jù)特定的場景和數(shù)據(jù)去訓練多少模型算法，” 譚黎敏指出，擁12800萬個神經(jīng)元，通過專屬指令集調(diào)整芯片中神經(jīng)元資源的分配，學習與識別速度遠遠高于運行在通用硬件(例如,CPU, GPU)上的傳統(tǒng)方法(例如,CNN)，且功耗更低。

西井的自動駕駛目前有兩款產(chǎn)品：一款是和全球港機市場占80%占有率的常常，合作的無人跨運車，完全是無人駕駛的，這個是在特定區(qū)域內(nèi)的L5；還有無人駕駛的集卡，已經(jīng)進入實際的訂單階段。

針對成功獲取訂單的秘訣，譚黎敏分享了兩點：

首先，和業(yè)務(wù)場景是深度吻合，我們的目標非常明確，就是去解決自動駕駛。

其次，我們做了全棧式開發(fā)，包括控制這部分，同時加上我們最早之前在港口內(nèi)做的解決方案，我們的調(diào)度系統(tǒng)、我們的生產(chǎn)作業(yè)系統(tǒng)、給用戶提供全行業(yè)的解決方案，對用戶來說不需要到不同的集成商處去做集成。

“之前AI界大牛也認為未來AI的一些壁壘是逐漸通過行業(yè)壁壘來樹立，和我們想法有一些謀合?！弊T黎敏指出。

物流：又一個有錢景的封閉場景

接下來第二個應(yīng)用場景也是一個封閉場景——物流。

為什么選擇物流？

“因為首先物流是一個創(chuàng)造價值的行業(yè)，在這個過程當中用戶對傳感器的價格沒那么敏感，因為當我們的方案幫客戶節(jié)省人力的時候，港口一輛車可以節(jié)省30-40萬的司機工資開銷，傳感器一年不到就可以幫他省回來?！弊T黎敏指出。

物流場景里沒有開放道路的交通法規(guī)影響，而且這個場景里會有一些保險去幫助用戶消除擔憂。

當然，封閉場景不是一味的只有簡單。

“在港口我們要做到車輛的控制和定位精度是兩公分，因為車輛需要跟大型的機械做交互，需要設(shè)備去抓集裝箱，所以在這個過程當中精度要求非常高，因為集裝箱鎖空就是兩到五公分左右。” 譚黎敏透露，也正是這個難點，促成了這次的訂單。

下一代芯片，走向模塊化

西井的下一代芯片是一個新的深度學習加速器。

“因為我們覺得做第一顆芯片的時候和場景實在是綁定得太痛苦了，所以我們的初衷是以各個模塊去獨立做升級，去做模塊化，我們還可以做定制化，同時我們可以做高效，通過這些靈活的方式去進行配置，實現(xiàn)我們對不同的場景的一個適用性?！?/p>

同時我們也會去針對不同的生態(tài)和軟件硬件，去做很好的兼容。

“作為一個芯片公司，我們在做自動駕駛的同時，考慮芯片如何推進，作一個整合的方案。”。