“2018 年我剛回國(guó)創(chuàng)業(yè)，想要做機(jī)器學(xué)習(xí)的模型，但找遍整個(gè)市場(chǎng)，都找不到一家滿意的供應(yīng)商。”AI 數(shù)據(jù)SaaS提供商 Graviti 創(chuàng)始人崔運(yùn)凱告訴記者。
崔運(yùn)凱畢業(yè)于上海交通大學(xué)與美國(guó)賓西法尼亞大學(xué)，曾是 Uber 無(wú)人駕駛部門的Tech Lead Manager ，屬于該部門最早一批員工。2018 年，崔運(yùn)凱從 Uber 離開，回國(guó)后卻發(fā)現(xiàn)，國(guó)內(nèi)不僅無(wú)人駕駛行業(yè)進(jìn)度緩慢， AI 產(chǎn)業(yè)鏈也非常不完善，這給許多AI 創(chuàng)業(yè)公司帶來(lái)非常大的挑戰(zhàn)。
發(fā)現(xiàn)了行業(yè)在這部分的需求和空白后，2019 年，崔運(yùn)凱正式創(chuàng)辦了Graviti，致力于幫助人工智能開發(fā)者更好地管理和使用數(shù)據(jù)，通過涵蓋數(shù)據(jù)全生命周期的一站式AI數(shù)據(jù)服務(wù)SaaS平臺(tái)，加速數(shù)據(jù)在供需方之間的流通，為人工智能行業(yè)賦能。團(tuán)隊(duì)也吸引到了哈佛，UT Austin，密歇根大學(xué)以及國(guó)內(nèi)上海交大、復(fù)旦、同濟(jì)等一流高校的人才。
從 Uber 無(wú)人駕駛部門的Tech Lead Manager，到國(guó)內(nèi)人工智能行業(yè)數(shù)據(jù)服務(wù)商，崔運(yùn)凱見證了無(wú)人駕駛行業(yè)的崛起和發(fā)展，也對(duì) AI 行業(yè)有著獨(dú)到的見解。近日，CSDN記者采訪了崔運(yùn)凱，跟隨著他的技術(shù)成長(zhǎng)生涯，一起來(lái)聽聽他對(duì)無(wú)人駕駛與國(guó)內(nèi) AI 行業(yè)現(xiàn)狀的理解。
因一個(gè)”秘密項(xiàng)目“，正式踏入無(wú)人駕駛的大門
CSDN：請(qǐng)簡(jiǎn)單介紹下你的個(gè)人經(jīng)歷?
崔運(yùn)凱：2012 年，我到了美國(guó)賓西法尼亞大學(xué)學(xué)習(xí)。2014 年畢業(yè)后留下來(lái)當(dāng)了一年助理研究員，但發(fā)現(xiàn)這不是自己的興趣所在，在一次機(jī)緣巧合的機(jī)會(huì)下，我后來(lái)在Uber的老板給我打來(lái)了一個(gè)電話，說他們?cè)谄ニ贡ぷ鲆粋€(gè)秘密項(xiàng)目，我飛到了匹斯堡一看，原來(lái)是在做無(wú)人駕駛。
當(dāng)時(shí)的老板是 CMU(卡耐基梅隆大學(xué)) 的一位教授，他離開 CMU 后加入的 Uber ?？赐觏?xiàng)目，臨走前我問他為什么會(huì)加入 Uber ?他對(duì)我說了一句話讓我至今為止都非常印象深刻：“ It's a once in a lifetime opportunity“。他認(rèn)為這種改變世界的機(jī)會(huì)可能一生也遇不到一次，所以就加入了。我也深受他的感染和影響，所以在 2015 年就加入了 Uber 做無(wú)人駕駛的事情。
加入U(xiǎn)ber 時(shí)，Uber 還算很早期的時(shí)候。50 多號(hào)人在一個(gè)廢棄的工廠樓里辦公，像一個(gè)創(chuàng)業(yè)公司一樣，后來(lái)至少搬過 4 個(gè)辦公點(diǎn)，見證了它的成長(zhǎng)。2018 年 5 月我離開時(shí)，公司已經(jīng)將近 1500 多人。
CSDN：在 Uber 時(shí)你主要負(fù)責(zé)的內(nèi)容是哪些?
崔運(yùn)凱：我是在 2017 年 2 月份時(shí)被提拔上了 Tech Lead的，帶領(lǐng)一個(gè)小的工程師團(tuán)隊(duì)去做高精度地圖的規(guī)模化生產(chǎn)，尤其是用 AI 算法來(lái)輔助人工實(shí)現(xiàn)規(guī)模化的生產(chǎn)。因?yàn)楫?dāng)時(shí)高精度地圖是無(wú)人駕駛中比較重要的一部分。如何能快速升級(jí)和生產(chǎn)地圖，是當(dāng)時(shí)無(wú)人駕駛的廠商比較重要的需要攻克的難題，當(dāng)時(shí)也有幸參與了整個(gè)過程
2018 年離開了美國(guó)，2019 年 4 月時(shí)創(chuàng)立了 Graviti。Graviti比較幸運(yùn)的是，在 2019 年資本市場(chǎng)不是很熱鬧的情況下，獲得了包括紅杉資本、云啟資本、真格基金、風(fēng)和投資的投資，還是特別感激大家對(duì)我們的支持。
無(wú)人駕駛技術(shù)的發(fā)展
CSDN：很多人在剛開始職業(yè)生涯的時(shí)候會(huì)選擇偏向互聯(lián)網(wǎng)應(yīng)用的大公司耕耘，你為何會(huì)選擇自動(dòng)駕駛領(lǐng)域來(lái)攻堅(jiān)?有什么吸引你的地方?
崔運(yùn)凱：關(guān)于谷歌和百度做無(wú)人駕駛的問題，我們可以回顧 2015 年初，那時(shí)候還沒有Waymo這家公司，當(dāng)時(shí)谷歌的無(wú)人駕駛叫 Google X，整個(gè) X 部門都是做無(wú)人駕駛的研究員，人數(shù)大概不到100 人，所以只是谷歌內(nèi)部的一個(gè)部門。而Waymo 成立到組建其實(shí)已經(jīng)是 2016年、2017 年的事情，當(dāng)時(shí) Google 并沒有嚴(yán)肅地將它作為一個(gè)主要的商業(yè)業(yè)務(wù)去思考。同理，百度也有很多戰(zhàn)略業(yè)務(wù)，無(wú)人駕駛只是他們戰(zhàn)略業(yè)務(wù)之一，百度有非常優(yōu)秀的人才，但是更多的是把無(wú)人駕駛作為前沿的研究而非可以商業(yè)化的應(yīng)用。
出行的基本原則滿足的是人從 A 地點(diǎn)到 B 地點(diǎn)的訴求，實(shí)際上通過 Uber，打車、無(wú)人駕駛都可以滿足，無(wú)人駕駛只是選項(xiàng)之一。而 Waymo這種純粹的無(wú)人駕駛公司會(huì)面臨一個(gè)問題：用戶最初可能會(huì)因?yàn)樾迈r感而選擇嘗試他們的服務(wù)，但長(zhǎng)期看來(lái)，用戶只是需要滿足從 A 到 B 的需求，到后期追求的更多是便捷，所以還是會(huì)選擇打車。但 Uber 的目標(biāo)是：承認(rèn)我的網(wǎng)絡(luò)里包含了無(wú)人駕駛、有人駕駛這種混合的形態(tài)，永遠(yuǎn)以滿足乘客從A到B的需求為優(yōu)先。這樣的商業(yè)模式在我看來(lái)才更可行。
我之所以加入無(wú)人駕駛領(lǐng)域，是因?yàn)槲野l(fā)現(xiàn)無(wú)人駕駛實(shí)際上會(huì)涉及很多先進(jìn)的技術(shù)，大大幫助知識(shí)層面的提升，需要學(xué)很多東西才能把無(wú)人駕駛做好，至少這部分是讓我個(gè)人比較興奮的，所以選擇了無(wú)人駕駛這個(gè)方向。
CSDN：你認(rèn)為無(wú)人駕駛的終極目標(biāo)是「量產(chǎn)商用」，還是「應(yīng)用普及」?中美技術(shù)的發(fā)展差異如何?
崔運(yùn)凱：無(wú)人駕駛的形態(tài)有可能是長(zhǎng)期的混合式的形態(tài)。因?yàn)樵?2016 年 9 月時(shí)，Uber 為所有的匹斯堡的用戶提供無(wú)人駕駛服務(wù)，每個(gè)人都有可能隨機(jī)匹配到一輛無(wú)人駕駛車。我其實(shí)認(rèn)為這已經(jīng)是很好的無(wú)人駕駛商業(yè)化落地的方式了。
所以我認(rèn)為，無(wú)人駕駛會(huì)以這種慢慢進(jìn)入人們生活的方式，潛移默化地不斷提高、迭代自己，通過與用戶的交互體驗(yàn)來(lái)不斷變得完美。是一個(gè)循序漸進(jìn)的過程，不是一夜之間就被所有人接受。
從技術(shù)層面來(lái)說，我認(rèn)為整體的無(wú)人駕駛技術(shù)還有挺長(zhǎng)的一段路要走。美國(guó)的無(wú)人駕駛技術(shù)確實(shí)要比國(guó)內(nèi)的領(lǐng)先很多，在市場(chǎng)應(yīng)用、算法方面是差不多的，但實(shí)際上我們欠缺的是整個(gè)產(chǎn)業(yè)鏈上的提升，包括大量的人才積累、操作系統(tǒng)、硬件和芯片能力，也包括國(guó)家的一些政策等等，國(guó)內(nèi)都有相對(duì)大的空白，有很大的空間可以去打開和探索。
讓AI觸手可及
CSDN：Graviti 誕生的經(jīng)過是怎樣的?
崔運(yùn)凱：我在Uber從事無(wú)人駕駛研發(fā)的幾年時(shí)間中，需要處理大量圖像、點(diǎn)云等非結(jié)構(gòu)化數(shù)據(jù)，并用這些數(shù)據(jù)訓(xùn)練算法。當(dāng)時(shí)，Uber內(nèi)部為了方便算法團(tuán)隊(duì)加快算法迭代效率，動(dòng)用了很多資源開發(fā)了Michelangelo機(jī)器學(xué)習(xí)平臺(tái)。很多有名的開源框架都誕生在這一過程中，包括Horovod。我碰巧作為最早的用戶，看到了這個(gè)平臺(tái)的成長(zhǎng)，踩過的坑和積累的經(jīng)驗(yàn)。而這樣的投入對(duì)于一個(gè)初創(chuàng)的人工智能公司是不可想象的。而在獲取真值方面，Uber不僅在印度有上千人的數(shù)據(jù)生產(chǎn)團(tuán)隊(duì)，還將部分?jǐn)?shù)據(jù)的需求外包給位于西雅圖的一家初創(chuàng)公司，除了要承受昂貴的價(jià)格，冗長(zhǎng)的等待時(shí)間，還要面對(duì)海量數(shù)據(jù)的對(duì)接、跨境分發(fā)、檢索、整理及增值數(shù)據(jù)的保存和使用等一系列難題。
2018年離開Uber回國(guó)后，我加入了一家高精度地圖初創(chuàng)公司擔(dān)任合伙人，因高精度地圖研發(fā)需要收集海量數(shù)據(jù)并訓(xùn)練大量模型，為了管理和使用這些數(shù)據(jù)，我們一直在尋找類似于Michelangelo的平臺(tái)。我們找了各種各樣的供應(yīng)商，甚至包括多家國(guó)內(nèi)頭部云服務(wù)商，可是沒有一家可以滿足我們的需求，在那個(gè)瞬間感覺特別無(wú)助。
當(dāng)時(shí)我意識(shí)到無(wú)論是國(guó)內(nèi)還是國(guó)外，人工智能研發(fā)的整個(gè)工具鏈都處于非常早期階段而且不完善。如果我們?cè)僮鲆患胰斯ぶ悄芄?，還會(huì)遇到同樣的問題，還是要花很大代價(jià)把這些問題再解決一遍。后來(lái)我去找了很多在人工智能領(lǐng)域創(chuàng)業(yè)的朋友，發(fā)現(xiàn)他們也有同樣的痛點(diǎn)。與其這樣，不如專門做一家?guī)椭_發(fā)者解決以圖像、文字、視頻為代表的非結(jié)構(gòu)化數(shù)據(jù)管理和使用痛點(diǎn)的公司，讓開發(fā)者從繁雜的數(shù)據(jù)管理中脫身，更好地將時(shí)間和精力集中在解決業(yè)務(wù)問題上。
我們希望所有的開發(fā)者都可以用到和大公司一樣好用的工具，讓人工智能不再遙遠(yuǎn)，我們創(chuàng)立Graviti就是肩負(fù)著這樣的使命的。
CSDN：我們注意到Graviti的Slogan 是“讓AI觸手可及”，Graviti所面臨的挑戰(zhàn)是怎樣的?難點(diǎn)在哪里?
崔運(yùn)凱：這里我們先來(lái)區(qū)分一下結(jié)構(gòu)化數(shù)據(jù)和非機(jī)構(gòu)化數(shù)據(jù)。日常數(shù)據(jù)可以分為由程序生成的結(jié)構(gòu)化數(shù)據(jù)與以視頻、圖像、文字為代表的非結(jié)構(gòu)化數(shù)據(jù)。平日里大家接觸到的數(shù)據(jù)處理大部分是針對(duì)結(jié)構(gòu)化數(shù)據(jù)的處理，比如Excel表格，數(shù)據(jù)庫(kù)等。而人工智能面對(duì)的更多是圖像、文字、視頻等非結(jié)構(gòu)化數(shù)據(jù)。這些數(shù)據(jù)所占用的存儲(chǔ)資源及處理難度是結(jié)構(gòu)化數(shù)據(jù)的幾百萬(wàn)倍甚至是幾億倍。
舉個(gè)例子，Excel表格中100條數(shù)據(jù)只有幾KB大小，但是一個(gè)圖片可能需要幾MB的空間，而一個(gè)視頻則需要幾百M(fèi)B的空間。這很直觀的展現(xiàn)了結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)在數(shù)量級(jí)上的對(duì)比。處理一個(gè)Excel表格和幾張圖片都是相對(duì)簡(jiǎn)單的任務(wù)，基本在個(gè)人電腦上都可以處理。但是AI要處理的任務(wù)可能是上百萬(wàn)個(gè)幾百M(fèi)B的視頻，這里程序所面臨的挑戰(zhàn)和所需要耗費(fèi)的存儲(chǔ)和算力成本可想而知。全世界每天產(chǎn)生億萬(wàn)量級(jí)的非結(jié)構(gòu)化數(shù)據(jù)，是否能有效地處理好利用好這些數(shù)據(jù)，決定了人工智能的發(fā)展進(jìn)程。
Graviti希望通過高效調(diào)度大量的算力及存儲(chǔ)，利用大規(guī)模分布式并行化技術(shù)，打造一站式的創(chuàng)新解決方案，幫助解決非結(jié)構(gòu)化數(shù)據(jù)從獲取、管理、加工到使用的完整數(shù)據(jù)旅程中所面臨的問題，這也是我們的價(jià)值所在。
CSDN：Graviti提供怎樣的產(chǎn)品?又是如何解決開發(fā)者的痛點(diǎn)的?
崔運(yùn)凱：大家猜猜支持一個(gè)10人算法團(tuán)隊(duì)高效運(yùn)轉(zhuǎn)需要多少資源?我們通過深度調(diào)查發(fā)現(xiàn)，至少要三個(gè)軟件工程師提供工具開發(fā)和運(yùn)維服務(wù)，需要配置百萬(wàn)元左右的深度學(xué)習(xí)訓(xùn)練機(jī)器，及百人左右的標(biāo)注團(tuán)隊(duì)和上百TB到PB級(jí)的共享存儲(chǔ)空間。這些加起來(lái)往往需要花掉企業(yè)千萬(wàn)級(jí)前置成本和百萬(wàn)級(jí)的維護(hù)費(fèi)用。即使這些都具備，算法工程師還要將大量的時(shí)間花在找數(shù)據(jù)，清理數(shù)據(jù)，管理權(quán)限和可視化上，真正用于算法開發(fā)的時(shí)間屈指可數(shù)。
針對(duì)這個(gè)情況，Graviti提供了面向開發(fā)者的SaaS工具，集數(shù)據(jù)集管理，沙箱訓(xùn)練和模型評(píng)估于一體。打通數(shù)據(jù)在人工智能應(yīng)用開發(fā)的各個(gè)環(huán)節(jié)中的流轉(zhuǎn)。讓企業(yè)0前置成本啟動(dòng)人工智能應(yīng)用開發(fā)項(xiàng)目，后期費(fèi)用跟隨團(tuán)隊(duì)的擴(kuò)張而增加、收縮而減少，讓開發(fā)者真正專注在重要的事情上。
比如我們與淞泓智能的合作，就使用了我們的數(shù)據(jù)管理系統(tǒng)和模型評(píng)估系統(tǒng)，甚至包括模型管理系統(tǒng)，并為它搭建了一套在線測(cè)試平臺(tái)，讓它更好地去測(cè)試未來(lái)無(wú)人駕駛車輛的系統(tǒng)安全性;在伯克利(UC Berkeley)的合作中，也是通過我們的數(shù)據(jù)管理平臺(tái)、評(píng)估系統(tǒng)，為其搭建了一個(gè)平臺(tái)用來(lái)支持他們面向世界級(jí)的頂級(jí)學(xué)術(shù)人員和開發(fā)者發(fā)布的挑戰(zhàn)賽，這樣大家可以更好地促進(jìn)相關(guān)技術(shù)的發(fā)展。
針對(duì)開發(fā)者對(duì)于真值數(shù)據(jù)的需求，Graviti提供了基于SaaS的標(biāo)注服務(wù)。和其他標(biāo)注公司不一樣的是，我們的數(shù)據(jù)標(biāo)注服務(wù)是一鍵式的。國(guó)內(nèi)的標(biāo)注公司通常是先聯(lián)系BPO(商務(wù)流程外包Business Process Outsourcing)，在線下的微信群里對(duì)接需求，發(fā)數(shù)據(jù)文檔，他再去聯(lián)系標(biāo)注員，而很多標(biāo)注員可能是第一次接觸這樣的任務(wù)，也沒有特別適用的工具。但是在我們的體系里，所有對(duì)接都是在軟件中交互完成，分發(fā)程序有一套算法，會(huì)自動(dòng)找到最合適的標(biāo)注員，通過發(fā)現(xiàn)任務(wù)、自主登錄、接受培訓(xùn)考試去完成這樣的工作。整個(gè)過程都是自動(dòng)化的，效率和準(zhǔn)確率都有很大的提升。我們會(huì)針對(duì)客戶的業(yè)務(wù)情況做咨詢，很多客戶是做不到明確架構(gòu)需求的，這時(shí)候就需要有人來(lái)從專業(yè)角度做梳理和設(shè)計(jì)，這也是我們服務(wù)的獨(dú)特性所在。
我們也將在未來(lái)的一定時(shí)間點(diǎn)考慮開源我的軟件或是去做開放平臺(tái)，和更多合作伙伴做生態(tài)上的整合，協(xié)同解決更多AI問題，打造像Github一樣被開發(fā)者喜愛的平臺(tái)。
AI 只是個(gè)工具，不要太迷信 AI
CSDN：除了汽車領(lǐng)域之外，未來(lái)還會(huì)為其他行業(yè)或領(lǐng)域提供服務(wù)嗎?
崔運(yùn)凱：會(huì)的。汽車是目前的重點(diǎn)領(lǐng)域，畢竟在這個(gè)領(lǐng)域很多年了。而AI技術(shù)本身其實(shí)是通用的，我們做這套技術(shù)也是通用的，所以我們也在思考全球疫情蔓延的情況下，能否為醫(yī)療賦能，通過人工智能為人類健康做出自己力所能及的貢獻(xiàn)。同時(shí)也希望能為互聯(lián)網(wǎng)視頻、新零售、智能制造、在線教育等領(lǐng)域智能化升級(jí)賦能。
CSDN：對(duì)于AI技術(shù)，你有什么想說的?
崔運(yùn)凱：我認(rèn)為，最重要的其實(shí)是「知其然也要知其所以然」。對(duì)于技術(shù)，開發(fā)者一定要不斷向自己提問，不要滿足于自己現(xiàn)有的知識(shí)，更多要問“為什么、可不可以做到更好”，發(fā)現(xiàn)一些新的方式加以創(chuàng)新，才能將 AI 這個(gè)技術(shù)用好。
另外，也希望所有的 AI 開發(fā)者不要太過于迷信 AI ，因?yàn)?AI 歸根結(jié)底只是個(gè)工具，一個(gè)有價(jià)值的問題可能可以由多種不同的工具解決，AI 只是其中一種。所以用最好的工具解決它最應(yīng)該解決的問題才是大家應(yīng)該追求的。
