2020年8月22日，第三屆全球智能汽車峰會在廣州正式開幕，今年的主題是提速汽車智能化打造產業新引擎，主要是討論智能汽車近兩年取得的技術突破和產品創新，討論智能汽車應用場景和商業模式，討論智能汽車商業發展的頂層設計和實施路徑。

在下午舉辦的“智能汽車技術突破與產品創新”主體峰會上，地平線副總裁、智能駕駛產品線總經理張玉峰發表主題演講，以下為演講實錄：

今天我給大家帶來的話題是“國產車規級AI芯片加速賦能智能駕駛”。

先看一下在汽車智能化的大背景下，ADAS輔助智能駕駛和自動駕駛是兩個很熱的、也很重要的話題。我們看一下ADAS市場在未來幾年在中國的趨勢。隨著我們汽車年產量的提升，從現在到2025年還是有一個比較明顯的提升，我們的ADAS滲透率，這里拿到的是某些市場調研報告的分析，去年很快地從20%左右到達將近70%的滲透率。這里背后有多種原因，其中重要的是大家對于駕駛中安全需求的提升，對它的認可，也有咱們國家的國家政策包括國際的一些法規，比如說國內C-NCAP，國際Euro NCAP，過去幾年對于新車的安全要求越來越高。給到我們主動安全的玩家帶來的好處是什么呢？肯定是給我們掙錢的機會。去服務我們汽車行業讓人們出行更安全，因為對于出行來講安全永遠是第一位的。

隨著自動駕駛級別的提升，現在可能有一個攝像頭+毫米波雷達ELEV、LER的應用，現在已經有了很多的車實現了L2+多攝像頭、多毫米波雷達，到未來真正的L3，給到我們這些Tier 1、Tier 2的玩家來講單價的收益會有幾十美金，到未來L3幾百美金的市場機會，中國在整個ADAS市場整體份額是非常可觀的。

來看一下自動駕駛，中國這個市場得益于公眾的接受程度、得益于我們的人口、政策、數據、人才的這些紅利，我們預計在未來幾年中國會成為全球最大的自動駕駛市場，而且成長速度還是蠻快的。

在智能駕駛和自動駕駛的背后其實計算平臺、計算本身軟硬件的開發，在整個自動駕駛中權重的占比是非常高的，對于這個能力的要求是最高的。我們會看到自動駕駛成本將從“90%是硬件”向“軟件和硬件基本是五五分成”的方向轉變。特斯拉的FSD Autopilot的系統幾千美金的售價，像埃隆·馬斯克訂閱式的收費方式，也都在佐證這樣的發展趨勢。只有計算和計算平臺標準化才能讓自動駕駛實現真正的量產。

我們看到電子電氣架構，大家都是汽車行業的同仁，所以這些比較熟悉了。從當前和過去的分布式到一定程度的集中化、到最終的中央計算架構，這樣一個發展趨勢目前來看是必然的。而且像特斯拉，已經在中央計算架構這個事情上比較快地證明了這個方式的可行性，也得到了資本市場的高度認可。特斯拉我記得昨天的市值應該已經到了3700億美金了吧，但其實它每年賣的量只有幾十萬。所以特斯拉作為這樣一個領跑的玩家，它一步到位的使用車載中央計算機，并且是以非常簡潔清晰的方式來去做相應的安全技術。大家可以看到FSD的芯片，一塊板上兩塊芯片，完成攝像頭的數據、傳感器數據的錄入，進行感知、定位、規劃。其實兩個片子會進行交叉的驗證，片子本身并不是功能安全的，但是沒有問題，我們用兩片來去形成足夠冗余的計算和交叉驗證，最終把控制交給控制的ECUs去執行。這樣一種方式其實讓整個架構變得更簡單，讓上面的軟件迭代變得更容易。

最終我覺得從終局來看，對于軟件定義汽車來講，就是軟件要解耦，硬件算力要超配。未來可能就是三年或者更長時間更換一次，但上面的軟件會實現全生命周期的高頻率的更新。這種高頻次的更新又給汽車行業的主機廠和相應的行業中的其他玩家帶來了新的盈利模式。我們預測，AI計算可能在座艙和自動駕駛會形成統一的計算平臺，來完成AI計算本身對于智能座艙和自動駕駛的支持。

這里講了很多計算，計算其實跟芯片強相關，我們面臨的是什么樣的挑戰呢？因為每一級的自動駕駛級別的提升對算力的需求可能是一個數量級的提升。對于傳統CPU來講，一直在跟隨著摩爾定律的發展，就是每一年半、每18個月有這么一個性能的提升、成本的下降，性能提升1倍、性能和面積下降一半等等這樣的特點。但是在智能駕駛包括座艙的新時代，對于算力的需求，在AI上面過去幾年我們看到，每年都可能是數量級的提升，顯然芯片行業的摩爾定律已經無法支持我們在自動駕駛、智能駕駛這個方面算力需求的提升。

我們提出了新的對于AI芯片的摩爾定律。它的本質是在于我們能夠在有限的資源下去提升利用率、優化芯片計算對于內存和其他方面的輸入輸出，在滿足高精度、低延遲的要求下，我們其實更關注的是每瓦我們能處理針對這個場景數據的效率什么樣，每美金、每人民幣能針對這個場景處理的數據什么樣。因為在AI計算上往往是場景決定算法，算法去定義架構。如果是傳統的芯片架構去支撐AI計算的話，往往得到的一些不足的地方就在于，也許我有幾十T，但是我的利用率可能只有25%、30%。原因是，傳統架構比如GPU，最初是來做游戲的渲染、作為游戲引擎，同時是計算，但是是優化到圖像的處理、圖像的渲染等等，變相用來做AI計算，勢必效率是不夠高的。所以為什么說用算法去定義芯片的架構。這里當然同樣關注單位成本下的峰值算力，所謂的30TOPS、200TOPS往往等號后的第一檔，往往是不夠的。現在越來越專業的車廠和Tier 1他們會看中整體的系統表現，就是我們在AI芯片上真實性能全面優化，就要去關注編譯器的性能、架構的優化、實施系統的優化，更關鍵的是對于場景的算法的優化和演進。地平線聯合創始人黃暢博士在最近的2020全球人工智能和機器人峰會上提出了MAPS更能夠反映AI的真實算力的方式。這里因為時間原因就不贅述了，后面介紹針對AI芯片的更能反映真實性能的。

車規級芯片難度在哪里？可能大家也都所了解，從設計來講一年半到兩年，從認證來講又是一年到一年半的時間，應用到車型當中導入本身可能有兩年到三年的時間，這樣下來做一個車規級芯片，相比新勢力造車來講也不見得比這個要容易。

作為地平線來講，我們成立于2015年7月份，現在已經是第六個年頭，我們已經過了五年半。2017年我們推出中國第一款邊緣AI芯片，從2018年的時候我們的芯片就在賦能美國的頂級自動駕駛車隊，實現環視的視覺感知，在去年8月份我們推出了中國第一款車規級AI芯片，今年3月份這款芯片正式在中國頂級的車廠實現量產。

目前已經量產的是我們的征程二代的芯片，這個是對標Mobileye EyeQ4，以更好的算力、更低的功耗來實現前視的視覺感知。因為芯片本身同樣可以做基于視覺的高精度地圖以及車內的多模態交互。征程第三代芯片可以接4—6路的攝像頭，有更好的制程，它的定位是同時把前視和環視APA的感知做在一塊芯片上，然后實現性價比極高的控制器。征程5芯片是今天年底、明年年初就能提供樣品的一個對標特斯拉FSD的AI芯片，同時有功能安全，它的賽道就是在包括英偉達、FSD和最新的Mobileye EyeQ5去對比。地平線在規劃未來的針對更高級別自動駕駛的征程6芯片。

因為地平線并不是一家傳統的半導體公司，地平線優勢還在于軟硬結合，算法和芯片架構同時的優化設計。智能駕駛方面，剛剛也提到包括前視、環視、地圖，我們一系列的芯片都有足夠的通用性，允許客戶用我們的工具鏈把他的算法跑在我們的芯片上面，上面這些是我們的一些成功的案例，先不做過多介紹了。

接下來我會很快的針對每個場景，回歸到我的話題，國產的車規級AI芯片如何加速賦能智能駕駛。

首先智能前視，基于征程二代的前視感知目前完成了與EyeQ4的對標及一些關鍵指標的超越。而且我們在生態上也積累了將近20家的合作伙伴，目前已經在一個國內頂級的主機廠實現量產落地，年底還會有一個車型定點。

看一下前視的效果，就是用一個2瓦功耗、4TOPS算力的芯片可以實現對于前視場景非常充分豐富的理解，這里有基礎性的是車輛的行人測距測速，也有對于整個場景像素級別，高達二三十大類的物體類別的語義分割，車輛的朝向、三維、路邊的路牙子、行人、車道線、停止線都能夠實時地識別出來。對于L4這個賽道，Robo-Taxi無人出租車和物流來講，可以通過多片的芯片算力賦能，基于12個攝像頭實現環視。為什么說我們能夠加速賦能自動駕駛行業呢？我們相比競品可以以更低的價格、更低的成本、非常完善的感知算法，幫助在無人駕駛、無人的士、無人物流的企業在感知領域可以直接使用。自動駕駛是很復雜的一件事情，而感知作為一個標準品是可以商品化的，大家沒有必要花幾千元去做同樣的事情，作為一輛車感知到的外界的情況不應該有大的區別。

這是在客戶的實際場景，在拉斯維加斯，以一個功耗不到100瓦的計算平臺跑出來的實際效果。芯片本身的通用性和能力也讓我們可以完成高精度地圖的建圖、定位、更新。我們目前雖然是國產的車規級的AI芯片，但我們最早落地是在韓國首爾，在高精地圖上與韓國SK電信合作，進行批量的部署，我們也在武漢今年疫情期間和國內的圖商完成了百級的部署。芯片本身的性能和我們的軟件能力可以很快的讓我們的圖商朋友快速的落地眾包式的高精度地圖的采集和更新。

我們強調芯片的本身通用性，同時可以處理激光雷達點云，這是激光雷達點云和多個攝像頭的融合，跑在征程二代的芯片上。

剛剛提到的都是智能駕駛相關的，包括在車路協同以及全棧的自動駕駛，比如賦能奧迪在車路協同在路側端和毫米波雷達融合，在路側上完成對交通流的有效識別，也符合新基建的整個趨勢。芯片本身的靈活度和它的可編程性其實給了我們很多可以應用的方向。

我們快速看一下車內。剛剛提到多模態的感知，同樣這款征程2的芯片可以接兩路攝像頭，一路看駕駛員，一路是全艙乘客的情況，同時接入語音前端，比如一個很有意思的應用，我在語音識別的時候通過攝像頭同步理解是什么樣，在噪音極大的情況下依然保持很高的識別率。

今年年初的時候在長安UNI—T上完成量產，也是中國車規級AI芯片量產上車的零的突破，目前全球AI芯片實現量產上車的只有Mobileye以及英偉達。

給大家看一下，常見的疲勞檢測。右側更有意思一些，通過視線、通過眼神尤其是在夜間去點亮中控屏，晚上開車的時候我們是不希望中控屏老自己亮，我們想看的時候也不希望通過手去觸動它，所以通過你的眼神。確認過眼神。

最終我想快速總結一下，地平線其實作為一個Tier 2，作為一個最懂芯片的算法公司和一個最懂算法的芯片公司，我們堅持定位在Tier 2，賦能Tier 1和主機廠，其實核心就是我們車規級的AI芯片、工具鏈、我們的感知算法能力。

我們一直還是花很多精力在我們算法的提升和優化上，今年在疫情期間我們也遠程的參與了全球頂級的視覺會議CVPR2020，在Waymo的自動駕駛的公開競賽中拿到五個賽道的4個第一名，1個第二名，我們堅信只有保持算法的領先性，才能夠更好的去設計下一代的AI計算架構，這邊我們也投入了非常多的人力。

最終我想強調一下，我們如何去抗爭特斯拉，在這樣一個新時代如何贏得軟件定義汽車。其實我們看到Mobileye，寶馬和英特爾的合作已經有很多年，明年寶馬會有芯片完成，包括一些功能的落地。戴姆勒和英偉達最近也完成了對于2023年、2024年自動駕駛車落地的合作宣布。我們認為主機廠其實一定要跟有軟件能力的芯片公司進行深入的合作，才是必由之路。尤其在中國，地平線作為一家芯片原創企業，它能夠提供的原廠近距離的支持是勝過任何一家國外的芯片公司。為什么需要原廠的支持？因為要充分發揮一款芯片的能力，一定是原廠能夠有足夠的技術方面的直接和間接的支持，才能夠用好一款芯片。為什么像蘋果這樣的芯片一定要自己做芯片或者選定一款芯片，而且深入的開發、深入的進行調優。

我的分享就到這里。

返回第一電動網首頁 >