地平线张玉峰：国产车规级AI芯片加速赋能智能驾驶

2020年8月22日，第三届全球智能汽车峰会在广州正式开幕。今年的主题是加快智能汽车发展，打造行业新引擎，主要讨论智能汽车近两年取得的技术突破和产品创新，讨论智能汽车的应用场景和商业模式，讨论智能汽车商业发展的顶层设计和实施路径。地平线副总裁、智能驾驶产品线总经理张玉凤在下午举行的“智能汽车的技术突破与产品创新”主峰会上发表主题演讲。以下为演讲实录:

今天我给大家带来的话题是“国产汽车级AI芯片加速智能驾驶”。我们来看看汽车智能化的背景。ADAS辅助智能驾驶和自动驾驶是两个非常热门和重要的话题。让我们来看看未来几年中国ADAS市场的走势。随着我们汽车年产量的增加，从现在到2025年还是有比较明显的改善。我们的ADAS渗透率，根据一些市场调研报告分析，从去年的20%左右，迅速达到近70%。这背后的原因是多方面的，其中最重要的是行车安全需求的提高和对它的认可，以及我们国家的国家政策包括一些国际法规，比如国内的C-NCAP和国际的欧NCAP。这几年对新车的安全要求越来越高。对我们主动安全的玩家有什么好处？这一定是我们赚钱的机会。来服务我们的汽车行业，让人们出行更安全，因为安全永远是出行的第一位。随着自动驾驶水平的提高，可能会有摄像头加毫米波雷达ELEV和LER的应用。现在已经有很多车实现了L2+多摄像头和多毫米波雷达。未来真正的L3会给我们一级和二级玩家带来几十块钱的单价。未来L3几百块钱的市场机会，会让中国在整个ADAS市场的整体份额非常可观。我们来看看自动驾驶。中国的市场得益于公众的接受，得益于我们人口、政策、数据、人才的红利。我们预计未来几年中国将成为全球最大的自动驾驶市场，而且增长速度相当快。智能驾驶和自动驾驶的背后，其实计算平台和计算本身的软硬件开发在整个自动驾驶中占的比重非常高，对这种能力的要求也是最高的。我们会看到，自动驾驶的成本将从“硬件占90%”变为“软硬件基本五五分成”。特斯拉的FSD Autopilot系统售价数千美元，而像埃隆·马斯克(elon musk)这样基于订阅的收费方式也在支撑这一发展趋势。只有将计算和计算平台标准化，自动驾驶才能实现真正的量产。我们看电子电气架构，都是汽车行业的同事，所以这些比较熟悉。从现在和过去的分布到一定程度的集中，再到最终的中央计算架构，这样的发展趋势在目前是必然的。并且和特斯拉一样，在中央计算架构上相对较快地证明了这种方法的可行性，也得到了资本市场的高度认可。特斯拉我记得昨天的市值应该达到3700亿美元，但实际上一年才卖几十万美元。所以特斯拉作为这样一个领先的玩家，一步到位的使用车载中央电脑，非常简洁明了的做相应的安全技术。可以看到FSD的芯片，一块板上两个芯片，完成摄像头数据和传感器数据的输入，进行感知、定位和规划。其实两个片子会交叉验证，片子本身功能上不安全，但是没有问题。我们用两片形成冗余计算和交叉验证，最后把控制权交给被控ECU执行。这种方式其实让整个架构更简单，上面的软件迭代更容易。最后，我认为从最终的角度来看，对于软件定义的汽车，软件应该是解耦的，t……硬件计算能力应该是超配的。未来可能三年或更长时间更换一次，但上述软件在整个生命周期内更新频率很高。这种高频率的更新，给汽车行业的主机厂和相应行业的其他玩家带来了新的盈利模式。我们预测，AI计算可能在驾驶舱和自动驾驶中形成统一的计算平台，完成AI计算本身对智能驾驶舱和自动驾驶的支持。这里有很多计算。计算实际上与芯片密切相关。我们面临着什么样的挑战？因为对计算能力的需求可能会随着每一级自动驾驶水平的提高而在一个数量级。对于传统CPU来说，一直遵循摩尔定律的发展，也就是每隔一年半，每隔18个月，就有这样一个特性，性能提升，成本降低，性能提升一倍，性能和面积减少一半，等等。但是在智能驾驶的新时代，包括驾驶舱，对计算能力的需求，就像我们过去几年在AI中看到的，可能每年都是一个数量级的提升。显然，芯片行业的摩尔定律已经不能支撑我们在自动驾驶和智能驾驶方面的发展了。我们为人工智能芯片提出了一个新的摩尔定律。其本质是在有限的资源下，提高芯片计算的利用率，优化芯片计算的输入输出。在高精度低延迟的要求下，我们其实更关心的是每瓦对这个场景的数据处理效率，以及每美元每人民币对这个场景的数据处理。因为在AI计算中，场景往往决定算法，算法定义架构。如果用传统的芯片架构来支持AI计算，往往会得出一些不足。也许我有几十个T，但我的利用率可能只有25%或30%。原因是传统架构，比如GPU，本来是用来渲染游戏的，作为游戏引擎，同时进行计算，但是优化到图像处理，图像渲染等。，而且被用来变相做AI计算，必然效率低下。那么为什么要用算法来定义芯片的架构呢？这里当然也关注单位成本下的峰值计算能力。所谓30次、200次往往等于一档，往往不够用。现在越来越多的专业车厂和Tier 1会关注系统整体性能，也就是要关注编译器的性能，架构的优化，实现系统的优化，更重要的是针对场景的算法优化和进化。地平线联合创始人黄畅博士在最近的2020全球人工智能与机器人峰会上提出了一种地图更能反映AI真实计算能力的方式。因为时间关系，这里就不赘述了，后面介绍一下更能体现AI芯片真实性能的。汽车仪表芯片的难点在哪里？可能大家都知道，从设计的角度需要一年半到两年，从认证的角度需要一年半。可能需要两到三年的时间才能把自己导入一个车模，所以做一个车模级别的芯片不一定比新势力容易。就地平线而言，我们成立于2015年7月，现在已经是第六个年头了。我们已经过去了五年半。2017年，我们推出了国内首款edge AI芯片。自2018年以来，我们的芯片一直在为美国顶级的自动驾驶团队赋能，实现环顾四周的视觉感知。去年8月，我们推出了国内首款汽车级AI芯片。今年3月，这款芯片在国内顶级车厂正式量产。目前量产的芯片是我们征途的第二代，这是标杆Mobileyeye EQ 4，以更好的计算能力和更低的功耗实现了前瞻的视觉感知。因为芯片本身也可以在车内做基于视觉和多模态交互的高精度地图。征途三代芯片可以连接4-6个摄像头，工艺更好。它的定位是把前瞻和全景APA的感知同时做在一个芯片上，然后实现一个高性价比的控制器。Journey 5是一款AI芯片，可以在今年底明年初为特斯拉FSD提供样本。同时，它还具有……安全。其曲目包括英伟达、FSD和最新的Mobile Eye EQ 5进行对比。地平线正在规划更高层次自动驾驶的未来之旅。因为地平线不是传统的半导体公司，所以地平线的优势在于软硬件结合，同时进行算法和芯片架构的优化设计。智能驾驶方面，刚才也提到了包括前瞻、环视、地图。我们的芯片系列功能丰富，允许客户使用我们的工具链在我们的芯片上运行他们的算法。以上是我们的一些成功案例，就不多介绍了。接下来我会针对每个场景快速回到我的话题，如何用国产汽车级AI芯片加速智能驾驶的赋能。首先，基于征途二代的智能前瞻、前瞻感知，目前已经完成了与EyeQ4的对标，并超越了部分关键指标。而且我们在生态上也积累了近20个合作伙伴。目前已经在国内某顶级代工实现量产，年底会有定点机型。看前瞻的效果，也就是一个2瓦功耗，4TOPS计算能力的芯片，可以充分丰富的理解前瞻的场景。这里有行人的测距测速等基础的东西，还有全场景像素级别的语义分割，多达二三十类的物体，可以实时识别车辆的朝向、三维、路缘石、行人、车道线、停车线。对于L4赛道，Robo-Taxi无人驾驶出租车和物流，可以通过多个芯片的计算能力来赋能，并基于12个摄像头环顾四周。为什么可以加速自动驾驶行业的赋能？相比竞品，我们能以更低的价格、更低的成本、更完善的感知算法，帮助无人驾驶、无人出租车、无人物流领域的企业直接用在感知领域。自动驾驶是一件很复杂的事情，感知作为一个标准产品是可以商业化的。没必要每个人都花几千块去做同样的事情。作为一辆车，外部情况应该不会有大的差别。这是在客户的实际场景中，在拉斯维加斯，用不到100瓦功耗的计算平台运行的实际效果。芯片本身的通用性和能力也让我们可以完成高精地图的测绘、定位和更新。虽然我们目前是国产的汽车级AI芯片，但是先在韩国首尔落地，和韩国SK电讯在高精地图上合作，进行批量部署。我们也在今年武汉疫情期间，和国内地图厂商完成了100级部署。芯片本身的性能和我们的软件能力可以快速使我们的图文商家快速采集和更新众包的高精地图。我们强调芯片本身的通用性，同时可以处理lidar点云，lidar点云是lidar点云与多个摄像头的融合，运行在征途二代芯片上。我刚才说的和智能驾驶有关，包括路面协调和全栈自动驾驶。比如赋能奥迪在路侧协同，与毫米波雷达集成，完成路侧交通流的有效识别，这是符合整个新基础设施趋势的。芯片本身的灵活性和可编程性，其实给了我们很多应用的方向。让我们快速看一下车的内部。刚才提到了多模态感知。同样，这个Journey 2芯片可以连接两个摄像头，一个看司机，一个看机舱内的乘客，同时连接语音前端。比如一个有趣的应用，我可以在语音识别的时候通过摄像头同步了解是什么样的，在噪音很大的情况下依然保持很高的识别率。今年年初在长安UNI-T上完成量产，也是国内AI芯片量产零的突破。目前全球只有Mobileye和Nvidia实现了AI芯片的量产。我给你看一些常见的疲劳测试。右边更有意思。我们通过视觉和眼睛照亮中央控制面板，尤其是在晚上。晚上开车，我们不希望中控面板自己亮，想用手摸也不愿意……透过你的眼睛去看。确认了眼神。最后我想快速总结一下，地平线其实是一个Tier 2，一个最懂芯片的算法公司，一个最懂算法的芯片公司。我们坚持将自己定位在二级市场，为一级市场和原始设备制造商提供支持。其实核心是我们的汽车级AI芯片，工具链，以及我们对算法的感知能力。我们还是花了很多精力在我们算法的改进和优化上。今年疫情期间，我们还远程参加了世界顶级视觉大会CVPR2020，在Waymo的自动驾驶公开比赛中获得了4个第一名和1个第二名。我们坚信，只有保持算法的领先优势，才能更好地设计下一代AI计算架构，我们在这方面也投入了大量的人力。最后，我想强调的是，在这样一个新时代，我们如何才能对抗特斯拉，赢得软件定义的汽车。其实我们看到了Mobileye、宝马、英特尔多年的合作。明年宝马会有芯片完成，包括一些功能的落地。戴姆勒和英伟达最近也完成了2023年和2024年自动驾驶汽车落地的合作公告。我们认为唯一的办法就是主机厂与有软件能力的芯片公司进行深度合作。尤其是在中国，地平线作为一家原厂芯片公司，比国外任何一家芯片公司都更能提供原厂的紧密支持。为什么需要原厂的支持？因为要充分发挥一个芯片的能力，必须是原厂能有足够的技术直接和间接支持才能用好一个芯片。为什么像苹果这样的芯片一定要自己做芯片或者选择一款芯片，并对其进行深度开发优化？我的分享到此为止。2020年8月22日，第三届全球智能汽车峰会在广州正式开幕。今年的主题是加快智能汽车发展，打造行业新引擎，主要讨论智能汽车近两年取得的技术突破和产品创新，讨论智能汽车的应用场景和商业模式，讨论智能汽车商业发展的顶层设计和实施路径。地平线副总裁、智能驾驶产品线总经理张玉凤在下午举行的“智能汽车的技术突破与产品创新”主峰会上发表主题演讲。以下为演讲实录:

今天我给大家带来的话题是“国产汽车级AI芯片加速智能驾驶”。我们来看看汽车智能化的背景。ADAS辅助智能驾驶和自动驾驶是两个非常热门和重要的话题。让我们来看看未来几年中国ADAS市场的走势。随着我们汽车年产量的增加，从现在到2025年还是有比较明显的改善。我们的ADAS渗透率，根据一些市场调研报告分析，从去年的20%左右，迅速达到近70%。这背后的原因是多方面的，其中最重要的是行车安全需求的提高和对它的认可，以及我们国家的国家政策包括一些国际法规，比如国内的C-NCAP和国际的欧NCAP。这几年对新车的安全要求越来越高。对我们主动安全的玩家有什么好处？这一定是我们赚钱的机会。来服务我们的汽车行业，让人们出行更安全，因为安全永远是出行的第一位。随着自动驾驶水平的提高，可能会有摄像头加毫米波雷达ELEV和LER的应用。现在已经有很多车实现了L2+多摄像头和多毫米波雷达。未来真正的L3会给我们一级和二级玩家带来几十块钱的单价。未来L3几百块钱的市场机会，会让中国在整个ADAS市场的整体份额非常可观。我们来看看自动驾驶。中国的市场得益于公众的接受，得益于我们人口、政策、数据、人才的红利。我们预计未来几年中国将成为全球最大的自动驾驶市场，而且增长速度相当快。智能驾驶和自动驾驶的背后，其实计算平台和计算本身的软硬件发展占了很h……h比例在整个自动驾驶中，对这种能力的要求是最高的。我们会看到，自动驾驶的成本将从“硬件占90%”变为“软硬件基本五五分成”。特斯拉的FSD Autopilot系统售价数千美元，而像埃隆·马斯克(elon musk)这样基于订阅的收费方式也在支撑这一发展趋势。只有将计算和计算平台标准化，自动驾驶才能实现真正的量产。我们看电子电气架构，都是汽车行业的同事，所以这些比较熟悉。从现在和过去的分布到一定程度的集中，再到最终的中央计算架构，这样的发展趋势在目前是必然的。并且和特斯拉一样，在中央计算架构上相对较快地证明了这种方法的可行性，也得到了资本市场的高度认可。特斯拉我记得昨天的市值应该达到3700亿美元，但实际上一年才卖几十万美元。所以特斯拉作为这样一个领先的玩家，一步到位的使用车载中央电脑，非常简洁明了的做相应的安全技术。可以看到FSD的芯片，一块板上两个芯片，完成摄像头数据和传感器数据的输入，进行感知、定位和规划。其实两个片子会交叉验证，片子本身功能上不安全，但是没有问题。我们用两片形成冗余计算和交叉验证，最后把控制权交给被控ECU执行。这种方式其实让整个架构更简单，上面的软件迭代更容易。最后，我觉得从最终的角度来说，对于软件定义的汽车，软件要解耦，硬件算力要超配。未来可能三年或更长时间更换一次，但上述软件在整个生命周期内更新频率很高。这种高频率的更新，给汽车行业的主机厂和相应行业的其他玩家带来了新的盈利模式。我们预测，AI计算可能在驾驶舱和自动驾驶中形成统一的计算平台，完成AI计算本身对智能驾驶舱和自动驾驶的支持。这里有很多计算。计算实际上与芯片密切相关。我们面临着什么样的挑战？因为对计算能力的需求可能会随着每一级自动驾驶水平的提高而在一个数量级。对于传统CPU来说，一直遵循摩尔定律的发展，也就是每隔一年半，每隔18个月，就有这样一个特性，性能提升，成本降低，性能提升一倍，性能和面积减少一半，等等。但是在智能驾驶的新时代，包括驾驶舱，对计算能力的需求，就像我们过去几年在AI中看到的，可能每年都是一个数量级的提升。显然，芯片行业的摩尔定律已经不能支撑我们在自动驾驶和智能驾驶方面的发展了。我们为人工智能芯片提出了一个新的摩尔定律。其本质是在有限的资源下，提高芯片计算的利用率，优化芯片计算的输入输出。在高精度低延迟的要求下，我们其实更关心的是每瓦对这个场景的数据处理效率，以及每美元每人民币对这个场景的数据处理。因为在AI计算中，场景往往决定算法，算法定义架构。如果用传统的芯片架构来支持AI计算，往往会得出一些不足。也许我有几十个T，但我的利用率可能只有25%或30%。原因是传统架构，比如GPU，本来是用来渲染游戏的，作为游戏引擎，同时进行计算，但是优化到图像处理，图像渲染等。，而且被用来变相做AI计算，必然效率低下。那么为什么要用算法来定义芯片的架构呢？这里当然也关注单位成本下的峰值计算能力。所谓30次、200次往往等于一档，往往不够用。现在越来越多的专业汽车厂商和Tier 1会关注整体系统性能，也就是要关注编译器的性能、架构的优化、实现系统的优化，更重要的是针对th的算法优化和进化……场景。地平线联合创始人黄畅博士在最近的2020全球人工智能与机器人峰会上提出了一种地图更能反映AI真实计算能力的方式。因为时间关系，这里就不赘述了，后面介绍一下更能体现AI芯片真实性能的。汽车仪表芯片的难点在哪里？可能大家都知道，从设计的角度需要一年半到两年，从认证的角度需要一年半。可能需要两到三年的时间才能把自己导入一个车模，所以做一个车模级别的芯片不一定比新势力容易。就地平线而言，我们成立于2015年7月，现在已经是第六个年头了。我们已经过去了五年半。2017年，我们推出了国内首款edge AI芯片。自2018年以来，我们的芯片一直在为美国顶级的自动驾驶团队赋能，实现环顾四周的视觉感知。去年8月，我们推出了国内首款汽车级AI芯片。今年3月，这款芯片在国内顶级车厂正式量产。目前量产的芯片是我们征途的第二代，这是标杆Mobileyeye EQ 4，以更好的计算能力和更低的功耗实现了前瞻的视觉感知。因为芯片本身也可以在车内做基于视觉和多模态交互的高精度地图。征途三代芯片可以连接4-6个摄像头，工艺更好。它的定位是把前瞻和全景APA的感知同时做在一个芯片上，然后实现一个高性价比的控制器。Journey 5是一款AI芯片，可以在今年底明年初为特斯拉FSD提供样本。同时具有功能安全性。其曲目包括英伟达、FSD和最新的Mobile Eye EQ 5进行对比。地平线正在规划更高层次自动驾驶的未来之旅。因为地平线不是传统的半导体公司，所以地平线的优势在于软硬件结合，同时进行算法和芯片架构的优化设计。智能驾驶方面，刚才也提到了包括前瞻、环视、地图。我们的芯片系列功能丰富，允许客户使用我们的工具链在我们的芯片上运行他们的算法。以上是我们的一些成功案例，就不多介绍了。接下来我会针对每个场景快速回到我的话题，如何用国产汽车级AI芯片加速智能驾驶的赋能。首先，基于征途二代的智能前瞻、前瞻感知，目前已经完成了与EyeQ4的对标，并超越了部分关键指标。而且我们在生态上也积累了近20个合作伙伴。目前已经在国内某顶级代工实现量产，年底会有定点机型。看前瞻的效果，也就是一个2瓦功耗，4TOPS计算能力的芯片，可以充分丰富的理解前瞻的场景。这里有行人的测距测速等基础的东西，还有全场景像素级别的语义分割，多达二三十类的物体，可以实时识别车辆的朝向、三维、路缘石、行人、车道线、停车线。对于L4赛道，Robo-Taxi无人驾驶出租车和物流，可以通过多个芯片的计算能力来赋能，并基于12个摄像头环顾四周。为什么可以加速自动驾驶行业的赋能？相比竞品，我们能以更低的价格、更低的成本、更完善的感知算法，帮助无人驾驶、无人出租车、无人物流领域的企业直接用在感知领域。自动驾驶是一件很复杂的事情，感知作为一个标准产品是可以商业化的。没必要每个人都花几千块去做同样的事情。作为一辆车，外部情况应该不会有大的差别。这是在客户的实际场景中，在拉斯维加斯，用不到100瓦功耗的计算平台运行的实际效果。芯片本身的通用性和能力也让我们可以完成高精地图的测绘、定位和更新。虽然我们目前是国产的汽车级AI芯片，但是先在韩国首尔落地，和韩国SK电讯在高精地图上合作，进行批量部署。我们还与国内m完成了100级部署……武汉今年疫情期间的摊贩。芯片本身的性能和我们的软件能力可以快速使我们的图文商家快速采集和更新众包的高精地图。我们强调芯片本身的通用性，同时可以处理lidar点云，lidar点云是lidar点云与多个摄像头的融合，运行在征途二代芯片上。我刚才说的和智能驾驶有关，包括路面协调和全栈自动驾驶。比如赋能奥迪在路侧协同，与毫米波雷达集成，完成路侧交通流的有效识别，这是符合整个新基础设施趋势的。芯片本身的灵活性和可编程性，其实给了我们很多应用的方向。让我们快速看一下车的内部。刚才提到了多模态感知。同样，这个Journey 2芯片可以连接两个摄像头，一个看司机，一个看机舱内的乘客，同时连接语音前端。比如一个有趣的应用，我可以在语音识别的时候通过摄像头同步了解是什么样的，在噪音很大的情况下依然保持很高的识别率。今年年初在长安UNI-T上完成量产，也是国内AI芯片量产零的突破。目前全球只有Mobileye和Nvidia实现了AI芯片的量产。我给你看一些常见的疲劳测试。右边更有意思。我们通过视觉和眼睛照亮中央控制面板，尤其是在晚上。晚上开车，我们不想中控面板自己亮，想看的时候也不想用手去摸，所以通过你的眼睛。确认了眼神。最后我想快速总结一下，地平线其实是一个Tier 2，一个最懂芯片的算法公司，一个最懂算法的芯片公司。我们坚持将自己定位在二级市场，为一级市场和原始设备制造商提供支持。其实核心是我们的汽车级AI芯片，工具链，以及我们对算法的感知能力。我们还是花了很多精力在我们算法的改进和优化上。今年疫情期间，我们还远程参加了世界顶级视觉大会CVPR2020，在Waymo的自动驾驶公开比赛中获得了4个第一名和1个第二名。我们坚信，只有保持算法的领先优势，才能更好地设计下一代AI计算架构，我们在这方面也投入了大量的人力。最后，我想强调的是，在这样一个新时代，我们如何才能对抗特斯拉，赢得软件定义的汽车。其实我们看到了Mobileye、宝马、英特尔多年的合作。明年宝马会有芯片完成，包括一些功能的落地。戴姆勒和英伟达最近也完成了2023年和2024年自动驾驶汽车落地的合作公告。我们认为唯一的办法就是主机厂与有软件能力的芯片公司进行深度合作。尤其是在中国，地平线作为一家原厂芯片公司，比国外任何一家芯片公司都更能提供原厂的紧密支持。为什么需要原厂的支持？因为要充分发挥一个芯片的能力，必须是原厂能有足够的技术直接和间接支持才能用好一个芯片。为什么像苹果这样的芯片一定要自己做芯片或者选择一款芯片，并对其进行深度开发优化？我的分享到此为止。

标签：特斯拉宝马奥迪长安合创

汽车资讯热门资讯