地平線張玉峰：國產車規級AI芯片加速賦能智能駕駛

2020年8月22日，第三屆全球智能汽車峰會在廣州正式開幕。今年的主題是加快智能汽車發展，打造行業新引擎，主要討論智能汽車近兩年取得的技術突破和產品創新，討論智能汽車的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。地平線副總裁、智能駕駛產品線總經理張玉鳳在下午舉行的“智能汽車的技術突破與產品創新”主峰會上發表主題演講。以下為演講實錄:

今天我給大家帶來的話題是“國產汽車級AI芯片加速智能駕駛”。我們來看看汽車智能化的背景。ADAS輔助智能駕駛和自動駕駛是兩個非常熱門和重要的話題。讓我們來看看未來幾年中國ADAS市場的走勢。隨著我們汽車年產量的增加，從現在到2025年還是有比較明顯的改善。我們的ADAS滲透率，根據一些市場調研報告分析，從去年的20%左右，迅速達到近70%。這背后的原因是多方面的，其中最重要的是行車安全需求的提高和對它的認可，以及我們國家的國家政策包括一些國際法規，比如國內的C-NCAP和國際的歐NCAP。這幾年對新車的安全要求越來越高。對我們主動安全的玩家有什么好處？這一定是我們賺錢的機會。來服務我們的汽車行業，讓人們出行更安全，因為安全永遠是出行的第一位。隨著自動駕駛水平的提高，可能會有攝像頭加毫米波雷達ELEV和LER的應用。現在已經有很多車實現了L2+多攝像頭和多毫米波雷達。未來真正的L3會給我們一級和二級玩家帶來幾十塊錢的單價。未來L3幾百塊錢的市場機會，會讓中國在整個ADAS市場的整體份額非常可觀。我們來看看自動駕駛。中國的市場得益于公眾的接受，得益于我們人口、政策、數據、人才的紅利。我們預計未來幾年中國將成為全球最大的自動駕駛市場，而且增長速度相當快。智能駕駛和自動駕駛的背后，其實計算平臺和計算本身的軟硬件開發在整個自動駕駛中占的比重非常高，對這種能力的要求也是最高的。我們會看到，自動駕駛的成本將從“硬件占90%”變為“軟硬件基本五五分成”。特斯拉的FSD Autopilot系統售價數千美元，而像埃隆·馬斯克(elon musk)這樣基于訂閱的收費方式也在支撐這一發展趨勢。只有將計算和計算平臺標準化，自動駕駛才能實現真正的量產。我們看電子電氣架構，都是汽車行業的同事，所以這些比較熟悉。從現在和過去的分布到一定程度的集中，再到最終的中央計算架構，這樣的發展趨勢在目前是必然的。并且和特斯拉一樣，在中央計算架構上相對較快地證明了這種方法的可行性，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達到3700億美元，但實際上一年才賣幾十萬美元。所以特斯拉作為這樣一個領先的玩家，一步到位的使用車載中央電腦，非常簡潔明了的做相應的安全技術。可以看到FSD的芯片，一塊板上兩個芯片，完成攝像頭數據和傳感器數據的輸入，進行感知、定位和規劃。其實兩個片子會交叉驗證，片子本身功能上不安全，但是沒有問題。我們用兩片形成冗余計算和交叉驗證，最后把控制權交給被控ECU執行。這種方式其實讓整個架構更簡單，上面的軟件迭代更容易。最后，我認為從最終的角度來看，對于軟件定義的汽車，軟件應該是解耦的，t……硬件計算能力應該是超配的。未來可能三年或更長時間更換一次，但上述軟件在整個生命周期內更新頻率很高。這種高頻率的更新，給汽車行業的主機廠和相應行業的其他玩家帶來了新的盈利模式。我們預測，AI計算可能在駕駛艙和自動駕駛中形成統一的計算平臺，完成AI計算本身對智能駕駛艙和自動駕駛的支持。這里有很多計算。計算實際上與芯片密切相關。我們面臨著什么樣的挑戰？因為對計算能力的需求可能會隨著每一級自動駕駛水平的提高而在一個數量級。對于傳統CPU來說，一直遵循摩爾定律的發展，也就是每隔一年半，每隔18個月，就有這樣一個特性，性能提升，成本降低，性能提升一倍，性能和面積減少一半，等等。但是在智能駕駛的新時代，包括駕駛艙，對計算能力的需求，就像我們過去幾年在AI中看到的，可能每年都是一個數量級的提升。顯然，芯片行業的摩爾定律已經不能支撐我們在自動駕駛和智能駕駛方面的發展了。我們為人工智能芯片提出了一個新的摩爾定律。其本質是在有限的資源下，提高芯片計算的利用率，優化芯片計算的輸入輸出。在高精度低延遲的要求下，我們其實更關心的是每瓦對這個場景的數據處理效率，以及每美元每人民幣對這個場景的數據處理。因為在AI計算中，場景往往決定算法，算法定義架構。如果用傳統的芯片架構來支持AI計算，往往會得出一些不足。也許我有幾十個T，但我的利用率可能只有25%或30%。原因是傳統架構，比如GPU，本來是用來渲染游戲的，作為游戲引擎，同時進行計算，但是優化到圖像處理，圖像渲染等。，而且被用來變相做AI計算，必然效率低下。那么為什么要用算法來定義芯片的架構呢？這里當然也關注單位成本下的峰值計算能力。所謂30次、200次往往等于一檔，往往不夠用。現在越來越多的專業車廠和Tier 1會關注系統整體性能，也就是要關注編譯器的性能，架構的優化，實現系統的優化，更重要的是針對場景的算法優化和進化。地平線聯合創始人黃暢博士在最近的2020全球人工智能與機器人峰會上提出了一種地圖更能反映AI真實計算能力的方式。因為時間關系，這里就不贅述了，后面介紹一下更能體現AI芯片真實性能的。汽車儀表芯片的難點在哪里？可能大家都知道，從設計的角度需要一年半到兩年，從認證的角度需要一年半。可能需要兩到三年的時間才能把自己導入一個車模，所以做一個車模級別的芯片不一定比新勢力容易。就地平線而言，我們成立于2015年7月，現在已經是第六個年頭了。我們已經過去了五年半。2017年，我們推出了國內首款edge AI芯片。自2018年以來，我們的芯片一直在為美國頂級的自動駕駛團隊賦能，實現環顧四周的視覺感知。去年8月，我們推出了國內首款汽車級AI芯片。今年3月，這款芯片在國內頂級車廠正式量產。目前量產的芯片是我們征途的第二代，這是標桿Mobileyeye EQ 4，以更好的計算能力和更低的功耗實現了前瞻的視覺感知。因為芯片本身也可以在車內做基于視覺和多模態交互的高精度地圖。征途三代芯片可以連接4-6個攝像頭，工藝更好。它的定位是把前瞻和全景APA的感知同時做在一個芯片上，然后實現一個高性價比的控制器。Journey 5是一款AI芯片，可以在今年底明年初為特斯拉FSD提供樣本。同時，它還具有……安全。其曲目包括英偉達、FSD和最新的Mobile Eye EQ 5進行對比。地平線正在規劃更高層次自動駕駛的未來之旅。因為地平線不是傳統的半導體公司，所以地平線的優勢在于軟硬件結合，同時進行算法和芯片架構的優化設計。智能駕駛方面，剛才也提到了包括前瞻、環視、地圖。我們的芯片系列功能豐富，允許客戶使用我們的工具鏈在我們的芯片上運行他們的算法。以上是我們的一些成功案例，就不多介紹了。接下來我會針對每個場景快速回到我的話題，如何用國產汽車級AI芯片加速智能駕駛的賦能。首先，基于征途二代的智能前瞻、前瞻感知，目前已經完成了與EyeQ4的對標，并超越了部分關鍵指標。而且我們在生態上也積累了近20個合作伙伴。目前已經在國內某頂級代工實現量產，年底會有定點機型。看前瞻的效果，也就是一個2瓦功耗，4TOPS計算能力的芯片，可以充分豐富的理解前瞻的場景。這里有行人的測距測速等基礎的東西，還有全場景像素級別的語義分割，多達二三十類的物體，可以實時識別車輛的朝向、三維、路緣石、行人、車道線、停車線。對于L4賽道，Robo-Taxi無人駕駛出租車和物流，可以通過多個芯片的計算能力來賦能，并基于12個攝像頭環顧四周。為什么可以加速自動駕駛行業的賦能？相比競品，我們能以更低的價格、更低的成本、更完善的感知算法，幫助無人駕駛、無人出租車、無人物流領域的企業直接用在感知領域。自動駕駛是一件很復雜的事情，感知作為一個標準產品是可以商業化的。沒必要每個人都花幾千塊去做同樣的事情。作為一輛車，外部情況應該不會有大的差別。這是在客戶的實際場景中，在拉斯維加斯，用不到100瓦功耗的計算平臺運行的實際效果。芯片本身的通用性和能力也讓我們可以完成高精地圖的測繪、定位和更新。雖然我們目前是國產的汽車級AI芯片，但是先在韓國首爾落地，和韓國SK電訊在高精地圖上合作，進行批量部署。我們也在今年武漢疫情期間，和國內地圖廠商完成了100級部署。芯片本身的性能和我們的軟件能力可以快速使我們的圖文商家快速采集和更新眾包的高精地圖。我們強調芯片本身的通用性，同時可以處理lidar點云，lidar點云是lidar點云與多個攝像頭的融合，運行在征途二代芯片上。我剛才說的和智能駕駛有關，包括路面協調和全棧自動駕駛。比如賦能奧迪在路側協同，與毫米波雷達集成，完成路側交通流的有效識別，這是符合整個新基礎設施趨勢的。芯片本身的靈活性和可編程性，其實給了我們很多應用的方向。讓我們快速看一下車的內部。剛才提到了多模態感知。同樣，這個Journey 2芯片可以連接兩個攝像頭，一個看司機，一個看機艙內的乘客，同時連接語音前端。比如一個有趣的應用，我可以在語音識別的時候通過攝像頭同步了解是什么樣的，在噪音很大的情況下依然保持很高的識別率。今年年初在長安UNI-T上完成量產，也是國內AI芯片量產零的突破。目前全球只有Mobileye和Nvidia實現了AI芯片的量產。我給你看一些常見的疲勞測試。右邊更有意思。我們通過視覺和眼睛照亮中央控制面板，尤其是在晚上。晚上開車，我們不希望中控面板自己亮，想用手摸也不愿意……透過你的眼睛去看。確認了眼神。最后我想快速總結一下，地平線其實是一個Tier 2，一個最懂芯片的算法公司，一個最懂算法的芯片公司。我們堅持將自己定位在二級市場，為一級市場和原始設備制造商提供支持。其實核心是我們的汽車級AI芯片，工具鏈，以及我們對算法的感知能力。我們還是花了很多精力在我們算法的改進和優化上。今年疫情期間，我們還遠程參加了世界頂級視覺大會CVPR2020，在Waymo的自動駕駛公開比賽中獲得了4個第一名和1個第二名。我們堅信，只有保持算法的領先優勢，才能更好地設計下一代AI計算架構，我們在這方面也投入了大量的人力。最后，我想強調的是，在這樣一個新時代，我們如何才能對抗特斯拉，贏得軟件定義的汽車。其實我們看到了Mobileye、寶馬、英特爾多年的合作。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2023年和2024年自動駕駛汽車落地的合作公告。我們認為唯一的辦法就是主機廠與有軟件能力的芯片公司進行深度合作。尤其是在中國，地平線作為一家原廠芯片公司，比國外任何一家芯片公司都更能提供原廠的緊密支持。為什么需要原廠的支持？因為要充分發揮一個芯片的能力，必須是原廠能有足夠的技術直接和間接支持才能用好一個芯片。為什么像蘋果這樣的芯片一定要自己做芯片或者選擇一款芯片，并對其進行深度開發優化？我的分享到此為止。2020年8月22日，第三屆全球智能汽車峰會在廣州正式開幕。今年的主題是加快智能汽車發展，打造行業新引擎，主要討論智能汽車近兩年取得的技術突破和產品創新，討論智能汽車的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。地平線副總裁、智能駕駛產品線總經理張玉鳳在下午舉行的“智能汽車的技術突破與產品創新”主峰會上發表主題演講。以下為演講實錄:

今天我給大家帶來的話題是“國產汽車級AI芯片加速智能駕駛”。我們來看看汽車智能化的背景。ADAS輔助智能駕駛和自動駕駛是兩個非常熱門和重要的話題。讓我們來看看未來幾年中國ADAS市場的走勢。隨著我們汽車年產量的增加，從現在到2025年還是有比較明顯的改善。我們的ADAS滲透率，根據一些市場調研報告分析，從去年的20%左右，迅速達到近70%。這背后的原因是多方面的，其中最重要的是行車安全需求的提高和對它的認可，以及我們國家的國家政策包括一些國際法規，比如國內的C-NCAP和國際的歐NCAP。這幾年對新車的安全要求越來越高。對我們主動安全的玩家有什么好處？這一定是我們賺錢的機會。來服務我們的汽車行業，讓人們出行更安全，因為安全永遠是出行的第一位。隨著自動駕駛水平的提高，可能會有攝像頭加毫米波雷達ELEV和LER的應用。現在已經有很多車實現了L2+多攝像頭和多毫米波雷達。未來真正的L3會給我們一級和二級玩家帶來幾十塊錢的單價。未來L3幾百塊錢的市場機會，會讓中國在整個ADAS市場的整體份額非常可觀。我們來看看自動駕駛。中國的市場得益于公眾的接受，得益于我們人口、政策、數據、人才的紅利。我們預計未來幾年中國將成為全球最大的自動駕駛市場，而且增長速度相當快。智能駕駛和自動駕駛的背后，其實計算平臺和計算本身的軟硬件發展占了很h……h比例在整個自動駕駛中，對這種能力的要求是最高的。我們會看到，自動駕駛的成本將從“硬件占90%”變為“軟硬件基本五五分成”。特斯拉的FSD Autopilot系統售價數千美元，而像埃隆·馬斯克(elon musk)這樣基于訂閱的收費方式也在支撐這一發展趨勢。只有將計算和計算平臺標準化，自動駕駛才能實現真正的量產。我們看電子電氣架構，都是汽車行業的同事，所以這些比較熟悉。從現在和過去的分布到一定程度的集中，再到最終的中央計算架構，這樣的發展趨勢在目前是必然的。并且和特斯拉一樣，在中央計算架構上相對較快地證明了這種方法的可行性，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達到3700億美元，但實際上一年才賣幾十萬美元。所以特斯拉作為這樣一個領先的玩家，一步到位的使用車載中央電腦，非常簡潔明了的做相應的安全技術。可以看到FSD的芯片，一塊板上兩個芯片，完成攝像頭數據和傳感器數據的輸入，進行感知、定位和規劃。其實兩個片子會交叉驗證，片子本身功能上不安全，但是沒有問題。我們用兩片形成冗余計算和交叉驗證，最后把控制權交給被控ECU執行。這種方式其實讓整個架構更簡單，上面的軟件迭代更容易。最后，我覺得從最終的角度來說，對于軟件定義的汽車，軟件要解耦，硬件算力要超配。未來可能三年或更長時間更換一次，但上述軟件在整個生命周期內更新頻率很高。這種高頻率的更新，給汽車行業的主機廠和相應行業的其他玩家帶來了新的盈利模式。我們預測，AI計算可能在駕駛艙和自動駕駛中形成統一的計算平臺，完成AI計算本身對智能駕駛艙和自動駕駛的支持。這里有很多計算。計算實際上與芯片密切相關。我們面臨著什么樣的挑戰？因為對計算能力的需求可能會隨著每一級自動駕駛水平的提高而在一個數量級。對于傳統CPU來說，一直遵循摩爾定律的發展，也就是每隔一年半，每隔18個月，就有這樣一個特性，性能提升，成本降低，性能提升一倍，性能和面積減少一半，等等。但是在智能駕駛的新時代，包括駕駛艙，對計算能力的需求，就像我們過去幾年在AI中看到的，可能每年都是一個數量級的提升。顯然，芯片行業的摩爾定律已經不能支撐我們在自動駕駛和智能駕駛方面的發展了。我們為人工智能芯片提出了一個新的摩爾定律。其本質是在有限的資源下，提高芯片計算的利用率，優化芯片計算的輸入輸出。在高精度低延遲的要求下，我們其實更關心的是每瓦對這個場景的數據處理效率，以及每美元每人民幣對這個場景的數據處理。因為在AI計算中，場景往往決定算法，算法定義架構。如果用傳統的芯片架構來支持AI計算，往往會得出一些不足。也許我有幾十個T，但我的利用率可能只有25%或30%。原因是傳統架構，比如GPU，本來是用來渲染游戲的，作為游戲引擎，同時進行計算，但是優化到圖像處理，圖像渲染等。，而且被用來變相做AI計算，必然效率低下。那么為什么要用算法來定義芯片的架構呢？這里當然也關注單位成本下的峰值計算能力。所謂30次、200次往往等于一檔，往往不夠用。現在越來越多的專業汽車廠商和Tier 1會關注整體系統性能，也就是要關注編譯器的性能、架構的優化、實現系統的優化，更重要的是針對th的算法優化和進化……場景。地平線聯合創始人黃暢博士在最近的2020全球人工智能與機器人峰會上提出了一種地圖更能反映AI真實計算能力的方式。因為時間關系，這里就不贅述了，后面介紹一下更能體現AI芯片真實性能的。汽車儀表芯片的難點在哪里？可能大家都知道，從設計的角度需要一年半到兩年，從認證的角度需要一年半。可能需要兩到三年的時間才能把自己導入一個車模，所以做一個車模級別的芯片不一定比新勢力容易。就地平線而言，我們成立于2015年7月，現在已經是第六個年頭了。我們已經過去了五年半。2017年，我們推出了國內首款edge AI芯片。自2018年以來，我們的芯片一直在為美國頂級的自動駕駛團隊賦能，實現環顧四周的視覺感知。去年8月，我們推出了國內首款汽車級AI芯片。今年3月，這款芯片在國內頂級車廠正式量產。目前量產的芯片是我們征途的第二代，這是標桿Mobileyeye EQ 4，以更好的計算能力和更低的功耗實現了前瞻的視覺感知。因為芯片本身也可以在車內做基于視覺和多模態交互的高精度地圖。征途三代芯片可以連接4-6個攝像頭，工藝更好。它的定位是把前瞻和全景APA的感知同時做在一個芯片上，然后實現一個高性價比的控制器。Journey 5是一款AI芯片，可以在今年底明年初為特斯拉FSD提供樣本。同時具有功能安全性。其曲目包括英偉達、FSD和最新的Mobile Eye EQ 5進行對比。地平線正在規劃更高層次自動駕駛的未來之旅。因為地平線不是傳統的半導體公司，所以地平線的優勢在于軟硬件結合，同時進行算法和芯片架構的優化設計。智能駕駛方面，剛才也提到了包括前瞻、環視、地圖。我們的芯片系列功能豐富，允許客戶使用我們的工具鏈在我們的芯片上運行他們的算法。以上是我們的一些成功案例，就不多介紹了。接下來我會針對每個場景快速回到我的話題，如何用國產汽車級AI芯片加速智能駕駛的賦能。首先，基于征途二代的智能前瞻、前瞻感知，目前已經完成了與EyeQ4的對標，并超越了部分關鍵指標。而且我們在生態上也積累了近20個合作伙伴。目前已經在國內某頂級代工實現量產，年底會有定點機型。看前瞻的效果，也就是一個2瓦功耗，4TOPS計算能力的芯片，可以充分豐富的理解前瞻的場景。這里有行人的測距測速等基礎的東西，還有全場景像素級別的語義分割，多達二三十類的物體，可以實時識別車輛的朝向、三維、路緣石、行人、車道線、停車線。對于L4賽道，Robo-Taxi無人駕駛出租車和物流，可以通過多個芯片的計算能力來賦能，并基于12個攝像頭環顧四周。為什么可以加速自動駕駛行業的賦能？相比競品，我們能以更低的價格、更低的成本、更完善的感知算法，幫助無人駕駛、無人出租車、無人物流領域的企業直接用在感知領域。自動駕駛是一件很復雜的事情，感知作為一個標準產品是可以商業化的。沒必要每個人都花幾千塊去做同樣的事情。作為一輛車，外部情況應該不會有大的差別。這是在客戶的實際場景中，在拉斯維加斯，用不到100瓦功耗的計算平臺運行的實際效果。芯片本身的通用性和能力也讓我們可以完成高精地圖的測繪、定位和更新。雖然我們目前是國產的汽車級AI芯片，但是先在韓國首爾落地，和韓國SK電訊在高精地圖上合作，進行批量部署。我們還與國內m完成了100級部署……武漢今年疫情期間的攤販。芯片本身的性能和我們的軟件能力可以快速使我們的圖文商家快速采集和更新眾包的高精地圖。我們強調芯片本身的通用性，同時可以處理lidar點云，lidar點云是lidar點云與多個攝像頭的融合，運行在征途二代芯片上。我剛才說的和智能駕駛有關，包括路面協調和全棧自動駕駛。比如賦能奧迪在路側協同，與毫米波雷達集成，完成路側交通流的有效識別，這是符合整個新基礎設施趨勢的。芯片本身的靈活性和可編程性，其實給了我們很多應用的方向。讓我們快速看一下車的內部。剛才提到了多模態感知。同樣，這個Journey 2芯片可以連接兩個攝像頭，一個看司機，一個看機艙內的乘客，同時連接語音前端。比如一個有趣的應用，我可以在語音識別的時候通過攝像頭同步了解是什么樣的，在噪音很大的情況下依然保持很高的識別率。今年年初在長安UNI-T上完成量產，也是國內AI芯片量產零的突破。目前全球只有Mobileye和Nvidia實現了AI芯片的量產。我給你看一些常見的疲勞測試。右邊更有意思。我們通過視覺和眼睛照亮中央控制面板，尤其是在晚上。晚上開車，我們不想中控面板自己亮，想看的時候也不想用手去摸，所以通過你的眼睛。確認了眼神。最后我想快速總結一下，地平線其實是一個Tier 2，一個最懂芯片的算法公司，一個最懂算法的芯片公司。我們堅持將自己定位在二級市場，為一級市場和原始設備制造商提供支持。其實核心是我們的汽車級AI芯片，工具鏈，以及我們對算法的感知能力。我們還是花了很多精力在我們算法的改進和優化上。今年疫情期間，我們還遠程參加了世界頂級視覺大會CVPR2020，在Waymo的自動駕駛公開比賽中獲得了4個第一名和1個第二名。我們堅信，只有保持算法的領先優勢，才能更好地設計下一代AI計算架構，我們在這方面也投入了大量的人力。最后，我想強調的是，在這樣一個新時代，我們如何才能對抗特斯拉，贏得軟件定義的汽車。其實我們看到了Mobileye、寶馬、英特爾多年的合作。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2023年和2024年自動駕駛汽車落地的合作公告。我們認為唯一的辦法就是主機廠與有軟件能力的芯片公司進行深度合作。尤其是在中國，地平線作為一家原廠芯片公司，比國外任何一家芯片公司都更能提供原廠的緊密支持。為什么需要原廠的支持？因為要充分發揮一個芯片的能力，必須是原廠能有足夠的技術直接和間接支持才能用好一個芯片。為什么像蘋果這樣的芯片一定要自己做芯片或者選擇一款芯片，并對其進行深度開發優化？我的分享到此為止。

標簽：特斯拉寶馬奧迪長安合創

汽車資訊熱門資訊