為什麼自動駕駛晶元是人工智慧晶元中的珠穆朗瑪峰？
編輯、整理 | 彭賽瓊
來自新智駕（AI-Drive）的報道
新智駕按：2018 全球人工智慧與機器人峰會（CCF-GAIR）在深圳召開，峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，得到了寶安區政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智慧領域最具實力的跨界交流合作平台。
人工智慧的浪潮帶動了AI晶元的創業潮流，而在AI晶元中，有人說，自動駕駛的晶元才是AI晶元的珠穆朗瑪峰。自動駕駛領域道阻且長，算力要求、車規、產業化的影響因素使AI晶元公司面臨更多的挑戰。針對這一主題，2018 全球人工智慧與機器人峰會（CCF-GAIR）的智能駕駛專場的圓桌上，新智駕邀請到了零跑汽車副總裁許煒、西井科技CEO譚黎敏、黑芝麻智能科技晶元架構副總裁齊崢、地平線市場拓展和戰略規劃副總裁李星宇，四位嘉賓共同探討。耀途資本的合伙人楊光是本場圓桌的主持人。
在圓桌開始之前，四位嘉賓向在場觀眾作了簡單的公司介紹和公司在晶元方面的進展。
主機廠視角——零跑汽車
*零跑汽車副總裁許煒
許煒表示，零跑的定位是IT人造車。與偏向軟體和交互的 「互聯網造車」概念不同，零跑更偏向於軟硬體的結合——包括生產、製造。目前零跑已經規划了三個整車平台，另外還自研出了三電系統以及智能網聯繫統、自動駕駛系統。零跑位於金華的智能製造工廠也將在今年7月份封頂，11月份投產。
目前，零跑正與其股東大華聯合開發AI自動駕駛晶元「凌芯01」，預計明年2月份進行實車應用。許煒介紹，項目在2017年底已經開始啟動，在2018年5月到6月開始集中驗證，到2019年，零跑將會進行實車的驗證。
許煒表示，到2019年，零跑第一輛上市的車將會達到L2的水平，實現城市跟隨和交通擁堵路況跟隨；在2020年通過後端的軟體支撐，實現L3級別的功能；2022年爭取實現特定工況L4級的駕駛水平。
應用場景視角——西井科技
*西井科技CEO譚黎敏
譚黎敏表示，比起All in AI，西井更希望做到Ai in All，讓AI賦能各個行業。他認為，場景、數據和技術驅動了AI。而這三者當中，場景最受關注。
他表示，西井科技目前的發展路線是從晶元到演算法，再開拓到應用層。今天，西井科技還有自己的自動駕駛產品。西井科技希望研究出一個行業的解決方案，晶元和演算法就是西井科技的優勢。2017年10月，西井科技完成了一顆流片， 該晶元參照了一定的仿生原理，脈衝神經網路的一部分成果運用在這個晶元上。
西井科技從AI晶元起步，進入到自動駕駛領域，是因為其在2016年年初進入的應用場景是智慧港口。目前，西井科技有兩條產品線——與振華重工（目前全球港口港機市場佔有率80%）合作的無人跨運車，以及西井科技開發的無人駕駛集卡。
晶元架構視角——黑芝麻智能科技
*黑芝麻智能科技晶元架構副總裁齊崢
齊崢表示，自動駕駛SOC已經成為了最具有挑戰性的邊緣晶元，主要表現在幾個方面，首先是晶元的設計和驗證非常複雜，集成了大量第三方的IP，需要集成很多軟體模塊；其次，汽車應用對於功耗、可靠性和功能安全的要求非常高；高性能晶元需要用最先進的封裝設計，這給晶元的加工、生產和測試帶來了很大的挑戰。
他認為，只有自動駕駛獲得穩定、可靠的感知和認知後才能保證安全。要達到這一目的，要有清晰的圖象和視覺，以及優化的演算法對獲得的圖象的視覺進行智能化的分析。此外，還需進行多感測器融合的技術，對晶元的要求就非常高。
他表示，黑芝麻在把感測信息收集起來之後，對於圖象進行增強，接著對圖象進行智能化的分析，最後再對系統的軟體、硬體進行全程的優化。在安全性、功能都優化後，黑芝麻科技才將晶元提供給客戶，實現端到端全棧式的平台解決方案。黑芝麻科技已經與很多合作夥伴達成了合作關係，核心是視覺感知和感測器融合的綜合運算平台。（PS：黑芝麻科技CEO單記章上周在「大咖Live」視覺技術專場開講，分享《ADAS如何精準感知——視覺感知演算法與晶元詳解》。歡迎進入新智駕年度會員，聽更多音頻實錄。）
計算構架視角——地平線
*地平線市場拓展和戰略規劃副總裁李星宇
李星宇表示，今年，AI晶元是人工智慧業界最大的主題，但是在AI晶元公司中，投身自動駕駛這一賽道的公司並不多。自動駕駛對算力的要求是最高的，對初創公司來說，是巨大的挑戰。
在自動駕駛的算力需求下，晶元的設計很容易達到功耗、成本的極限，因此需要逆轉設計理念，從演算法出發，推導所需要的計算構架。跟GPU構架的性能相比，地平線第二代BPU的構架的優勢非常顯著。這種演算法和計算構架的協同設計，使得地平線也極大地提高了計算能力的利用效率。
自動駕駛的設計首先面臨的挑戰就是計算構架，面對人工智慧演算法的高速演進，深厚的演算法積累對晶元設計非常重要。
第二個挑戰是功能安全。在汽車安全領域，要使自動駕駛達到ASIL-D的要求，流程上要符合ISO26262的全生命管理，就需要在開發流程設計、驗證等所有步驟中做到符合規範。
第三個挑戰是成套技術的開發難度高。不同的環境對系統架構的需求不同，因此需要開放的平台來支撐。但開放的平台需要完整的工具鏈，從雲端的訓練平台到端上的編譯器，一套技術開發的難度可能是研發晶元的5倍甚至10倍。
圓桌探討
這四位嘉賓針對「為什麼自動駕駛晶元是AI晶元的珠穆朗瑪峰」這一問題，進一步進行了探討。以下是圓桌內容，新智駕在不改變原意的基礎上進行了編輯。
楊光：現在大家投身AI，有很多的場景，為什麼大家選擇了智能駕駛？對這個問題我想請黑芝麻和地平線的兩位跟我們分享一下。首先請齊總講一下，黑芝麻為什麼沒有從其它的場景出發，而是專註做自動駕駛？
齊崢：我們認為自動駕駛是改變下一代人生活的關鍵技術。由於AI科技的進步，由於晶元計算能力的提高，汽車將面臨一場革命，給我們帶來機遇和挑戰。自動駕駛晶元面臨很多挑戰性，讓我們這些小公司能夠提供獨特的技術，來迎接這些挑戰和市場機遇，這是我們最後決定這一方向的很主要的原因。
楊光：地平線也是一樣，地平線在創業初期也嘗試過很多不同方向的AI應用，現在專註在做自動駕駛，請李總分享一下。
李星宇：從技術來講，自動駕駛晶元是所有AI應用中難度最高的。這就意味著如果我們能夠將自動駕駛的晶元做出來，在其他賽道上的應用就是降維攻擊。地平線的想法是萬物智能，但創業公司不可能同時觸及所有行業。把最高的行業攻克下來後，才有能力去開拓生態，通過降維的方法實現萬物智能的夢想。
楊光：自動駕駛晶元也是目前L3、L4級自動駕駛走向量產的瓶頸，在主機廠看來，我們究竟需要什麼樣的算力、什麼樣的晶元，才能讓我們真正走向自動駕駛？有請許總談談您的觀點。
許煒：在我們自己的自動駕駛設計中，需求主要有四個方面，第一是感知，第二是融合，第三是規劃和角色，第四是人機交互。從我們的架構和演算法、算力的情況來看，我們覺得感知這一層，算力要求TOPS接近20到30。從融合角度來說，我們的算力處於T級。如果從規劃決策來看，簡單場景可能是T級，複雜場景可能到10T左右。自動駕駛的演進不僅僅是外部的物體情況，我們也關注車內駕駛員的情況，尤其在L2、L3的時候，檢測駕駛員是否疲勞，或者進行駕駛員駕駛工況的模擬，這一部分的算力預計也在大概10G左右。
楊光：除了這些東西，我們一直沒有探討成本的問題，大家從行業的角度看，什麼樣的成本能讓自動駕駛晶元走向量產？這個問題我想問一下西井科技的譚總。
譚黎敏：按照我們的理解，這個問題分兩個維度，一個是降成本，我們會通過壓縮演算法、減小晶元的面積，以及量產來降低成本。另一個維度是幫助用戶發現晶元的價值，減少用戶對成本的敏感度。在初始階段我們不會過於關注成本問題，當然成本在產品中一定是越來越重要的衡量指標。
楊光：其實現在自動駕駛晶元還在比較早的階段，可能也很難在早期拿到整車廠的訂單的情況，在這種情況下，我想請各位回答一下你們對成本的考慮是怎樣的？
齊崢：實際上從晶元優化的角度來說，功耗、良率都是很重要的。這樣就需要非常有經驗的晶元設計團隊，保證晶元順利地流片。這也是晶元降低成本的非常重要的途徑。
李星宇：過去，晶元基本上是按照面積定價的，但是在自動駕駛領域，已經擺脫了這種定價模式。
對地平線來說，我們把晶元當成軟體的載體，基於商業的ROI推算成本。另外，我們看到，在實踐中，特斯拉的自動駕駛的硬體是8000美金，如果使用它的軟體，需要再花9000美金，這代表了軟體的重要性，以及軟體背後的服務，這是我們對成本的定義。
楊光：其實很多領域都在探討，自動駕駛領域中ASIC晶元是否為終極方案，在FPGA、CPU+GPU的架構是否也可以實現？大家對這個行業的趨勢是怎麼判斷的？為什麼用ASIC是最高效的？
許煒：使用ASIC首先是出於成本，同樣的算力，ASIC的成本要比GPU、FPGA、DSP要低。或許使用ASIC前期的投入較大，但量產後就能回收成本。第二，ASIC的運行效率要比其他的方案要高。從我們的角度來看，這是自動駕駛的需要，因為自動駕駛稱得上是對安全要求最高的一個行業。
譚黎敏：自動駕駛是非常適合使用邊緣計算的場景。雲的延時性使之無法達到自動駕駛的安全保證要求，自動駕駛的計算不能放到雲端。ASIC有非常好的功效，比起傳統的處理器要更理想，功耗更低，處理特定任務的表現更好。另外，當ASIC穩定之後，可以將其和其它的處理器一起做成SOC，這樣協調的效率也會做得更好。
齊崢：FPGA和GPU是通用性的晶元，所以在計算單元和編程的模式都要考慮其它應用。通用晶元在原型開發時表現很好，但到真正量產的時候，就會遇到很多瓶頸問題。比如計算效率、資源的限制等等。而AI晶元的需求是非常大的，因此ASIC的優勢就體現出來了。
李星宇：高盛最近有一個報告，預測了2025年，FPGA、GPU和ASIC的比例。到2025年，GPU仍然佔據2/3的市場，但是FPGA和ASIC的增長幅度較大，這個數據可以說明，從GPU到FPGA，再到ASIC，是一個靈活性逐漸減弱，成本逐漸降低的過程。
在自動駕駛系統部署的初期，大家不會在意成本，這時候使用GPU有利於搶時間、卡位，所以它的市場佔有率比較高。但是在產業化的後期，成本成為比拼的重點，這時候FPGA和ASIC的市場佔有量就會上去。在增長上，FPGA明顯比GPU要高，ASIC又比FPGA要高。
楊光：大家覺得目前是一個什麼樣的環境，這條創業之路的風險是不是特別高？
李星宇：我們堅持一個原則——做正確的事，而不是做容易的事。地平線也在這個過程中不斷地成長、不斷地摸索，我們最近也邀請了國際頂尖的半導體公司的專家加入。自動駕駛的前景足夠高，值得追求，能否成功，往往取決於態度和定位。
最近寧德時代上市給了我很大的觸動，他們之所以成功地從鋰電池的紅海中殺出來，就是因為他們一開始就制定了最高水準的要求，服務要求最高的公司。地平線也把全球最頂尖的車廠Tier1作為我們的主要客戶，與他們共同成長，這樣成長的空間也是最大的。
齊崢：確實有很大的風險和挑戰，但是它同時也是一個機遇，首先這個行業是非常新的，在這個領域它的技術和商業的運行模式都在變化，在過去，車廠幾乎不可能主動跟半導體廠家交流。另外，晶元設計的難度非常高，需要資深的團隊。
黑芝麻也請了一些半導體領軍人物，帶領研發。另外，在架構實施上，我們也有一個平台化的概念，讓我們的產品能夠擴展，應用到不同的方向，或者為未來的需求留餘地，從這幾個角度，我們覺得都是能夠減低風險，最後能夠成功的一個策略。
譚黎敏：其實風險還有分別的，自動駕駛肯定仍需要通用處理器。今天我們聊的大部分都是針對深度學習或者是AI的ASIC，其最大的風險是自場景的不確定性，因為任一AI場景都需要特定的優化和開發。這也是地平線針對車和安防部分有的特定的兩個產品線，而不是布局全行業的原因。
我們瞄準的是用戶的痛點，為他們提供解決方案。我們獲得的場景數據都是一線的真實數據，又能優化和進一步開發底層。今天如果我們花大量的時間和團隊精力去針對主機廠、Tier1不同的場景、不同的需求做開發，這對一個初創公司來說，是耗不起的。所以採用打包的方式，在保證核心技術競爭力的同時，給用戶提供解決方案。盈利問題是初創公司最大的風險，這是需要優先考慮的。
楊光：對主機廠來說，選擇一個成熟的方案，肯定能降低風險，但在中國目前缺乏特彆強的Tir1的情況下，主機廠有能力去自主選擇這種自動駕駛晶元的初創公司嗎？請許總分享一些不同的觀點。
許煒：整車的集成複雜度是比較大的，零跑從整車開始切入，主要還是看重汽車向電動化、智能化的演變過程。在手機行業中，諾基亞、愛立信、摩托羅拉已經淡出，取而代之的是蘋果、小米、華為，整車廠也有類似的機會。零跑和大華開發智能駕駛晶元，也遇到了你說的問題。英偉達PX2和其它的方案，整機功耗和成本都非常高。我們想開發一款滿足自身演算法性能、演算法架構、算力要求的晶元，從而降低產品成本並提高競爭力，這是我們選擇和大華聯合開發晶元的原因。【完】
TAG:新智駕 |