如何打造自動駕駛計算中樞？地平線車規級AI處理器背後的「秘密」

*地平線（上海）晶元研發總經理吳征

雷鋒網新智駕按：10 月 26 日至 27 日，2018 全球智能駕駛峰會在蘇州召開，本次峰會由蘇州市相城區人民政府主辦，蘇州高鐵新城管理委員會、雷鋒網新智駕和數域承辦，邀請到來自主機廠、科技公司、資本機構和產業研究機構等領域的多位專家，共同打造了一場智能汽車和自動駕駛領域的頂級峰會。

本次峰會上，地平線（上海）晶元研發總經理吳徵發表了題為《車規級AI處理器—打造自動駕駛計算中樞》的主題演講。吳征博士曾在三星半導體、矽瑪特、飛思卡爾和摩托羅拉等多家跨國公司擔任中國區高管職位。吳征博士從事晶元/半導體行業超過二十年，近期加入地平線，負責研發自動駕駛的AI車規級處理器。這也是吳征博士加入地平線以來的第一次公開演講。以下為吳征演講全文，雷鋒網(公眾號：雷鋒網)新智駕進行了不改變原意的編輯（略有刪減）：

地平線是一家什麼樣的公司？

如今我們已進入一個大數據時代，無論是人們在淘寶、京東網上購物，或使用手機上網、拍照，或在市區里開車「一不小心」被拍......生活中無時無刻不在產生大量的數據。日積月累的數據量非常龐大，但多數情況下，眾多貌似是重複性的、無用的數據被擱置在旁，真正使用時又非常困難。

如何將大量的無用數據轉化成有用數據，挖掘其背後的價值？這是一個很大的挑戰。這涉及到如何有效地進行數據處理，本質上看，這是一大計算問題。

AI作為一種的關鍵技術，它基於大數據進行訓練和推理，可將無用數據進行「識別」， 把非結構化數據轉化成結構化數據，提取有用的信息。首先，我們來回顧一下近幾年AI計算晶元的發展：

英特爾的CPU傳統架構，在處理大量數據方面顯得效率不高，算力不足；

後來，英偉達的GPU被應用，其計算能力強，性能強大，但也有局限性，比如功耗高，成本貴；

最近幾年，FPGA盛行，其架構適合CNN計算，能耗比高，現場可編程適合各種場景，但對一般開發者來說，其開發較難；當大規模量產時，成本、功耗也比較高。

最近幾年，一些平台公司，例如Google，本質上是一家軟體互聯網公司，亦開始擁抱硬體，甚至進軍晶元。很重要的一點是，龐大的數據量需要有效處理。目前越來越多的公司開始考慮軟硬體融合，打造生態圈。

作為一家技術驅動型的公司，有著強大人工智慧演算法的地平線，自成立即定位於一家軟硬體結合的公司， 其核心是要打造自己的BPU (Brain Processing Unit）晶元，類似於 Google 的TPU。地平線瞄準的是嵌入式AI 晶元，應用在物聯網方面的終端產品，節點和控制設備， 專註於邊緣計算。這與研發伺服器，雲端AI晶元不同， 前者計算性能更強大，同時功耗和成本也是需要考慮的問題。

AI計算技術與應用場景高度相關。以人臉識別和自動駕駛環境識別為例，其訓練、推理及演算法不同。 在一定程度上可以理解為：場景決定演算法，演算法決定晶元。反之，晶元又要求有演算法，只有軟硬體接合，提供解決方案應用到場景才能最終解決問題，這是一個閉環系統。

2015年成立之初，地平線確定專攻AI嵌入式晶元，當年9月開始研發BPU；這期間地平線也在發力FPGA，同英特爾合作開發ADAS系統；去年6月，地平第一代AI晶元（BPU）流片，並在去年年底發布了第一代AI晶元「征程」和「旭日」。地平線BPU架構正在不斷完善，性能更強，於今年初發布基於BPU第二代架構的Matrix視覺感知方案，並在CES上進行公開實車Road Show。今年地平線兩款晶元已經開始量產。

今年底，地平線將完成新一輪融資，金額為5-10億美元，投資方包括一家和英特爾規模相當的晶元公司，以及一家知名汽車廠商。

以BPU為核心，地平線提供的是一整套軟硬體綜合解決方案，包括晶元，演算法，編譯器和運行時庫，以及訓練模擬的綜合平台。業務覆蓋三大領域：智能駕駛、智慧城市、智慧零售。

車規級AI處理器

算力是智能駕駛晶元的核心問題，地平線專註於視覺感知領域。

車規級AI處理器的研發目前面臨幾大挑戰：強大的計算能力，可靠性，功能安全，和質量管理與長周期的支持體系。

目前一輛汽車大多裝載多個攝像頭，每個攝像頭或720P，或1080P，每秒30幀。未來車身上會有越來越多的攝像頭，6個、8個甚至12個，逐漸升級的解析度，為自動駕駛帶來的是巨大的數據處理量。另外一方面，基於神經元網路的AI計算量也是巨大的。

就目前看來，面向L2、L3級自動駕駛處理器的算力要求達到數十個TOPS，L4到L5級將達到數百，甚至千TOPS級的要求。

不同於用在一般消費產品方面的晶元，用於汽車方面的半導體面臨的環境更嚴苛，對可靠性要求高。感知決策關係著汽車與人身安全，所以對功能安全要求更高。

一款晶元從晶元定義，設計，流片，測試和驗證，到獲得車規級認證需要花費很長的時間。另一方面，汽車晶元進入供應商或主機廠，從導入設計到設計採納，一輪輪測試與驗證，一款晶元與OEM磨合成功，並實現真正量產至少需要3-5年。這是一筆很大的投入。而且，汽車上的MCU、信息娛樂等晶元目前並沒有中國品牌的身影，可見應用到汽車方面的半導體晶元的門檻非常高。

應用於汽車方面的晶元或車規級晶元與消費級晶元不同，可從以下幾個維度進行對比：

溫度方面：消費級晶元使用溫度一般在0°—70°；工業級半導體使用溫度更寬一點；在汽車上，溫度需要低至-40°，高溫要到105度到125°；

從使用周期來看：消費型半導體為1—3年，而一輛汽車的壽命至少為10—15年；

從現場失效率來說，消費等級的是小於10%， 而汽車晶元的目標要求為零失效率。

值得一提的是，汽車半導體需要通過AEC-Q100認證。在質量認證方面，除零失效率，汽車半導體產商還需經過TS16949質量管理認證和10年以上的支撐體系。

另外，和安全相關的晶元應用到汽車上，需經過功能安全認證，來保證安全護航。這是值得重視的一點。

為什麼功能安全認證如此關鍵？

和手機相同，電子信息化比重越來越大的汽車可以看作為是一個複雜的嵌入系統，無法做到盡善盡美，失效是不可避免的，一般分為兩種情況：

系統失效，或因產品的系統規格不完善，或因硬體晶元設計或軟體開發中的「錯誤」；

隨機失效，這或是個永久性錯誤，例如汽車的老化效應造成電路某處連接出現問題，或者是瞬態錯誤，例如某一瞬間的電干擾。所以參局者需要遵從業界最好規範來減少這些系統失效的風險，實施安全機制來減少隨機失效的風險。

功能安全對應汽車方面即ISO26262標準。這是一整套流程，即從需求，開發，驗證到認證，從IP，EDA工具到晶元設計，從硬體到軟體，系統均有規範，形成一套完整的功能安全體系。面向量產的晶元需經過認證達到一定ASIL等級，例如和ABS，EPS相關的晶元必須達到ASIL-D等級。

接下來，再看面向自動駕駛的AI處理器如何滿足強大算力的需求。

傳統的馮諾依曼架構已無法滿足深度學習的計算要求，地平線自主創新的BPU，是一種多指令多數據MIMD架構，其能夠滿足數據流的計算要求，實現靈活的數據分發和計算的並發非同步處理，並對CNN計算中關鍵的乘加運算（MAC）單元達到很高的利用率，所以地平線BUP的每瓦TOPS性能相當突出。

地平線車規級AI處理器晶元的最新進程

地平線BPU於去年發布的第一代高斯架構，到目前的第二代基於伯努利架構，均採用新型稀疏二值化神經網路結構，可支持更多路視頻輸入，支持多感測器融合，目前主要集中在感知領域，後期將進行定位，建模，預測，路徑規划到最終決策。

地平線面向智能駕駛的BPU和Matrix視覺感知系統，已經向歐美汽車廠商交付。BPU 2.0可以實現多路攝像頭、多場景融合，能效更佳,  可在30W的功耗下實現基於像素級的圖像識別分割，可識別人、牌照、車型、交通紅綠燈、路標、障礙物等等。

地平線目前的第二代車規級AI晶元，已進入最後的開發階段。與第一代不同，前者從方框級的識別精確到像素級的語義識別。

總體來看，基於自動駕駛，地平線打造的是車規級AI處理器或SoC，提供相關的軟體演算法，核心編譯器、運行時庫，訓練，工具鏈一整套的平台和整體解決方案。

最後，以地平線量產的兩款晶元名字來結尾，用於智能IPC的旭日（Sunrise）和用於智能駕駛的征程（Journey）。在地平線看來，自動駕駛目前正在蓬勃發展階段，但未來的發展依舊面臨挑戰，無論是商業大規模落地還是技術實現方面。但這是一段美好的征程，我們將像AI的深度學習一樣，不斷的學習，不斷的進步，攀登一座又一座的高峰，最終達到幸福的彼岸。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！