地平線張宏志：晶元算力需求是關鍵，未來將加深合作走向落地

2019年是「轉折之年」，不少人預言產業互聯網時代即將到來。創業的黃金時代正在經歷周期性的資本寒冬，懂得順應時代發展的方向，才能成為寒風中的最終贏家。2019WISE風向大會邀請到經濟學家、領域代表性企業及具有行業影響力的投資人為我們帶來風向預判。

人工智慧的浪潮下，無人駕駛的困境和難題正在被逐漸攻破。行業在發展，需求也在不斷變化，隨之而來的就是對技術的要求越來越高。

成立三年多，地平線設計了兩代晶元的計算架構，現在已經開始設計第三代。根據無人駕駛行業的需求，各個人工智慧公司都在不斷驗證和改進技術。晶元賦能，將技術應用於實際領域，只有技術落地，人工智慧才能實現價值。

「目前，地平線已經到了第三個階段，我們要把過去三年多努力研發出來的技術和產品，推向?業和客戶， 產?實際落地的價值。地平線會開放?己的演算法和晶元的工具鏈，和?業深度合作，攜手推出面向場景的解決方案，讓AI晶元走向落地。」 在36氪舉辦的2019WISE風向大會上，地平線車聯網事業部總經理張宏志展望了公司的未來。

如今智能汽車正在成為智能交通的重要部分。在這個過程中，地平線進行了怎樣的技術迭代，又對未來有著怎樣的規劃與展望？結合具體的例子，張宏志和大家分享了公司、技術未來的發展趨勢。

地平線車聯網事業部總經理張宏志

以下為地平線車聯網事業部總經理張宏志的演講內容（部分內容有刪減）：

大家好，我是地平線的張宏志。

我們在看待人工智慧，看待汽車產業的時候會發現，智能駕駛是人工智慧一個非常好的應用方向，因為它可以使人工智慧的技術走向成熟，走向落地。我們每一次看到無人駕駛的時候，其實對於未來汽車的期望，就是希望它更安全，更加的舒適，以及讓它有更好的交互性。

在未來人工智慧的趨勢中，我們地平線在做的事情，其實解決的問題是人工智慧所依賴的計算能力。我們在L1以下的時候，其實靠著感測器的感知能力就可以做到L1，但是越往高級別，L2、L3、L4到L5的時候，你會發現所需要的算力是爆漲的。比如現在大家都期待著做到L3，我們需要24TOPS的算力，這件事情對現在整個行業都是一個挑戰。

我們未來要做到L5級別完全的無人駕駛，就需要四千多TOPS算力。這是隨著摩爾定律演進，呈現出來的新的計算架構改變的趨勢。就是說，我們需要由單純依靠集成電路的發展，轉變成為把場景，把軟體演算法，把晶元的設計融合在一起，針對場景去做深度優化。

這就是地平線在過去三年創業過程中正在解決的問題。我們來看看智能駕駛解決方案的時候，大家可以看到我們把它拆解來看，其實是從感知的能力，到建模的能力，到預測，到最後決策，這個相當於我們在用人工智慧技術重塑一個類似人類整個感知決策的系統。隨著這些技術不斷的往前在演進，我們對晶元的算力，對人工智慧技術的要求，都會逐漸在加大。

從2015年的7月份，地平線公司成立，做的方向就是解決人工智慧所需要的算力的需求。然後我們在2015年的7月份的時候，就提出來要把軟體和硬體結合在一起，設計新的一套人工智慧處理器的計算架構（BPU)，這個在全世界都是很超前的，甚至比Google要早一年公開提出這樣新的人工智慧計算架構的計劃。

我們基於BPU計算架構，在過去三年裡面完成了兩代計算架構的演進，基於我們當前第二代晶元架構的計算平台可以同時支持4路720P的視頻數據的實時處理，為智能駕駛車輛裝上能看清看懂的眼睛。

這裡展示一下我們計算平台的一些具體應用案例，比如說我們可以做四路環視的感知。後面這個是我們推出的整個面向一個L4級別自動駕駛方案，在整車上安裝了12個攝像頭，再配合毫米雷達來做一套完整的感知解決方案，這套解決方案在2018年很多車企用戶的認證。

這是我們所實現出來的一些關鍵的技術指標，因為在我們看來，解決無人駕駛問題，其實關鍵的問題就是在單點的技術，單點技術需要做到極致，比如對於車道線、對於交通指示牌的識別，要在每個單點的角度上超過人類，而這其中需要強大的計算能力做支持。只有超過人類的能力，這項技術才是可用的。如果說某項技術只是模仿了一點點人類的能力，這個技術並不可用，不可用的技術是難以普及的。

這邊有一些視頻，大家可以看一下。這個視頻展示了我們通過12路的攝像頭對全車360度視角範圍的感知檢測，從語義的分割，到目標的識別，到精準的分類，再到所有的屬性識別。通過這個視覺系統，完全把整個360度的環境進行結構化的數據分析和輸出，把結構化數據輸入到策略層，最後和控制層結合在一起，形成了一個完整的決策路徑。晶元它的價值就是為視覺處理的高幀率、高像素處理的時所需的強大算力。

後面這個視頻，地平線用視覺，用SLAM的技術重塑整個現實世界，將現實世界變成數字世界。這個裡面就像大家玩遊戲一樣，可以建立一個虛擬的地圖，而這個數字化的虛擬地圖它的價值可以有很多，比如說可以提供給自動駕駛公司或者圖商，給到他們在雲端做訓練，也可以把幾十億公里的數據眾包採集下來，另外也可以做實時的定位和地圖更新，建立高精地圖，更精確的確認你在哪裡，從而給出一個更好的規劃路徑。

這個視頻裡面是我們在一條道路上做實時的識別和追蹤，這個效果其實特別容易評判，就看視頻裡面車的3D框，它抖不抖動。因為抖不抖動取決於兩個關鍵因素，一個就是攝像頭的帪率，另外一個是計算的算力，計算能力越強，算的越快，出來的結果越好，也就是畫出來的這個框抖動性就小。

另外一個情況，比如幾輛車重合在一起的時候，要能夠把它們分割開，所有這些技術能夠實現，其實強依賴的就是晶元強大的算力，晶元的算力越強，在同樣的演算法角度完成這些任務的可能性就越大。

AI晶元的研發是一個探索性的工作，地平線在晶元研發的過程中，我們需要不斷的通過實際應用去驗證自己的晶元設計的思路是對的，前面我們提到了通過車外的視覺感知來做驗證的應用案例。同樣，我們還通過車內的識別，比如說像疲勞駕駛，來驗證這件事情。所以地平線推出了行業的解決方案，就是把車外的視覺感知和車內的視覺感知，包括整車的感知方案，通過地平線的晶元，把所有的感知結構化，把數據輸出給行業合夥夥伴。合作夥伴拿到這些結構化的數據結果之後，其實就可以做出更安全的應用解決方案，典型的像」兩客一危「，像運營行業。

此外，我們還由AIoT的解決方案，因為地平線本質來講提供的是一塊晶元和晶元上的計算架構，還有上層的一些感知演算法，地平線通過開放自己的工具鏈和行業對接，目前在這個行業裡面已經有很多的合作夥伴，他們不斷通過地平線的技術，搭建出自己針對於特定細分行業的解決方案，比如說像一些社區、商業類的，還有一些像倉儲類的。

從本質上來講，地平線是一個由願景驅動而成立的一個創業公司，因為在2015年那個時刻，地平線的創始團隊認為，通過一個新的計算架構，通過軟體和硬體結合的聯合優化，可以解決摩爾定律單純通過集成電路的方式來驅動所滿足不了高算力的需求。

在過去的三年里，地平線設計了兩代的晶元計算架構，現在已經開始設計第三代計算架構，並且在智能駕駛這個場景中，不斷挑戰技術的極限，去滿足客戶的需求。

我們大概花了兩年的時間設計兩代晶元，完成整個技術初期的驗證問題。很幸運，地平線的技術路徑是對的。這個過程中，在很多資源，包括資本，包括行業的支持下，我們兩代的晶元的計算架構被驗證是OK的。

地平線也正在努力使晶元去符合這個行業的車規和功能安全級別的要求，讓晶元可前裝量產，可落地。經過努力，我們相關的驗證，還有系統軟體上都取得了不錯的成績，預計今年會有突破性進展。

目前，地平線已經到了第三個階段，就是我們要把自己過去三年多努力研發的技術和產品，推向行業，推向客戶，產生實際落地應用的價值。這一點上來講，我前面提到，地平線本身做了一些演算法，來驗證自己的晶元能力，更長遠來講，地平線會開放?己的演算法和晶元的工具鏈，和?業深度合作，攜手推出面向場景的解決方案，讓AI晶元走向落地。

接下來幾年，我們的一個工作重點就是不斷拓展行業合作，通過和合作夥伴深入的合作，來推動晶元的大規模落地應用，並在應用過程中不斷提升其性能，並開展一些增值服務。這就是地平線過去三年多取得的成績和發展的歷程，以及未來的開放計算架構和商業模式的構想。

謝謝各位，特別感謝各位!

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！