内容简介:雷锋网按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了宝安区政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会,旨在打造国内人工智能领域最具实力的跨界交流合作平台。人工智能的浪潮带动了AI芯片的创业潮流,而在AI芯片中,有人说,自动驾驶的芯片才是AI芯片的珠穆朗玛峰。自动驾驶领域道阻且长,算力要求、车规、产业化的影响因素使AI芯片公司面临更多的挑战。针对这一主题,2018 全球
雷锋网按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了宝安区政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会,旨在打造国内人工智能领域最具实力的跨界交流合作平台。
人工智能的浪潮带动了AI芯片的创业潮流,而在AI芯片中,有人说,自动驾驶的芯片才是AI芯片的珠穆朗玛峰。自动驾驶领域道阻且长,算力要求、车规、产业化的影响因素使AI芯片公司面临更多的挑战。针对这一主题,2018 全球人工智能与机器人峰会(CCF-GAIR)的智能驾驶专场的圆桌上,雷锋网 (公众号:雷锋网) 新智驾邀请到了零跑汽车副总裁许炜、西井科技CEO谭黎敏、黑芝麻智能科技芯片架构副总裁齐峥、地平线市场拓展和战略规划副总裁李星宇,四位嘉宾共同探讨。耀途资本的合伙人杨光是本场圆桌的主持人。
在圆桌开始之前,四位嘉宾向在场观众作了简单的公司介绍和公司在芯片方面的进展。
主机厂视角——零跑汽车
*零跑汽车副总裁许炜
许炜表示,零跑的定位是IT人造车。与偏向软件和交互的 “互联网造车”概念不同,零跑更偏向于软硬件的结合——包括生产、制造。目前零跑已经规划了三个整车平台,另外还自研出了三电系统以及智能网联系统、自动驾驶系统。零跑位于金华的智能制造工厂也将在今年7月份封顶,11月份投产。
目前,零跑正与其股东大华联合开发AI自动驾驶芯片“凌芯01”,预计明年2月份进行实车应用。许炜介绍,项目在2017年底已经开始启动,在2018年5月到6月开始集中验证,到2019年,零跑将会进行实车的验证。
许炜表示,到2019年,零跑第一辆上市的车将会达到L2的水平,实现城市跟随和交通拥堵路况跟随;在2020年通过后端的软件支撑,实现L3级别的功能;2022年争取实现特定工况L4级的驾驶水平。
应用场景视角——西井科技
*西井科技CEO谭黎敏
谭黎敏表示,比起All in AI,西井更希望做到Ai in All,让AI赋能各个行业。他认为,场景、数据和技术驱动了AI。而这三者当中,场景最受关注。
他表示,西井科技目前的发展路线是从芯片到算法,再开拓到应用层。今天,西井科技还有自己的自动驾驶产品。西井科技希望研究出一个行业的解决方案,芯片和算法就是西井科技的优势。2017年10月,西井科技完成了一颗流片, 该芯片参照了一定的仿生原理,脉冲神经网络的一部分成果运用在这个芯片上。
西井科技从AI芯片起步,进入到自动驾驶领域,是因为其在2016年年初进入的应用场景是智慧港口。目前,西井科技有两条产品线——与振华重工(目前全球港口港机市场占有率80%)合作的无人跨运车,以及西井科技开发的无人驾驶集卡。
芯片架构视角——黑芝麻智能科技
*黑芝麻智能科技芯片架构副总裁齐峥
齐峥表示,自动驾驶SOC已经成为了最具有挑战性的边缘芯片,主要表现在几个方面,首先是芯片的设计和验证非常复杂,集成了大量第三方的IP,需要集成很多软件模块;其次,汽车应用对于功耗、可靠性和功能安全的要求非常高;高性能芯片需要用最先进的封装设计,这给芯片的加工、生产和测试带来了很大的挑战。
他认为,只有自动驾驶获得稳定、可靠的感知和认知后才能保证安全。要达到这一目的,要有清晰的图象和视觉,以及优化的算法对获得的图象的视觉进行智能化的分析。此外,还需进行多传感器融合的技术,对芯片的要求就非常高。
他表示,黑芝麻在把传感信息收集起来之后,对于图象进行增强,接着对图象进行智能化的分析,最后再对系统的软件、硬件进行全程的优化。在安全性、功能都优化后,黑芝麻科技才将芯片提供给客户,实现端到端全栈式的平台解决方案。黑芝麻科技已经与很多合作伙伴达成了合作关系,核心是视觉感知和传感器融合的综合运算平台。
计算构架视角——地平线
*地平线市场拓展和战略规划副总裁李星宇
李星宇表示,今年,AI芯片是人工智能业界最大的主题,但是在AI芯片公司中,投身自动驾驶这一赛道的公司并不多。自动驾驶对算力的要求是最高的,对初创公司来说,是巨大的挑战。
在自动驾驶的算力需求下,芯片的设计很容易达到功耗、成本的极限,因此需要逆转设计理念,从算法出发,推导所需要的计算构架。跟GPU构架的性能相比,地平线第二代BPU的构架的优势非常显著。这种算法和计算构架的协同设计,使得地平线也极大地提高了计算能力的利用效率。
自动驾驶的设计首先面临的挑战就是计算构架,面对人工智能算法的高速演进,深厚的算法积累对芯片设计非常重要。
第二个挑战是功能安全。在汽车安全领域,要使自动驾驶达到ASIL-D的要求,流程上要符合ISO26262的全生命管理,就需要在开发流程设计、验证等所有步骤中做到符合规范。
第三个挑战是成套技术的开发难度高。不同的环境对系统架构的需求不同,因此需要开放的平台来支撑。但开放的平台需要完整的 工具 链,从云端的训练平台到端上的编译器,一套技术开发的难度可能是研发芯片的5倍甚至10倍。
圆桌探讨
这四位嘉宾针对“ 为什么自动驾驶芯片是AI芯片的珠穆朗玛峰 ”这一问题,进一步进行了探讨。以下是圆桌内容,雷锋网在不改变原意的基础上进行了编辑。
杨光:现在大家投身AI,有很多的场景,为什么大家选择了智能驾驶?对这个问题我想请黑芝麻和地平线的两位跟我们分享一下。首先请齐总讲一下,黑芝麻为什么没有从其它的场景出发,而是专注做自动驾驶?
齐峥:我们认为自动驾驶是改变下一代人生活的关键技术。由于AI科技的进步,由于芯片计算能力的提高,汽车将面临一场革命,给我们带来机遇和挑战。自动驾驶芯片面临很多挑战性,让我们这些小公司能够提供独特的技术,来迎接这些挑战和市场机遇,这是我们最后决定这一方向的很主要的原因。
杨光:地平线也是一样,地平线在创业初期也尝试过很多不同方向的AI应用,现在专注在做自动驾驶,请李总分享一下。
李星宇:从技术来讲,自动驾驶芯片是所有AI应用中难度最高的。这就意味着如果我们能够将自动驾驶的芯片做出来,在其他赛道上的应用就是降维攻击。地平线的想法是万物智能,但创业公司不可能同时触及所有行业。把最高的行业攻克下来后,才有能力去开拓生态,通过降维的方法实现万物智能的梦想。
杨光:自动驾驶芯片也是目前L3、L4级自动驾驶走向量产的瓶颈,在主机厂看来,我们究竟需要什么样的算力、什么样的芯片,才能让我们真正走向自动驾驶?有请许总谈谈您的观点。
许炜:在我们自己的自动驾驶设计中,需求主要有四个方面,第一是感知,第二是融合,第三是规划和角色,第四是人机交互。从我们的架构和算法、算力的情况来看,我们觉得感知这一层,算力要求TOPS接近20到30。从融合角度来说,我们的算力处于T级。如果从规划决策来看,简单场景可能是T级,复杂场景可能到10T左右。自动驾驶的演进不仅仅是外部的物体情况,我们也关注车内驾驶员的情况,尤其在L2、L3的时候,检测驾驶员是否疲劳,或者进行驾驶员驾驶工况的模拟,这一部分的算力预计也在大概10G左右。
杨光 :除了这些东西,我们一直没有探讨成本的问题,大家从行业的角度看,什么样的成本能让自动驾驶芯片走向量产?这个问题我想问一下西井科技的谭总。
谭黎敏:按照我们的理解,这个问题分两个维度,一个是降成本,我们会通过压缩算法、减小芯片的面积,以及量产来降低成本。另一个维度是帮助用户发现芯片的价值,减少用户对成本的敏感度。在初始阶段我们不会过于关注成本问题,当然成本在产品中一定是越来越重要的衡量指标。
杨光:其实现在自动驾驶芯片还在比较早的阶段,可能也很难在早期拿到整车厂的订单的情况,在这种情况下,我想请各位回答一下你们对成本的考虑是怎样的?
齐峥:实际上从芯片优化的角度来说,功耗、良率都是很重要的。这样就需要非常有经验的芯片设计团队,保证芯片顺利地流片。这也是芯片降低成本的非常重要的途径。
李星宇:过去,芯片基本上是按照面积定价的,但是在自动驾驶领域,已经摆脱了这种定价模式。
对地平线来说,我们把芯片当成软件的载体,基于商业的ROI推算成本。另外,我们看到,在实践中,特斯拉的自动驾驶的硬件是8000美金,如果使用它的软件,需要再花9000美金,这代表了软件的重要性,以及软件背后的服务,这是我们对成本的定义。
杨光:其实很多领域都在探讨,自动驾驶领域中ASIC芯片是否为终极方案,在FPGA、CPU+GPU的架构是否也可以实现?大家对这个行业的趋势是怎么判断的?为什么用ASIC是最高效的?
许炜:使用ASIC首先是出于成本,同样的算力,ASIC的成本要比GPU、FPGA、DSP要低。或许使用ASIC前期的投入较大,但量产后就能回收成本。第二,ASIC的运行效率要比其他的方案要高。从我们的角度来看,这是自动驾驶的需要,因为自动驾驶称得上是对安全要求最高的一个行业。
谭黎敏:自动驾驶是非常适合使用边缘计算的场景。云的延时性使之无法达到自动驾驶的安全保证要求,自动驾驶的计算不能放到云端。ASIC有非常好的功效,比起传统的处理器要更理想,功耗更低,处理特定任务的表现更好。另外,当ASIC稳定之后,可以将其和其它的处理器一起做成SOC,这样协调的效率也会做得更好。
齐峥:FPGA和GPU是通用性的芯片,所以在计算单元和编程的模式都要考虑其它应用。通用芯片在原型开发时表现很好,但到真正量产的时候,就会遇到很多瓶颈问题。比如计算效率、资源的限制等等。而AI芯片的需求是非常大的,因此ASIC的优势就体现出来了。
李星宇:高盛最近有一个报告,预测了2025年,FPGA、GPU和ASIC的比例。到2025年,GPU仍然占据2/3的市场,但是FPGA和ASIC的增长幅度较大,这个数据可以说明,从GPU到FPGA,再到ASIC,是一个灵活性逐渐减弱,成本逐渐降低的过程。
在自动驾驶系统部署的初期,大家不会在意成本,这时候使用GPU有利于抢时间、卡位,所以它的市场占有率比较高。但是在产业化的后期,成本成为比拼的重点,这时候FPGA和ASIC的市场占有量就会上去。在增长上,FPGA明显比GPU要高,ASIC又比FPGA要高。
杨光:大家觉得目前是一个什么样的环境,这条创业之路的风险是不是特别高?
李星宇:我们坚持一个原则——做正确的事,而不是做容易的事。地平线也在这个过程中不断地成长、不断地摸索,我们最近也邀请了国际顶尖的半导体公司的专家加入。自动驾驶的前景足够高,值得追求,能否成功,往往取决于态度和定位。
最近宁德时代上市给了我很大的触动,他们之所以成功地从锂电池的红海中杀出来,就是因为他们一开始就制定了最高水准的要求,服务要求最高的公司。地平线也把全球最顶尖的车厂Tier1作为我们的主要客户,与他们共同成长,这样成长的空间也是最大的。
齐峥:确实有很大的风险和挑战,但是它同时也是一个机遇,首先这个行业是非常新的,在这个领域它的技术和商业的运行模式都在变化,在过去,车厂几乎不可能主动跟半导体厂家交流。另外,芯片设计的难度非常高,需要资深的团队。
黑芝麻也请了一些半导体领军人物,带领研发。另外,在架构实施上,我们也有一个平台化的概念,让我们的产品能够扩展,应用到不同的方向,或者为未来的需求留余地,从这几个角度,我们觉得都是能够减低风险,最后能够成功的一个策略。
谭黎敏:其实风险还有分别的,自动驾驶肯定仍需要通用处理器。今天我们聊的大部分都是针对深度学习或者是AI的ASIC,其最大的风险是自场景的不确定性,因为任一AI场景都需要特定的优化和开发。这也是地平线针对车和安防部分有的特定的两个产品线,而不是布局全行业的原因。
我们瞄准的是用户的痛点,为他们提供解决方案。我们获得的场景数据都是一线的真实数据,又能优化和进一步开发底层。今天如果我们花大量的时间和团队精力去针对主机厂、Tier1不同的场景、不同的需求做开发,这对一个初创公司来说,是耗不起的。所以采用打包的方式,在保证核心技术竞争力的同时,给用户提供解决方案。盈利问题是初创公司最大的风险,这是需要优先考虑的。
杨光:对主机厂来说,选择一个成熟的方案,肯定能降低风险,但在中国目前缺乏特别强的Tir1的情况下,主机厂有能力去自主选择这种自动驾驶芯片的初创公司吗?请许总分享一些不同的观点。
许炜:整车的集成复杂度是比较大的,零跑从整车开始切入,主要还是看重汽车向电动化、智能化的演变过程。在手机行业中,诺基亚、爱立信、摩托罗拉已经淡出,取而代之的是苹果、小米、华为,整车厂也有类似的机会。零跑和大华开发智能驾驶芯片,也遇到了你说的问题。英伟达PX2和其它的方案,整机功耗和成本都非常高。我们想开发一款满足自身算法性能、算法架构、算力要求的芯片,从而降低产品成本并提高竞争力,这是我们选择和大华联合开发芯片的原因。
雷锋网原创文章,未经授权禁止转载。详情见 转载须知 。
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 人工智能是芯片,如何将芯片行业去除商品化
- 人工智能之终端芯片研究报告
- Cadence公布人工智能芯片Tensilica DNA 100,性能提升4.7倍,能耗比提升2.3倍
- AIIA DNN benchmark「从芯」测试:人工智能端侧芯片基准测试评估方案 V0.5 版本发布
- “安全大脑”透视“芯片门” 如何应对未来芯片黑产
- 倪光南:未来国产开源芯片将成为主流芯片
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Out of their Minds
Dennis Shasha、Cathy Lazere / Springer / 1998-07-02 / USD 16.00
This best-selling book is now available in an inexpensive softcover format. Imagine living during the Renaissance and being able to interview that eras greatest scientists about their inspirations, di......一起来看看 《Out of their Minds》 这本书的介绍吧!