为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰？ | CCF-GAIR 2018

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 。