映象汽车

　　本报记者 朱世耘

　　快速崛起的“地平线”表明：车用AI芯片的“战争”已经全面打响。

　　2020年，全球汽车产业首次爆发芯片“断供”危机，一家名为地平线的中国芯片企业却迎来首次“上车”，成为继Mobileye和Nvidia后，第三个实现汽车智能芯片前装量产的AI芯片公司，也成为首个经过量产验证的中国车规级智能芯片供应商。

　　如今，地平线已与包括长安汽车、上汽集团、奥迪等传统车企巨头，以及理想汽车等新造车势力，达成在智能座舱与自动驾驶等领域的多层次合作，包括芯片供应、软件算法协同、联合开发等。截至2020年底，首个量产汽车AI芯片征程2出货量已达16万片，AI算力高达96 TOPS的征程5将于2021年发布，支持L4+自动驾驶的征程6也已经在定义过程中。

　　从卖车到卖“迭代”

　　“未来十年的变化会非常有趣。”地平线副总裁兼智能驾驶产品线总经理张玉峰表示，在软硬件迭代以及未来自动驾驶出租车共享模式的推动下，整车迭代周期加快，而汽车生意将迎来新的玩法。

　　在今年，“迭代赚钱”已成为新造车势力和传统车企之间的共识。

　　而要走通“迭代赚钱”的商业模式，拥有可支持迭代的硬件装备是前提。当前，在软件定义汽车理念的驱动下，汽车正在成为四个轮子上的超级AI计算机。智能汽车电子电气构架也在逐步向中央计算构架发展，整个过程将经历分布式ECU架构到域控制器架构，再到中央计算架构的进化。

　　在构建软件和服务团队能力的同时，越来越多的车企选择预埋硬件，其中既包括高性能的激光雷达、摄像头等传感器设备，重要的则是“汽车大脑”中央域控制器的升级能力。而在智能汽车这个四个轮子上的超级计算机上，最核心的器件就是汽车智能芯片，是智能汽车的数字发动机。

　　正是软件定义汽车、订阅迭代升级模式的出现，为地平线这样AI芯片企业提供了“上车”的机会，但AI上车却绝非坦途。

　　AI上车，满足多领域的“车规级”

　　“AI芯片上车的挑战在于满足多领域的‘车规级’。”张玉峰表示。一方面，相比面积小、功能单一的MCU(单片机)芯片来说，AI芯片面积更大、复杂度会高很多，因此满足环境适应性、寿命、可靠性和一致性等车规级要求的挑战也更大。

　　另一方面，AI芯片掌控着智能辅助驾驶、自动驾驶等关键实时任务，因此需要满足苛刻的功能安全标准;在算法和软件设计时，同时考虑功能安全和预期功能安全的相关问题。

　　即系统设计时要减少汽车电子电器硬件失效并降低失效造成的风险;在复杂多样的运行环境中，“软硬件系统开发需能实现预期规划的功能”，尽可能规避和降低由于预期功能不足以及性能限制或人员误操作导致的汽车安全风险。除了苛刻的软硬件要求，较长的认证和车型导入周期也是对AI芯片企业的能力和心力的一个考验。

　　在实现功能的同时，AI算法全面上车的另一个挑战还在于要由“黑”变“白”。

　　作为实现复杂功能的软件系统，AI模型本身是源代码，甚至软件内部结构都不透明的“灰盒子”甚至“黑盒子”，无法像传统编程语言那样被人理解和溯源。但车用AI芯片与人身安全高度相关，需要能够回溯是哪个点哪个数据导致的问题，能够对问题进行复现和精准的解决。

　　尤其是在自动驾驶领域，将神经网络用于预测、决策上时，“如果整个决策机制还是一个(无法准确溯源的)灰盒子，车企就不敢用。这就是(与消费类芯片不同)对整个算法架构提出的‘车规级’要求。这也是全球行业都在共同探索的方向。”张玉峰表示。

　　算法驱动，从感知到预测

　　满足车规级量产“上车”只是AI芯片在车用领域迈出的第一步，真正的竞争才刚刚开始。张玉峰表示，相比基于算力需求打造的传统芯片，AI芯片是从场景出发、由算法驱动架构定义的芯片。

　　AI芯片研发需首先预判其要解决哪些场景问题，以此出发选择最有效的算法，且要在未来3~5年保持算法解决问题的高效性。完成这一系列条件筛选后，再进行AI加速核、系统架构、接口、内存吞吐等具体芯片设计。

　　而在高级自动驾驶场景之下，高性能传感器每小时传回万亿级的数据量，而AI芯片的任务不仅是处理这些数据，还需要对世界进行预测。“要让车变成老司机，只是感知和认知这个世界还不够，还要能够判断世界下一步会发生什么。”张玉峰表示，“未来感知会是一个标品，而智能的提升则依赖于认知、预测和决策，对于处理能力的需求又要提升1到2个数量级。”

　　特斯拉此前公布的数据显示，与上一代英伟达芯片比，其FSD算力增加了3倍，可是它的真实计算性能(每秒准确识别了多少帧图像)提升了21倍。

　　今年地平线将推出旗舰级产品征程5，AI算力达到96TOPS。地平线创始人兼CEO余凯表示，其性能将超越特斯拉FSD。“征程5是针对高级别自动驾驶设计的一个专用芯片，其计算效率比其他1000TOPS通用芯片的效率还高，可以运行L4级别自动驾驶软件，支持多传感器融合、路径规划等应用。”“所以我们本质上是一家AI软件算法公司，为了面向智能驾驶和智能座舱应用做到整体方案的更高能效比、性价比和竞争力，而做了自己的AI芯片。”张玉峰表示。

　　开放合作，速度更重要

　　“现在我们还是专注做标品，而每个厂商都希望实现差异化，最好的结合就是我们的标品加上我们的开发工具和软件能力去支持它，在标准基础上做出差异化。”张玉峰表示。

　　向软件型企业转型已是传统车企巨头的共识，与此同时还有不少车企开始入局自有芯片研发。目前特斯拉已经形成了从芯片到底层软系统软件，到智能驾驶全栈软件算法，到整车制造的完整垂直整合体系。

　　“在这个行业中，自己做芯片是可以的，但在当前智能化大潮下，速度比是不是有自己的芯片更关键。”

　　张玉峰表示，“因为特斯拉起步早，要是等拥有自己的技术经验再去追赶，肯定等不起。”“地平线的机会在于我们有芯片、有算法，和主机厂结合在一起，就可以形成特斯拉这样的垂直整合能力。”

　　目前，地平线从芯片的前期定义、仿真、流片全过程，与主机厂形成高度并行化的联合开发模式。以征程2为例，其在2019年3月流片完成前，便与头部客户签好了定点量产协议，先于样片开始在仿真平台上进行开发，并从芯片域控制器、算法上层应用等几大部分并行推进，在一年之内完成首个周期迭代，并于2020年年中上车。

　　除芯片供应商的角色外，地平线还帮助该客户打造其AI算法能力和团队。“由此，车企可以基于我们的芯片和算法做一些定制化的差异性特色。”

　　事实上，这也是目前车用AI芯片公司与传统主机厂的主要合作模式，英伟达与戴姆勒正是这样合作的。

　　“在这样一个智能化的新时代，汽车智能化要求芯片算力和复杂度越来越高，软件部分的分量越来越重，自然而然就把懂算法的芯片厂家跟主机厂拉得很紧。”张玉峰表示。

　　事实上，在地平线之前，高端车规级芯片供应商集中在TI、恩智浦、瑞萨、高通等国际品牌，从来没有中国企业。地平线开创先例的同时，也为中国车用芯片跻身全球芯片竞争格局明确了道路。

　　“2015年时，我们的愿景便是让每辆汽车，每个电器都具有环境感知、人机交互和决策控制的能力。我们的初心一直没有变。”张玉峰在采访结束时说。