8月22日，由中国电动汽车百人会、智能汽车与智慧城市协同发展联盟联合主办的GIV2020隆重召开，本次峰会主要讨论智能汽车近两年取得的技术突破和产品创新、智能汽车应用场景和商业模式、以及智能汽车商业发展的顶层设计和实施路径。下面是地平线副总裁、智能驾驶产品线总经理张玉峰在本次论坛上的发言：
地平线副总裁、智能驾驶产品线总经理 张玉峰
今天我给大家带来的话题是“国产车规级AI芯片加速赋能智能驾驶”。
先看一下在汽车智能化的大背景下，ADAS辅助智能驾驶和自动驾驶是两个很热的、也很重要的话题。我们看一下ADAS市场在未来几年在中国的趋势。随着我们汽车年产量的提升，从现在到2025年还是有一个比较明显的提升，我们的ADAS渗透率，这里拿到的是某些市场调研报告的分析，去年很快地从20%左右到达将近70%的渗透率。这里背后有多种原因，其中重要的是大家对于驾驶中安全需求的提升，对它的认可，也有咱们国家的国家政策包括国际的一些法规，比如说国内C-NCAP，国际Euro NCAP，过去几年对于新车的安全要求越来越高。给到我们主动安全的玩家带来的好处是什么呢？肯定是给我们挣钱的机会。去服务我们汽车行业让人们出行更安全，因为对于出行来讲安全永远是第一位的。
随着自动驾驶级别的提升，现在可能有一个摄像头+毫米波雷达ELEV、LER的应用，现在已经有了很多的车实现了L2+多摄像头、多毫米波雷达，到未来真正的L3，给到我们这些Tier 1、Tier 2的玩家来讲单价的收益会有几十美金，到未来L3几百美金的市场机会，中国在整个ADAS市场整体份额是非常可观的。
来看一下自动驾驶，中国这个市场得益于公众的接受程度、得益于我们的人口、政策、数据、人才的这些红利，我们预计在未来几年中国会成为全球最大的自动驾驶市场，而且成长速度还是蛮快的。
在智能驾驶和自动驾驶的背后其实计算平台、计算本身软硬件的开发，在整个自动驾驶中权重的占比是非常高的，对于这个能力的要求是最高的。我们会看到自动驾驶成本将从“90%是硬件”向“软件和硬件基本是五五分成”的方向转变。特斯拉的FSD Autopilot的系统几千美金的售价，像埃隆·马斯克订阅式的收费方式，也都在佐证这样的发展趋势。只有计算和计算平台标准化才能让自动驾驶实现真正的量产。
我们看到电子电气架构，大家都是汽车行业的同仁，所以这些比较熟悉了。从当前和过去的分布式到一定程度的集中化、到最终的中央计算架构，这样一个发展趋势目前来看是必然的。而且像特斯拉，已经在中央计算架构这个事情上比较快地证明了这个方式的可行性，也得到了资本市场的高度认可。特斯拉我记得昨天的市值应该已经到了3700亿美金了吧，但其实它每年卖的量只有几十万。所以特斯拉作为这样一个领跑的玩家，它一步到位的使用车载中央计算机，并且是以非常简洁清晰的方式来去做相应的安全技术。大家可以看到FSD的芯片，一块板上两块芯片，完成摄像头的数据、传感器数据的录入，进行感知、定位、规划。其实两个片子会进行交叉的验证，片子本身并不是功能安全的，但是没有问题，我们用两片来去形成足够冗余的计算和交叉验证，最终把控制交给控制的ECUs去执行。这样一种方式其实让整个架构变得更简单，让上面的软件迭代变得更容易。
最终我觉得从终局来看，对于软件定义汽车来讲，就是软件要解耦，硬件算力要超配。未来可能就是三年或者更长时间更换一次，但上面的软件会实现全生命周期的高频率的更新。这种高频次的更新又给汽车行业的主机厂和相应的行业中的其他玩家带来了新的盈利模式。我们预测，AI计算可能在座舱和自动驾驶会形成统一的计算平台，来完成AI计算本身对于智能座舱和自动驾驶的支持。
这里讲了很多计算，计算其实跟芯片强相关，我们面临的是什么样的挑战呢？因为每一级的自动驾驶级别的提升对算力的需求可能是一个数量级的提升。对于传统CPU来讲，一直在跟随着摩尔定律的发展，就是每一年半、每18个月有这么一个性能的提升、成本的下降，性能提升1倍、性能和面积下降一半等等这样的特点。但是在智能驾驶包括座舱的新时代，对于算力的需求，在AI上面过去几年我们看到，每年都可能是数量级的提升，显然芯片行业的摩尔定律已经无法支持我们在自动驾驶、智能驾驶这个方面算力需求的提升。
我们提出了新的对于AI芯片的摩尔定律。它的本质是在于我们能够在有限的资源下去提升利用率、优化芯片计算对于内存和其他方面的输入输出，在满足高精度、低延迟的要求下，我们其实更关注的是每瓦我们能处理针对这个场景数据的效率什么样，每美金、每人民币能针对这个场景处理的数据什么样。因为在AI计算上往往是场景决定算法，算法去定义架构。如果是传统的芯片架构去支撑AI计算的话，往往得到的一些不足的地方就在于，也许我有几十T，但是我的利用率可能只有25%、30%。原因是，传统架构比如GPU，最初是来做游戏的渲染、作为游戏引擎，同时是计算，但是是优化到图像的处理、图像的渲染等等，变相用来做AI计算，势必效率是不够高的。所以为什么说用算法去定义芯片的架构。这里当然同样关注单位成本下的峰值算力，所谓的30TOPS、200TOPS往往等号后的第一档，往往是不够的。现在越来越专业的车厂和Tier 1他们会看中整体的系统表现，就是我们在AI芯片上真实性能全面优化，就要去关注编译器的性能、架构的优化、实施系统的优化，更关键的是对于场景的算法的优化和演进。地平线联合创始人黄畅博士在最近的2020全球人工智能和机器人峰会上提出了MAPS更能够反映AI的真实算力的方式。这里因为时间原因就不赘述了，后面介绍针对AI芯片的更能反映真实性能的。
车规级芯片难度在哪里？可能大家也都所了解，从设计来讲一年半到两年，从认证来讲又是一年到一年半的时间，应用到车型当中导入本身可能有两年到三年的时间，这样下来做一个车规级芯片，相比新势力造车来讲也不见得比这个要容易。
作为地平线来讲，我们成立于2015年7月份，现在已经是第六个年头，我们已经过了五年半。2017年我们推出中国第一款边缘AI芯片，从2018年的时候我们的芯片就在赋能美国的顶级自动驾驶车队，实现环视的视觉感知，在去年8月份我们推出了中国第一款车规级AI芯片，今年3月份这款芯片正式在中国顶级的车厂实现量产。
目前已经量产的是我们的征程二代的芯片，这个是对标Mobileye EyeQ4，以更好的算力、更低的功耗来实现前视的视觉感知。因为芯片本身同样可以做基于视觉的高精度地图以及车内的多模态交互。征程第三代芯片可以接4—6路的摄像头，有更好的制程，它的定位是同时把前视和环视APA的感知做在一块芯片上，然后实现性价比极高的控制器。征程5芯片是今天年底、明年年初就能提供样品的一个对标特斯拉FSD的AI芯片，同时有功能安全，它的赛道就是在包括英伟达、FSD和最新的Mobileye EyeQ5去对比。地平线在规划未来的针对更高级别自动驾驶的征程6芯片。
因为地平线并不是一家传统的半导体公司，地平线优势还在于软硬结合，算法和芯片架构同时的优化设计。智能驾驶方面，刚刚也提到包括前视、环视、地图，我们一系列的芯片都有足够的通用性，允许客户用我们的工具链把他的算法跑在我们的芯片上面，上面这些是我们的一些成功的案例，先不做过多介绍了。
接下来我会很快的针对每个场景，回归到我的话题，国产的车规级AI芯片如何加速赋能智能驾驶。
首先智能前视，基于征程二代的前视感知目前完成了与EyeQ4的对标及一些关键指标的超越。而且我们在生态上也积累了将近20家的合作伙伴，目前已经在一个国内顶级的主机厂实现量产落地，年底还会有一个车型定点。
看一下前视的效果，就是用一个2瓦功耗、4TOPS算力的芯片可以实现对于前视场景非常充分丰富的理解，这里有基础性的是车辆的行人测距测速，也有对于整个场景像素级别，高达二三十大类的物体类别的语义分割，车辆的朝向、三维、路边的路牙子、行人、车道线、停止线都能够实时地识别出来。对于L4这个赛道，Robo-Taxi无人出租车和物流来讲，可以通过多片的芯片算力赋能，基于12个摄像头实现环视。为什么说我们能够加速赋能自动驾驶行业呢？我们相比竞品可以以更低的价格、更低的成本、非常完善的感知算法，帮助在无人驾驶、无人的士、无人物流的企业在感知领域可以直接使用。自动驾驶是很复杂的一件事情，而感知作为一个标准品是可以商品化的，大家没有必要花几千元去做同样的事情，作为一辆车感知到的外界的情况不应该有大的区别。
这是在客户的实际场景，在拉斯维加斯，以一个功耗不到100瓦的计算平台跑出来的实际效果。芯片本身的通用性和能力也让我们可以完成高精度地图的建图、定位、更新。我们目前虽然是国产的车规级的AI芯片，但我们最早落地是在韩国首尔，在高精地图上与韩国SK电信合作，进行批量的部署，我们也在武汉今年疫情期间和国内的图商完成了百级的部署。芯片本身的性能和我们的软件能力可以很快的让我们的图商朋友快速的落地众包式的高精度地图的采集和更新。
我们强调芯片的本身通用性，同时可以处理激光雷达点云，这是激光雷达点云和多个摄像头的融合，跑在征程二代的芯片上。
刚刚提到的都是智能驾驶相关的，包括在车路协同以及全栈的自动驾驶，比如赋能奥迪在车路协同在路侧端和毫米波雷达融合，在路侧上完成对交通流的有效识别，也符合新基建的整个趋势。芯片本身的灵活度和它的可编程性其实给了我们很多可以应用的方向。
我们快速看一下车内。刚刚提到多模态的感知，同样这款征程2的芯片可以接两路摄像头，一路看驾驶员，一路是全舱乘客的情况，同时接入语音前端，比如一个很有意思的应用，我在语音识别的时候通过摄像头同步理解是什么样，在噪音极大的情况下依然保持很高的识别率。
今年年初的时候在长安UNI—T上完成量产，也是中国车规级AI芯片量产上车的零的突破，目前全球AI芯片实现量产上车的只有Mobileye以及英伟达。
给大家看一下，常见的疲劳检测。右侧更有意思一些，通过视线、通过眼神尤其是在夜间去点亮中控屏，晚上开车的时候我们是不希望中控屏老自己亮，我们想看的时候也不希望通过手去触动它，所以通过你的眼神。确认过眼神。
最终我想快速总结一下，地平线其实作为一个Tier 2，作为一个最懂芯片的算法公司和一个最懂算法的芯片公司，我们坚持定位在Tier 2，赋能Tier 1和主机厂，其实核心就是我们车规级的AI芯片、工具链、我们的感知算法能力。
我们一直还是花很多精力在我们算法的提升和优化上，今年在疫情期间我们也远程的参与了全球顶级的视觉会议CVPR2020，在Waymo的自动驾驶的公开竞赛中拿到五个赛道的4个第一名，1个第二名，我们坚信只有保持算法的领先性，才能够更好的去设计下一代的AI计算架构，这边我们也投入了非常多的人力。
最终我想强调一下，我们如何去抗争特斯拉，在这样一个新时代如何赢得软件定义汽车。其实我们看到Mobileye，宝马和英特尔的合作已经有很多年，明年宝马会有芯片完成，包括一些功能的落地。戴姆勒和英伟达最近也完成了对于2023年、2024年自动驾驶车落地的合作宣布。我们认为主机厂其实一定要跟有软件能力的芯片公司进行深入的合作，才是必由之路。尤其在中国，地平线作为一家芯片原创企业，它能够提供的原厂近距离的支持是胜过任何一家国外的芯片公司。为什么需要原厂的支持？因为要充分发挥一款芯片的能力，一定是原厂能够有足够的技术方面的直接和间接的支持，才能够用好一款芯片。为什么像苹果这样的芯片一定要自己做芯片或者选定一款芯片，而且深入的开发、深入的进行调优。
我的分享就到这里。
注：本文根据现场速记整理，未经演讲嘉宾审阅，请勿转载