7月22日—23日，由盖世汽车主办、上海国际汽车城特别支持的“2020首届软件定义汽车高峰论坛”正式举办。本次论坛主要探讨软件定义汽车领域最新的创新理念、技术趋势、现实挑战等热点话题，共谋行业未来发展之道。下面是地平线智能驾驶产品线产品规划与Marketing高级总监刘福成在本次论坛上的发言：
各位嘉宾，下午好！我是来自地平线的刘福成，主要负责产品和市场的工作。今天我演讲的主题是“车载计算平台打造软件定义汽车基石”。软件定义系统其实在其他的领域已经出现了，比如说在IT领域有SDN软件定义网络，SDDC软件定义数据中心，实际上我们的智能手机也是一种软件定义的形态，现在“软件定义”终于来到了汽车领域，软件定义在其他几个领域出现的时候，都带来了产业剧烈的变革，带来了一些颠覆式的创新。
我个人理解软件定义系统带来的主要差异是什么呢？我们知道硬件的生命周期，从消费电子到汽车电子，可能是一年、两年、三年甚至更长的面市周期，但是软件通常是以季度、月、周这样的时间跨度去迭代和交付的。实际上这个交付的gap就是在软硬一体的系统上，通过软件定义，可以让新的功能以最快的速度去面向消费者，这是一个很大的变革。
我们来看看软件定义汽车究竟有哪些新的变革呢？这里面软件定义汽车在我看来一个杰出的代表就是特斯拉，特斯拉从上市以来到这几年的销量逐渐走好，它逐渐推出了一系列智能化的产品，越来越受到消费者的认可。最新的数字大家也看到了，在美国疫情期间特斯拉实现了1亿美金的盈利，是所有OEM里面表现最好的。
我们回顾一下特斯拉在资本市场的几个高光时刻。第一个就是在2017年的时候特斯拉的市值超过了福特和GM，在2020年6月10号特斯拉的市值超过丰田，成为全球第一大车企，现在这个特斯拉的市值已经接近2900亿的大关。特斯拉受到资本市场的认可是为什么呢？它是一个颠覆式的创新，在汽车领域是新物种，整个从产品的交付方式和其他过去的传统车企里面我们看到的还是有一些区别的。
第一个是特斯拉实现了数据的闭环，大家知道特斯拉在车载计算机上面搭载了FSD3.0的系统，把用户的数据收集起来，在云端进行训练，把训练好的优化模型再通过OTA推送到车里，不断实现自我进化，这个是跟我们过去通过两年到三年一代车的设计推向市场，再规划下一代车的设计，收集用户新的需求再推向市场，这是两到三年为基础的在设计室里完成的创新，而特斯拉是实时在线的，通过季度为维度的一个创新。
这个里面有数据、AI模型和设备，设备就是指提供算力的平台，而数据方面，特斯拉是通过迭代系统不断实现闭环采集，AI模型是指通过FSD面向汽车领域提供了专用的神经网络模型，特别是面向车载领域的，而不是通用计算，在这个方面可以提升效率，并实现更低的功耗。
第二就是FSD的3.0计算平台，能够提供114 TOPS的算力。数据闭环大家可以看到我们对比了一下特斯拉和Waymo的模式。特斯拉现在能实现每天2千公里的实时数据采集，截至2020年总里程已经达到了22亿英里，就是其中绿色的这个线。Waymo的模式在车队里面数量已经是最大的了，但也仅仅实现了目前3200多万公里的采集总里程，仅仅是特斯拉的十分之一。
这两种模式的区别带来的结果就是什么呢？特斯拉现在我们看到它自动驾驶的演进非常快，基于收集到的数据训练神经网络模型，指标模型优化再反过来推到车里，不断把新的数据收集出来，然后在云端进行处理，逐渐覆盖各种各样的场景。我们认为这种场景跟人的认知和AI学习是相似的，它是一个不断更新认知的过程，很难通过一段时间的设计和需求收集，实现客户的场景全覆盖，它其实是一个持续迭代并且逐渐增强的过程。
这个就是特斯拉的模式，它通过联网系统不断把数据采集出来，这个里面有很多的策略，也不是说把数据全部采集出来，它会判断车身在行驶控制的异常情况，它可能会针对于这个车身出现异常情况提取出上下文来，基于这种模式不断去优化它的系统。
另外一种对比就是Waymo的模式，在实验室里面进行设计，然后打造成闭环，这种系统需要经过三五个月迭代。根据收集到的数据在实验室里面进行优化，这个优化过程和特斯拉模式相比具有本质差别。
这是一个来自券商的咨询报告，我们看到在过去Model3里面的汽车电子占比已经达到了24%，到2023年预计可以增值到45%这样的份额。关于特斯拉Autopilot的报价，预装是5.6万元，7月后安装是大于6.3万元，这个价格大家可以去进行对比，特斯拉在美国东部时间应该是从这个月开始把它在美国的前装价格从7千美元上升到了8千美元。这个在汽车领域是很少的，卖一个配件通常是价格往下走的趋势，但现在特斯拉的FSD是上扬的趋势，而且在今年年底，特斯拉要采取订阅付费的方式，一个月大概是一百美金。汽车领域通常是一次性的收费，后期可能有一些零部件的费用，特斯拉可能要定义一种汽车领域的新模式，就是用户付费的商业模式，这样每个月都有一笔固定的收入。
这是特斯拉发布HW3.0的上一代产品，当时它是用英伟达Drive PX2的平台，当时特斯拉发布了一些内容，我们看一下数据对比，一个是整体的性能上21倍的提升，为什么会有这么大的提升，特斯拉FSD是专门为车载计算的特定领域去进行设计的，所以它从整个芯片的架构，尤其是在计算单元和内存DDR之间的系统带宽利用上，在神经网络计算的计算单元的利用效率上，都会比基于GPU的Drive Px2效率高的多，因为它在设计网络的时候就会充分考虑我的模型是哪一个、跟下一层的网络连接到底是怎么样的等等，所以基于算法的设计充分考虑进去之后，它的这种基于特定应用场景设计的芯片就比这种通用芯片在性能上会有大幅的提高。这个里面说明了一个问题，就是基于特定场景专用芯片设计带来的好处。
最后一个我们认为感知能力是智能驾驶安全的保障。前面提到了数据闭环和智能驾驶计算平台这两个，数据闭环提供数据链路，计算平台提供算力支撑，真正实现自动驾驶功能的是上面感知算法，感知算法的准确度最终会跟功能结合，一起去决定智能驾驶所有的表现。
实际上在感知能力方面，我们知道Uber和特斯拉的Autopilot也出现过一些问题，但是它是采集到数据以后，把数据上传到云端，然后去进行训练，不断去完善自己的场景，最终实现这种场景的全覆盖。
前面通过特斯拉我们认为在软件定义汽车里面有三个观点是特别重要的：一个是数据闭环，一个是高计算的感知计算平台，还有一个是基于数据平台感知算法的能力。这是三位一体的东西，通过数据闭环不断收集数据，再把算法优化，然后再传到端的计算平台上，计算平台是整个链条里面最核心的一个东西，是自动驾驶的一个大脑，它提供算法运行的算力保障，提供数据的收集。
我们认为感知计算平台是中央计算大脑基石的同时，也发现车载中央计算面临着一些挑战。我们来看一下这个趋势，这是大家特别熟悉的，就是分布式架构、域架构往中央计算架构走的趋势，实际上我们接触的很多客户量产的项目已经在向这个趋势靠拢，特斯拉就是典型的基于中央计算平台的架构。
这是我们看到整个汽车的智能化里围绕感知计算平台和感知算法在智能座舱和智能驾驶方向的一个感知中台体系结构，再在这个下面是一些计算SOC、主CP、MCU这种功能安全的控制器和AI加速控制器的计算单元组合。在这个上面是各种各样的感知能力，实际上这个下面就是地平线现在正在做的，这种车外的视觉、车内的视觉主要是对驾驶员和车内的后排还有副驾的识别，还有一个语音交互，还有雷达车外的感知，整个构成了这种感知的中台。感知的能力输出对于上层输出之后，上层可以基于感知结果做各种各样面向智能座舱和智能驾驶应用。
当前，智能驾驶正在掀起一场算力竞赛。随着自动驾驶等级的上升，对自动驾驶芯片算力的要求也在成指数级上升。实际上，在L3、L4、L5级自动驾驶，大家到底用多少算力呢？现在也说不清楚，行业也没有定论，但是在这种情况下，大家做的事情就是不断地堆算力。这个好处是什么呢？提供未来的可扩展性。算力中可叠加的功能是有空间的，特斯拉144TOPS的算力也没有全用，这样特斯拉就有很大的空间不断地去丰富它的最新功能，这就是预留算力的好处。
车载芯片设计的确是一个硬核问题。其中包含的问题一个是自动驾驶等级对于算力要求的提升，还有深度学习模型的选择，这里的挑战是什么？我们知道深度学习有云端和边缘的，云端的训练都是大模型，它在云端上不用考虑功耗，在云端的计算成本高一点可能就是成本和供电的问题，在边缘上你要考虑车的成本和续航这种因素，所以在车载模型选择上我们要选择最合适的神经网络在合适的专用车载计算平台上进行AI计算。
另外一个就是车的带宽和位宽考虑，这是影响算力的因素，GPU虽然算力很高，但在同样模型上表现出来性能的差异并没有那么大，为什么？就是因为它是通用计算，它没有考虑位宽的这种限制，所以一般只能把效能发挥到50%，而专用芯片可以发挥到百分之八九十的效能。最后一个就是功耗，功耗跟模型选择有很大的关系，用一些小模型在终端会大大减少功耗。
车载计算这短短几年的发展，它的算力提升最终都要体现在晶体管的数量上。过去在引领晶体管数量的基本上还是数据中心、PC或者手机。最近这两年开始我们看到车载计算的芯片算力晶体管的数量已经开始超过了手机的晶体管数量，比较典型的就是英伟达的Orin推出的有170亿晶体管，其实在过去几年车载上的晶体管数量比手机是差一个量级的，但是近两年开始已经开始超越手机晶体管的数量，所以说这也说明智能驾驶对计算能力提出了新的要求。
这个左边是CPU算力增长的状态，这个大家感受比较深刻。大家应该知道CPU已经好多年了，算力都是20%这样的速度在提升。左边是计算能力供给，右侧的图说明这几年AI计算对计算能力的需求。需求端是在近几年增长了7个数量级，而供给端在近5年，基本上没有变化。那怎么满足AI计算的需求呢？摩尔定律说每18到24个月整个计算机的计算性能提高1倍，但是价格保持不变，但是在新的AI计算时代摩尔定律已经失效了，它已经停止了增长，而且AI计算除了关注的是功耗、性能和面积之外，更关注每瓦特的实际提升计算效率，这个解释一下就是芯片的效能，不光是算力要高，单位算力的成本和芯片利用率更要高，这样才能满足整个AI芯片计算的效能。
车载计算中面临的另外一个比较有难度的挑战就是车规级。车规级芯片产品开发周期长，难度大，是硬科技、长跑道的创新，要满足一系列的认证。芯片本身还有18到24个月处理器流片设计的周期，这个流片设计周期大家都是一样的，之后是面向车载芯片提出的要求，比如AEC-Q100、功能安全ASIL的认证，量产车型的导入，量产的迭代、部署和升级，整个车载计算的周期、门槛和投入都是非常大的数，是一个长周期的赛道。
接下来，我们看一下车载AI计算的动向，从中可以总结一些规律：基本上OEM大厂都在和科技公司进行跨界合作。这个产业链是非常长的，汽车领域大家对整车有一些knowhow，科技公司更擅长像AI芯片、算法、云、通讯这些领域，跨界合作是实现了一种共赢。这也是近些年的状态，跨界合作除了车企跟公司的跨界合作，也延伸到了OEM和OEM之间，大众投资了福特的Argo AI，这也是一种新的形式。
我们地平线是全球第一家AI芯片的创业公司，同时也是台积电全球第一个AI芯片的客户，我们在2017年推出了中国第一款边缘AI芯片，我们的芯片大规模赋能美国自动驾驶车队，19年推出了中国第一款车规级的AI芯片，2020年，地平线车规级AI芯片征程2实现了前装量产，成为中国第一款上车量产的AI芯片。目前，搭载地平线征程2芯片的长安旗舰车型UNI-T每个月的订货量也比较大，是一款爆品，我们每个月都在跟下游供应商追加芯片订单。
地平线的业务核心是基于征程系列芯片，打造面向智能驾驶和智能座舱方向的解决方案。在面向智能驾驶的方案里面现在有ADAS的产品，主要是基于征程2进行量产，现在已经有了很多定点，但是目前还不能公布出来。地平线动态高精地图方案，提供的是众包地图技术，我们通过视觉采集路边的数据，实现了在云端的建图和地图的实时更新，同时利用高精度地图底图在终端可以跟全球导航卫星系统（GNSS）进行融合，实现视觉辅助定位。
在智能座舱的产品主要是智能座舱的语音交互，做一些前端的降噪、分布式麦克风，还有驾驶员监控和AI感知。除了面向智能驾驶和智能座舱的解决方案。
同时，我们的芯片也是完全对外开放的。我们的生态合作伙伴，通过地平线的芯片和工具链可以做他所需要的驾驶、座舱和其他的算法，举个例子就是我们的一个行业顶级的合作伙伴通过地平线的芯片和工具链，正在做一个前装感知的产品。
以上就是我们的业务全貌，我们同时提供软硬件一体的解决方案，芯片+算法，同时也会开放我们的芯片和工具链，让第三方合作伙伴基于我们的芯片和工具链开发他们自己的感知方案。
地平线核心产品征程2 采用地平线创新的人工智能专用计算架构 BPU，主要有三个方面的优势。一个是极高的算力有效性，可以达到90%，为什么是这样呢？我们征程2是基于车载场景围绕车载用的神经网络模型专门训练和定义出来的网络，所以才能把这个算力的利用率达到90%以上的水平，可达同等通用计算芯片的10倍以上。
另外就是感知能力，我们在识别精度上可以达到99%，延迟上少于100毫秒，这样感知精度和低延迟也是地平线软硬一体能力的体现。我们是非常懂算法的芯片公司，因为芯片的设计是结合算法一起做出来的，所以关于神经网络怎么用芯片可以用得最好，我们有深厚的积累。此外，在感知的丰富性上，可以实现像素级语义分割，超过 60 个分类，每帧高达 60 个目标及其特征的准确感知与输出。
在计算芯片和算法能力之外，我想向大家介绍一下地平线“天工开物”AI计算平台，它包含面向实际场景进行 AI 算法和应用开发的全套工具，并提供参考模型样例和参考整体软件方案支持客户快速产品落地。合作伙伴可以基于我们的芯片去开发自己的AI感知算法，一方面大家可以利用我们现在这个工具链支持MXNet等主流的训练框架，大家可以用我们的训练框架进行神经网络的训练，另外我们也支持模型转换接口，如果大家有自己已经训好的模型，也可以通过ONNX进行转换，我们还有浮点到定点转换工具，主要是云端训练出来的大模型转换成定点模型，到终端上能够提供更低耗的效率，同时能保证精度。
今年，中国第一款车规级AI芯片实现了量产上车零的突破，我们的智能驾驶舱系统跟主界面进行配合，可以实现众多AI感知能力，比如说视线、情绪，还有人脸识别，就是Face ID，还有车载语音能力、唇语识别。其实语音识别功能上车已经有很长时间了，但是在高噪音的环境下我们做过一些测试，在纯语音的情况下语音的误识别率会极速上升，但是我们可以结合语音识别和唇语识别感受你在说什么，这个识别力在高噪声的情况下是很好的。其中手势识别这个功能，是OEM基于我们提供的芯片和工具链，后续自己开发完成的。
这是我们征程2在ADAS领域的一个应用。我们提供了面向ADAS一些AI感知的算法，比如说车辆识别、车道线识别这样的一些算法在里面，相当于整体的软硬结合的方案。地平线面向前视ADAS市场的全球领先单目解决方案，可在低于100毫秒的延迟下有效感知车辆、行人、车道线、交通标识、红绿灯等多种目标，达到10类动态目标感知、53类静态目标感知、12类语义分割、典型功耗2W等等。
面向L4自动驾驶，地平线Matrix 2自动驾驶计算平台搭载4块征程芯片，三个Matrix 2可以做到车身360度视觉感知解决方案，现在这一款产品在北美赋能了很多的RoboTaxi车队。
在高精度地图方面，地平线和韩国的SK已经完成了落地方案的合作。SK是韩国最大的一个电信集团，它在首尔出租车和公交车上都装了我们这个面向后装的设备，里面加载了地平线的解决方案来进行道路数据采集。这是一个面向后装的应用，同时也支持面向前装的应用，给前装OEM提供基于视觉的辅助定位。地平线高精地图解决方案还能够实现实时更新，它的好处是什么呢？目前高精度地图图商提供的是以半年、季度这样一个地图更新频率，在车上装了这个工具以后实现的是众包方案，能够实现地图信息的实时动态更新。
最后，向大家介绍一下地平线的朋友圈。地平线已在智能驾驶领域赋能一大批行业顶级Tier1s、OEMs、运营商，包括长安、福瑞泰克、奥迪、佛吉亚、SK电讯、理想汽车等多个顶尖企业在内的合作伙伴正与地平线携手加速智能驾驶时代的到来。
谢谢大家！