作者：景云（實習）

編輯：Mark

出品：紅色星際（ID：redplanx）

頭圖：地平線CEO余凱

十問地平線芯片公司，解剖公司發展情況。

1. 現在的自動駕駛芯片有哪些問題？

首先，我們可以看到，目前的自動駕駛芯片大多數采用通用芯片結構，這就導致雖然標稱算力很高，但是穩定狀態的可調度算力并不高。
其次，復雜指令集架構中功耗和效能呈正比，因此，效率越高的芯片其配套和使用成本也就越高。
最后，由于全棧式智能化，一般芯片的可擴展性不足，導致預埋芯片對廠商定制以及新的使用需求回應不及時。

開源是解決這個問題的最好思路。開源的開發過程也有著傳統開發過程無法比擬的優勢，比如在安全方面，開源的開發過程就能夠很好地防止后門和漏洞，從而提高自動駕駛車輛的安全性。

因為AI芯片在軟硬架構方面的迭代都明顯快于傳統芯片，所以研發AI芯片并不是一個關起門來辦事的項目。
但是，出于商業目的，沒有任何一個公司愿意把自己辛辛苦苦研發出來的產品和別人共享。

這個問題是個雙刃劍，如果不共享產品的研發過程，就可能會導致在開發過程中出現不可逆的錯誤，進而使得一代產品的開發出現嚴重的問題乃至于失敗。
這個轉變是大勢所趨，所以，我們旗幟鮮明地反對全棧智能化。
雖然全棧智能化有著多快好省的優點，但是它的缺點也非常明顯。那就是他在2次開發領域缺乏彈性，導致主機廠無法根據自己的具體情況定制自己的系統，傳統主機廠特別反感這種方案。

2. 如何實現開源？

我們提供的是作為平臺的芯片和操作系統。在芯片領域，我們將向友商開放可定制的接口、算法和編譯器。
同時，我們也會向有算法開發能力的個人和第三方企業開放我們的芯片，組織開源芯片技術社區，集思廣益，精益求精。
成立專門的算法研判部門，將市面的相關的算法信息進行收集比對，擇優整合，保證芯片算法更長的使用周期。

我們的芯片在功能上是彈性的，既可以用于車載還可以用于路邊數據中心。就算只用于車載場景，我們的芯片也能將智能駕駛和智能座艙整合為一，未來也可以參與到汽車零部件的工況管理。（零件工況管理不需要特殊化的芯片，只要通用芯片即可。）

3. 如何降低使用成本？

大功率芯片的成本主要有3塊：
首先，傳統芯片沒有集聯功能，要獲得更高的算力必須增加更多的芯片。而且傳統芯片平穩運行時的算力密度低，為了提高算力密度，也需要同時調用多個芯片。
舉個例子，對汽車上使用計算機視覺系統而言，傳統架構下需要四塊芯片支持其完成360度感知，功耗可能超過100瓦。在Robotaxi領域，甚至有兩三百瓦的芯片出現。
其次，大功率芯片需要主動散熱，而主動散熱的部件不僅占用空間，還需要額外供電。哪怕是智能調節，對汽車的能源系統也是一個不小的負擔。
第三，有時即便是大功率芯片，面對一些特殊情況下，也只能各司其職，難以統籌全局，這就進一步提高了功耗，導致硬件壽命縮短、穩定性降低。

針對這幾個問題，我們分別在集聯和穩定算力兩個方面對架構進行優化，結果就是大大降低了芯片的功耗和成本。

開發過程中，我們堅持軟件引導硬件理念，從我們對人才的要求也可以看出，必須有深厚算法開發背景，了解現有架構對算法運行效率的限制因素。
我們希望能用算法引導架構開發。

（地平線芯片宣傳圖片）

比如地平線的征程2芯片，實現了L2+以下級別的自動駕駛芯片的功率只有25瓦，是Mobileye EyeQ4芯片功耗的十分之一。這是因為我們的芯片是針對自動駕駛場景專門設計，以獲得全場域下穩定的算力輸出為基本目的。
以后我們將嘗試，采用集聯芯片參與L3以上級別市場的競爭。

4. 車端芯片重要還是路端芯片更重要？

雖然講車路協同，但是，我們也知道，在目前的技術條件下，路端通信的穩定性和安全性還有待提高，而且路端設備功能也有待完善。所以，我們仍然以單車智能芯片開發為主。
雖然5G通訊效率較高，但是，由于采用了較高的發射頻率，5G基站的覆蓋范圍有所減小，信號集中度卻提高了。
這對需要實時決策的自動駕駛而言，無疑是存在風險的。因此，降低交換信息量就成為主要的需求。
降低信息交換量的本質就是預先區分什么信息可以發送，什么信息必須自行處理。
這就對芯片的工作提出了很高的要求。
一方面是因為語義分析系統在短時間內交流大量數據，另一方面，也是因為短時間內通訊頻次的提高。
如果通訊處理效率低，就很容易形成堰塞湖，導致系統卡死。
所以，我們強調車和云端在整個系統中的平權地位，同時也強調算力需求的分解，并在此基礎上強調芯片軟硬件的協同優化。
而單車智能關鍵，主要是人、車、環境。人主要是指駕駛者，而環境則包括行人、其他車輛以及各種道路基礎設施。其中環境是阻礙車路協同的主要因素，不守規則的過路人、隨意超速的車輛以及不同質量的道路都是挑戰。
我們提出了邊緣機器人概念，就是希望單車智能，在不聯網的情況下，也能通過我們的芯片，處理自己遇到的問題。

我們不是預言家，所以我們不可能在芯片開發之初就預料到芯片的全部應用場景。但是，我們可以采取安卓的模式，就是允許友商進行系統性定制。
算法方面，我們可以讓友商將自己的算子接入我們的算法庫，除了傳統的有算法開發能力的車商以外，還包括各種非定向的算法公司和機器人公司。
通過和這些公司的合作，我們可以提高我們解決方案對不同算法的適應性。
抽象層上，我們會開放各種接口，使得車輛的各個活動部件都能接入我們的控制中樞，從而實現各種我們沒有預料到的功能，比如智能雨刷、智能空調、智能后視、智能對講、智能汽車黑匣子等。
而在系統層上，我們將會通過加入生態以及吸收現有開發者為汽車提供不同的駕駛應用，充分利用芯片的剩余算力。
這里特別提一點，我們強調本土化的AI訓練。
因為大多數駕駛員并不會跨國駕駛。因此，一款熟悉國內路況的汽車AI，是高效的汽車芯片得以完全發揮其價值的前提。
這也就意味著，本土化的AI訓練，是我們能夠適應最終用戶的前提。

6. 我們的應用工具包和傳統工具包有什么區別呢？

先講一個觀點，我們認為，汽車是用輪子移動的計算機。我們開發開源應用工具包，是在傳統工具包的基礎上折中磨合的結果。
傳統工具包分成2個流派：一個是應用場景廣泛、使用過程復雜的專家工具，另一個是在限定場景下使用但操作過程簡單的封閉工具包。
而我們的工作，就是將兩種不同流派的工具包結合起來，設計出一種既能適用于各種場景又容易操作的工具包。
讓更多芯片開發的初學者能夠更快上手我們的芯片，從而提高整個技術群體的開發效率。

7. 你們是怎么看芯片和系統商的關系？

雖然我們已經發布togetherOS這套系統，和芯片深度嵌合，但和我們的芯片一樣，我們會把系統的規范層和接口層全部開發人員和友商，以便友商進行定制。
并希望用它作為我們硬件與客戶接駁的界面，對那些暫時還沒有底層開發能力的車廠提供一個簡易的應用接口。
我們也樂意加入其它系統的生態，比如華為。
雖然自己的系統對自己的設備兼容性更好，但是開發周期比較長。因此，在系統的發行版成熟之前，加入其他系統的生態有助于我們的算力快速落地，讓我們能夠更快地提高市場占有率。
如果對方能提供先進算法，我們就對芯片做基礎優化，否則就進行適配優化，以保證對方的系統能在我們的芯片更好的運行。
總的來說，系統和芯片是一個問題的兩個方面。既然是軟件引導硬件，從根本上說，芯片本身只是系統的物理層，是系統更好運行的基礎。而系統承載的服務才是我們商業模式的重點。

因為芯片只是一個物理器件，并不代表它要實現的功能。甚至我們也沒法預先知道他究竟會用在什么場景下。
就目前的場景分布而言，我們可以看到，已經投入市場的芯片廣泛分布在輔助駕駛、道路設施以及車輛管理等不同的方面。

（地平線應用場景圖片）

單就輔助駕駛而言，乘用車、大客車和貨車對芯片所要實現的功能的要求也不完全一樣。
而細分到貨車的領域，道路貨車和終端配送車在所使用的技術模塊點上也有很大的區別。
因此，我們并不能預先和友商約定我們的芯片被用在哪個領域和怎么使用，而是要根據友商的實際情況，讓他們自己去定制他們所需要的功能。
我們只能做彈性開發，讓預埋的芯片有適應未來需要的能力。比如當今用FHD以后用QHD，然后用8K，幀率從30、60到120，追蹤對象可以提高10倍甚至五十倍。在完成這些要求之后，還有剩余算力完成其他任務。

9. 那你們的技術發展策略是什么樣的呢？

現在市場上有2個不同的發展方向。一個是高起點向下兼容，也就是所謂的飛躍式發展。另一個是低起點逐步積累。
顯然，對于我們而言，后者在發展上更容易實現，因為我們使用的是全新架構，而不是像英偉達那樣在傳統架構上進行特化。
另外，由于芯片更新速度比較快，高級別芯片的開發周期比較長，綜合考量后，我們決定先從低級別芯片入手開發，以降低風險。
目前我們的三款產品覆蓋輔助駕駛到自動駕駛（L2到L4）整個行業。特別是征程3已經適用于高精地圖采集工作，這得益該芯片采用了H.264/265編碼制式。
L2和L4是我們主要的關注領域。L4我們更關注高速公路場景，這是因為高速場景對于芯片的要求比較簡單。
舉個例子吧，城市道路上大量存在的隨機人流問題，在高速公路上并不存在。同樣在高速上除了匝道的匯入匯出以外，也不存在交叉轉向的問題。這都為完全的自動巡航駕駛提供了可能性。
但是在城市的小街小巷里以及城郊的各種低等級道路中，L2還是主要的自動駕駛場景。在開放的城市道路上，可能會出現一種介于L2和L3之間的自動駕駛場景。
這也就是我們給我開發貫通各種場景的芯片的最初原因。

10. 在開發過程中，是經驗更重要，還是基礎設施更重要？

隨著技術的進步，成熟的基礎設施顯然更重要。尤其是在現在這個算法為王的編程自動化時代，好的基礎設施更是決定產品進化能力的絕對前提。
在拿到工程樣片之前，我們需要在模擬軟件上先行測試相關設計。在測試的同時，我們還要按照需要，將新發現的算法加以訓練優化。
這些都對基礎設施有很高的要求。

-END-