由蓋世汽車、AUTOSAR組織、上海車展三方聯合主辦的SDVF2021第二屆軟體定義汽車高峰論壇暨AUTOSAR2021中國日於4月19-21日在上海舉辦，本次活動也是2021上海車展的同期活動之一，同時也是AUTOSAR組織在中國區唯一官方活動。本次會議邀請到了地平線副總裁兼智慧駕駛產品總經理餘軼南先生在本次論壇進行了題為《汽車智慧計算晶片—軟體定義汽車的基石》的主題演講，以下是他在本次演講的主要內容：
大家好，今天跟大家介紹的是汽車智慧計算晶片怎麼在軟體定義汽車這件事情上作為基礎設施。
地平線是一家創業公司，到今天為止快6年了，
2015年我們
作為
第一個AI晶片創業公司
成立
，2019年我們第一款車
規
級AI晶片釋出，2020年第一款晶片
正式
量產上車
。從這些發展軌跡來看，我們已經是一個非常非主流的過去在晶片行業，尤其在汽車晶片行業上的公司。
今天智慧汽車非常火，現在已經叫整車智慧，過去我們還講自動駕駛，講座艙，講網聯，現在叫整車智慧。它的誕生是一個劃時代的東西，所以今天它的火熱程度可能不亞於在50年前計算機個人電腦誕生時候的火熱程度。過去來講，計算機也好，手機也好，它都是資訊處理的中央單元，不斷地從大變小，從桌面變成移動式，可以在手機上處理大量資訊互動工作，但是過去這些東西其實不具有智慧。那什麼叫智慧？本身它可以主動的去感知外部的環境，感知人，感知所有的變化，並且作出合適的判斷，並且最後作出合適的執行。
今年汽車無疑是我們第一個能看到最大的智慧終端。它的體量，能源供應都可以足以支撐自動駕駛智慧互動這樣一個領域。其實隨著汽車的發展，晶片單位算力成本越來越低，單位算力功耗越來越低，可能未來幾瓦晶片上面就可以承載上百T的晶片，那我們可以暢想出來，到2025年或者某一天，其實通用智慧機器人會成為新的一波浪潮。所以我們在看待智慧汽車的時候，它是首個個人的人工智慧終端，但它不是最後一個。就像1980年個人電腦誕生一樣，後面一定會有手機和其他領域的電子計算機出來。
邁向自動駕駛的道路在過去其實有很多爭議，其實兩條路線都對，但是迭代速度是很不一樣的，速度跟駕駛員數量有關係，從量產角度來說，數量會漲的更快一些，背後邏輯就是它的資料會漲的更快一些。
其實Tesla已經開始使用AI定義整個作業系統，透過演算法，資料閉環和非常高算力的計算平臺來打造高效版的AI進化體，這個車可以不斷地學習，甚至下一代晶片裡面把訓練的能力也做到晶片上，車本身自己就可以變成自學能力。
電子元器件在整車價值比例可以看到，現在車的成本越來越低，電池、電控，加一個殼子四個輪子，車上計算單元的成本或者比重卻變得越來越高。
對於中國的主機廠怎麼打贏這場仗，我們看到在國外形成了這樣一些聯盟，那在國內地平線是一個好的選擇。
任何一代裝置，一個大的浪潮都會伴隨著兩個非常關鍵的基礎要素，一個是硬體本身承載的那個東西，第二是軟體上面作業系統。這個事情在PC時代形成了英特爾+Windows組合方式，英特爾提供晶片，windows提供作業系統，全世界來講透過晶片+作業系統方式幾乎是壟斷了整個行業。
在windows之上其實我們構建了非常非常豐富的應用，包括後來的網際網路。從PC時代走向手機時代以後，PC時代的晶片和它的作業系統在手機時代，雖然它們倆都是個人資訊的終端，兩個特性很相似，但就是因為體系不一樣，功耗要求不一樣，使用者使用習慣不一樣，人工互動方式不一樣，所以這件事情在手機時代是沒有沿用PC時代的晶片和作業系統，完全顛覆掉了，變成了ARM+安卓，這裡面有幾個要素可以分析一下，人們的互動方式是不是一樣的？在PC時代我們用鍵盤滑鼠看螢幕，但是在手機時代就是翻屏觸控。
那到汽車時代，我們認為汽車是第一個人工智慧的終端，那你跟機器人怎麼樣去互動？這是非常值得我們思考的問題。
你過去走在它身邊要按紐或者觸碰它嗎？你不會想這麼做的。那你會拿出一個手機，在手機上有一個APP控制那個APP嗎？也不會這個樣子。
那人工智慧終端我們應該怎麼樣互動，應該像人和人之間那樣互動。
我告訴他說，麻煩你把這杯茶熱一下，這是我對它主動命令的發起。它也需要察言觀色，比如我在車上有點熱了，或者我要開啟一瓶礦泉水要喝水或者我抽根菸，這個時候車應該幹什麼事情？它是不是把風扇調大一點，車窗開啟一點，甚至更智慧的彈出一個菸灰缸，同時進入自動駕駛狀態。
這種人和車互動的改變一定會改變作業系統本身，同時也會誕生新的底層作業系統合乎計算平臺。
Tesla其實已經給我們做了一些樣板間，在中國能不能打破過去從晶片到作業系統被國外被歐美壟斷的趨勢，有沒有可能誕生中國的晶片和作業系統，這其實是我們要回答的問題。
計算架構本身不多講了，現在已經到了域的市場，每個車廠都在做中間域架構的事情，左邊分散式ECU架構已經非常成熟。右邊是中央計算架構，今天軟體的開發，所有軟體開發程式設計師們需要中央計算晶片來支撐他們的工作。
AI越來越成為整個計算的中心，過去我們主要是感知和建模，今天我們看到越來越多，包括預測，規劃和決策其實也需要用神經網路去跑，勢必使得中央計算平臺裡面AI計算需求可能還有數倍的空間，今天只是一個起點，並不是終點。
現在鐳射雷達點源密度越來越高，距離也越來越遠，這些資料量都是越來越大的，從資料量本身來講也需要越來越多的算力去支撐。
從自動駕駛感知需求擴大，資料量增長，驅動對算力的新增，基本上L2等級典型線束數可能是幾兆，到L2+可能是幾十兆，再往上就是百兆級別。從算力角度來講也是這麼一個分佈，這個分佈基本上現在事實就是這個樣子。
汽車智慧晶片的確是是當今硬科技的珠穆朗瑪峰，因為在那麼小面積上整合那麼大面積半導體單元，同時還要做到-40到85/95的溫度，同時成本還要控制住，還有可靠性，安全性，包括資料安全，資訊保安，功能安全，預期功能安全，還有實時性，這些都是極大的挑戰。
我們從半導體行業本身來講，雖然車載半導體總數不是世界最大的，但是很快汽車上所用的半導體在晶圓面積上很有可能變成全球第一大領域。現在很多半導體廠商生產上越來越多把自己的工藝、產能往汽車這邊去撥，這也是一個趨勢。
算力本身是不是就等於最後的效能呢？這個回答肯定是NO，因為算力轉化為產能中間跟算力本身的計算架構，利用率，頻寬，IO都極為相關。真正最後需要的是什麼？其實需要的是幀率就是相同模型或者主流模型在不同晶片上跑出來的幀率是多少，而且是端到端的幀率。
這裡有幾個要素，算力代表了物理的最大值，接下來是利用率騰做到多少，它受限於IO，架構和模型網路本身。最後是演算法的效率，有些演算法天然效率高，有些天然效率低，最後綜合成這樣一個結果。我們評估這樣一個晶片需要評估最後這個結果。
地平線這個團隊，包括我本人也是，我過去從2007年開始做影象演算法，那個時候就開始做目標檢測，今天在看到那些框框感覺不是特別舒服，因為做得時間太久了。我們就是從演算法從軟體中來，其實我們對晶片並不是很懂（在過去），經過這麼多年，我們一步一步越來越深的去了解晶片這個行業，它的技術是什麼樣子的，它的產品是什麼樣子的，它的組織是什麼樣子的，所以我們能夠做到從軟體中來，把高效能的晶片做出來，最後到軟體中去，迴歸到軟體本身。透過更高效支援合作伙伴開發與部署高效能智慧駕駛軟體，這件事情其實是我們的核心戰略和初衷。
當然我們自己也需要給大家打樣，我們需要把這個行業演算法的高度提起來。之前我們也獲得過很多的獎，去年我們還獲得了WAYMO獎項，去年我們獲得了五項裡面的四項第一。
今天我們可以給行業提供什麼呢？我們可以提供全系列智慧駕駛場景覆蓋，包括自動駕駛，車載智慧互動，車內外聯動。因為我們把汽車看作是一個機器人。
自動駕駛方面，我們現在已經形成了一套從低到高完整的方案，在單攝像頭方案上面具有全球最具有價效比的前向感知方案，我們比競爭對手好的非常多。在更高一點領域，我們現在講的基於導航領域，我們提出基於多顆征程三代或者單顆征程五代晶片系統解決方案我們叫領航駕駛解決方案。再往後我們征程五的晶片已經流片了，征程5晶片會支援全自動駕駛解決方案，也就是說面向城區的自動駕駛方案。
在輔助駕駛解決方案裡面我們有標準版和高階版，標準版主打經濟車型。高階版主要是支援ADAS功能提升需求。
在Pilot方案裡面可以支援自動變道以及超車，大彎道曲率通行。
全自動駕駛解決方案其實最主要解決城區問題，城區除了感知複雜性以外，還有它的地圖本身變得異常的動態，比高速路動態非常多，可能高畫質地圖這個方案可能並不是特別適合在城區裡面跑。我們也為此專門研究了基於神經網路端到端的感知神經系統，直接從感知影象直接到地圖輸出全部在端上去做，這裡面就避免了靜態的高畫質地圖所帶來的問題。
馬上面市的就是征程5的晶片，我們也是非常的期盼這顆晶片的誕生。除了自動駕駛以外我們還有資料閉環開發平臺，它是多維度高效的資料探勘的平臺，可以幫助我們的開發者在上面高效的使用人工智慧演算法，我們是與客戶共建平臺，透過量產驗證，因為我們自己就在做量產的專案，所以這個平臺本身就可以支撐量產，同時是支援高效的4D自動化標註。
車載互動，我們從實時多模，快速進化，空間延展到人機共駕，現在我們支援非常多的對車內的感知，比如說疲勞，情緒，兒童模式，手勢，瞳孔分析，多情緒識別等等。
基於征程3代現在是全車覆蓋，基本上做四個攝像頭，五個TOPS算力，還有高效能的ISP支援拍照。它的特點就是易用，功能強大，架構統一，可以讓車廠或者Tier1在上面做很多人機互動的定製化的開發。
結合起來整車智慧定義下一代智慧駕駛，透過智慧的互動，透過智慧駕駛定義下一代智慧汽車。
好，謝謝大家。
