算法戰(zhàn)爭(zhēng)，車用芯片的下一道“地平線”

文/本刊記者 朱煦

“芯芯”之火，可以燎原。在快速崛起的地平線身后，車用AI芯片的“戰(zhàn)爭(zhēng)”已經(jīng)全面打響。

模式改變，從賣車到賣“迭代”

2020年，全球汽車產(chǎn)業(yè)首次爆發(fā)芯片“斷供”危機(jī)，一家名為地平線的中國(guó)芯片企業(yè)卻迎來首次“上車”，成為繼Mobileye和Nvidia后，第三個(gè)實(shí)現(xiàn)汽車智能芯片前裝量產(chǎn)的 AI 芯片公司，也成為首個(gè)經(jīng)過量產(chǎn)驗(yàn)證的中國(guó)車規(guī)級(jí)智能芯片供應(yīng)商。如今，地平線已與包括長(zhǎng)安汽車、上汽集團(tuán)、奧迪等傳統(tǒng)車企巨頭，以及理想汽車等新造車勢(shì)力，達(dá)成在智能座艙與自動(dòng)駕駛等領(lǐng)域的多層次深入合作，包括芯片供應(yīng)、軟件算法協(xié)同、聯(lián)合開發(fā)等。首個(gè)量產(chǎn)汽車AI芯片征程2截至2020年底，出貨量已達(dá)16萬片，AI算力高達(dá)96 TOPS的征程5將于2021年發(fā)布，支持L4+自動(dòng)駕駛的征程6也已經(jīng)在定義過程中。

“未來十年的變化會(huì)非常有趣?！钡仄骄€副總裁兼智能駕駛產(chǎn)品線總經(jīng)理張玉峰向《汽車縱橫》表示，在軟硬件迭代，以及未來自動(dòng)駕駛出租車共享模式的推動(dòng)下，整車迭代周期加快，而汽車生意將迎來新的玩法。

通過“迭代賺錢”在今年已成為新造車勢(shì)力和傳統(tǒng)車企之間的共識(shí)。

2019年，特斯拉創(chuàng)始人馬斯克便表示：“高銷量和高利潤(rùn)率將對(duì)我們的財(cái)務(wù)表現(xiàn)產(chǎn)生深遠(yuǎn)影響。其中高利潤(rùn)率的部分將來自‘自動(dòng)駕駛套件’。（fullselfdriving computer，F(xiàn)SD）”2020年，有媒體測(cè)算FSD一季度為特斯拉創(chuàng)造2億美元的收入，至2021年將因此盈利數(shù)十億美元。

中國(guó)新造車勢(shì)力也正加速探索“迭代”的商業(yè)化。目前NIO Pilot、小鵬XPilot 3.0的選裝售價(jià)分別為3.9萬元和2萬元。而后裝價(jià)格則為4.5萬元和3.6萬元?！敖衲晡覀儠?huì)推出更好的政策，讓近一半后裝用戶使用上NOP?！蔽祦砥噭?chuàng)始人李斌在去年四季度財(cái)報(bào)電話會(huì)上表示。而小鵬汽車官方則表示，磷酸鐵鋰版P7的XPilot 3.0配置率高于P7整體的選配占比，“磷酸鐵鋰電池版本有可能轉(zhuǎn)化為更高的軟件普及率?！?/p>

2020年，奔馳發(fā)布面向2039年的轉(zhuǎn)型戰(zhàn)略時(shí)，奔馳公司董事會(huì)主席康林松表示：“如今，奔馳將著眼從服務(wù)到配件業(yè)務(wù)，以及愈發(fā)重要的，從OTA遠(yuǎn)程無線升級(jí)到訂閱服務(wù)，力求實(shí)現(xiàn)更強(qiáng)的用戶忠誠度、更高的重購率以及快速的經(jīng)常性收益增長(zhǎng)?！?/p>

要走通“迭代賺錢”的商業(yè)模式，擁有可支持迭代的硬件裝備是前提。當(dāng)前，在軟件定義汽車?yán)砟畹尿?qū)動(dòng)下，汽車正在成為四個(gè)輪子上的超級(jí)AI計(jì)算機(jī)。智能汽車電子電氣構(gòu)架也在逐步向中央計(jì)算構(gòu)架發(fā)展，整個(gè)過程將經(jīng)歷分布式ECU架構(gòu)到域控制器架構(gòu)，再到中央計(jì)算架構(gòu)的進(jìn)化。

在構(gòu)建軟件和服務(wù)團(tuán)隊(duì)能力的同時(shí)，越來越多的車企選擇預(yù)埋硬件，其中既包括高性能的激光雷達(dá)、攝像頭等傳感器設(shè)備，重要的則是“汽車大腦”中央域控制器的升級(jí)能力。而在智能汽車這個(gè)四個(gè)輪子上的超級(jí)計(jì)算機(jī)上，最核心的器件就是汽車智能芯片，是智能汽車的數(shù)字發(fā)動(dòng)機(jī)。

“我們正在支持車企做一些AI計(jì)算盒子，現(xiàn)在是基于征程2的盒子，未來只要接口一樣，就可以像積木拔插一樣升級(jí)成為基于征程3的盒子；這樣的盒子除支持軟件迭代外,還可進(jìn)一步支持計(jì)算平臺(tái)硬件的升級(jí)迭代?！睆堄穹灞硎?，地平線支持車企打造的AI計(jì)算盒子今年就會(huì)在多個(gè)車型上量產(chǎn)上車。

正是軟件定義汽車、訂閱迭代升級(jí)模式的出現(xiàn)，為地平線這樣AI芯片企業(yè)提供了“上車”的機(jī)會(huì)，但AI上車卻絕非坦途。

AI上車，滿足多領(lǐng)域的“車規(guī)級(jí)”

“AI芯片上車的挑戰(zhàn)在于滿足多領(lǐng)域的‘車規(guī)級(jí)’?！睆堄穹灞硎?。

一方面，相比面積小、功能單一的MCU（單片機(jī)）芯片來說，AI芯片面積更大、復(fù)雜度會(huì)高很多，因此滿足環(huán)境適應(yīng)性、壽命、可靠性和一致性等車規(guī)級(jí)要求的挑戰(zhàn)也更大。

另一方面，AI芯片掌控著智能輔助駕駛、自動(dòng)駕駛等關(guān)鍵實(shí)時(shí)任務(wù)，因此需要滿足苛刻的功能安全標(biāo)準(zhǔn)；在算法和軟件設(shè)計(jì)時(shí)，同時(shí)考慮功能安全和預(yù)期功能安全的相關(guān)問題。

即系統(tǒng)設(shè)計(jì)時(shí)要減少汽車電子電器硬件失效并降低失效造成的風(fēng)險(xiǎn)；在復(fù)雜多樣的運(yùn)行環(huán)境中，“軟硬件系統(tǒng)開發(fā)需能實(shí)現(xiàn)預(yù)期規(guī)劃的功能”，盡可能規(guī)避和降低由于預(yù)期功能不足以及性能限制或人員誤操作導(dǎo)致的汽車安全風(fēng)險(xiǎn)。除了苛刻的軟硬件要求，較長(zhǎng)的認(rèn)證和車型導(dǎo)入周期也是對(duì)AI芯片企業(yè)的能力和心力的一個(gè)考驗(yàn)。

在實(shí)現(xiàn)功能的同時(shí)，AI算法全面上車的另一個(gè)挑戰(zhàn)還在于要由“黑”變“白”。

作為實(shí)現(xiàn)復(fù)雜功能的軟件系統(tǒng)，AI模型本身是源代碼，甚至軟件內(nèi)部結(jié)構(gòu)都不透明的“灰盒子”甚至“黑盒子”，無法像傳統(tǒng)編程語言那樣被人理解和溯源。但車用AI芯片與人身安全高度相關(guān)，需要能夠回溯是哪個(gè)點(diǎn)哪個(gè)數(shù)據(jù)導(dǎo)致的問題，能夠?qū)栴}進(jìn)行復(fù)現(xiàn)和精準(zhǔn)的解決。

尤其是在自動(dòng)駕駛領(lǐng)域，將神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)、決策上時(shí)，“如果整個(gè)決策機(jī)制還是一個(gè)（無法準(zhǔn)確溯源的）灰盒子，車企就不敢用。這就是（與消費(fèi)類芯片不同）對(duì)整個(gè)算法架構(gòu)提出的‘車規(guī)級(jí)’要求。這也是全球行業(yè)都在共同探索的方向。”張玉峰表示。

算法驅(qū)動(dòng)，從感知到預(yù)測(cè)

滿足車規(guī)級(jí)量產(chǎn)“上車”只是AI芯片在車用領(lǐng)域邁出的第一步，真正的競(jìng)爭(zhēng)才剛剛開始。張玉峰向《汽車縱橫》表示，相比基于算力需求打造的傳統(tǒng)芯片，AI芯片是從場(chǎng)景出發(fā)、由算法驅(qū)動(dòng)架構(gòu)定義的芯片。

AI芯片研發(fā)需首先預(yù)判其要解決哪些場(chǎng)景問題，以此出發(fā)選擇最有效的算法，且要在未來3-5年保持算法解決問題的高效性。完成這一系列條件篩選后，再進(jìn)行AI加速核、系統(tǒng)架構(gòu)、接口、內(nèi)存吞吐等具體芯片設(shè)計(jì)。

而在高級(jí)自動(dòng)駕駛場(chǎng)景之下，高性能傳感器每小時(shí)傳回萬億級(jí)的數(shù)據(jù)量，而AI芯片的任務(wù)不僅是處理這些數(shù)據(jù)，還需要對(duì)世界進(jìn)行預(yù)測(cè)。“要讓車變成老司機(jī)，只是感知和認(rèn)知這個(gè)世界還不夠，還要能夠判斷世界下一步會(huì)發(fā)生什么?！睆堄穹灞硎?，“未來感知會(huì)是一個(gè)標(biāo)品，而智能的提升則依賴于認(rèn)知、預(yù)測(cè)和決策，對(duì)于處理能力的需求又要提升1到2個(gè)數(shù)量級(jí)?！?/p>

在摩爾定律之下，算力不是無限的，當(dāng)數(shù)據(jù)量指數(shù)級(jí)增長(zhǎng)時(shí)，單純疊加芯片算力的意義并不大，關(guān)鍵在于有效算力（包括計(jì)算效率）到底有多大。因此，AI芯片不以賬面算力論英雄，而以精巧算法和軟硬協(xié)同論優(yōu)劣。張玉峰以Google的EfficientNet（神經(jīng)網(wǎng)絡(luò)、AI）舉例，其神經(jīng)網(wǎng)絡(luò)深度只有22層，大?。▍?shù)個(gè)數(shù)）是同為AI翹楚的AlexNet的1/12，VGG的1/36，但模型結(jié)果卻更為優(yōu)越。這意味著Google的EfficientNet更適應(yīng)內(nèi)存或計(jì)算資源有限的運(yùn)算條件。

特斯拉此前公布的數(shù)據(jù)也顯示，與上一代英偉達(dá)芯片比，其FSD算力增加了3倍，可是它的真實(shí)計(jì)算性能（每秒準(zhǔn)確識(shí)別了多少幀圖像）提升了21倍。

“這種AI算法結(jié)構(gòu)和設(shè)計(jì)的提升，驅(qū)動(dòng)了（在數(shù)據(jù)量不斷增長(zhǎng)時(shí)）AI加速核的持續(xù)換代升級(jí)，并要求其架構(gòu)設(shè)計(jì)具有前瞻性。這樣的算法迭代未來還會(huì)經(jīng)常發(fā)生。” 張玉峰表示。這也是地平線持續(xù)在算法投入的原因。新一代汽車智能芯片企業(yè)，必須也是世界級(jí)的AI算法公司，去年地平線參加谷歌Waymo自動(dòng)駕駛算法挑戰(zhàn)賽，在五個(gè)比賽項(xiàng)目中拿下四項(xiàng)冠軍和一個(gè)亞軍。

今年地平線將推出旗艦級(jí)產(chǎn)品征程5，AI算力達(dá)到96TOPS。地平線創(chuàng)始人兼CEO余凱表示，其性能將超越特斯拉FSD?！罢鞒?是針對(duì)高級(jí)別自動(dòng)駕駛設(shè)計(jì)的一個(gè)專用芯片，其計(jì)算效率比其他1000TOPS通用芯片的效率還高，可以運(yùn)行L4級(jí)別自動(dòng)駕駛軟件，支持多傳感器融合、路徑規(guī)劃等應(yīng)用?！?/p>

“所以我們本質(zhì)上是一家AI軟件算法公司，為了面向智能駕駛和智能座艙應(yīng)用做到整體方案的更高能效比、性價(jià)比和競(jìng)爭(zhēng)力，而做了自己的AI芯片?！睆堄穹灞硎尽?/p>

開放合作，速度更重要

“現(xiàn)在我們還是專注做標(biāo)品，而每個(gè)廠商都希望實(shí)現(xiàn)差異化，最好的結(jié)合就是我們的標(biāo)品加上我們的開發(fā)工具和軟件能力去支持它，在標(biāo)準(zhǔn)基礎(chǔ)上做出差異化?！睆堄穹灞硎?。

向軟件型企業(yè)轉(zhuǎn)型已是傳統(tǒng)車企巨頭的共識(shí)，與此同時(shí)還有不少車企開始入局自有芯片研發(fā)。目前特斯拉已經(jīng)形成了從芯片到底層軟系統(tǒng)軟件，到智能駕駛?cè)珬＼浖惴ǎ秸囍圃斓耐暾怪闭象w系。

“在這個(gè)行業(yè)中，自己做芯片是可以的，但在當(dāng)前智能化大潮下，速度比是不是有自己的芯片更關(guān)鍵?！?/p>

張玉峰表示，“因?yàn)樘厮估鸩皆纾堑葥碛凶约旱募夹g(shù)經(jīng)驗(yàn)再去追趕，肯定等不起?！薄暗仄骄€的機(jī)會(huì)在于我們有芯片、有算法，和主機(jī)廠結(jié)合在一起，就可以形成特斯拉這樣的垂直整合能力?！?/p>

目前，地平線從芯片的前期定義、仿真、流片全過程，與主機(jī)廠形成高度并行化的聯(lián)合開發(fā)模式。以征程2為例，其在2019年3月流片完成前，便與頭部客戶簽好了定點(diǎn)量產(chǎn)協(xié)議，先于樣片開始在仿真平臺(tái)上進(jìn)行開發(fā)，并從芯片域控制器、算法上層應(yīng)用等幾大部分并行推進(jìn)，在一年之內(nèi)完成首個(gè)周期迭代，并于2020年年中上車。

除芯片供應(yīng)商的角色外，地平線還幫助該客戶打造其AI算法能力和團(tuán)隊(duì)?！坝纱?，車企可以基于我們的芯片和算法做一些定制化的差異性特色?！?/p>

事實(shí)上，這也是目前車用AI芯片公司與傳統(tǒng)主機(jī)廠的主要合作模式，英偉達(dá)與戴姆勒正是這樣合作的。

“在這樣一個(gè)智能化的新時(shí)代，汽車智能化要求芯片算力和復(fù)雜度越來越高，軟件部分的分量越來越重，自然而然就把懂算法的芯片廠家跟主機(jī)廠拉得很緊?！睆堄穹灞硎?。

除供應(yīng)芯片和后期支持服務(wù)外，地平線還有選擇地將其算法參考設(shè)計(jì)，甚至量產(chǎn)級(jí)算法開放給一些主機(jī)廠，“這樣它可以基于一個(gè)更高的起點(diǎn)來去迭代自己的算法，不用重新開始?！比绻耆凑諅鹘y(tǒng)供應(yīng)商的做法，談清楚需求和清單再開工，速度就慢下來了?！拔覀儗?duì)待當(dāng)前這個(gè)階段的看法是，速度和合作，比區(qū)分你的我的更重要?！?/p>

聯(lián)合開發(fā)也幫助地平線加快其開發(fā)的進(jìn)度和質(zhì)量?！拔覀儸F(xiàn)在只是個(gè)八九百人的公司，更多（項(xiàng)目）還是和車企一起開發(fā)?！睆堄穹灞硎荆鳛锳I芯片公司，地平線幫助車企構(gòu)建算法迭代能力，車企則將地平線芯片量產(chǎn)到車中，雙方合作更快形成完善的智能/自動(dòng)駕駛系統(tǒng)。

勢(shì)均力敵，地平線的機(jī)會(huì)

事實(shí)上，在地平線之前，高端車規(guī)級(jí)芯片供應(yīng)商集中在TI、恩智浦、瑞薩、高通等國(guó)際品牌，從來沒有中國(guó)企業(yè)。地平線開創(chuàng)先例的同時(shí)，也為中國(guó)車用芯片躋身全球芯片競(jìng)爭(zhēng)格局明確了道路。

相比強(qiáng)調(diào)設(shè)計(jì)制造技術(shù)的MCU，強(qiáng)調(diào)算法的AI芯片，和智能汽車的噴涌需求，為中國(guó)芯片企業(yè)提供了首個(gè)與國(guó)際廠商在車用芯片領(lǐng)域同臺(tái)競(jìng)爭(zhēng)的機(jī)會(huì)?！皩⑵囍悄苄酒龃笞鰪?qiáng)，最大的挑戰(zhàn)是如何與產(chǎn)業(yè)、行業(yè)相結(jié)合?！睆堄穹灞硎尽?/p>

AI芯片上車要面臨三重挑戰(zhàn)。其一是在有限的計(jì)算資源下達(dá)到足夠高的精度和穩(wěn)定性；其二是要結(jié)合汽車應(yīng)用的特殊性，滿足眾多的“車規(guī)”要求；其三是要從傳統(tǒng)造車的理念出發(fā)，將安全放在第一位。

在應(yīng)對(duì)挑戰(zhàn)的過程中，除了持續(xù)創(chuàng)新之外，對(duì)于地平線這樣的AI企業(yè)，反而需要補(bǔ)充了解汽車的傳統(tǒng)型人才和熟悉傳統(tǒng)算法的軟件人才，與AI人才一道形成互補(bǔ)方案，更好的滿足車用需求。

“中長(zhǎng)期我們則采用構(gòu)建生態(tài)的打法?！睆堄穹灞硎荆珹I芯片雖然處于智能/自動(dòng)駕駛的核心環(huán)節(jié)，但上下游產(chǎn)業(yè)鏈也對(duì)算法和芯片成功落地至關(guān)重要。因此，地平線與光學(xué)鏡頭、傳感器等相關(guān)產(chǎn)業(yè)鏈企業(yè)簽署了一系列的聯(lián)合研發(fā)戰(zhàn)略合作，“隨著我們的產(chǎn)品越來越先進(jìn)，就越需要與上下游企業(yè)做好溝通與合作預(yù)研，算法更為優(yōu)化的同時(shí)，也保證了量產(chǎn)交付的可靠性?！?/p>

除與硬件廠商做好聯(lián)合以外，地平線還與其它軟件合作方聯(lián)合開發(fā)，以覆蓋更多的應(yīng)用場(chǎng)景。“地平線的芯片足夠開放，可靈活支持從視覺到語音的融合，從高速到低速的多種場(chǎng)景。單靠地平線也做不過來，那就大家一起來。”

“2015年時(shí)，我們的愿景便是讓每輛汽車，每個(gè)電器都具有環(huán)境感知、人機(jī)交互和決策控制的能力。我們的初心一直沒有變?！睆堄穹逶诓稍L結(jié)束時(shí)說道。