3744
在可预见的将来，一辆汽车甚至相当于现在数据中心的算力级别，说它是“轮子上的数据中心”也不为过。在自动驾驶芯片竞争日趋白热化的今天，似乎算力越大越有安全感。就在这个高度“内卷”的赛道上，一家中国初创企业直言，“已经和英伟达提前锁定了决赛席位。”
自动驾驶芯片门槛高、投入大、回报周期长，一颗芯片和车企达成前装量产合作，要经历重重考验。一家初创企业何以有这样的信心？拥有了什么“神仙技术”？
探究地平线的造芯理念
日前，在地平线的“征程5技术开放日”上，地平线高级市场总监陈遥在开场演讲中用了一个比喻：“如果把大算力自动驾驶的比赛比喻为世界杯，那么地平线与英伟达已经率先进入百TOPS芯片前装量产的阶段，并提前锁定了决赛席位。”
地平线“征程5”号称是国内首款实现前装量产的百TOPS大算力AI芯片。今年上半年，“征程5”先是在实车环境下完成了城区复杂场景自动驾驶的闭环验证，之后，多家软件生态伙伴开始陆续推出基于“征程5”开发的高等级自动驾驶方案与原型Demo。从目前的规划来看，年内，“征程5”将完成全部车规可靠性测试与全面功能安全认证工作，达到量产成熟水平，基于“征程5”芯片的首个量产项目也会在年底正式量产(SOP)。
地平线联合创始人&CTO黄畅在接受<与非网>采访时表示，地平线的造芯理念可以概括为“以终为始”，即始终用系统的视角，去审视每个模块的设计与实现。通过大量基准测试及仿真平台的指导，抓住关键环节予以突破，进而再整合为一套系统。
他补充，这个技术理念跟特斯拉很像，但即使是特斯拉也没有任何一项技术是神仙技术。一旦谈产品、谈技术，面对的就是一个复杂系统，要解决的就是真实市场中的复杂问题。任何一个单项的技术它是否真的在解决主要矛盾、主要问题？还是说花了很大力气去提升一个模块，如果这个模块只占整个系统的1%，你把它优化100倍也没有什么意义。因此，根本不存在所谓单项技术“一招鲜，吃遍天”的做法，不存在“靠一项技术支撑起一整套系统”这件事情。
基于上述原因，黄畅表示，地平线非常注重软硬件的结合。“结合对算法的预判来设计整个系统中的算法、软件、硬件，其中，仿真平台是支撑设计高效运作的关键工具，而且是持续积累迭代的。通过不断仿真、测试，不断地从系统到模块、再从模块到系统进行调校，才会让你的能力越来越强，才会让你看未来的能力越来越强”，他强调，“设计本身就是基于对未来预判的抽象化表达，设计能力决定了技术型公司真正的核心竞争力，其实也就是预判未来的能力，能从定性的预判转成定量的设计。”
“软硬结合”还需“软硬解耦”？
谈及地平线的技术路线，黄畅强调了“软硬结合”和“软硬解耦”。
所谓软硬结合，是指一个计算平台的软件和硬件架构，在设计阶段需要充分考虑它们如何结合、如何能够更加高效地支持未来的算法趋势；而软硬解耦则是，当一个计算平台已经开发完成，它的硬件和软件提供给开发者去使用时，需要支持软硬解耦，本质上是算法、应用开发和计算平台的解耦。也就是说，软硬结合是针对计算架构设计阶段；软硬解耦则是指使用阶段、开发阶段，主要是从应用开发角度出发的。
黄畅表示，对于AI计算架构，通过软硬协同进行优化，才能实现高效、灵活的新一代架构。传统上芯片强调“PPA”，但是AI芯片往往强调的是APPA，第一个“A”就是指Accuracy，即算法的精度。
那么，如何通过软硬结合实现好的APPA？
硬件方面，包含片上存储阵列、张量计算组织、还有围绕计算架构的中间件指令集定义等等，都非常关键。软件设计方面，则要针对每个特定的算法进行分析，如何拆解重组，使之实现最大化的可并行性，使得一个算法在芯片推理过程中的效率足够高、延迟尽可能低、带宽尽可能节省；同时，数据并行、一站式分析也能发挥很大作用；片上存储管理和指令调度则覆盖了算法在芯片上运行的全过程。
以地平线BPU核心的AI计算架构为例，首先是对计算架构的建模。通过建模，针对任何一个指令序列，可以给出硬件的配置情况，并且可以去评估这个指令序列（其背后实际对应具体算法，通过编译器转化成指令序列）再加上硬件配置的情况，可以评估该算法跑在芯片或是BPU架构设计上，它的关键性能指标情况如何；另一方面，对应来自于Testing benchmark的算法，结合硬件架构信息，可以对模型的性能进行分析，这个时候相当于进行部署时的评估，主要关注性能和精准度。
在软硬结合理念的指引下，地平线的BPU架构，基于异构计算实现了良好的算力密度和能效比；软件架构方面，通过编译优化，最大程度利用了存储和计算资源，从而能够在更短的时间内完成AI推理任务；并且聚焦真实场景，通过对神经网络协同优化的计算架构，最终实现高效计算。黄畅表示，可以说第三代BPU贝叶斯架构，凝聚了地平线对AI、深度学习、自动驾驶场景的深度洞察，是先进处理器技术的集大成者。
软硬结合，征程5计算性能再攀升
地平线检测软硬结合的设计理念，在征程5上已经得到了佐证。最新数据显示，在硬件架构和算法都没有改变的情况下，征程5的AI计算性能，从最初发布时的1283FPS提升到了当前的1531FPS，性能提升近20%。黄畅透露，这主要受益于软件架构的改变，地平线的理念始终是：能让软件做的事情尽可能让软件做，硬件做简单、极致、高效且容易被软件灵活调用的功能。
这意味着，哪怕架构锁定、算法锁定，软件架构还可以持续进行改善，编译器还可以持续把同样一个算法在同样一个芯片上，通过编译、拆解、重组、部署和运行去进行调度，从而不断优化。
黄畅分享了对于AI芯片开发趋势的一个洞察，他认为，算法是客观大趋势，对于AI芯片公司、计算平台公司来说，更多只能去预判、去识别，而所能掌握的两个要素就是硬件架构和软件。所以，在芯片定义阶段，需要多关注硬件计算架构如何被算法定义；当芯片开发完成，需要聚焦如何通过编译去优化软件，实现更强的计算性能。
至于如何评估一颗AI芯片的效能？黄畅认为，最合理的指标就是FPS/Watt或FPS/$，也就是芯片为了达成AI处理性能所付出的功耗和成本。
他将体现真实AI效能的FPS/Watt或FPS/$指标分成三部分解释。如下图，第一列TOPS/Watt & TOPS/＄数值由硬件架构决定，通过芯片架构和制程工艺的演进可以持续改善；中间一列Utilization则属于软件架构，也就是征程5性能提升的关键；最右一列的FPS(Frames Per Second)，即为实现单位有效算力的算法处理速度，更能反映AI芯片的真实计算性能。FPS由算法架构决定，也被称之为算法领域的新摩尔定律，大约会在9-14个月的时间内将AI任务需要的计算次数和复杂度降低一半。
黄畅强调，地平线关注峰值算力的持续提升，但本质上更加关注有效算力的提升。算力大、更要算得快。在他个人看来，自动驾驶L2+级最好就能达到百TOPS量级，因为随着全场景自动驾驶的复杂度越来越高，没有足够有效的算力进行处理，将很难满足实际需求。
依照这个评估标准，在典型分类模型下，征程5在处理单帧输入的百万像素大图时，其性能达英伟达Xavier的 6.2倍；针对高效模型（EfficientNet）更接近自动驾驶场景的物体检测，同精度下，征程5的性能是Xavier的9倍多，Orin的近3倍；能效比方面，在达到更高性能的条件下，征程5的能效比接近Orin的9倍。
完整、成熟、易用的整车开发平台亦是关键
对于一款车规级AI芯片来说，性能上吊打对手只是一个关键因素，更重要的是，需要提供全方位的安全保障和完整、成熟、易用的整车开发平台。目前，地平线已拥有完整的安全认证体系，征程5完整芯片方案均符合ASIL-B产品认证标准。那么，如何基于这些既有优势和积累，进一步扩大产品应用生态？这应该是地平线当前在大力布局的重点。
地平线智能驾驶产品规划与市场高级总监吕鹏坦言，“当前，汽车智能化从开发到交付全流程的效率其实并不高。如果没有操作系统和开发工具链的支持，一颗空有算力的AI芯片，不但无法运行，也直接降低了整体的开发效率。”
要和车企达成前装量产合作，支撑车企各类车型的量产落地，自动驾驶芯片设计还必须考虑能效比、算力和效率、芯片适配性、灵活性和全面性、开发便捷性、安全认证等多项关键评估指标。
也正是如此，地平线提供了从最底层的开发套件与参考设计，到基础操作系统、应用中间件，再到各类算法、AI芯片及软件栈的一整套丰富、成熟、完善的系统工具，希望能够帮助用户大幅降低在地平线芯片平台的开发难度、投入成本，缩短开发时间，提升开发效率。
对芯片来说，量产与否，其实是一个很大的分水岭。也只有芯片量产之后，这些工具才有可能被别人使用。吕鹏表示，好的工具链很多时候都是“用出来的”，它的成熟度靠大量的用户、开发者，一步步去使用、迭代、升级，最终才形成了一套完整易用的开发平台。
地平线征程2、征程3到现在的征程5大算力平台，已经构建起了包括芯片、硬件、基础操作系统、应用中间件、分布式算法等一系列完整的平台工具。
例如AI开发套件，除了征程5芯片，还包括了征程5 EVM开发版、征程5 SOM、PCIe形式的集群加速卡、Matrix 5整车智能计算参考平台。其中，Matrix 5是更接近于量产级的参考设计，包括单颗/双颗/4颗征程5硬件方案，对应算力从128TOPS到最高512TOPS，而且这些硬件方案都提供了相应的原理图参考设计，有助于快速开发设计。
目前，已有包括大陆集团、东软睿驰、立讯集团、联成开拓在内的10家合作伙伴推出了基于Matrix 5相关参考设计的域控产品；近期，地平线还官方授权了3家硬件IDH合作伙伴：映驰科技、金脉、天准；还有多家合作伙伴在行业中拿到了车型的定点，面向相关的量产项目去进行相关的开发和交付。
开发工具方面，地平线有天工开物平台和艾迪平台。其中天工开物的AI工具链可以提供非常高效的自动化环节，帮助客户以最小的精度损失实现量化的过程；AI的艾迪开发工具平台是地平线面向软件2.0趋势的一个背后引擎，它是一个能进行高效AI训练、测试和管理的工具平台。
写在最后
大算力自动驾驶芯片的发展已驶入快车道，征程5最晚今年年底搭载上车，从平台性能和“卡位”的时间节点，以及百万级出货、处理问题的方法论、体系流程的建设、对自动驾驶理解的Know-How等要素来看，地平线都已经拿到了“决赛”资格。不过，接下来的布局和发展规划仍非常关键。
业内曾把开发自动驾驶AI芯片比作攀登珠穆朗玛峰，但事实上，开发出一颗算力彪悍、效能优越、且最终实现量产、完成所有车规认证的芯片，离峰顶仍有不小的距离。不妨说，真正要翻越的珠峰，不是芯片本身，而是庞大的生态体系建设。
这个高速发展的赛道当前所处的阶段就决定了，行业生态需要“极致的开放度”。从车企的角度，希望在基于某一平台的基础上，有更多、更丰富的供应模式；从地平线的角度，定位于Tier2，通过芯片+工具链和平台，希望达成越来越多的生态合作、触达更多的资源，支持Tier1和OEM完成量产和交付。
正如采访中，地平线所传达出的一个关注点：如何客户和合作伙伴带来最大的价值？这是其未来关键，也只有这样，才能获得更好的商业回报，才是这个赛道保持前进的最大动力。
下载ECAD模型
