您正在使用IE低版浏览器,为了您的雷峰网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
此为临时链接,仅用于文章预览,将在时失效
智能驾驶 正文
发私信给彭赛琼
发送

0

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018

本文作者:彭赛琼 2018-07-27 18:15
导语:自动驾驶领域道阻且长,算力要求、车规、产业化的影响因素使AI芯片公司面临更多的挑战。

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018

雷锋网按:2018 全球人工智能与机器人峰会(CCF-GAIR)在深圳召开,峰会由中国计算机学会(CCF)主办,雷锋网、香港中文大学(深圳)承办,得到了宝安区政府的大力指导,是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会,旨在打造国内人工智能领域最具实力的跨界交流合作平台。

人工智能的浪潮带动了AI芯片的创业潮流,而在AI芯片中,有人说,自动驾驶的芯片才是AI芯片的珠穆朗玛峰。自动驾驶领域道阻且长,算力要求、车规、产业化的影响因素使AI芯片公司面临更多的挑战。针对这一主题,2018 全球人工智能与机器人峰会(CCF-GAIR)的智能驾驶专场的圆桌上,雷锋网新智驾邀请到了零跑汽车副总裁许炜、西井科技CEO谭黎敏、黑芝麻智能科技芯片架构副总裁齐峥、地平线市场拓展和战略规划副总裁李星宇,四位嘉宾共同探讨。耀途资本的合伙人杨光是本场圆桌的主持人。

在圆桌开始之前,四位嘉宾向在场观众作了简单的公司介绍和公司在芯片方面的进展。

主机厂视角——零跑汽车

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018
*零跑汽车副总裁许炜

许炜表示,零跑的定位是IT人造车。与偏向软件和交互的 “互联网造车”概念不同,零跑更偏向于软硬件的结合——包括生产、制造。目前零跑已经规划了三个整车平台,另外还自研出了三电系统以及智能网联系统、自动驾驶系统。零跑位于金华的智能制造工厂也将在今年7月份封顶,11月份投产。

目前,零跑正与其股东大华联合开发AI自动驾驶芯片“凌芯01”,预计明年2月份进行实车应用。许炜介绍,项目在2017年底已经开始启动,在2018年5月到6月开始集中验证,到2019年,零跑将会进行实车的验证。

许炜表示,到2019年,零跑第一辆上市的车将会达到L2的水平,实现城市跟随和交通拥堵路况跟随;在2020年通过后端的软件支撑,实现L3级别的功能;2022年争取实现特定工况L4级的驾驶水平。

应用场景视角——西井科技

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018
*西井科技CEO谭黎敏

谭黎敏表示,比起All in AI,西井更希望做到Ai in All,让AI赋能各个行业。他认为,场景、数据和技术驱动了AI。而这三者当中,场景最受关注。

他表示,西井科技目前的发展路线是从芯片到算法,再开拓到应用层。今天,西井科技还有自己的自动驾驶产品。西井科技希望研究出一个行业的解决方案,芯片和算法就是西井科技的优势。2017年10月,西井科技完成了一颗流片, 该芯片参照了一定的仿生原理,脉冲神经网络的一部分成果运用在这个芯片上。

西井科技从AI芯片起步,进入到自动驾驶领域,是因为其在2016年年初进入的应用场景是智慧港口。目前,西井科技有两条产品线——与振华重工(目前全球港口港机市场占有率80%)合作的无人跨运车,以及西井科技开发的无人驾驶集卡。

芯片架构视角——黑芝麻智能科技

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018
*黑芝麻智能科技芯片架构副总裁齐峥

齐峥表示,自动驾驶SOC已经成为了最具有挑战性的边缘芯片,主要表现在几个方面,首先是芯片的设计和验证非常复杂,集成了大量第三方的IP,需要集成很多软件模块;其次,汽车应用对于功耗、可靠性和功能安全的要求非常高;高性能芯片需要用最先进的封装设计,这给芯片的加工、生产和测试带来了很大的挑战。

他认为,只有自动驾驶获得稳定、可靠的感知和认知后才能保证安全。要达到这一目的,要有清晰的图象和视觉,以及优化的算法对获得的图象的视觉进行智能化的分析。此外,还需进行多传感器融合的技术,对芯片的要求就非常高。

他表示,黑芝麻在把传感信息收集起来之后,对于图象进行增强,接着对图象进行智能化的分析,最后再对系统的软件、硬件进行全程的优化。在安全性、功能都优化后,黑芝麻科技才将芯片提供给客户,实现端到端全栈式的平台解决方案。黑芝麻科技已经与很多合作伙伴达成了合作关系,核心是视觉感知和传感器融合的综合运算平台。

计算构架视角——地平线

为什么自动驾驶芯片是人工智能芯片中的珠穆朗玛峰? | CCF-GAIR 2018
*地平线市场拓展和战略规划副总裁李星宇

李星宇表示,今年,AI芯片是人工智能业界最大的主题,但是在AI芯片公司中,投身自动驾驶这一赛道的公司并不多。自动驾驶对算力的要求是最高的,对初创公司来说,是巨大的挑战。

在自动驾驶的算力需求下,芯片的设计很容易达到功耗、成本的极限,因此需要逆转设计理念,从算法出发,推导所需要的计算构架。跟GPU构架的性能相比,地平线第二代BPU的构架的优势非常显著。这种算法和计算构架的协同设计,使得地平线也极大地提高了计算能力的利用效率。

自动驾驶的设计首先面临的挑战就是计算构架,面对人工智能算法的高速演进,深厚的算法积累对芯片设计非常重要。

第二个挑战是功能安全。在汽车安全领域,要使自动驾驶达到ASIL-D的要求,流程上要符合ISO26262的全生命管理,就需要在开发流程设计、验证等所有步骤中做到符合规范。

第三个挑战是成套技术的开发难度高。不同的环境对系统架构的需求不同,因此需要开放的平台来支撑。但开放的平台需要完整的工具链,从云端的训练平台到端上的编译器,一套技术开发的难度可能是研发芯片的5倍甚至10倍。

圆桌探讨

这四位嘉宾针对“为什么自动驾驶芯片是AI芯片的珠穆朗玛峰”这一问题,进一步进行了探讨。以下是圆桌内容,雷锋网在不改变原意的基础上进行了编辑。

杨光:现在大家投身AI,有很多的场景,为什么大家选择了智能驾驶?对这个问题我想请黑芝麻和地平线的两位跟我们分享一下。首先请齐总讲一下,黑芝麻为什么没有从其它的场景出发,而是专注做自动驾驶?

齐峥:我们认为自动驾驶是改变下一代人生活的关键技术。由于AI科技的进步,由于芯片计算能力的提高,汽车将面临一场革命,给我们带来机遇和挑战。自动驾驶芯片面临很多挑战性,让我们这些小公司能够提供独特的技术,来迎接这些挑战和市场机遇,这是我们最后决定这一方向的很主要的原因。

杨光:地平线也是一样,地平线在创业初期也尝试过很多不同方向的AI应用,现在专注在做自动驾驶,请李总分享一下。

李星宇:从技术来讲,自动驾驶芯片是所有AI应用中难度最高的。这就意味着如果我们能够将自动驾驶的芯片做出来,在其他赛道上的应用就是降维攻击。地平线的想法是万物智能,但创业公司不可能同时触及所有行业。把最高的行业攻克下来后,才有能力去开拓生态,通过降维的方法实现万物智能的梦想。

杨光:自动驾驶芯片也是目前L3、L4级自动驾驶走向量产的瓶颈,在主机厂看来,我们究竟需要什么样的算力、什么样的芯片,才能让我们真正走向自动驾驶?有请许总谈谈您的观点。

许炜:在我们自己的自动驾驶设计中,需求主要有四个方面,第一是感知,第二是融合,第三是规划和角色,第四是人机交互。从我们的架构和算法、算力的情况来看,我们觉得感知这一层,算力要求TOPS接近20到30。从融合角度来说,我们的算力处于T级。如果从规划决策来看,简单场景可能是T级,复杂场景可能到10T左右。自动驾驶的演进不仅仅是外部的物体情况,我们也关注车内驾驶员的情况,尤其在L2、L3的时候,检测驾驶员是否疲劳,或者进行驾驶员驾驶工况的模拟,这一部分的算力预计也在大概10G左右。

杨光:除了这些东西,我们一直没有探讨成本的问题,大家从行业的角度看,什么样的成本能让自动驾驶芯片走向量产?这个问题我想问一下西井科技的谭总。   

谭黎敏:按照我们的理解,这个问题分两个维度,一个是降成本,我们会通过压缩算法、减小芯片的面积,以及量产来降低成本。另一个维度是帮助用户发现芯片的价值,减少用户对成本的敏感度。在初始阶段我们不会过于关注成本问题,当然成本在产品中一定是越来越重要的衡量指标。

杨光:其实现在自动驾驶芯片还在比较早的阶段,可能也很难在早期拿到整车厂的订单的情况,在这种情况下,我想请各位回答一下你们对成本的考虑是怎样的?

齐峥:实际上从芯片优化的角度来说,功耗、良率都是很重要的。这样就需要非常有经验的芯片设计团队,保证芯片顺利地流片。这也是芯片降低成本的非常重要的途径。

李星宇:过去,芯片基本上是按照面积定价的,但是在自动驾驶领域,已经摆脱了这种定价模式。

对地平线来说,我们把芯片当成软件的载体,基于商业的ROI推算成本。另外,我们看到,在实践中,特斯拉的自动驾驶的硬件是8000美金,如果使用它的软件,需要再花9000美金,这代表了软件的重要性,以及软件背后的服务,这是我们对成本的定义。

杨光:其实很多领域都在探讨,自动驾驶领域中ASIC芯片是否为终极方案,在FPGA、CPU+GPU的架构是否也可以实现?大家对这个行业的趋势是怎么判断的?为什么用ASIC是最高效的?

许炜:使用ASIC首先是出于成本,同样的算力,ASIC的成本要比GPU、FPGA、DSP要低。或许使用ASIC前期的投入较大,但量产后就能回收成本。第二,ASIC的运行效率要比其他的方案要高。从我们的角度来看,这是自动驾驶的需要,因为自动驾驶称得上是对安全要求最高的一个行业。

谭黎敏:自动驾驶是非常适合使用边缘计算的场景。云的延时性使之无法达到自动驾驶的安全保证要求,自动驾驶的计算不能放到云端。ASIC有非常好的功效,比起传统的处理器要更理想,功耗更低,处理特定任务的表现更好。另外,当ASIC稳定之后,可以将其和其它的处理器一起做成SOC,这样协调的效率也会做得更好。

齐峥:FPGA和GPU是通用性的芯片,所以在计算单元和编程的模式都要考虑其它应用。通用芯片在原型开发时表现很好,但到真正量产的时候,就会遇到很多瓶颈问题。比如计算效率、资源的限制等等。而AI芯片的需求是非常大的,因此ASIC的优势就体现出来了。

李星宇:高盛最近有一个报告,预测了2025年,FPGA、GPU和ASIC的比例。到2025年,GPU仍然占据2/3的市场,但是FPGA和ASIC的增长幅度较大,这个数据可以说明,从GPU到FPGA,再到ASIC,是一个灵活性逐渐减弱,成本逐渐降低的过程。

在自动驾驶系统部署的初期,大家不会在意成本,这时候使用GPU有利于抢时间、卡位,所以它的市场占有率比较高。但是在产业化的后期,成本成为比拼的重点,这时候FPGA和ASIC的市场占有量就会上去。在增长上,FPGA明显比GPU要高,ASIC又比FPGA要高。

杨光:大家觉得目前是一个什么样的环境,这条创业之路的风险是不是特别高?

李星宇:我们坚持一个原则——做正确的事,而不是做容易的事。地平线也在这个过程中不断地成长、不断地摸索,我们最近也邀请了国际顶尖的半导体公司的专家加入。自动驾驶的前景足够高,值得追求,能否成功,往往取决于态度和定位。

最近宁德时代上市给了我很大的触动,他们之所以成功地从锂电池的红海中杀出来,就是因为他们一开始就制定了最高水准的要求,服务要求最高的公司。地平线也把全球最顶尖的车厂Tier1作为我们的主要客户,与他们共同成长,这样成长的空间也是最大的。

齐峥:确实有很大的风险和挑战,但是它同时也是一个机遇,首先这个行业是非常新的,在这个领域它的技术和商业的运行模式都在变化,在过去,车厂几乎不可能主动跟半导体厂家交流。另外,芯片设计的难度非常高,需要资深的团队。

黑芝麻也请了一些半导体领军人物,带领研发。另外,在架构实施上,我们也有一个平台化的概念,让我们的产品能够扩展,应用到不同的方向,或者为未来的需求留余地,从这几个角度,我们觉得都是能够减低风险,最后能够成功的一个策略。

谭黎敏:其实风险还有分别的,自动驾驶肯定仍需要通用处理器。今天我们聊的大部分都是针对深度学习或者是AI的ASIC,其最大的风险是自场景的不确定性,因为任一AI场景都需要特定的优化和开发。这也是地平线针对车和安防部分有的特定的两个产品线,而不是布局全行业的原因。

我们瞄准的是用户的痛点,为他们提供解决方案。我们获得的场景数据都是一线的真实数据,又能优化和进一步开发底层。今天如果我们花大量的时间和团队精力去针对主机厂、Tier1不同的场景、不同的需求做开发,这对一个初创公司来说,是耗不起的。所以采用打包的方式,在保证核心技术竞争力的同时,给用户提供解决方案。盈利问题是初创公司最大的风险,这是需要优先考虑的。

杨光:对主机厂来说,选择一个成熟的方案,肯定能降低风险,但在中国目前缺乏特别强的Tir1的情况下,主机厂有能力去自主选择这种自动驾驶芯片的初创公司吗?请许总分享一些不同的观点。 

许炜:整车的集成复杂度是比较大的,零跑从整车开始切入,主要还是看重汽车向电动化、智能化的演变过程。在手机行业中,诺基亚、爱立信、摩托罗拉已经淡出,取而代之的是苹果、小米、华为,整车厂也有类似的机会。零跑和大华开发智能驾驶芯片,也遇到了你说的问题。英伟达PX2和其它的方案,整机功耗和成本都非常高。我们想开发一款满足自身算法性能、算法架构、算力要求的芯片,从而降低产品成本并提高竞争力,这是我们选择和大华联合开发芯片的原因。

雷峰网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章
当月热门文章
最新文章
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说