如何打造自动驾驶计算中枢？地平线车规级AI处理器背后的“秘密”

*地平线（上海）芯片研发总经理吴征

雷锋网新智驾按：10 月 26 日至 27 日，2018 全球智能驾驶峰会在苏州召开，本次峰会由苏州市相城区人民政府主办，苏州高铁新城管理委员会、雷锋网新智驾和数域承办，邀请到来自主机厂、科技公司、资本机构和产业研究机构等领域的多位专家，共同打造了一场智能汽车和自动驾驶领域的顶级峰会。

本次峰会上，地平线（上海）芯片研发总经理吴征发表了题为《车规级AI处理器—打造自动驾驶计算中枢》的主题演讲。吴征博士曾在三星半导体、矽玛特、飞思卡尔和摩托罗拉等多家跨国公司担任中国区高管职位。吴征博士从事芯片/半导体行业超过二十年，近期加入地平线，负责研发自动驾驶的AI车规级处理器。这也是吴征博士加入地平线以来的第一次公开演讲。以下为吴征演讲全文，雷锋网(公众号：雷锋网 (公众号：雷锋网) )新智驾进行了不改变原意的编辑（略有删减）：

地平线是一家什么样的公司？

如今我们已进入一个大数据时代，无论是人们在淘宝、京东网上购物，或使用手机上网、拍照，或在市区里开车“一不小心”被拍......生活中无时无刻不在产生大量的数据。日积月累的数据量非常庞大，但多数情况下，众多貌似是重复性的、无用的数据被搁置在旁，真正使用时又非常困难。

如何将大量的无用数据转化成有用数据，挖掘其背后的价值？这是一个很大的挑战。这涉及到如何有效地进行数据处理，本质上看，这是一大计算问题。

AI作为一种的关键技术，它基于大数据进行训练和推理，可将无用数据进行“识别”， 把非结构化数据转化成结构化数据，提取有用的信息。首先，我们来回顾一下近几年AI计算芯片的发展：

• 英特尔的CPU传统架构，在处理大量数据方面显得效率不高，算力不足；

• 后来，英伟达的GPU被应用，其计算能力强，性能强大，但也有局限性，比如功耗高，成本贵；

• 最近几年，FPGA盛行，其架构适合CNN计算，能耗比高，现场可编程适合各种场景，但对一般开发者来说，其开发较难；当大规模量产时，成本、功耗也比较高。

最近几年，一些平台公司，例如Google，本质上是一家软件互联网公司，亦开始拥抱硬件，甚至进军芯片。很重要的一点是，庞大的数据量需要有效处理。目前越来越多的公司开始考虑软硬件融合，打造生态圈。

作为一家技术驱动型的公司，有着强大人工智能算法的地平线，自成立即定位于一家软硬件结合的公司， 其核心是要打造自己的BPU (Brain Processing Unit）芯片，类似于 Google 的TPU。地平线瞄准的是嵌入式AI 芯片，应用在物联网方面的终端产品，节点和控制设备， 专注于边缘计算。这与研发服务器，云端AI芯片不同， 前者计算性能更强大，同时功耗和成本也是需要考虑的问题。

AI计算技术与应用场景高度相关。以人脸识别和自动驾驶环境识别为例，其训练、推理及算法不同。 在一定程度上可以理解为：场景决定算法，算法决定芯片。反之，芯片又要求有算法，只有软硬件接合，提供解决方案应用到场景才能最终解决问题，这是一个闭环系统。

2015年成立之初，地平线确定专攻AI嵌入式芯片，当年9月开始研发BPU；这期间地平线也在发力FPGA，同英特尔合作开发ADAS系统；去年6月，地平第一代AI芯片（BPU）流片，并在去年年底发布了第一代AI芯片“征程”和“旭日”。地平线BPU架构正在不断完善，性能更强，于今年初发布基于BPU第二代架构的Matrix视觉感知方案，并在CES上进行公开实车Road Show。今年地平线两款芯片已经开始量产。

今年底，地平线将完成新一轮融资，金额为5-10亿美元，投资方包括一家和英特尔规模相当的芯片公司，以及一家知名汽车厂商。

以BPU为核心，地平线提供的是一整套软硬件综合解决方案，包括芯片，算法，编译器和运行时库，以及训练仿真的综合平台。业务覆盖三大领域：智能驾驶、智慧城市、智慧零售。

车规级AI处理器

算力是智能驾驶芯片的核心问题，地平线专注于视觉感知领域。

车规级AI处理器的研发目前面临几大挑战：强大的计算能力，可靠性，功能安全，和质量管理与长周期的支持体系。

目前一辆汽车大多装载多个摄像头，每个摄像头或720P，或1080P，每秒30帧。未来车身上会有越来越多的摄像头，6个、8个甚至12个，逐渐升级的分辨率，为自动驾驶带来的是巨大的数据处理量。另外一方面，基于神经元网路的AI计算量也是巨大的。

就目前看来，面向L2、L3级自动驾驶处理器的算力要求达到数十个TOPS，L4到L5级将达到数百，甚至千TOPS级的要求。

不同于用在一般消费产品方面的芯片，用于汽车方面的半导体面临的环境更严苛，对可靠性要求高。感知决策关系着汽车与人身安全，所以对功能安全要求更高。

一款芯片从芯片定义，设计，流片，测试和验证，到获得车规级认证需要花费很长的时间。另一方面，汽车芯片进入供应商或主机厂，从导入设计到设计采纳，一轮轮测试与验证，一款芯片与OEM磨合成功，并实现真正量产至少需要3-5年。这是一笔很大的投入。而且，汽车上的MCU、信息娱乐等芯片目前并没有中国品牌的身影，可见应用到汽车方面的半导体芯片的门槛非常高。

应用于汽车方面的芯片或车规级芯片与消费级芯片不同，可从以下几个维度进行对比：

• 温度方面：消费级芯片使用温度一般在0°—70°；工业级半导体使用温度更宽一点；在汽车上，温度需要低至-40°，高温要到105度到125°；

• 从使用周期来看：消费型半导体为1—3年，而一辆汽车的寿命至少为10—15年；

• 从现场失效率来说，消费等级的是小于10%， 而汽车芯片的目标要求为零失效率。

值得一提的是，汽车半导体需要通过AEC-Q100认证。在质量认证方面，除零失效率，汽车半导体产商还需经过TS16949质量管理认证和10年以上的支撑体系。

另外，和安全相关的芯片应用到汽车上，需经过功能安全认证，来保证安全护航。这是值得重视的一点。

为什么功能安全认证如此关键？

和手机相同，电子信息化比重越来越大的汽车可以看作为是一个复杂的嵌入系统，无法做到尽善尽美，失效是不可避免的，一般分为两种情况：

• 系统失效，或因产品的系统规格不完善，或因硬件芯片设计或软件开发中的“错误”；

• 随机失效，这或是个永久性错误，例如汽车的老化效应造成电路某处连接出现问题，或者是瞬态错误，例如某一瞬间的电干扰。所以参局者需要遵从业界最好规范来减少这些系统失效的风险，实施安全机制来减少随机失效的风险。

功能安全对应汽车方面即ISO26262标准。这是一整套流程，即从需求，开发，验证到认证，从IP，EDA工具到芯片设计，从硬件到软件，系统均有规范，形成一套完整的功能安全体系。面向量产的芯片需经过认证达到一定ASIL等级，例如和ABS，EPS相关的芯片必须达到ASIL-D等级。

接下来，再看面向自动驾驶的AI处理器如何满足强大算力的需求。

传统的冯诺依曼架构已无法满足深度学习的计算要求，地平线自主创新的BPU，是一种多指令多数据MIMD架构，其能够满足数据流的计算要求，实现灵活的数据分发和计算的并发异步处理，并对CNN计算中关键的乘加运算（MAC）单元达到很高的利用率，所以地平线BUP的每瓦TOPS性能相当突出。

地平线车规级AI处理器芯片的最新进程

地平线BPU于去年发布的第一代高斯架构，到目前的第二代基于伯努利架构，均采用新型稀疏二值化神经网络结构，可支持更多路视频输入，支持多传感器融合，目前主要集中在感知领域，后期将进行定位，建模，预测，路径规划到最终决策。

地平线面向智能驾驶的BPU和Matrix视觉感知系统，已经向欧美汽车厂商交付。BPU 2.0可以实现多路摄像头、多场景融合，能效更佳,  可在30W的功耗下实现基于像素级的图像识别分割，可识别人、牌照、车型、交通红绿灯、路标、障碍物等等。

地平线目前的第二代车规级AI芯片，已进入最后的开发阶段。与第一代不同，前者从方框级的识别精确到像素级的语义识别。

总体来看，基于自动驾驶，地平线打造的是车规级AI处理器或SoC，提供相关的软件算法，核心编译器、运行时库，训练，工具链一整套的平台和整体解决方案。

最后，以地平线量产的两款芯片名字来结尾，用于智能IPC的旭日（Sunrise）和用于智能驾驶的征程（Journey）。在地平线看来，自动驾驶目前正在蓬勃发展阶段，但未来的发展依旧面临挑战，无论是商业大规模落地还是技术实现方面。但这是一段美好的征程，我们将像AI的深度学习一样，不断的学习，不断的进步，攀登一座又一座的高峰，最终达到幸福的彼岸。

。