科技猎中国芯出海，地平线携两款人工智能芯片杀到了CES，这是他们研发2年的思考
CES 2018是这家成立两年半的公司第二次参加CES。上届CES，地平线与Intel合作推出基于Arria FPGA的ADAS原型。因为原型所展现出的高性能、低功耗以及团队敏捷的开发效率，这年地平线获得了Intel Capital领投的上亿美金的A+轮融资。
而后今年的拉斯维加斯，地平线在第二代BPU架构的基础上再次推出基于Intel FPGA的自动驾驶系统原型。更重要的是，他们还带来了数月前流片成功的2款人工智能专用芯片。
征程1.0处理器
本届CES开始前，雷锋网再次采访了地平线创始人兼CEO余凯，请他聊一聊过去2年地平线研发芯片的经验，以及芯片发布之后应用和落地的思考。
（1月16日，雷锋网将在旧金山湾区举办GAIR硅谷智能驾驶峰会，峰会将邀请中美两地数十家自动驾驶公司演讲，并有近百家两地产业链公司到场。访问详情：
gair.leiphone.com/gair/gairsv2018
。我们也邀请了地平线联合创始人兼CEO余凯老师在本次峰会上分享公司的最新动态和技术思考。）
打造嵌入式人工智能专用处理器
在刚刚过去的12月，地平线于北京召开盛大的发布会，对外展示的正是2款嵌入式人工智能专用处理器：面向智能驾驶应用的征程1.0和面向摄像头应用的旭日1.0。两款处理器均是基于地平线的第一代BPU架构——高斯架构。关键性能指标分别是：可实时处理1080P@30的视频，每帧中可同时对200个目标进行检测、跟踪、识别，典型功耗1.5W，每帧延时小于30ms。
对外，地平线早在一年多前就公布了3代BPU架构设计的路线图：高斯架构 - 伯努利架构 - 贝叶斯架构。三代架构，性能与功耗比依次提升，工艺也从40nm演进到16nm。在内部，自2015年10月招募第一位芯片工程师开始，地平线今天组建了一支60人左右的专业芯片团队。
针对地平线芯片的发布，国内人工智能领域泰斗张钹院士的评价是， 用算法和软件来定义硬件，专门面向深度学习算法的硬件极大地提高了计算效率，这为硬件的发展提供了新思路。 而对地平线来说，这也恰恰是2款芯片研发的难点，需要团队同时具备软件算法和硬件两个领域的经验思考。
按照原定的研发规划，地平线会在去年的5月份进行芯片的流片。余凯当时正在底特律出差，5月的深夜他与芯片团队沟通，决定推迟流片排期。
余凯向我们解释：一般来讲，在对芯片硬件开始设计前，芯片的整个软件架构需要完全确定。但实际上，针对深度学习优化的人工智能专用芯片很少有人做过，在研发的过程中算法和软件团队会修改甚至推翻一些小的决策点，于是这对于硬件团队来说造成了非常大的挑战，导致在原定的芯片排期内仿真做得不够。好在推迟排期后，他们又与台积电积极协调，争取一个月内重新安排了流片。
地平线给自己设计的定位是具有自主芯片IP，提供完整开放嵌入式人工智能解决方案的供应商，而这两年，地平线主要的业务领域是自动驾驶和IoT。 如何面向自动驾驶和广泛的IoT领域提供一个通用的优化过的计算架构，使得芯片开发有很高的效率，同时针对垂直应用场景又有很好的效果，这可能是芯片研发的第二个难点。
这也是为什么这次发布的2款处理器都是视觉处理器。2款处理器都是基于高斯架构，但针对不同的应用场景做了不同的封装。同样团队配置上，地平线在60来人的芯片团队之外，建立了一个100 - 200人之间的应用开发团队，负责自动驾驶和IoT两个方向。
自动驾驶的落地与产品化
2016年，地平线向博世授权了一份与ADAS相关的软件，这也是公司当年一项重要的业务。而随着高斯架构的确立，地平线先后在GPU、ARM、FPGA等多个平台上实现了基于自主IP架构的解决方案。比如CES 2017上，地平线采用Intel FPGA搭建基于高斯架构的ADAS系统，并就这个系统在与一部分的车企和供应商开展合作，正在功能验证的阶段。
眼下，征程1.0是一颗工业级的芯片，余凯说团队希望在未来1年之内推出车规级的芯片。同时，面向车辆前装的周期是漫长的。地平线目前可以向行业客户提供基于征程1.0的Level 2级别的ADAS解决方案。基于其在本届CES上展示的第二代BPU架构原型系统，之后也陆续会推出Level 3和限定场景下L4的解决方案。
余凯说，今年内，基于第二代BPU架构的征程2.0将会推出，相比于征程1.0会有长足的提升。征程2.0会面向自动驾驶做更多的优化，并且会实现基于像素级别的识别框架，计算复杂性也会更高。
发布会上，地平线还对外公布了与2家车企的合作，一家是奥迪，一家是长安。今年，地平线将与两家在自主BPU架构的基础上，各自进行自动驾驶的联合开发和验证。
附上：雷锋网·新智驾在CES前采访的对话节选，雷锋网
(公众号：雷锋网)
·新智驾做了不改变原意的删减。
新智驾：地平线刚刚发布了旭日1.0和征程1.0，两款芯片在硬件上有多大的差异？
余凯： 这两款芯片在硬件上，其实主要是封装得不太一样，里面的主要器件单元是一样的。因为它在不同的场景下使用，它的模型复杂度不太一样。
我们是使用同一代架构，高斯架构，采用不同的封装。业界比如像NVIDIA是每三年一代架构，上一代架构Pascal，这一代架构Volta，然后基于Volta架构的话，他们也会推出不同场景下不同的处理器，主要是一些接口都不一样，比如说在车载的情况下，它对实时性的要求更高。
新智驾：我们是什么时候决定说把它分装成两个不同的芯片？
余凯：
应该说，我们应该从一开始就瞄准这两个不同的市场。我们会根据这一代的架构，也会演化成不同的产品。我们也在考虑可能会基于这一代的架构，推出支持语音识别的芯片。
一般来讲的话，架构迭代的时间都是比较长的，一代架构会根据不同的应用封装成不同的芯片，有不同的接口，这在业界都是常见的形式。
新智驾：像这一代芯片为什么选用的是40纳米的工艺？
余凯：
因为我们比较强调软件跟算法的结合，我们不会追求纯粹的半导体制程上的先进性。我们会强调因为我们有更强大的软件，即使用比别人更低的工艺，但是我们的整个系统性能也可以做到足够好，甚至比别人更好。就像Mobileye其实很长一段时间也是用50纳米的工艺。所以，这个就是软硬结合的做法跟纯粹做硬件思路不太一样的地方。
Mobileye的EyeQ4是28纳米的，其实跟我们下一代的，今年年底要推出来的新的一代芯片是差不多的。因为EyeQ4是面向L3级和L4级自动驾驶，我们这一代芯片主要是面向L2级的ADAS，所以跟EyeQ3是对标的。
新智驾：40纳米跟28纳米相比，在成本或者排期上会有多大的优势？
余凯： 光流片费就会节省几百万美金。
新智驾：地平线的芯片团队现在大概有多大？
余凯： 我们整个的芯片架构、芯片设计、芯片验证，然后再加上系统软件固件团队的话，现在有五六十人。
新智驾：根据地平线12月公布的几个解决方案，一个方向是自动驾驶，一个是零售，还有一个是安防三个应用领域。那么芯片和算法的底层开发，与几个方向的应用开发怎样协调？
余凯： 围绕应用，我们现在内部定义的其实是两个方向，一个是智能IOT，一个就是自动驾驶。两个方向的应用开发会由两个团队负责，芯片算法是一个公共的底层平台团队。应用开发的团队现在加起来有100到200号人之间，自动驾驶这块会多一些。
新智驾：你们的芯片，之后是一年会进行一次迭代？
余凯： 对，一开始是这样，一年迭代一次架构。我们可能往第二代架构去迭代的速度会更快一点，第二代会比第一代更加强大。
新智驾：基于高斯架构，会有多个面向应用的芯片。随着架构的迭代，芯片越来越专用化，会不会变成不同的架构？
余凯： 我们尽量不希望这样，这样做的话会让我们的底层资源变得太分散，我们会尽量通过软件来面对不同的应用场景。
新智驾：之前讲到你们的芯片特点是高性能、低功耗、低成本，相比之下，低成本大概是多低呢？
余凯： 跟端上面处理的GPU比的话，我们希把成本至少做低一个数量级。
新智驾：怎样跟基于EyeQ3的ADAS比较？
余凯： 目前征程1.0的话，其实是一个工业级的处理器，不是车规级的。所以我们一开始会去做ADAS的后装市场。我们也有计划，把我们的处理器推向车规级。
新智驾：发布会上，地平线也公布了与奥迪、长安的合作，具体是怎样的？
余凯： 我们跟奥迪在联合研发自动驾驶技术，明年的话，我们会有联合研发的样车出来；长安的话，我们是成立一个联合实验室，也是面向自动驾驶，双方共同去联合研发。
新智驾：比如会基于征程有一些合作吗？
余凯： 其实会远超征程的范围，也可以理解为是基于征程的二代处理器，他们提出应用场景，我们提供软件跟处理器。
新智驾：目前征程1.0是一个工业级的芯片，比如现在有一家汽车厂商希望合作，一般是怎样去开展？
余凯： 其实一般都是这样的。Mobileye跟它的合作伙伴，一开始的芯片也都是工业级的，然后会跟客户先完成功能测试，功能测试通常都要三年的时间，然后在这个三年时间里，不断地去完成车规级和系统级的功能安全验证。
新智驾：像这样提前两年去定义一款芯片，难点会在哪里？
余凯：
两年前这个定义芯片的话，那个时候你好多决定，其实都是需要在不是很确定的情况下去做的。打个比方，你的轮子还没有在装的过程中，你车就开始跑了，所以这个风险很大。好在我们一次性流便成功了，这是我们觉得很兴奋的一件事情。
不是很确定的情况，比如说，你不知道芯片所支持的算法架构，是不是能够去满足未来应用的需求。比如说15年的时候几乎没有人做深度神经网络的定制化优化，我们自己做了，然后还做得比较激进，那么现在看起来的话，这个策略是非常对的。
新智驾：像你们的芯片流程，跟传统的芯片设计流程会有什么不一样？
余凯： 很多不一样。一般来讲，一个典型的芯片，在开始设计之前，整个软件框架一定要定下来，一旦开始的话就不能再改了。
我们是在2015年那么早的情况下做这个事情，然后我们有一些小的一些决策点，可能会不断地推翻。所以当时的话硬件的同学已经开始着手了，结果这边软件还时不时修改，所以其实是搞的硬件的设计人员挺抓狂的。
做算法研发的同学的思维是，软件我可以随时改，有一个新的idea的话就可以改，但硬件，你就什么东西都得固定下来，一行代码不能改。因为硬件一点点的改动，其实就意味着整个的巨大的工作量，会导致时间排期的不确定性。
我们做第二代的时候，会在软件上做一些调整。因为硬件的改动，而导致验证不充分的话，最后芯片研发会有很大的风险。从我们这种做软件背景的人来讲，其实就是真正地对硬件研发有敬畏之心。
。
