地平線CEO余凱：自動駕駛處理器研發麵臨最複雜的技術挑戰，地平線正發力挑戰

新聞 04-19

雷鋒網新智駕註：文章來自地平線機器人CEO 余凱，文章原標題為《地平線：發力自動駕駛處理器研發》新智駕在不改原意的基礎上對原文進行編輯。

以下為文章正文：

我們這一代做人工智慧的人，幸運之處就在於：我們熬過了AI的寒冬，身處於一個AI技術引領全球科技的時代，而中國，也疾行於千年以來又一次民族復興的進程之中，在這幅恢弘的歷史畫卷之中，無論是從技術難度、經濟規模，還是戰略影響來看，自動駕駛處理器都堪稱這個時代科技的珠穆朗瑪。不負時代，無問西東，是我們這代人的責任與使命。誰贏得了自動駕駛處理器，誰就贏得了人工智慧時代！

中國人工智慧產業爆發背後的巨大隱憂

近日，國外媒體發表題為《中美數字霸權之爭》的深度分析報道，而人工智慧正是競爭的主戰場。近年來，中國在人工智慧應用方面的進展令人印象深刻，表現為四個核心優勢：政府高度支持、風險投資活躍、佔優勢的人才資源和海量數據。

2018年被認為是中國人工智慧產業爆發的元年，但在一片火熱的行業發展背後，卻潛藏著巨大的隱患：目前我國的人工智慧產業絕大部分都是應用創新，在人工智慧技術最核心的處理器和操作系統方面，國外公司依然牢牢佔據主導地位。

人臉識別是最早的人工智慧應用之一，市場迅速膨脹，但打開一款市面上的智能攝像機或視頻人臉分析伺服器，裡面的核心處理器不是英偉達就是英特爾，或者賽靈思。自動駕駛是國家確定的四大人工智慧關鍵應用領域之一，科技部在去年底宣布，依託百度公司建設國家級自動駕駛創新平台，但百度本身不掌握任何核心處理器或者操作系統。

在PC時代，我國的整機產量全球第一，但主導者卻是英特爾和微軟；在手機時代，我國手機出貨量還是第一，但主導者卻是高通和ARM；在人工智慧時代，我們看到英偉達和谷歌在持續地擴大其優勢，當我們還沉浸在產業爆發的狂歡中時，美國憑藉強大的基礎硬體與核心軟體實力，又一次提前卡位，這不能不引起我們的警惕：中國會不會再次輸掉一個時代？

PC行業和手機行業的歷史表明，信息產業的核心就是處理器和操作系統，人工智慧大規模產業化的關鍵，首先在於人工智慧處理器的突破，而人工智慧處理器的制高點必然來自於最具規模效應和最具技術挑戰性的行業應用。英偉達是目前人工智慧行業的執牛耳者，其最先進的處理器首先面向自動駕駛，並非偶然，英偉達清楚地意識到：拿下自動駕駛應用，面對其它應用就是降維打擊。

自動駕駛處理器在性能、可靠性、實時性、功耗效率以及對應的演算法等方面都提出了人工智慧行業應用中最高標準的要求。其突破不僅意味著自動駕駛核心技術的突破，更代表了人工智慧核心軟硬體的突破，必然帶動整個人工智慧產業的騰飛。

自動駕駛處理器將撬動難以估量的巨大經濟規模

來自國外的數據顯示，到2025年，智能駕駛的軟硬體銷售（不含整車）將達到262億美元，但其社會效益將放大到1萬億美元，這其中包括了緩解交通擁堵、節省燃料、減少事故以及提高生產效率。

可以說，每1美元的自動駕駛處理器銷售，將帶來40美元的社會效益！這就是基礎技術的作用，有極強的產業放大效應。

在今年CES展上，英偉達公布了其最新、也是迄今為止最複雜的處理器「Xavier」，並將其命名為「全球首款自主機器處理器」，表示其「將揭開人工智慧時代的新篇章。」

事實上，Xavier處理器首先應用於自動駕駛，但其「自主機器處理器」的命名暗示，該處理器不僅可用於汽車，還可應用於更廣泛的機器人領域。從技術角度看，自動駕駛汽車是機器人應用的集大成者，其工作場景最為複雜、技術難度最高，搞定了自動駕駛，只做減法就可以拿下泛機器人的各種應用。

去年發布的《新一代人工智慧發展規劃》明確提出，到2030年，人工智慧核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。

著名諮詢公司普華永道預計，與人工智慧相關的增長到2030年將把全球GDP提升16萬億美元，其中半數來自中國。

而自動駕駛處理器，恰好站在人工智慧技術革命和汽車產業革命的交匯點上。

自動駕駛處理器研發麵臨最複雜的技術挑戰

晶元曾經是中國工業界的短板，經過多年的努力，中國已經在消費電子領域有了長足的進步，湧現出了MTK、海思等公司，躋身全球前二十大晶元公司行列（不包括代工廠），但在汽車電子領域，NXP、英飛凌、瑞薩、TI和ST等跨國公司仍佔據了絕大部分市場份額。中國的晶元公司在這個領域的市場佔有率，幾乎是零。能夠符合前裝汽車電子質量和可靠性規範的產品，甚至今天還沒有出現。

從整個自動駕駛產業鏈的格局來看，主要是感測器、處理器和控制器三個主要部分，在感測器領域，無論是攝像頭還是激光雷達，都有幾十家以上的供應商，控制器領域的供應商更多，但處理器領域，真正得到認可的就是英偉達和Mobileye兩家。相比照眾多湧現出來的的新造車企業，高集中度的格局折射出自動駕駛處理器的開發難度之高。

自動駕駛事關生命安全，整個系統必須保證在任何時候都要可靠工作，及時響應。而對應的自動駕駛處理器，將面臨四個方面的關鍵挑戰：計算能力、低功耗、可靠性、和安全性。

目前AI晶元業界的算力最高記錄是英偉達最新推出的Pegasus，計算能力達到320TOPS（萬億次運算/秒），其目標正是自動駕駛。事實上，業界已經在嚴肅地討論POPS（1千萬億次運算/秒）時代何時到來，這相當於要把「天河一號」超級計算機（2010年建成，排名當時全球第一）裝進一台汽車！

但計算能力和低功耗永遠是一對矛盾。英偉達的Pegasus的算力最高，但功耗也達到了恐怖的500瓦。這將帶來一系列麻煩的問題，包括晶元的工作壽命縮短、需要可靠的散熱系統、巨大的功耗對於電動汽車的續航里程也帶來了很大的負擔。事實上，低功耗對於自動駕駛系統至關重要。

與手機這樣的消費電子產品相比，汽車電子面臨的工作環境要複雜惡劣得多，為了嚴格保證整車品質和可靠性，汽車電子始終追求的是實現零缺陷(Zero Defect)的目標，AEC-Q100作為汽車電子的通用標準，是自動駕駛處理器需要跨過的第一道坎。

自動駕駛處理器需要滿足ASIL（汽車安全完整性等級）規範，需要達到B或者C級，這是第二道坎。為了確保在功能上的可靠性，自動駕駛系統需要在各個方面都有可靠的冗餘備份系統。這就好像電網系統的設計一樣，某一處供電系統的故障不會讓整個電網癱瘓。

同時，我們還要確保整個計算系統中的數據是高度安全的，不被篡改、破壞或者竊取。設想一下，如果黑客攻破了自動駕駛系統，將其中的圖像數據進行篡改，本來感測器已經探測到前面有個橫穿馬路的孩子，但篡改後的數據卻顯示什麼都沒有，後果可想而知。

AlphaGO在圍棋領域的成功，代表了人工智慧在決策方面一個里程碑式的成就，但是對於圍棋這樣的應用，是一個環境封閉、規則完備、信息完整的決策場景，但即使是這麼簡單的場景，Google都要用算力高達180TOPS的TPU去支撐，才能夠滿足要求。自動駕駛面臨的是一個開放的環境、不完備的規則、不全面的感知信息、多智能體的博弈場景，而且還不能出錯。

面對這麼多的挑戰，需要人工智慧在感知和決策等基礎理論和演算法方面的基礎性創新。而對應的計算任務所需的計算模式、計算複雜度、實時性和功耗指標，都要求基於自動駕駛處理器開發軟硬體完美結合的系統級設計。

可以說，支持自動駕駛軟體系統是核心目標，而硬體處理器架構是關鍵路徑，兩者必須緊密配合。這就意味著，自動駕駛處理器也體現了我們國家在人工智慧基礎理論和軟體演算法方面的最高水平。

AI時代的制勝之道：軟體驅動的處理器設計

在自動駕駛處理器這個領域，為什麼是英偉達和Mobileye領跑？

無論是Mobileye還是英偉達，相對於他們的競爭對手，有一個共同點：他們充分地結合了演算法和計算，進行協同設計，由此提供了完整的解決方案，在這一點上，其它競爭對手與這兩家的差距甚遠。

谷歌切入處理器領域的時間並不長，但很快就把TPU做出來了，不僅在AlphaGO大放異彩，還將其做成了一項AI服務，其商業潛力巨大。

這一現象的背後，折射出一個新的趨勢：深刻理解人工智慧的軟體將促進處理器架構的研發效率。本質上講，這是一場由人工智慧應用場景驅動的軟硬體技術革命。人工智慧晶元的本質並不是硬體，而是軟硬結合的載體。人工智慧晶元的發展，並不是單純的工藝和晶體管密度驅動，而是計算架構與演算法的配合驅動，使其實際的計算效率不斷提升，追求極致效能。

可以說，應用場景決定演算法，演算法定義晶元，軟硬體協同設計，這就是AI時代的新摩爾定律。誰理解了應用場景並掌握了演算法，誰就掌握了核心優勢。