地平线刘福成： “芯”引擎打造全场景整车智能，共建智能汽车开放生态

7月1日—2日，由盖世汽车主办的“2021第四届全球自动驾驶论坛” 于上海隆重召开。本次论坛主要聚焦自动驾驶关键技术，如自动驾驶感知、智能驾驶域控制器、芯片、计算平台、无人驾驶不同的落地场景等话题展开讨论，以促进自动驾驶相关技术进一步发展、完善。下面是地平线智能驾驶产品线产品规划和市场负责人刘福成的发言。

地平线智能驾驶产品线产品规划和市场负责人刘福成

各位汽车产业界同仁，大家下午好。今天我给大家介绍一下地平线在芯片以及智能驾驶业务上的进展，也包括对产业变化的洞察，主要是从车展之后发现汽车智能化变化比较快，围绕这些产业变化，地平线的认知和产品解决方案。

首先我们看到造车2.0时代的到来。在1.0过去之后，最近汽车进入造车2.0汽车从电动化切入到智能化领域。造车不只是直接造整车，也包括智能汽车产业，提供上下游技术方案和零部件。从分类来看，有初代新势力，比如说蔚来，理想，小鹏，也包括主机厂新成立的新能源品牌。

另外一个变化是自动驾驶和人机共驾。上午很多嘉宾也讲了这一点，张博士也讲到了人机共驾。自动驾驶对我们来讲是一个技术方案。实现了车的自动驾驶之后，人在车里干什么？这就成为了下一个话题。智能汽车应该是打造以人为中心的智能汽车，所以自动驾驶和智能座舱、人机共驾是密不可分的。

上午的时候我看了维宁尔分享的视频，视频里面介绍了他们的一个功能，就是说在驾驶员玩手机分心的时候系统给驾驶员提供提醒的功能，基本上现在行业内确定是15-20秒，长的是2分钟给驾驶员提醒，我们通过车外感知和车内感知可以把这个场景做得更个性化，更符合要求。如果发现道路状况非常好，周围也没有车，那么我们给车内驾驶员提醒的时间就拖的更长一点。如果车外感知路况复杂，那么就可以把提醒时间缩短或者马上进行提醒，实际上车内外感知的联动可以把车外感知到的情况推送到车里，让车内驾驶员人机交互更个性化。也可以把车内感知比如车内人员不同，有老人，有小孩，那可以让车外的决策更平缓。

另外，行业普遍性共识就是电子电气架构变化，从分布式向域集中最后向中央计算方向演进，域集中现在大规模量产，将来会以中央计算为中心的架构去演进。围绕电子电气架构的演进，我们认为智能芯片演进大体是这样一个路径。

过去智能驾驶和智能座舱是分开的，大家都需要SOC或者AI计算加速器。当前形态是什么？首先HMI是共用的，它跟座舱域集中在一起，但是因为自动驾驶，车内驾驶员监控也需要使用HMI，那在围绕自动驾驶的时候，HMI和交互，前一段时间在车展展了语音控车功能，普通的时候语音交互是非功能安全，一旦实现人机共驾，语音交互也是功能安全的。

当前的演进还是说智能驾驶和智能座舱从过去分裂两部分，变成通过HMI把它们两个连在一起了。未来从中央计算机中央架构角度来考虑，从成本最优角度考虑，我们认为车内把AI计算在中台，这是成本最优的方案。

今天嘉宾讲了不少自动驾驶对算力的需求，过去也有不少行业嘉宾分享过从L2到L5对自动驾驶算力的判断，这里也没有特别明确产业的共识到底需要多少算力，但这个算力需求会以量级加大，这是一个共识。实际上在智能座舱里算力也是在不断地增长，需求也是在爆发，主要源于几个方面。

第一，我们现在看到驾驶室里面是DIM摄像头和RIM摄像头，摄像头越来越多，有手势摄像头，中控会有一个摄像头探测深度，还有透明A柱，透明底盘和后排摄像头，摄像头越来越多对舱内AI算力需求越来越大。另外，摄像头像素需求也在不断地提高，从主流200万在不断地升级，有些OEM向我们提出来，就是把千万级摄像头挪到车里头。

还有场景的丰富，现在场景比较少，我们规划有80个场景，150个算法。随着算法和场景不断地增加，我们知道AI算法检测一个场景，比如说检测抽烟和检测打电话就是两个算法，可能在算法骨干上在前端会有一些复用，后面其实分支是多个任务处理，一个场景会占用一部分的AI算力。另外实现舱内更个性化的交互，要求多帧之间的检测，这样才能更理解人的意图。

对于未来产业化的判断，当然这个也不是很成熟，也需要聆听业界同仁一起共同去讨论。第一个是依靠全栈智能化巨头。在过去汽车领域还是比较偏制造，那么这些技术最快掌握的捷径就是依赖全栈智能化系统，你什么都给提供了，把智能化完全托付给一个伙伴一起打造智能汽车。

第二个垂直自研，手机里面大家知道是苹果，什么都是自己自研。汽车产业里也有这样的玩家，比如说Tesla，这些需要企业没有很多过去的包袱，完全从头开始做起。

第三个是从产业发展，不管是汽车产业，还是对比PC，手机产业，其实整个市场最大的一块蛋糕就是产业内充分合作共赢。因为社会分工产生有它历史必然的原因，有效率的原因，有成本的原因，有专注度的原因。比如说PC时代为什么最终拥抱英特尔的PC厂家成长起来了，一些自研PC，又自研CPU，自研OS的企业，其实苹果在PC时代输的也是比较惨。比如说你自己做CPU，其实很难面对整个产业链大规模的制造，批量化的生产竞争对手，很难跟他抗衡。有一代你可能做得很好，但是下一代如果出了问题就很难选择。如果通过生态玩法，行业里面有ABCD四个选项。

大家在产业链里面充分共赢合作，各自有各自的分工，智能汽车这个产业还是处于初期，各自还在试探过程中，但是最终结果应该是走向产业协同共赢，所以我们坚信是这样一套理念。

这是地平线征程上面的信息，征程2是中国首款车规级AI芯片，征程3是我们现在正在量产的，后面也有量产车型。这次重点介绍一下征程5芯片，这颗芯片虽然相比征程2、征程3，复杂度不是一个量级，但是在征程5流片回来到点亮只用了15个小时，原计划测试时间是150小时。

地平线智能驾驶产品组合，下面是车规AI芯片，上面是布局。Matrix，现在量产的有Mono前视，Pilot前视+周视+后视，FSD（360），舱内可能还有8V的方案。

最主要推的还是智能驾驶和智能座舱。Mono是前视的，我们在理想上实现第一个800万像素的量产。领航自动驾驶Pilot量产方案在这个季度会有量产车型发布，中央计算平台这个在规划当中。我们围绕这几个应用场景都有对应的芯片去支持。

这是我们对AI芯片设计的理解。左边是地平线算法团队在过去取得的一些成绩，在KITTI，ImageNet，Waymo，地平线连续两次是第一名。右侧是团队成员在过去取得的成绩，中国首颗车规级DSP芯片设计，首颗人脸检测相机芯片，首颗H.265视频编码芯片设计，这不是地平线设计，这是团队成员过去取得的成绩。

我们认为一个好的芯片，一定不是半导体的活，一定是结合AI算法能力，两者结合在一起才能达到芯片的极致效能。

这是我们地平线的自身特点，也是我们认为在中国汽车智能化情况下产业需要达到的一个状态，分别是：速度，性价比，开放。

首先是速度，全栈式解决按从L2一直到L4所有量产解决方案我们都已经规划了。另外我们跟车企可以紧密合作，联合并行开发，加速量产导入，本土化7×24小时响应的能力。

看一下车型，左边是量产车载智能交互的车型，右边是量产第一个自动驾驶的车型。第一个产品导入10个月，第二个产品导入8个月。为什么地平线可以这么短时间内配合车企完成量产导入呢？首先是我们有提前规划，在跟车企合作的时候，我们产品相对达到准量产的状态。另外就是紧密跟车企配合联合开发。播放一下理想发布会的时候当时李想说的一些话。—VCR—

我们配合理想量产这款车型的时候时间周期非常非常紧，刚才李想说工作到12点是常态，其实很多人工作凌晨是常态，这就是我们跟着中国优秀的本土企业实现自动驾驶一个一个成功的跨越。其实我们看到中国有这么多车企进入智能化领域，包括国际大的芯片半导体企业，他们第一颗量产芯片基本上都是和国内车企合作，所以我们认为中国智能化大的市场和浪潮下，应该能培育出有世界竞争力的半导体企业。

地平线是中国唯一实现车规级AI芯片前装量产的车企，这里覆盖了长安、上汽、广汽、奇瑞、江淮、东风，目前正式公布的12款量产车，另外还有定点车型在陆续发布出来，目前还是基于征程2，征程3。

第二个讲一下性价比，就是软硬联合优化的计算架构，我们芯片设计的时候充分考虑了算法的需求。另外就是极致低功耗和降低散热要求，还有高性价比、高可靠度。

这个可以对比，这是Tesla发布会提的，从英伟达PX2换到了TeslaFSD。可以看到真实AI性能FPS提升了21倍，就是它设计的时候不用考虑在自动驾驶场景里根本不用的模型。

在AI计算里面，过去大家常用TOPS衡量一个芯片，其实这不是一个特别特别科学的衡量标准。倒不是不正确，只是不全面。其实AI算力核心是由芯片Maket计算单元实现的，它对应的是晶体管的数量，晶体管数量又跟晶体管面积是对应的，半导体行业是同类型的芯片，CPU比CPU，电源芯片比电源芯片，芯片面积直接决定芯片的成本，所以在自动驾驶领域大家还是应该围绕场景出发，我应该用到什么样算力的芯片去部署它。当然地平线也有大算力的芯片，面对未来L2、L3自动驾驶的场景，但是我们还是要理性认识这个问题。其实FPS是一个比较好的衡量标准，你就看它在相同输入下每秒能处理的视频帧数，这是比较好的衡量标准。

这是Pilot的方案，它实现了行业内基本上这几个场景，自动变道与超车，大曲率弯道通行。

第三个是开放，现在智能化过程跟过去制造过程不太一样，上下游的关系已经不是说我生产产品我发货，你集成你上车你量产。因为整个链条被数据串起来了，所以很难做到发货收获供应商关系，而更多是大家一起打造有数据驱动的智能化系统。

地平线围绕着数据驱动的智能化研发过程提供了一个工具，芯片开发工具，参考算法，技术服务，这里可以重点讲一下AI迭代的闭环工具。地平线有一个天工开物AI开发平台。实际上在数据驱动的智能时代要实现智能化能力打造，背后这套工具非常重要，就是Tesla那一套数据闭环，不断把边缘计算收上来优化自己的模型去支持模型的迭代。过去的研发在软件1.0时代很多研发工作是在实验室里面，人的思维可以考虑的。在数据智能时代，大家可以看到已经完全超越人思考范围了，数据驱动时代很大特点就是大长尾，长尾怎么解决？这就需要AI迭代闭环的数据迭代工具，地平线也提供了这样一个工具。

这里面有模型仓库，合作伙伴拿着主流模型通过额外数据训练可以实现快速量产。AI芯片工具链，它可以直接操控芯片底层DPO在模型上做一些修改，操作一些底层的能力，还有我们开发了一些中间件。

数据闭环流程，AI时代的场景是很难在实验室里被人的思维所全面覆盖的，要在真实环境中不断地优化迭代才能提升智能化的能力，系统就是做这样一个事情。他把触发场景的条件拿到云端进行分析训练，再把模型重新部署在车端实现自我生长。

这是我们在智能座舱的开发平台，在车里面有很多智能交互的场景，这些智能化场景在我们看来更适合比如说车企软件中心去做这样的事情，因为能产生特别个性化特别关怀的场景和功能。地平线做的是什么呢？就是把底层的感知封装好，让车企快速的构建自己智能化的场景。比如说我们把视线做得足够准，车厂调用我们的接口快速通过视线实现个性化的能力。

最后回应前面提到整个产业链开放供应，这是地平线在行业内打造的合作伙伴，有车企，有Tier-1。整个产业链趋势一定是产业协同共赢，社会有分工是发展的必然趋势。现在大家的边界也不是特别稳定，大家都在试探，但这不代表大家最终交付产品形态是这样一个形态，所以还是以产业界在智能化里面优秀玩家企业一起，这也是百年汽车变革，我们共同实现这样一个梦想。

好，我的演讲就是这些，谢谢大家聆听。