许晖

1.车辆智能必将到来

2.物联网也将成为智能交通的沟通环节

2006年当我结束了门户网站IT记者身份，转投汽车领域执业时，曾认为自己不再需要关注南北桥、总线甚至芯片等电子领域的消息。毕竟在当时而言，博世为解决汽车控制器通讯所提出的CAN 总线技术，其最远40米，最高1Mbps的传输速率，对比同期服务于8086/8088计算机的ISA总线8MB/s 的速率来说，简直就是原始社会。更别提随后出现的如VESA、PCI甚至PCIe总线了。在拉线油门仍然兴盛的年代，主宰汽车决策的，不就是驾驶员的大脑么？车载芯片这玩意，存在与否似乎并不是主机厂所关注的重点。

车辆为什么需要芯片

汽车与芯片，一种偏向机械另一种则倾向于电子，咋眼看上去貌似關系不大，可实际上倘若追溯起来，汽车与电子电器的结合可能从车灯上车的一刻就存在。如何让车辆更安全、更省油、更智能;如何让汽车从早期单一用电器需求，走向随后如电喷、车身稳定系统等等应用。车辆对芯片的需求在全球机电一体化的大趋势之下已经无处不在了。

有必要先给大家说一下到底什么是芯片。在电子学概念之中，半导体是一类材料的总称，集成电路则是以半导体材料制成的大型电路集合，至于芯片则是由单一，或是多种不同类型的集成电路所制成的产品。举个简单点例子，半导体好比用各种纤维做出来不同材质的纸张，集成电路是这些纸张上写出的单篇技术文章，至于芯片则是将多篇文章整合成具有更专业的科普杂志或者工具书籍。目前整个电子行业都在优化各道工序的技术含量，譬如改进纳米制程（更好的纸）、研发体积更小，功耗更低的ASIC 应用型专用集成电路（更简短的工具手册）、更强大的通用性CPU与GPU（更专业的工具书）等等。当然也有不少人把上面这三种东西统称为车载半导体。

车载半导体按照功能类别可划分为主控/ 计算类芯片、功率半导体（含模拟和混合信号IC）、传感器、无线通信及车载接口类芯片、车用存储器以及其他芯片（如专用ASSP等）几大类型。随着电气化与智能化应用的增多，特别是当下大热的车辆辅助驾驶、自动驾驶等直接影响车辆驾驶行为变革的技术不断发展，车辆上对于车载半导体，特别是针对AI智能的主控/计算类芯片，不论安装数量还是整车价值占比仍在不断增长之中。

3.车载半导体

4.芯片制造属于高科技产业

1.车载芯片为车辆提供各种各样的A I应用场景

车载AI 芯片到底是啥“PU”

从APU～ZPU，估计用不了时间，26 个英文字母应该都能给PU处理器（Processing Unit）前面戴上一顶特有的帽子。对芯片领域略有研究的读者应该最快联想到的是脍炙人口的CPU、GPU等名称。不过其实AI芯片所涉及的范畴实在是大了去了。广义上而言，可以运行AI算法的都可以成为AI芯片，只不过效率高低有别，而狭义上来说，那些针对AI算法专门做了特殊加速设计的芯片才能算是AI芯片。AI芯片的核心技术就是神经网络加速器，也可以称为深度学习加速器。目前依据处理器芯片的架构，可以划分为几个大类。

以英特尔、英伟达旗下的CPU、GPU为代表的通用型芯片，这些芯片基本从PC时代续存至今，并且历经了翻天覆地的技术变革，这两者哪个更适合AI智能深度学习，用一个不太恰当的比喻可能更容易理解。CPU可以看成一个或者多个研究生，他们能在10分钟之内精确完成一道三重积分高数题目，但始终无法在相同时间内完成1000 道三位数加法题，而GPU则可以轻易完成，因为它代表着上千个小学生一起干活，虽然不一定能全做对，但是对于AI场景所需要的低精度浮点数，不会对计算出的概率产生大的偏差。那么几个研究生指挥一群小学生工作效率可以极大化，也就解释了为什么目前GPU搭配CPU工作是AI芯片的主流。

2.几乎所有芯片架构都能称为A I芯片

3.人工智能随着时间发展已经从易到难有了不小的进化

1.各种芯片种类

而深鉴科技DPU、百度XPU则可归属于基于FPGA的半定制化芯片，此类芯片能效比高，更接近底层I/O，通过冗余晶体管和连线实现逻辑可编程，计算效率高，适合图计算、流式计算。半定制化的好处使用这类芯片的公司，可以依照自身发展的需求和实际情况设计出适合自己应用场景的产品，虽然解决方案之间可能大相径庭，可是命门在于软件算法的能力，软件能力强，自然产品的竞争力也就更高。

既然有FPGA半定制化芯片，那么自然少不了ASIC这类全定制化芯片的存在了。顾名思义，ASIC是为实现特定要求而定制的芯片。除了不能扩展以外，在功耗、可靠性、体积方面都有优势，尤其在高性能、低功耗的移动端应用广泛。谷歌的TPU、寒武纪的GPU，地平线的BPU都属于ASIC芯片。实际上ASIC芯片里还有一个特殊的群体一类脑计算，其设计为真正模拟人脑，用硬件去模拟人脑之中众多的神经元，不过目前要做类脑芯片非常难，IBM、高通、英特尔等公司的芯片策略正在尝试用硬件来模仿人脑的神经突触。

2.NXP常年为车辆提供各种芯片

垄断与破局？

芯片产业是一个十分敏感的行业，不过分地说，世界各国暗地里均将芯片产业，特别是当下大热的AI芯片视为本国战略产业，为此就算明面上大家都一团和气，可私底下芯片产业暗自硝烟四起。毕竟对于有能力研发并制造AI芯片的国家而言，越早掌握AI技术，也就越能在世界范围占得日后的主导权。

客观的说，尽管中国汽车市场占全球比例已经超过了三分之一强，但国产汽车半导体的市场份额明显偏低，特别是在代表着自动驾驶领域的AI芯片部分，仍为欧美日企业所占据。从市场研究和咨询公司Compass Intelligence所发布的《2018年度全球AI芯片公司排行榜》来看，目前AI芯片TOP10里面尽数为国外高科技巨擘，英伟达、英特尔以及IBM占据了前三名，随后的也都是大家所熟悉的谷歌、AMD、ARM以及高通、三星等知名高科技企业。而在2019年的榜单上，NXP已经跃升到了第三位，不得不说，这些企业多年的技术积累以及雄厚的财力，基本代表了目前世界AI芯片的主要组成部分。特别是英伟达，其一直主导的GPU技术实在太适合深度学习运算，保守估计其已经占据了世界范围一半以上的云端AI芯片市场。自动驾驶领域联盟之间各不相同，却基本都能见到英伟达的身影，由此可见一斑。

3.无处不在的深度学习

4.采埃孚历代ProAi均采用英伟达处理器

5.自动驾驶各层级均需要芯片的参与

1.地平线作为国产芯片的破局者闯入市场

值得庆幸的是当汽车电动化和智能化加快为全球汽车芯片市场带来快速发展的同时，也为国产芯片企业带来了难得的发展机遇，国内众多的科技企业和整车企业都在加速推进自主芯片的研发与发展。为此在榜单之中，同样出现了来自于国内的企业身影，并且排名还不低，在前24位之中，来自于国内如华为、寒武纪以及地平线等7家企业赫然在列。中国的自主芯片正在加速赶上。

首个量产上车的车规芯片

“打破垄断尝试破局”与“瞄准垄断精准破局”是两个完全不同的层面，前者重点在于尝试，是否成功仍是未知之数，后者则是有的放矢，着重于实干。地平线公司应当属于后者。首个、量产、上车、车规、芯片。每一个词语对于这家成立于2015年的中国高科技初创企业来说，都是一个个具有特殊意义的里程碑。对于一家开始便已获得包括尤里.米尔纳、高瓴资本、英特尔等多家机构和个人的投资。2019年更是获得由SK中国、SK Hynix以及数家中国一线汽车集团（与旗下基金0联合领投6亿美元B轮融资的企业来说，目前来看，应该与其创始人余凯所一直强调并坚持的基本原则，“地平线的定位是做谦卑的产业赋能者角色，不做设备商，不做集成商”这种明确的发展方向有关。

一款AI芯片的诞生彷如一栋摩天大楼的建造。都是从好的图纸开始，也就是芯片设计前的架构选择十分重要，决定了这款芯片日后所呈现出来的状态以及应用领域。地平线从开始便提出了自己的人工智能处理器架构—BPU（BrainProcessing Unit），字面直译大脑处理器，第一代高斯架构，第二代伯努利架构，第三代贝叶斯架构，十分清晰的技術路线也早已示人。有别于传统CPU芯片串行结构， 严格并精准地一件事一件事来做，最终完成所有事所不同，BPU可归属于ASIC定制化芯片，主要是用来支撑深度神经网络，比如图像、语音、文字等方面的任务，而不是去做所有的事情。此外，深度神经网络的计算结构比较特殊，比如高度的并行化、时间域上的递归、中间节点的稀疏等，用BPU来实现会比在CPU上用软件实现要高效，一般来说会提高2-3个数量级。它更像一群得力助手，不断完成CPU无暇顾及的旁路工作，并高效地把工作报告最终提交给CPU进行审核。

2015年-2017年，地平线用三年时间规划并且研发自己的芯片，耐心地在软件，特别是算法上打磨着自己的方案。第一代高斯芯片架构更早在2017年初以ADAS系统的形式，亮相于英特尔CES联合展台。当年年末，征程1和旭日1正式发布，分别面向智能驾驶和智能摄像头，为B端用户提供包含“算法+芯片+云”在内完整的边缘人工智能解决方案。征程1也成为了当时中国首款边缘人工智能芯片。这点笔者在2018年初CES地平线展台上有所亲眼目睹。不过更让人好奇的，则是同期展台上所预展的第二代BPU，即征程2芯片架构。随后这块中国首款车规级人工智能芯片逐步揭开了神秘面纱。

完全自研的征程2 可以提供超过4TOPS等效算力，典型功耗仅有2W，能够高效灵活地实现多类AI任务处理，对多类目标进行实时检测和精准识别，可全面满足自动驾驶视觉感知、视觉建图定位、视觉ADAS等智能驾驶场景的需求，以及语音识别，眼球跟踪，手势识别等智能人机交互的功能需求。伴随征程2正式量产，地平线AI芯片工具链Horizon OpenExplorer也正式推出。包含面向实际场景进行AI算法和应用开发的全套工具。模型训练工具、检查验证工具、编译器、模拟器、嵌入式开发包等悉数亮相，工具链中还有参考模型样例、参考整体软件方案支持客户快速产品落地。有趣的是，这套软件的中文名为“天工开物”。软件为天、芯片为地，提供工具链方便客户快速产品落地，似乎从侧面也印证了余凯所坚持的不做设备商、不做集成商、专心产业赋能的定位。

等待总是漫长的，可一旦发力，很多时候就是水到渠成的涌现。如果说征程2在2019年初流片成功，完成了首个、车规、量产等多项指标，那么2020年3月，在疫情最为困难的时期，长安汽车全球直播发布的主力新品车型UNI-T上，与地平线联合开发的智能驾驶舱NPU计算平台内置了车规征程2，就完成了前装、量产上车的目标。地平线真正开始服务于C端用户。

2.地平线助力构建和更新高精地图

3.地平线可以实现多种ADAS功能

4.地平车Matrix实车装载

5.地平线ADAS环视实车测试

智能汽车的数字发动机

智能汽车的数字发动机，这是地平线余凯对于自家芯片的定義。看着十分寻常的比喻句，实际上看透了汽车AI芯片对于智能汽车日后发展的赋能重要性。今天造车企业能织造出成熟的全球出行交通运输网络，为人类扩展出前所未有的交流宽度并非朝夕能达，逐步成熟的商业模式，C端对于性能的需求也十分清晰地倒逼着行业发展，这其中发动机不但是汽车的心脏，更是很长一段时间C 端对于车辆选择的依据，由此可见其重要性。但车载AI芯片市场对的是B端，AI芯片企业现在要让自己的产品成为日后车企在最终消费者面前的核心竞争力，即以AI芯片所打造的应用场景和功能，赋能B端智能汽车，成为新一轮提升人们出行便利和安全的数字发动机，这个比喻实在太妙了。

当下的盈利只能代表当下的产品得到了一定的市场认可，除此以外无任何意义，AI芯片应用场景已经不仅仅是云端，终端部署需求大潮已经席卷而来，和智能手机、摄像头等等消费类电子产品的芯片的算力相比，车载AI芯片的算力将会是几何级别的增长，注定会成为未来全球半导体玩家竞相角逐的焦点。征程2 只是整个地平线技术路线图之中的一个里程碑。这家甘愿背后造工具，当生产力赋能者，而不参与直接战斗的软硬结合初创公司，早已将技术路线图规划到了L4甚至L5自动驾驶层级。而当前的目标则是明年发布的基于征程5的Matrix自动驾驶计算平台算力将高达192TOPS，具备支持ASIL D的系统应用场景的能力，助推自动驾驶早日实现大规模落地。钱，还是需要不断投入到下一代的研发之中，永远比别人快一代才是真正的取胜之道。

结语

现在盈利与否不重要，重要的是未来有否盈利的能力。地平线的脚步不能停下来，一年一代架构的技术路线也注定他们停不下来，因为后面有追兵，前面还有无数需要跨越的坎，AI之路不易，既然开始了，希望地平线不断挑战“芯”的“征程”。

1.Matrix 2

2.征程2开发版

3.征程1

4. 征程2

5.征程2核心板

6.北京车展征程2架构发布

对话地平线CEO余凯

汽车之友：是何种执念让地平线的芯片从无到有再到优，也让你选择从科学家成为企业家？

余凯：我一直希望自己的想法能通过自己的努力一步步走下去并最终实现，为社会创造价值。可以说AI科学早年算是一个冷门学科，2012年在美国工作的华人AI科学家里面，我应该算首个回国发展的。随着工作经验的积累，我发现AI光靠做软件算法是不够的，真正要让算法落地并产生大范围影响，必须要有软硬兼备的思想，这也是我立志出来创业并选择做人工智能芯片的主要原因。当时我们意识到智能汽车是最大的机器人应用场景，自动驾驶人机交互其实就是完美的机器人形态，而车载AI芯片就是智能汽车的数字发动机。在创业之初我们选定了这个方向，也就自然而然成为了地平线最为重要的发展方向。

汽车之友：芯片产业种类众多，为何选择了门槛最高、周期长并且当下比赛规则并不规范的AI智能驾驶芯片为起点？

余凯：在地平线内部有一种思考方法论称之为“反共识”。当大家都扎堆在一个选择时候，我们就会去考察其对立面。因为当大家都觉得事情难办，或许就是我们机会的存在。需要长周期投入的项目通常都是门槛不低的难题。只要我们坚定地认为这是产业发展的必然方向，那么就是地平线挑战的方向。这或许能说明为啥AI芯片业界有如此多玩家，而真正进入自动驾驶AI芯片的人却很少。没有门槛的产业就算是蓝海，也极其容易造成恶性竞争。反倒是如自动驾驶AI芯片这样的类别，本就是不可逆转的产业方向，同时有着不低的门槛，更需要投入长时间的积累沉淀，所以值得我们为之而投入。

汽车之友：如今国际环境对于中国高科技企业，特别是初创型企业并不算太友好，地平线如何抉择日后的前进方向，在发展之中有什么新的布局？

余凯：国际形势这种事情是我们所无法左右或者更改的。地平线能做的是更多关注如何真正为用户去创造价值。正如我们团队一直所奋斗的使命，就是让每个人的生活更安全，更美好一样。那么提高出行的智能化水平，造福整个社会，让出行更为安全便捷就是我们的目标。为了这个目标，我们愿意投入30年甚至50 年一直做下去。所以无论局势如何，地平线只需要把注意力集中在技术的突破和产品的研发上，去努力创造用户价值即可。

汽车之友：边缘计算的概念已经出现多年，不少实力较强的全球企业都有涉足，地平线在边缘计算领域如何从激烈竞争之中脱颖而出

余凯：的确，边缘计算老早就被提出，但是在当时大环境之下，特别是2015年左右，大家更多地关注的是云计算领域。边缘计算的优势反倒被云计算的火热所淹没。而近年来，边缘计算因其优势重新步入大家的视野之内。地平线从2015年开始专注于车载领域的边缘计算研发。其原因是边缘计算本身应用场景众多，可车载计算上的玩家不多，套用上面提到的“反共识”思考方法论。我们其实是最早接触车载边缘AI计算的公司之一，而且是芯片公司里面最懂AI算法、AI算法公司里面最懂芯片的企业。软硬结合可以让门槛更高，后来者就难以跟上已经轮转起来的步伐。要充分利用好產业周期的窗口期。

汽车之友：如何看待自动驾驶分级制度之中的L3层级，对于L3层级是放弃还是跟进，地平线将如何布局？

余凯：地平线是一个Tier 2企业，我们主要为Tier 1企业提供芯片，让他们能打包成最终供给主机厂的解决方案。L3层级的确在法律责任归属上比较难缠。软件定义汽车的趋势，跟硬件时代略微不同，其是一个进化生长过程，而不是片面禁止或者允许就能直接跨越的。所以我比较认同特斯拉的做法，就是不去纠结层级，而是从用户体验出发。通过不断的技术升级让产品的自动化程度逐步提升并超越各个层级，并逐步扩大适用范围以及但责任归属依然看齐L2水平。这种渐进且实用主义更适合主机厂落地部署各种应用。在实际的大规模应用中去不断进行技术的迭代升级，更有利于自动驾驶技术的发展演进，也不用过于担心因为明晰的级别划分给用户带来的错觉。

汽车之友：现在征程2已经通过车规并量产上车了。往后地平线的技术布局将如何走？

余凯：地平线征程芯片能走到今天，除了拥有一个非常强的世界级软硬件研发团队以外，更重要的是一直保持以成就客户为中心的战略思想。征程2主要面向L2以及L2+之中的驾驶辅助（ADAS）和通用AI人机交互芯片，目前已经拿下了大量定点车型，基本上涵盖大半本土主机厂。长安UNI-T之后陆续还有更多其他品牌的车型将陆续上市。稍后将发布的征程3更是针对中国密集型的道路环境所定制，可以支持环视自动泊车。再往后，正在研发中的征程5将会是地平线的旗舰级自动驾驶芯片，瞄准单芯片高算力的目标，服务于L3和以上的需求。总而言之，地平线的产品将坚持以成就客户为驱动发展下去。