7月22日—23日，由蓋世汽車主辦、上海國際汽車城特別支持的「2020首屆軟體定義汽車高峰論壇」正式舉辦。本次論壇主要探討軟體定義汽車領域最新的創新理念、技術趨勢、現實挑戰等熱點話題，共謀行業未來發展之道。下面是地平線智能駕駛產品線產品規劃與Marketing高級總監劉福成在本次論壇上的發言：
各位嘉賓，下午好！我是來自地平線的劉福成，主要負責產品和市場的工作。今天我演講的主題是「車載計算平臺打造軟體定義汽車基石」。軟體定義系統其實在其他的領域已經出現了，比如說在IT領域有SDN軟體定義網絡，SDDC軟體定義數據中心，實際上我們的智慧型手機也是一種軟體定義的形態，現在「軟體定義」終於來到了汽車領域，軟體定義在其他幾個領域出現的時候，都帶來了產業劇烈的變革，帶來了一些顛覆式的創新。
我個人理解軟體定義系統帶來的主要差異是什麼呢？我們知道硬體的生命周期，從消費電子到汽車電子，可能是一年、兩年、三年甚至更長的面市周期，但是軟體通常是以季度、月、周這樣的時間跨度去迭代和交付的。實際上這個交付的gap就是在軟硬一體的系統上，通過軟體定義，可以讓新的功能以最快的速度去面向消費者，這是一個很大的變革。
我們來看看軟體定義汽車究竟有哪些新的變革呢？這裡面軟體定義汽車在我看來一個傑出的代表就是特斯拉，特斯拉從上市以來到這幾年的銷量逐漸走好，它逐漸推出了一系列智能化的產品，越來越受到消費者的認可。最新的數字大家也看到了，在美國疫情期間特斯拉實現了1億美金的盈利，是所有OEM裡面表現最好的。
我們回顧一下特斯拉在資本市場的幾個高光時刻。第一個就是在2017年的時候特斯拉的市值超過了福特和GM，在2010年6月10號特斯拉的市值超過豐田，成為全球第一大車企，現在這個特斯拉的市值已經接近2900億的大關。特斯拉受到資本市場的認可是為什麼呢？它是一個顛覆式的創新，在汽車領域是新物種，整個從產品的交付方式和其他過去的傳統車企裡面我們看到的還是有一些區別的。
第一個是特斯拉實現了數據的閉環，大家知道特斯拉在車載計算機上面搭載了FSD3.0的系統，把用戶的數據收集起來，在雲端進行訓練，把訓練好的優化模型再通過OTA推送到車裡，不斷實現自我進化，這個是跟我們過去通過兩年到三年一代車的設計推向市場，再規劃下一代車的設計，收集用戶新的需求再推向市場，這是兩到三年為基礎的在設計室裡完成的創新，而特斯拉是實時在線的，通過季度為維度的一個創新。
這個裡面有數據、AI模型和設備，設備就是指提供算力的平臺，而數據方面，特斯拉是通過迭代系統不斷實現閉環採集，AI模型是指通過FSD面向汽車領域提供了專用的神經網絡模型，特別是面向車載領域的，而不是通用計算，在這個方面可以提升效率，並實現更低的功耗。
第二就是FSD的3.0計算平臺，能夠提供114 TOPS的算力。數據閉環大家可以看到我們對比了一下特斯拉和Waymo的模式。特斯拉現在能實現每天2千公裡的實時數據採集，截至2020年總裡程已經達到了22英裡，就是其中綠色的這個線。Waymo的模式在車隊裡面數量已經是最大的了，但也僅僅實現了目前3200多萬公裡的採集總裡程，僅僅是特斯拉的十分之一。
這兩種模式的區別帶來的結果就是什麼呢？特斯拉現在我們看到它自動駕駛的演進非常快，基於收集到的數據訓練神經網絡模型，指標模型優化再反過來推到車裡，不斷把新的數據收集出來，然後在雲端進行處理，逐漸覆蓋各種各樣的場景。我們認為這種場景跟人的認知和AI學習是相似的，它是一個不斷更新認知的過程，很難通過一段時間的設計和需求收集，實現客戶的場景全覆蓋，它其實是一個持續迭代並且逐漸增強的過程。
這個就是特斯拉的模式，它通過聯網系統不斷把數據採集出來，這個裡面有很多的策略，也不是說把數據全部採集出來，它會判斷車身在行駛控制的異常情況，它可能會針對於這個車身出現異常情況提取出上下文來，基於這種模式不斷去優化它的系統。
另外一種對比就是Waymo的模式，在實驗室裡面進行設計，然後打造成閉環，這種系統需要經過三五個月迭代。根據收集到的數據在實驗室裡面進行優化，這個優化過程和特斯拉模式相比具有本質差別。
這是一個來自券商的諮詢報告，我們看到在過去Model3裡面的汽車電子佔比已經達到了24%，到2023年預計可以增值到45%這樣的份額。關於特斯拉Autopilot的報價，預裝是5.6萬元，7月後安裝是大於6.3萬元，這個價格大家可以去進行對比，特斯拉在美國東部時間應該是從這個月開始把它在美國的前裝價格從7千美元上升到了8千美元。這個在汽車領域是很少的，賣一個配件通常是價格往下走的趨勢，但現在特斯拉的FSD是上揚的趨勢，而且在今年年底，特斯拉要採取訂閱付費的方式，一個月大概是一百美金。汽車領域通常是一次性的收費，後期可能有一些零部件的費用，特斯拉可能要定義一種汽車領域的新模式，就是用戶付費的商業模式，這樣每個月都有一筆固定的收入。
這是特斯拉發布HW3.0的上一代產品，當時它是用英偉達Drive PX2的平臺，當時特斯拉發布了一些內容，我們看一下數據對比，一個是整體的性能上21倍的提升，為什麼會有這麼大的提升，特斯拉FSD是專門為車載計算的特定領域去進行設計的，所以它從整個晶片的架構，尤其是在計算單元和內存DDR之間的系統帶寬利用上，在神經網絡計算的計算單元的利用效率上，都會比基於GPU的Drive Px2效率高的多，因為它在設計網絡的時候就會充分考慮我的模型是哪一個、跟下一層的網絡連接到底是怎麼樣的等等，所以基於算法的設計充分考慮進去之後，它的這種基於特定應用場景設計的晶片就比這種通用晶片在性能上會有大幅的提高。這個裡面說明了一個問題，就是基於特定場景專用晶片設計帶來的好處。
最後一個我們認為感知能力是智能駕駛安全的保障。前面提到了數據閉環和智能駕駛計算平臺這兩個，數據閉環提供數據鏈路，計算平臺提供算力支撐，真正實現自動駕駛功能的是上面感知算法，感知算法的準確度最終會跟功能結合，一起去決定智能駕駛所有的表現。
實際上在感知能力方面，我們知道Uber和特斯拉的Autopilot也出現過一些問題，但是它是採集到數據以後，把數據上傳到雲端，然後去進行訓練，不斷去完善自己的場景，最終實現這種場景的全覆蓋。
前面通過特斯拉我們認為在軟體定義汽車裡面有三個觀點是特別重要的：一個是數據閉環，一個是高計算的感知計算平臺，還有一個是基於數據平臺感知算法的能力。這是三位一體的東西，通過數據閉環不斷收集數據，再把算法優化，然後再傳到端的計算平臺上，計算平臺是整個鏈條裡面最核心的一個東西，是自動駕駛的一個大腦，它提供算法運行的算力保障，提供數據的收集。
我們認為感知計算平臺是中央計算大腦基石的同時，也發現車載中央計算面臨著一些挑戰。我們來看一下這個趨勢，這是大家特別熟悉的，就是分布式架構、域架構往中央計算架構走的趨勢，實際上我們接觸的很多客戶量產的項目已經在向這個趨勢靠攏，特斯拉就是典型的基於中央計算平臺的架構。
這是我們看到整個汽車的智能化裡圍繞感知計算平臺和感知算法在智能座艙和智能駕駛方向的一個感知中臺體系結構，再在這個下面是一些計算SOC、主CP、MCU這種功能安全的控制器和AI加速控制器的計算單元組合。在這個上面是各種各樣的感知能力，實際上這個下面就是地平線現在正在做的，這種車外的視覺、車內的視覺主要是對駕駛員和車內的後排還有副駕的識別，還有一個語音交互，還有雷達車外的感知，整個構成了這種感知的中臺。感知的能力輸出對於上層輸出之後，上層可以基於感知結果做各種各樣面向智能座艙和智能駕駛應用。
當前，智能駕駛正在掀起一場算力競賽。隨著自動駕駛等級的上升，對自動駕駛晶片算力的要求也在成指數級上升。實際上，在L3、L4、L5級自動駕駛，大家到底用多少算力呢？現在也說不清楚，行業也沒有定論，但是在這種情況下，大家做的事情就是不斷地堆算力。這個好處是什麼呢？提供未來的可擴展性。算力中可疊加的功能是有空間的，特斯拉144TOPS的算力也沒有全用，這樣特斯拉就有很大的空間不斷地去豐富它的最新功能，這就是預留算力的好處。
車載晶片設計的確是一個硬核問題。其中包含的問題一個是自動駕駛等級對於算力要求的提升，還有深度學習模型的選擇，這裡的挑戰是什麼？我們知道深度學習有雲端和邊緣的，雲端的訓練都是大模型，它在雲端上不用考慮功耗，在雲端的計算成本高一點可能就是成本和供電的問題，在邊緣上你要考慮車的成本和續航這種因素，所以在車載模型選擇上我們要選擇最合適的神經網絡在合適的專用車載計算平臺上進行AI計算。
另外一個就是車的帶寬和位寬考慮，這是影響算力的因素，GPU雖然算力很高，但在同樣模型上表現出來性能的差異並沒有那麼大，為什麼？就是因為它是通用計算，它沒有考慮位寬的這種限制，所以一般只能把效能發揮到50%，而專用晶片可以發揮到百分之八九十的效能。最後一個就是功耗，功耗跟模型選擇有很大的關係，用一些小模型在終端會大大減少功耗。
車載計算這短短幾年的發展，它的算力提升最終都要體現在電晶體的數量上。過去在引領電晶體數量的基本上還是數據中心、PC或者手機。最近這兩年開始我們看到車載計算的晶片算力電晶體的數量已經開始超過了手機的電晶體數量，比較典型的就是英偉達的Orin推出的有170億電晶體，其實在過去幾年車載上的電晶體數量比手機是差一個量級的，但是近兩年開始已經開始超越手機電晶體的數量，所以說這也說明智能駕駛對計算能力提出了新的要求。
這個左邊是CPU算力增長的狀態，這個大家感受比較深刻。大家應該知道CPU已經好多年了，算力都是20%這樣的速度在提升。左邊是計算能力供給，右側的圖說明這幾年AI計算對計算能力的需求。需求端是在近幾年增長了7個數量級，而供給端在近5年，基本上沒有變化。那怎麼滿足AI計算的需求呢？摩爾定律說每18到24個月整個計算機的計算性能提高1倍，但是價格保持不變，但是在新的AI計算時代摩爾定律已經失效了，它已經停止了增長，而且AI計算除了關注的是功耗、性能和面積之外，更關注每瓦特的實際提升計算效率，這個解釋一下就是晶片的效能，不光是算力要高，單位算力的成本和晶片利用率更要高，這樣才能滿足整個AI晶片計算的效能。
車載計算中面臨的另外一個比較有難度的挑戰就是車規級。車規級晶片產品開發周期長，難度大，是硬科技、長跑道的創新，要滿足一系列的認證。晶片本身還有18到24個月處理器流片設計的周期，這個流片設計周期大家都是一樣的，之後是面向車載晶片提出的要求，比如AEC-Q100、功能安全ASIL的認證，量產車型的導入，量產的迭代、部署和升級，整個車載計算的周期、門檻和投入都是非常大的數，是一個長周期的賽道。
接下來，我們看一下車載AI計算的動向，從中可以總結一些規律：基本上OEM大廠都在和科技公司進行跨界合作。這個產業鏈是非常長的，汽車領域大家對整車有一些knowhow，科技公司更擅長像AI晶片、算法、雲、通訊這些領域，跨界合作是實現了一種共贏。這也是近些年的狀態，跨界合作除了車企跟公司的跨界合作，也延伸到了OEM和OEM之間，大眾投資了福特的Argo AI，這也是一種新的形式。
我們地平線是全球第一家AI晶片的創業公司，同時也是臺積電全球第一個AI晶片的客戶，我們在2017年推出了中國第一款邊緣AI晶片，我們的晶片大規模賦能美國自動駕駛車隊，19年推出了中國第一款車規級的AI晶片，2020年，地平線車規級AI晶片徵程2實現了前裝量產，成為中國第一款上車量產的AI晶片。目前，搭載地平線徵程2晶片的長安旗艦車型UNI-T每個月的訂貨量也比較大，是一款爆品，我們每個月都在跟下遊供應商追加晶片訂單。
地平線的業務核心是基於徵程系列晶片，打造面向智能駕駛和智能座艙方向的解決方案。在面向智能駕駛的方案裡面現在有ADAS的產品，主要是基於徵程2進行量產，現在已經有了很多定點，但是目前還不能公布出來。地平線動態高精地圖方案，提供的是眾包地圖技術，我們通過視覺採集路邊的數據，實現了在雲端的建圖和地圖的實時更新，同時利用高精度地圖底圖在終端可以跟全球導航衛星系統（GNSS）進行融合，實現視覺輔助定位。
在智能座艙的產品主要是智能座艙的語音交互，做一些前端的降噪、分布式麥克風，還有駕駛員監控和AI感知。除了面向智能駕駛和智能座艙的解決方案。
同時，我們的晶片也是完全對外開放的。我們的生態合作夥伴，通過地平線的晶片和工具鏈可以做他所需要的駕駛、座艙和其他的算法，舉個例子就是我們的一個行業頂級的合作夥伴通過地平線的晶片和工具鏈，正在做一個前裝感知的產品。
以上就是我們的業務全貌，我們同時提供軟硬體一體的解決方案，晶片+算法，同時也會開放我們的晶片和工具鏈，讓第三方合作夥伴基於我們的晶片和工具鏈開發他們自己的感知方案。
地平線核心產品徵程2 採用地平線創新的人工智慧專用計算架構 BPU，主要有三個方面的優勢。一個是極高的算力有效性，可以達到90%，為什麼是這樣呢？我們徵程2是基於車載場景圍繞車載用的神經網絡模型專門訓練和定義出來的網絡，所以才能把這個算力的利用率達到90%以上的水平，可達同等通用計算晶片的10倍以上。
另外就是感知能力，我們在識別精度上可以達到99%，延遲上少於100毫秒，這樣感知精度和低延遲也是地平線軟硬一體能力的體現。我們是非常懂算法的晶片公司，因為晶片的設計是結合算法一起做出來的，所以關於神經網絡怎麼用晶片可以用得最好，我們有深厚的積累。此外，在感知的豐富性上，可以實現像素級語義分割，超過 60 個分類，每幀高達 60 個目標及其特徵的準確感知與輸出。
在計算晶片和算法能力之外，我想向大家介紹一下地平線「天工開物」AI計算平臺，它包含面向實際場景進行 AI 算法和應用開發的全套工具，並提供參考模型樣例和參考整體軟體方案支持客戶快速產品落地。合作夥伴可以基於我們的晶片去開發自己的AI感知算法，一方面大家可以利用我們現在這個工具鏈支持MXNet等主流的訓練框架，大家可以用我們的訓練框架進行神經網絡的訓練，另外我們也支持模型轉換接口，如果大家有自己已經訓好的模型，也可以通過ONNX進行轉換，我們還有浮點到定點轉換工具，主要是雲端訓練出來的大模型轉換成定點模型，到終端上能夠提供更低耗的效率，同時能保證精度。
今年，中國第一款車規級AI晶片實現了量產上車零的突破，我們的智能駕駛艙系統跟主界面進行配合，可以實現眾多AI感知能力，比如說視線、情緒，還有人臉識別，就是Face ID，還有車載語音能力、唇語識別。其實語音識別功能上車已經有很長時間了，但是在高噪音的環境下我們做過一些測試，在純語音的情況下語音的誤識別率會極速上升，但是我們可以結合語音識別和唇語識別感受你在說什麼，這個識別力在高噪聲的情況下是很好的。其中手勢識別這個功能，是OEM基於我們提供的晶片和工具鏈，後續自己開發完成的。
這是我們徵程2在ADAS領域的一個應用。我們提供了面向ADAS一些AI感知的算法，比如說車輛識別、車道線識別這樣的一些算法在裡面，相當於整體的軟硬結合的方案。地平線面向前視ADAS市場的全球領先單目解決方案，可在低於100毫秒的延遲下有效感知車輛、行人、車道線、交通標識、紅綠燈等多種目標，達到10類動態目標感知、53類靜態目標感知、12類語義分割、典型功耗2W等等。
面向L4自動駕駛，地平線Matrix 2自動駕駛計算平臺搭載4塊徵程晶片，三個Matrix 2可以做到車身360度視覺感知解決方案，現在這一款產品在北美賦能了很多的RoboTaxi車隊。
在高精度地圖方面，地平線和韓國的SK已經完成了落地方案的合作。SK是韓國最大的一個電信集團，它在首爾計程車和公交車上都裝了我們這個面向後裝的設備，裡面加載了地平線的解決方案來進行道路數據採集。這是一個面向後裝的應用，同時也支持面向前裝的應用，給前裝OEM提供基於視覺的輔助定位。地平線高精地圖解決方案還能夠實現實時更新，它的好處是什麼呢？目前高精度地圖圖商提供的是以半年、季度這樣一個地圖更新頻率，在車上裝了這個工具以後實現的是眾包方案，能夠實現地圖信息的實時動態更新。
最後，向大家介紹一下地平線的朋友圈。地平線已在智能駕駛領域賦能一大批行業頂級Tier1s、OEMs、運營商，包括長安、福瑞泰克、奧迪、佛吉亞、SK電訊、理想汽車等多個頂尖企業在內的合作夥伴正與地平線攜手加速智能駕駛時代的到來。
謝謝大家！