倪光南：“中国芯”切勿重硬轻软

　　握紧AI芯片“方向盘” 新老“车手”驶入自动驾驶赛道

　　IT时报记者 吴雨欣

　　近日，全球最大的FPGA厂商赛灵思宣布收购深鉴科技的消息，引发人工智能芯片行业热议，这也是首起中国AI芯片公司被收购的案例。值得注意的是，收购深鉴科技的赛灵思在2018年下半年重点发展方面是汽车自动驾驶。

　　“缺芯”曾经是中国通信产业普遍面临的难题，PC时代的主导者是英特尔和微软，手机时代的主动者是高通和ARM，但在人工智能时代，自动驾驶的赛道人人争先，无论车厂还是科技巨头都在规划自己的路线或是打造AI芯片。业界希望用AI芯片在通用芯片无法满足深度学习的计算量时，降低功耗与成本。

　　中国工程院院士、计算机专家倪光南在接受《IT时报》记者采访时表示，“过去汽车电子领域被外国跨国公司所垄断，它们的芯片有强大的生态支持，使中国芯片难以进入这一市场。如今，中国的企业要发展自动驾驶芯片，要重视相应的生态支持，不重硬轻软，才可能让我们的芯片在汽车行业占据一席之地。”

　　自动驾驶芯片上虽有巨头，却没有呈现一边倒的格局，切磋才刚刚开始，而拿下自动驾驶应用，对其他应用便是降维打击。

　　执牛耳者，英伟达与英特尔

　　自动驾驶汽车，又称无人驾驶汽车，是一种通过电脑系统实现无人驾驶的智能汽车。为了更好地区分不同层级的自动驾驶技术，国际汽车工程师学会将自动驾驶从0至5划分为6个等级。目前，已经有不少高端品牌汽车可以实现Level 2(第二等级）部分自动化，但若想实现高度自动化甚至是全自动化，离不开自动驾驶芯片。

　　因为GPU（图形处理器）占据着市场深度学习硬件的主流，英伟达将其最先进的处理器首先面向自动驾驶，分得一波市场红利。2017年至今，英伟达先后推出了Drive PX 2、NVIDIA DRIVE、Jetson TX2、Xavier等产品，特斯拉采用的便是Drive PX 2自动驾驶芯片，这也是英伟达首款专为自动驾驶汽车设计的AI超级计算机，运算能力相当于150台MacBook Pro。此外，AI平台NVIDIA DRIVE则可让汽车制造商、卡车制造商、一级供应商和初创企业快速打造自己的自动驾驶。

　　“从技术角度而言，英伟达的芯片更像通用处理器，它不仅可用于汽车，还可用于服务器及云端的训练，强调可应用于更广泛的机器人领域。”一位从业人士告诉《IT时报》记者，英伟达芯片“放之四海皆可”的优势，同时也意味着它兼具通用芯片的弊病，但毋庸置疑的是英伟达自身有很快的迭代速度，GPU功耗方面也得到了极大改善，后期发布的NVIDIA DRIVE已经超过Drive PX 2。

　　英伟达相关人士向《IT时报》记者透露，英伟达在今年CES大会上推出的Xavier自主机器处理器已经启动，它可提供更高的处理能力，运行功率更低，每秒可运行30万亿次计算，功耗却仅为30瓦，能效比上一代架构高出15倍，首批样品会在本季度开始交付客户。

　　在自动驾驶芯片领域，另一家值得关注的公司是英特尔，因为以173亿美元收购以色列公司Mobileye，英特尔在自动驾驶领域占据了绝对优势。“英特尔在自动驾驶芯片层面主要在传感方面，做视觉信息采集和分析等工作。目前，Mobileye第四代EyeQ芯片已在2017年底实现量产。” 英特尔相关人士告诉《IT时报》记者。全球首款装载Mobileye EyeQ4自动驾驶芯片的量产车型来自蔚来汽车，蔚来ES8电动SUV的计算能力是奥迪A8所搭载芯片的8倍，而今年将上路的数百万辆汽车都会配备前视摄像头以及Mobileye第四代EyeQ芯片。“Mobileye的处理器能力稍弱，还没有达到高等级自动驾驶的要求，它也正往这方面努力，因此目前Mobileye的市场占有率还是在L2级的ADAS（高级驾驶辅助系统）市场。”一位不愿具名的业内人士告诉《IT时报》记者。

　　创业者押注自动驾驶处理芯片

　　“谁赢得自动驾驶处理器，谁就赢得人工智能时代。”地平线创始人兼CEO余凯说。和深鉴科技一样，地平线是国内人工智能芯片行业的明星企业。在余凯看来，整个自动驾驶产业链集中度最高的就是处理器芯片，在传统领域，无论是摄像头还是激光雷达都有几十家以上供应商，但处理器芯片领域，真正得到认可的只有英伟达和英特尔，自动驾驶处理器芯片将成为自动驾驶产业的主战场。

　　“国家需要硬实力的突破，如果因为自动驾驶芯片市场有了英特尔和英伟达，我们就不再搞研发，这意味着未来我们要仰人鼻息。” 地平线自动驾驶市场拓展和战略规划副总裁李星宇告诉《IT时报》记者，这几年，他从不同客户处得到一个共同信息，巨头芯片厂商对客户的支持不够好，尤其中国客户很难在巨头芯片厂商面前排上优先级，以至这些芯片业很难根据中国市场进行优化。“面向中国场景定制中国的处理器，这是我们看到的巨大机会。”李星宇说。

　　2016年成立后，地平线开始自主研发人工智能芯片和算法软件，已经面向智能驾驶领域推出征程1.0人工智能芯片，可用于高性能L2级别ADAS，基于征程2.0架构的地平线Matrix自动驾驶计算平台可以为L4级别的自动驾驶提供高性能的感知系统，并已经向自动驾驶厂商大规模供货。

　　押注处理器芯片意味着大额资金投入，地平线已经很难具象地说在研发上投入多少资金，但从英伟达在研发自动驾驶芯片投入的资金规模上可相互印证。“英伟达的Xavier有超过90亿个晶体管，也是迄今为止打造的最复杂的系统级芯片，研发投入达到20亿美元。”英伟达相关人士告诉《IT时报》记者，Xavier是2000多名工程师4年的努力。

　　拥有核心技术意味着掌握定价权

　　“自动驾驶要求汽车本身对环境有非常精准可靠的感知，这是基于深度学习对目标物的识别、对环境的感知、建模和定位，要达到这样的准确性，用通用芯片的效能并不高，它需要非常强的GPU，大功耗会带来一系列问题，比如成本和散热。装AI芯片，意味着以1%的功耗实现相同的性能，而成本只有原来的十分之一。” 李星宇告诉《IT时报》记者，虽然公司在芯片研发上投入巨大，但从长远来看，掌握了核心技术就能掌握定价权。现在，地平线是中国唯一一个在全球四大汽车市场（美国、德国、日本和中国）同顶级汽车Tierls（一级供应商）、OEMs（主机厂）建立合作关系的智能创业公司。

　　按照业界的预测，自动驾驶要到2025年才产生规模化影响。来自美国交通部的数据显示，到2025年，智能驾驶的软硬件销售（不含整车）将达到262亿美元，但其社会效益将放大到1万亿美元，这其中包括了缓解交通拥堵、节省燃料、减少事故以及提高生产效率。“可以说，每1美元的自动驾驶处理器销售，将带来40美元的社会效益！这就是基础技术的作用，有极强的产业放大效应。”余凯说。

　　巨大的人口规模和市场带来的海量训练数据是中国在发展人工智能上的一大显著优势，CB Insights调研报告现实，2017年中国AI创业公司融资总额全球第一。AI公司在致力于研发AI芯片，寒武纪、地平线凭借过硬的技术实力跑在行业的前列，多数创业公司的AI芯片还未量产，甚至不到流片阶段。

　　“我们在研发神经网络视觉芯片，离流片还有半年的时间。”深兰科技创始人兼CEO陈海波告诉《IT时报》记者，深兰科技正致力于让自动驾驶L3级更稳定，并尝试攻克L4级，虽然有些企业宣布自己的无人车已经到L4级，但这样的成功是建立在实验路线上的，换一条路未必可以。

　　国内另外两家创业公司，景驰科技正使用英伟达GPU和英伟达 DRIVE PX 2来开发自动驾驶汽车，而图森未来则使用英伟达 GPU、英伟达 DRIVE PX 2、Jetson TX2、CUDA、TensorRT和cuDNN 来开发自动驾驶解决方案，这两家公司也陆续获得英伟达的投资。对地平线来说，研发自动驾驶芯片本身就是Hard模式，现在地平线先着眼解决“识别”的问题，让汽车可以正确识别车辆、树木、车道线、红绿灯、260种交通指令牌等不同类型物体，再综合雷达、毫米波等传感器的数据，对汽车进行自动驾驶控制。按照余凯的设想，他希望在到2025年能有3000万辆搭载“中国芯”的无人驾驶汽车。

　　真正实现还有很长一段路

　　按照国际汽车工程师学会的等级划分，L5才是真正的无人驾驶，无需人的介入即可应付各种状况。目前，奥迪A8的Audi AI属于L3级别的自动驾驶，转向、加减速控制、对环境的观察由系统完成，对于激烈驾驶的应付仍需驾驶员完成；特斯拉的增强版Autopilot严格来说属于L2.5，还未达到L3级别；百度的阿波龙虽是L4 级量产自动驾驶巴士，但离商业化还有段距离，即使商业化落地，也只会在一些特定路线使用。

　　“真正实现无人驾驶仍需10至15年。” 李星宇说。李星宇的预测是乐观的，谷歌无人驾驶项目技术负责人厄姆森在接受媒体采访时，认为自动驾驶真正出现可能比预测的时间要晚得多，最长可能需要30年。

　　事实证明，汽车面临的工作环境要复杂恶劣的多，汽车级芯片要追求的是零缺陷目标。手机芯片的缺陷率要求一般是几千个PPM（百万分之一）甚至更高，而汽车级芯片的要求是低于10PPM。手机的工作温度一般是0℃-70℃即可，而汽车级芯片要扩展到-40℃-125℃。另外，手机的工作寿命一般要求在3年，而汽车级芯片需要可靠地工作10年以上，并满足对于振动、冲击的测试要求。

　　今年3月，优步发生全球首例无人驾驶汽车撞死行人事件，无人驾驶汽车的安全问题引发热议。对此，英伟达回应《IT时报》记者，关于Xavier系统级芯片 (SoC)，他们邀请了全球顶尖的汽车安全和可靠性公司 TV SD进行安全评估，当时负责Xavier的首席评估员说Xavier是他们评估过的最复杂的处理器之一，经过技术评估，表明Xavier达到了汽车行业的功能安全标准 ISO 26262，这也证实了Xavier系统级芯片架构适用于自动驾驶汽车的应用程序。

　　“自动驾驶芯片设计之初就要把安全纳入其中，包括硬件和软件堆栈方方面面都要采用安全技术，为了确保Xavier达到我们设计的预期，公司数千名工程师编写了数百万行代码。”英伟达相关人士向《IT时报》记者介绍。

　　中国市场：适者生存

　　值得注意的是，除了传统芯片厂商，谷歌、特斯拉、百度、博世等似乎与芯片不沾边的企业也在做人工智能芯片，而中国企业要如何占得一席之地？

　　倪光南在接受《IT时报》记者采访时表示，新一代信息技术包括AI、自动驾驶等对芯片提出了新的需求，因此原先不做芯片的企业也开始做芯片，中国的部分企业有算法和应用方面的优势，完全有可能做出性价比很好的芯片。当然，它们主要是在芯片设计方面投入，一般不会轻易进入芯片的生产制造领域。中国芯片产业的短板不在设计方面，而在制造工艺、装备、材料、设计工具等等方面，国内AI、自动驾驶这类芯片在设计方面可以与国外巨头竞争。不过，AI这类芯片架构依托的是算法，而在算法方面，我国业界基本上还是跟随者，缺乏原始创新，想在AI这类芯片方面超越外国，应当努力在算法方面进行创新，争取有所突破。

　　“目前国内AI芯片很热，中国市场巨大，这是一个有利条件。不过，经验表明，每个细分领域的芯片经过市场竞争后，最终能够生存下来的往往只有少数，所以无论是AI芯片的投资者还是从业者，都要有这种思想准备，多做市场调研，减少低水平重复。”倪光南最后说道。