EEA2019现场| 地平线李星宇：高效AI计算打造智能汽车全场景感知解决方案

CHINA EEA经过多年的不断发展已经成为全球汽车电子电气架构领域的重要行业会议。11月7日-8日，在上海隆重召开了由GRCC 主办，CASA 联盟和OPEN ALLIANCE协办以及由地平线公司赞助的“中国汽车电子电气架构技术创新论坛CHINA EEA 2019”。本届大会聚集了来自全球主流整车汽车，Tier1, 汽车半导体，汽车软件，科研机构以及行业协会等工程专家重点讨论了AUTOSAR、下一代 E / E 架构的发展趋势和设计开发、功能安全/信息安全以及电子电气架构开发的方法和工具。

在11月7日举行的主题演讲环节中，来自地平线的市场拓展与战略规划副总裁李星宇先生以“高效AI计算打造智能汽车全场景感知解决方案”为主题做了精彩演讲。

李星宇表示，软件与计算平台将成为智能汽车的核心差异化因素，根据麦肯锡的报告，自动驾驶计算平台、软硬件开发能力将成为未来自动驾驶价值链中最重要的能力因素，计算平台的成熟度和能力水平决定了汽车智能化的程度。高效计算平台成为支撑智能汽车的核心硬件。通过分析特斯拉Model 3 各部分价值量占比，预测未来自动驾驶的软硬件成本将由90%硬件+10%软件，向软件和硬件基本持平的方向演化。

车载计算平台的总体发展趋势，是持续为软件开发创造更高效的环境。为此，智能汽车E/E构架正从分布式走向集中式，服务导向的系统构架（SOA）将成为主流，为软件提供高性能实时计算平台，在这样一个大的趋势下，计算集中化将催生真正的汽车大脑：车载中央计算机。

演讲中李星宇先生重点阐述了目前分布式ECU架构、域构架和中央计算架构三种汽车架构的特性：

1.分布式ECU架构：软件开发环境不一致、可扩展性差、ECU之间协同困难、使用低速通信总线：CAN\LIN；

2.域构架主要面向服务的构架、按功能划分的集中化、加速软硬件分离以及以太网作为骨干网；

3.中央计算架构具有开放式软件平台、中央-层-区构架、资源池化、云计算+边缘计算的特性。

在中央计算机-区构架下，中央计算机与区控制器独立实现ASIL-D，从而达到安全解耦。中央计算机采用双主机，相同硬件配置，确保在故障发生时，软件可以无缝切换。中央计算机是一个典型的异构计算平台，其中最主要的算力来源是AI处理器，可以直接处理摄像头、Lidar等数据。区控制器负责I/O网关、无AI计算的传感器、诊断、执行器等的控制，并具有低级决策能力。计算架构与计算单元的集中，以及SOA软件构架的实现，也为软件分层打下了基础。

目前车内不少控制器模块，都倾向于采用单颗AI感知芯片，来整合原有子系统分散的感知能力。例如信息娱乐系统（IVI），过去都采用MCU + 应用处理器（AP，Application Processor）的芯片组合方案来实现。其中，MCU作为与车辆的“接口”，负责安全功能；AP则作为主核，负责绝大部分智能功能的实现。但是随着车内视觉及语音交互需求不断提升，IVI对AI计算能力需求越来越大，因此逐渐配备了负责AI感知计算的专用协处理器（CP，Coprocessor），专门负责车内视觉、语音识别等算法的AI加速。

这样的专用协处理器不仅可以用于车内的感知，也可以用于车外的环境感知，在软件分层解耦的理念下，催生了独立感知层的概念。独立感知层将各种传感器的感知结果池化，作为公共资源开放给上层功能软件，从而为各种智能化的应用提供了完整的感知能力支撑。

不管智能汽车的应用是什么，都有一个共性的底层，就是感知。要想让汽车懂驾驶员、懂得理解整个道路环境，理解行人的意图，都需要汽车对物理世界有准确、丰富的感知。而物理世界的客观性也决定了感知的独立性。可以说，感知是实现汽车智能化的基础。

今天，我们看到智能汽车配备的传感器越来越多。从摄像头、雷达到激光雷达，层出不穷。尤其是摄像头，未来每一辆车都会配置十个以上的摄像头，对应的视觉感知算力需求越来越大，这就呼唤独立的视觉感知计算单元，正如PC的显示需求催生了独立的显卡一样，让GPU从CPU手中抢到一块市场。

地平线的目标，就是用高效率的AI芯片和算法，打造从车内到车外的全场景感知基础设施，做智能汽车感知领域的“显卡”，为各种智能汽车功能提供感知能力支撑。

针对以上目前电子电气架构的挑战和未来的发展趋势，李星宇先生在演讲中阐述了地平线中国首款车规级AI芯片:征程二代的解决方案。地平线中国首款车规级AI芯片:征程二代。

总结来看，征程二代芯片的优势有：

1. 极高的算力利用率：典型算法模型的算力利用率不低于90%。

2. 极高的算力有效性：配合高效的算法，每TOPS的算力可以处理的帧数可达同等算力GPU的10倍以上。

3. 出色的感知可靠性：典型目标的识别精度超过99%，延迟不超过100毫秒。

4. 卓越的感知丰富性：支持像素级语义分割，并超过60个分类，每秒目标识别数量超过2000个。

5. 较低的系统成本：征程二代芯片仅需要使用32位DDR内存，相对于竞争产品的产品动辄64位甚至128位的DDR内存，显示了巨大的成本优势。地平线结合芯片的张量并行计算特点，提出新的网络结构，在保持算力需求维持在较低水平的同时，降低了带宽利用率。

为了加速征程二代芯片的产品化进程，地平线在自动驾驶视觉感知、众包高精地图与定位、视觉ADAS和智能人机交互等四大落地场景持续发力，用成熟可靠的解决方案缩短芯片与用户的距离，广泛赋能汽车的智能化发展。

基于征程二代芯片，地平线推出了强大的的自动驾驶计算平台。该计算平台性能的巨大提升离不开征程二代芯片的优异感知能力支撑。征程二代在感知性能上具备三大核心优势：丰富的感知维度、准确的感知结果及对中国驾驶场景的高度适配。

在感知维度方面，除支持车辆、行人、车道线、交通标识、交通灯等传统大类外，征程二代芯片也支持草地、栅栏、建筑物、路牙、人行道、一般障碍物等多种类别的检测，可以提供极为丰富的低层语义信息。

同时，除了支持常规的车外环境感知外，征程二代芯片还可以支持车内视觉、语音识别以及多模融合等感知，大大拓展了AI芯片的感知边界，打通了分散的车载感知能力，为HAD的落地以及ADAS/AD域与智能座舱域的融合打下感知基础。

在感知结果方面，征程二代对行人、红绿灯等核心目标的感知准确率出色，并能提供更丰富的感知信息（图5），比如能够识别带箭头红绿灯的方向信息以及红绿灯倒计时检测等。除此之外，地平线对感知场景的算法开发充分考虑了中国驾驶场景，比如中国特色的车辆行为（车辆突然斜向插入）、道路特征（特殊车道线）以及天气/气象特征等，体现出更好的感知性能和可靠性。

同时，地平线还推出了面向ADAS应用的单目视觉方案。该方案可在低于100毫秒的延迟下实现多达24大类的物体检测以及上百种的物体识别，每帧高达60个目标及其特征的准确感知与输出，车辆及行人测距测速误差均优于国际同等主流方案。