地平线张玉峰：AI边缘计算如何助力智能驾驶

地平线副总裁、智能驾驶产品线总经理　张玉峰

　　非常感谢，很荣幸参加预见未来和大数据、云计算、人工智能研讨，今天我代表地平线来探讨一下AI边缘计算如何助力智能驾驶。

　　我们地平线的使命是赋能万物，让每个人生活更安全，更美好。我们通过边缘AI计算帮助行业减少云端的压力，从我们拿到分析报告来看，人工智能将会让生活变得安全美好，到2025年关键生活质量指标提升60%，这里包括疾病负担降低10%-15%，跟我们智能驾驶和出行相关是左上两个领域，也就是我们的安全驾驶、自动驾驶、辅助驾驶，五百万城市中每年可拯救30-300人的生命。

　　各位发言嘉宾提到了，包括张总也提到了ZB，全球所有沙滩数出来的沙子是一个ZB，这里有超过四分之一的实时数据，有五分之一有生存安危的数据，是很难压缩的。

　　迎接海量数据挑战的关键是什么?是如何去能够实时计算，减少反应延迟，提高可能性和数据隐私和安全方面的合规操作实践，以及整个的传输和存储，如果不在边缘进行计算，将会带来基础设施成本，还有网络数据传输成本的增加，我们拿到一份报告也提到说，边缘AI数据处理器的市场也大于云端市场。5G也是这两年非常火热的话题，5G高传输率解决在端上的传输的实施的实现，其实没有解决的问题是，5G并没有办法给主干网带来质的提升，大概目前来看，5G能够把数据搬运的距离也就是七八百米的距离，在5G基站形成一个数据的堰塞湖，而这其实更是打开了边缘计算的商机和市场。5G值得肯定一方面，肯定是高可靠性的保障，对像V2X这样的技术进行极大的赋能，使其变得更容易落地。

　　面向智能驾驶的场景，我们列举典型的场景，首先，从ADAS场景来看，视觉感知在ADAS扮演越来越重要的角色，已经出现了越来越多的车型配备了多个摄像头，分辨率的要求是向更高于两百万像素的方向发展，这里产生的数据也是爆发式增长。其次是高级别自动驾驶，第一个自动驾驶主题的演讲其实很多嘉宾的很多行业观点都分享了，自动驾驶时代将会有更多类型的传感器和数据，这是对边缘的计算，车上的实时数据带来挑战。然后是高精地图与定位，基于激光雷达的方案的优势，肯是在于高精准度，同时也是高成本的，基于视觉的高精地图技术是可以带来低成本，众包的方式能够让一个高精地图顺应城区，在其他场景下实际生活中面临的路矿会发生变化，会有部分道路关闭，还有交通指示牌的变化，还有共同协同的数据采集和运算。最后是车内的智能交互，包括张总提到说智能场景下对于车内驾驶员，对于乘客更充分的理解，以及智能化人机交互，那就涉及视觉的采集，不仅是视觉，还有语音的采集和分析，语音和视觉共同分析理解车内的行为、车内人员的想法，让车更主动的作出判断，主动的调整适应人的需求，这里都是涉及到很多的数据在车内的实时处理。

　　每辆自动驾驶车每一天产生600-1000TB计算，两千辆自动驾驶车一天的数据就相当于2015年我们整个人类文明一天的数据量，所以是非常大的。从不同级别自动驾驶的演进来看，自动驾驶每上升一级都会产生相应的数据量的增加，以及对边缘处理器的能力要求的增长，也就是算力的需求的增长，每次都是十几倍的增长需求。实现L4的自动驾驶，可能需要300多个万亿次每秒计算的能力，所以自动驾驶对于边缘的处理器的要求，尤其是人工处理要求会越来越高。

　　这背后核心驱动力无非是在自动驾驶软件算法的不同级别，在不同的时间，在不同的SAE级别上，对于算力和计算量的要求是不同的，对于L0-L2的感知，计算需求并不太大，包括激光雷达和视觉，从感知到建模，会有到几个数量级的增长，而对于路径规划的算法，它所需要的计算量在感知技术上再上升几个数量级，因为判断身边自车周围的几十辆车和行人可能达到的位置，是一个爆炸式的增长。回到边缘计算，它具有高可靠性，安全合规，实时计算，低延迟等等优势，将推动破解自动驾驶的核心难题。

　　我们谈预见未来，我们走过了PC笔记本时代，有十几亿的数据量和设备量，智能手机时代是翻了数倍，随着人工智能的技术突破我们即将迎来的是机器人时代，在人工智能赋能万物、万物智能的时代，自动驾驶汽车可以说是人工智能机器人时代的珠穆朗玛峰，因为非常高的要求，极大的活动范围，不同的工作状况和时间、天气都可以驾驶，是远超于其他类型的机器人。而地平线致力于方向之一就是在自动驾驶所需要的边缘AI处理器和核心的AI算法，智能化的关键就是机器人“大脑”的进化。

　　我们在过去几十年计算机的算力发展是符合摩尔定律的，每一美金可以买到的算力每十八个月可以翻倍，成本和能效可以下降。我们现在能够达到的能力其实相当于一个老鼠大脑的能力，我们预见在2025年，可以用一千美金买到一千TOPS的算力，能够满足L4-L5自动驾驶的计算需求。摩尔定律在进入二十一世纪时候，由于物理限制的存在，晶体管大小已经达到纳米级，继续靠降低体积换算力增长的方式也面临很多挑战，我们地平线所在做的使其是，结合场景，通过算法和芯片架构的协同设计，把摩尔定律继续保持下去。我们可以继续延迟每18个月翻倍的速度，这个得益于我们在架构，包括系统软件，包括编辑工具综合的优化，协同设计，以及算法结合场景解决问题。

　　我们曾经将能耗、性能、面积，做为评价芯片性能的核心指标。而如今，AI芯片的性能需要有新的评估维度，从能源转化为计算的效率(TOPS/Watt)、算力成本(TOPS/$)、算力利用率(Utilization Rate)、算力转化为AI输出的效率(AI Perf/TOPS)——这四个有效算力的维度，来重新定义AI芯片的真实性能。

　　人工智能在中国其实起跑并不晚，我们在AI论文产出是最多的国家，我们也成为全球最吸金的国家，我们产业化规模在全球也是处于领先地位。但是中国AI产业中基础硬件规模相对不足，我们处理器市场也是国外的巨头主导，包括英飞凌也是有非常高的市场份额，地平线从一开始就选择了这样一个高门槛但是对产业发展非常重要的一个基础领域——AI芯片。

　　关于地平线本身发展状态和进展，我在这里向大家汇报更新一下。8月30日在地平线上海开了一个媒体发布会，正式推出了量产的车规级AI芯片——征程二代处理器。它的直接对标国际最领先的产品，就是以色列量产产品，而我们在功耗和成本方面都有非常好的优势。

　　我们也基于征程二代处理器，面向ADAS场景，推出了相应的视觉感知方案，这里头我觉得还是播放一段视频，这个是支持24个大类的场景，我们是可以基于像素可以分割出来的，有机会欢迎大家到北京办公室体验。目前我们已在全球5个国家获得了前装定点项目，两年内将有百万级的装车量。

　　我们面向自动驾驶计算平台，去年已经登陆了北美的领先自动驾驶车队数百辆，今年我们会在出租车这块继续的部署和协助赋能客户完成研发和测试以及落地，会达到千辆无人车的量级。然后在车内交互这块，在明年四五月份就有主力车型前装量产，基于感知的交互方案，一个特点就是结合视觉和语音的融合感知，让车内交互更加智慧，能够主动感受用户行为，提供用户喜欢的交互。

　　地平线定位为Tier2，作为一级供应商的合作伙伴，向OEM主机厂提供方案，谢谢大家!