導讀：在過去的幾年時間，汽車行業(yè)對于芯片的認知，已經不再是傳統(tǒng)二級（甚至是三級、四級）供應商的角色。由于去年開始的芯片短缺潮以及汽車智能化、電動化對于芯片需求的激增，汽車制造商如今是“談芯色變”。
對于一部分沒有足夠自研能力的車企來說，目前市面上可選擇的計算平臺，大家的評判依據仍然是傳統(tǒng)的CPU、GPU算力，同時借助這些芯片廠商提供的底層軟件平臺來進行系統(tǒng)開發(fā)。
實際上，從去年開始，一部分車企已經開始在域控制器層級（芯片的下一級供應鏈）尋求自研（生產環(huán)節(jié)委外代工，或者內部Tier1自建產線），同時車企與芯片公司之間的連接成為常態(tài)，這是對傳統(tǒng)供應鏈關系的一次關鍵重構。
智能汽車產業(yè)正在尋求構建一種開放協(xié)同的關系。在軟件定義汽車的時代，軟件的性能“天花板”取決于芯片以及硬件能力的最大化利用。
“為了彌補硬件的局限性，您的軟件需要變得更好。但，再聰明的軟件也無法在舊硬件上正常發(fā)揮。”這是特斯拉CEO馬斯克的邏輯。
一、開放協(xié)同是未來
未來，智能汽車將成為比PC、智能手機更大的母生態(tài)，芯片和操作系統(tǒng)則是這個母生態(tài)的“數字底座”。而開放的“數字底座”，將是行業(yè)的大勢所趨。
這一點，已經得到全球主要汽車芯片供應商的一致認同，而且也是后續(xù)競爭客戶的“殺手锏”。甚至已有車企提出要自研或定制芯片，原因是特斯拉自主設計FSD芯片，已經在差異化上與通用芯片拉開距離。
在高工智能汽車研究院看來，定制SoC不意味著車企需要全部自研IP。事實上，ARM的開放授權模式在智能手機時代的成功，已經驗證了可行性：加速整個產業(yè)迭代速度、縮短迭代周期、降低研發(fā)成本。
作為全球率先基于自研BPU（Brain Processing Unit）實現汽車智能芯片前裝量產的地平線，也給出了自己的答案。在近日舉行的中國電動汽車百人會論壇上，地平線創(chuàng)始人兼首席科學家余凱博士提出，在提供SoC級高性能汽車智能芯片的同時，地平線將進一步開放，嘗試向部分車企開放BPU IP授權。
芯片公司跟主機廠的合作模式大概分為幾種。一是“Mobileye模式”，芯片公司把芯片架構、芯片以及操作系統(tǒng)，還有智能駕駛的軟硬件系統(tǒng)，全部開發(fā)完，以黑盒的形式交付給整車廠；
二是“英偉達模式”，芯片公司提供芯片架構和SoC級別芯片以及操作系統(tǒng)，幫助車企完成自動駕駛軟硬件系統(tǒng)開發(fā)；
三是“TogetherOS模式”，芯片公司提供芯片架構和SoC級別芯片，整車廠采用操作系統(tǒng)開發(fā)自動駕駛軟硬件系統(tǒng)。
目前，地平線的開放模式為第二、三種，基于征程系列芯片和操作系統(tǒng)TogetherOS，賦能車企造車。在TogetherOS模式下，整車開發(fā)不光包括整個自動駕駛的應用軟件，也深入到操作系統(tǒng)的底層，能夠更高效地調用操作系統(tǒng)之下的各種資源。
基于芯片底層的開放合作，可以從理想汽車與地平線的合作案例得到驗證。
在理想汽車創(chuàng)始人李想看來：“在智能電動汽車時代，開發(fā)效率決定著一家企業(yè)的生死存亡。”而軟件定義汽車意味著汽車功能迭代周期大幅縮短，車企與具備算法能力的芯片企業(yè)緊密結合將是必然趨勢。
2021款理想ONE的NOA導航輔助駕駛研發(fā)周期和此前相比縮減了一半，在保證品質的前提下，滿足了智能汽車對產品迭代升級速度的要求。而地平線更為靈活的商業(yè)模式和更高效、更配合的協(xié)同研發(fā)，使得理想汽車可以在底層能力上與地平線高效配合，大幅縮短功能開發(fā)時間。
在余凱博士看來，在創(chuàng)新的時代，速度極端重要，同時要開放協(xié)同，把中間的邊界打開。“我們和理想汽車的合作，七八個月的時間從項目啟動到量產，實際上也是創(chuàng)造了一個世界級的紀錄。”
結果就是，理想汽車打造了業(yè)界最強的AEB，以最快的時間自主開發(fā)全棧的NOA功能，以及實現世界上第一個基于800萬像素攝像頭的高等級輔助駕駛方案。
然而，這還不夠。
地平線計劃將開放踐行到底，支持車企自主研發(fā)自動駕駛芯片，并提出第四種“BPU授權模式”：向整車廠開放最核心的BPU IP授權，同時提供軟件工具包、芯片參考設計以及技術支持，助力部分車企開發(fā)自研芯片，提升差異化競爭力，加快創(chuàng)新研發(fā)速度。
這意味著，整車核心系統(tǒng)的開發(fā)，從芯片到操作系統(tǒng)、到整個自動駕駛的軟硬件系統(tǒng)，實現高度協(xié)同，并實現完全的透明化。
對于汽車行業(yè)來說，智能汽車時代意味著用戶體驗的邏輯跟傳統(tǒng)燃油車時代完全不一樣。過去是面向供應鏈優(yōu)化流程導向的形態(tài)，而未來更偏向于智能手機，汽車制造商需要持續(xù)領先，這就需要一個更加開放的創(chuàng)新生態(tài)。
余凱博士認為，ARM是值得學習的榜樣，因其走出了和傳統(tǒng)芯片公司不一樣的路線，通過開放自己的芯片架構授權，縮短了迭代周期、降低了研發(fā)成本，推進了物聯網時代和智能手機時代全球產業(yè)的創(chuàng)新和進步。
正如Windows和Intel共同加速了PC時代的成熟發(fā)展，ARM和Android共同創(chuàng)造了智能手機時代的繁榮生態(tài)。如今，通過IP+SoC+OS，地平線希望能打造一個開源開放的創(chuàng)新生態(tài)，打造智能汽車時代的“Wintel”和“AA”。
二、從算力到能力
而在高工智能汽車研究院看來，開放協(xié)同的背后，要求的不僅僅是算力，而是能力，并且這種能力可以實現快速的、低成本的“移植”。
事實上，不管是智能座艙還是高階智能駕駛，從芯片到軟件再到數據驅動，仍然處于摸索階段。除了相對成熟的CPU、GPU、MCU等處理單元，大部分仍是采用ASIC或FPGA來做AI加速。
“三年內，負責AI高性能處理的IP，將徹底改變SoC的游戲規(guī)則。”這是一些行業(yè)人士給出的判斷。
原因是，GPU只能在一定規(guī)模的矩陣下實現高利用率。這意味著，GPU在理論上提供較高的AI計算吞吐量（通常稱為 “峰值吞吐量”），但在運行AI應用時，實際性能可能低得多。同時，傳統(tǒng)GPU架構的功耗限制了應用場景。
相比而言，FPGA可提供一種不同的AI優(yōu)化的硬件方法，比如獨特的精細化空間可重構性。這意味著可以通過配置FPGA資源（比如，專門設計的軟核處理單元），以極為準確的順序執(zhí)行精確的數學函數。但FPGA始終是過渡性產品方案，不僅僅成本，還有應用開發(fā)工具以及工程師的稀缺。
而在行業(yè)人士看來，對于自動駕駛系統(tǒng)來說，需要做的不僅僅包括圖像和視頻感知，還包括語音、語義處理，以及決策、規(guī)劃等比較復雜比較高階的人工智能程序，同時也需要非常關注解決方案的性能、成本、功耗的平衡。
這意味著，深度學習或者是神經網絡處理器是最佳的解決方案。而類似地平線的BPU架構，目標就是滿足深度學習和決策推理算法的能力發(fā)揮。
我們從特斯拉自研FSD可以看出，深度學習處理能力才是未來智能駕駛迭代升級的關鍵。比如，FSD除了常見的CPU、GPU、ISP，核心就是兩顆自研的深度學習和預測的神經處理單元NPU。
而地平線提出的“AI計算的新摩爾定律”，就好比此前英偉達提出的GPU計算時代（原因是此前基于半導體物理學的局限，意味著CPU性能每年只能提升10%）。
對此，地平線總結出這樣一個公式：真實AI效能=物理算力（即以TOPS表示的峰值算力）*計算資源的有效利用率*AI算法的效率。
如今，在汽車行業(yè)已經進入一個全新的智能化時代，更高的AI性能和能效是核心衡量指標。比如，峰值算力只是一個基礎指標，而深度學習計算架構、操作系統(tǒng)、編譯器、動態(tài)運行庫以及軟件算法決定了真正的能效。
目前，地平線基于“新摩爾定律”設計的征程系列AI芯片，是唯一圍繞BPU打造，滿足車規(guī)級、功能安全，并且實現大規(guī)模前裝量產的SoC。而征程5芯片則基于更先進的神經網絡，加速性能越高，同時能用更低的功耗，去完成更多的數據的計算。
類似BPU這樣的架構，聚焦深度學習和決策推理算法能力，同時要求高性能、低功耗、低成本的專用。這個時候，算力 （單位: TOPS）并不反映汽車智能芯片實際性能，而每秒準確識別幀率（單位: FPS） 才是更真實的性能指標。
通常GPU在跑深度神經網絡算法的時候，算力利用率有時會很低，而地平線的征程3和征程5則有很高的算力利用率。
結果是，征程5的算力雖然只有英偉達Orin的一半，但在進行自動駕駛任務時其FPS卻高達1283，大幅領先Orin。這代表更快速的感知、更低的延時，以及更高的安全性和行駛效率。
地平線的BPU是一款典型的異構多指令多數據的系統(tǒng)，架構中心處理器是完整的系統(tǒng)，存儲器架構設計進行了特別優(yōu)化，能使數據自由傳遞，進行多種計算，讓不同部件同時運轉起來，提高AI運算的效率。
相比而言，如果按照通用處理器的方法，大多數時候會脫離開應用場景，并且需要有很多算力的取舍。而BPU恰恰更加關注應用，關注算法的取舍，因此其在對芯片架構的取舍、規(guī)模以及元器件的掌握都比較準確。
而在BPU架構的背后，地平線也有很多創(chuàng)新技術，包括高性能低延遲的數據并發(fā)處理技術。比如，用脈動陣列去提高并行計算速度，用近存計算使得存儲跟計算不那么涇渭分明，而是緊密地耦合。
在目前車規(guī)級SoC的研發(fā)中，通過ARM、Imagination、Synopsys等IP核供應商，不管是芯片公司還是汽車制造商都可以快速通過“堆核”進行自研或者定制，但唯獨缺少類似BPU這樣的開放授權的車規(guī)級IP。
不管是基于BPU為核心的SoC，還是向自研芯片的汽車制造商開放BPU IP，實際上都是一種“賦能”。對于芯片公司來說，過去尋求提供算力來幫助車企追趕特斯拉，未來的趨勢則是提供一種能力。
這也是地平線開放BPU IP授權模式的價值所在，給整車迭代提上媲美特斯拉的速度。
來源：高工智能汽車
