對話地平線CTO黃暢：堅守技術初心，創新砥礪前行，解碼地平線規模交付背後

集微網報道，車規大算力晶片的競爭日趨白熱化，但“唯算力論”的怪圈正在被打破。近幾年，伴隨ADAS加速滲透，高階自動駕駛興起，以及軟體定義汽車的逐步深入，智慧汽車對於AI晶片算力的需求暴增，幾百TOPS甚至上千TOPS，但業界也逐漸理性地認識到：算力有多重要，它就有多昂貴；而且，唯算力馬首是瞻，僅靠堆疊晶片並不能堆出自動駕駛。

地平線聯合創始人兼CTO黃暢近日在接受集微網的採訪時表示：“隨著AI演算法演進，對於過去的硬體計算架構提出更高要求，發起更大挑戰。新演算法用於過去的硬體計算架構，即使堆再多的理論峰值算力，可能它的利用率也是極低的，低到百分之幾甚至1%。這是一個很恐怖的數字，它會使得公司在硬體、工況上的投入相當低效。”

地平線聯合創始人兼CTO黃暢

那麼，AI演算法會如何演進？怎樣的計算架構才能匹配自動駕駛發展所需？好的車載AI晶片究竟應該具備哪些條件？新的計算架構下，又如何深度挖掘AI晶片的潛力，以更好地賦能車廠、Tier 1開發自己的自駕駛系統？

對於以上這些問題，黃暢都作了深度分享。而且，地平線從成立之初，就一直在探索這些根本的技術問題，並提出了很多創新的，甚至在當時看來反共識的技術理念和商業模式，“實踐出真知”，這些理念和模式正在為更多的開發者所接受，因此我們看到，地平線憑藉這些核心能力，進擊突圍，獲得了越來越多的車企定點和生態合作，正與英偉達、Mobileye等國際巨頭比肩競爭。

洞察AI演算法趨勢，提出“智慧計算架構2.0”

過去十年裡，AI演算法迭代速度加快，各個領域的AI演算法大約平均每9-14個月達成相同精度條件下計算次數下降一半。其實，從國際棋壇的動態能清晰看出，AI演算法已經發生了顛覆式的“質變”。

20多年前，IBM的“深藍”戰勝卡斯帕羅夫，整個行業驚歎，哪怕是世界冠軍也會被這樣的極致的AI系統所擊敗，同時感慨無論AI怎麼發展，人類在圍棋上都不可擊敗。但僅僅過了20年，谷歌的AlphaGo更是以一種碾壓式的方式擊敗了曾經被視為是人類的智慧巔峰的九段棋手李世石、柯潔。

黃暢認為，過去二三十年間，尤其是過去十年裡，AI演算法已經從傳統基於知識、規則、經驗的專家系統遷移到了機器學習，尤其是以深度學習為代表的大計算量、大資料量的AI計算。

而智慧汽車堪比“計算機誕生”級的顛覆式創新，正在成為人類科技發展的母生態。現階段，整個汽車行業、市場也出現了很多新的趨勢，

一方面，中國已經成為了全球頂級汽車智慧晶片的“角鬥場”

，英偉達、高通、地平線等最新產品都選擇在國產車型上首發，這說明中國智慧汽車擁有很好的發展土壤。

另一方面，自動駕駛在不斷量產落地的過程中，對算力的需求持續提升，最新旗艦車型都已經採用了上百TOPS算力的晶片。

同時，伴隨功能和場景不斷豐富，搭載的感測器數量顯著增加，自動駕駛對於計算的需求也在大幅提升，大規模並行運算的AI計算形成了新趨勢。更重要的是，AI計算取代了邏輯計算，成為了車載計算的核心，AI晶片的重要性凸顯。

AI演算法近些年的進化也極大推動了汽車智慧化的發展，自動駕駛行業已出現了資料驅動為主的發展趨勢，替代了傳統基於規則的計算。例如，以整個自動駕駛處理的流程來看，主要有感知-地圖融合-規劃-控制四個階段，它形成了機器人的基本處理鏈路。

這一處理鏈路中，從前到後資料驅動的程度不斷加深，將越來越擺脫對於規則的依賴。這還進一步帶來一個好處：不僅僅是資料驅動加深，在端到端上也實現了越來越多的融合。現階段，感知和地圖融合已經構成一個端到端的系統，越來越多融合成一個“大感知”模組，而規劃、控制也有同樣的趨勢，逐步形成“大規控”的模快。

此外，行業已達成共識，將從現階段智慧駕駛與智慧座艙分開的域控制器，最終會走向一箇中央的計算平臺，由AI中臺去完成包括駕駛、互動等方方面面的智慧計算，而傳統的像IVI和控制方面的部分主要做一個子系統輔助AI中臺完成一些基本的傳統功能。

黃暢表示，“這些趨勢使得我們重新思考，自動駕駛的新技術正規化要與之相匹配一個全新的計算架構，這個計算架構使得整個機器更加自主，使得開發更加簡單，讓計算更智慧。”

由此，地平線提出“智慧計算架構2.0”概念。

黃暢認為，智慧計算的1。0時代是基於CPU，基於規則實現通用計算，用邏輯驅動的方式進行程式設計。

而智慧計算架構的2.0時代，則透過端雲資料不斷的聚合，並且化繁為簡的開發正規化和演算法，以及軟硬結合的計算架構的不斷迭代，這是典型的資料驅動，尤其以深度學習、增強學習為代表的全新計算架構的衍生。

挖掘AI晶片效能，實現系統效率持續引領

在智慧計算架構2。0時代，晶片也將會發生明顯變化，未來將會形成一個統一的計算架構，可以滿足智慧汽車的各種應用需求。具體到晶片上，黃暢認為，未來一顆晶片除了必須的輸入輸出I/O之外，百分之95%以上的面積與功耗都將會為通用神經計算服務，只有不超過5%的區域為專用指令服務，為特定領域的應用、演算法去做服務。

黃暢表示，智慧計算架構2.0將會與它支撐的軟體、硬體的計算架構相結合，從而加速實現機器的自程式設計和應用的自適應。

“智慧計算架構2。0”概念，其實也可以看作，地平線在成立初期提出的“AI計算的新摩爾定律”這一理念的延續。在經典摩爾定律時代，行業用“PPA”（即Power、Performance、Area）指標來衡量一顆晶片的效能。而在AI晶片時代，需要新的正規化來定義效能，即新摩爾定律，主要從單位成本下峰值算力（TOPS/$）、峰值算力的有效利用率（TOPS/Watt），以及有效算力轉化為AI效能的比率（FPS/TOPS）三大維度來衡量真實的AI效能。目前，這一理念已逐漸成為業界共識。

後摩爾時代，計算效能的提升在於軟體工程、演算法、硬體架構聯合最佳化。2年前，Science雜誌上有一篇文章認為，即便是傳統半導體的摩爾定律已經陷入遲滯的狀態，實際上它的頂層，透過軟體、演算法、硬體架構的設計，還可以持續推進端到端整體的計算架構、計算效率持續往前演進。這一想法也與地平線不謀而合。

如何繼續推進？

黃暢認為，必須為這樣一個複雜的，要考慮演算法架構、軟體架構和硬體架構去構建一套高效的端到端的AI計算架構模擬平臺，包含演算法、編譯器和計算核或者SoC的整個架構，並關注演算法、軟體和硬體架構往前演進。

黃暢表示，地平線在過去幾年裡做了很多探索，在做網路結構設計時充分考慮硬體架構，並且將編譯器的自動最佳化也結合在一起，從而去探索得到最適合硬體計算平臺的一個演算法架構。

例如，地平線在征程5晶片上載入了第三代的處理器架構貝葉斯，它聚焦了最新的神經網路架構設計，能滿足自動駕駛場景需求，它本身的近存計算體系、脈動張量陣列、大併發的資料橋，使得它有很好的計算密度和能效。

同時，地平線透過軟硬協同的編譯最佳化釋放系統最優效能，既有比較經典的資料級別的拆分、並行，也有計算的重整，以及深度學習裡很關鍵的一個操作——就是將更多的運算元集中在一起進行高效的計算，它帶來的好處可以充分發揮近存計算的優勢，減少資料搬遷帶來的功耗和成本。

值得一提的是，征程5剛釋出時極致計算效能為1283FPS，但在過去一年實際提升了20%到1531FPS。那麼，這是如何實現的？對此，黃暢表示，“征程5的晶片沒有變，演算法沒有變，地平線僅僅是透過編譯器最佳化排程、軟體架構上的演進，使得我們可以有持續的提升動力，而且還會持續有進一步提升。”

黃暢也指出，現階段而言，軟體、硬體、演算法這三個不同架構的設計方法論上有代差。例如，演算法的設計現在已經開始越來越多地走向基於資料驅動的自動化，典型的就是NAS（Network Architecture Search），而且NAS從早期的純粹關注計算和儲存、頻寬，越來越多走向了跟硬體架構緊密配合在一起去思考什麼樣是一個最優的演算法架構的階段。

軟體架構方面，典型的編譯器、排程過程也已經在基於規則的自動化路上走得很遠，地平線現在也在推進關於編譯器軟體架構設計上，基於資料驅動的自動化設計。

硬體架構層面，尤其是頂層的硬體架構設計，目前大量還是基於人的手工設計輔以一定的基於規則的自動化的方法。

但地平線相信，最終所有的端到端的架構設計都會走向基於資料的自動化設計，無論關於每個架構的效果評估還是架構的持續迭代，最終都會從規則走向基於神經網路的，資料驅動的方式，就像前文所提及的圍棋領域的AI計算變革所達成的結果一樣。

賦能行業開發者，打造更加開放的生態

最終，

地平線思考的一直是，如何將軟硬體結合在一起，去構建更高效的智慧計算架構，從而更好地去服務未來整個AI演算法的發展趨勢，實現系統效率持續引領，賦能AI高效開發。

對自動駕駛而言，地平線要做的也是從實際應用場景出發，“以終為始”，做“好且好用”的智慧計算平臺，幫助更多的行業開發者快速實現智慧駕駛應用落地。

黃暢表示，演算法本質上是一個行業發展的客觀趨勢，地平線基於強大的演算法團隊，有更好的前瞻的預判能力。基於此，地平線可以更早地把前瞻的演算法趨勢判斷帶入到當前一代的軟硬體計算架構的設計中。我們知道，晶片研發的週期較長，軟硬體的計算架構設計成為一個晶片，以及打磨支援其應用開發的工具鏈、作業系統，需要兩年、三年甚至更長時間，前瞻的演算法趨勢預判能力可以使計算平臺落地時仍然能夠滿足最時新的演算法需求，並不過時。

對於自身的定位，地平線定位於Tier 2，車企或Tier 1可以直接選購也可以按需選購，從BPU架構、晶片、作業系統、自動駕駛軟體演算法，從底層邏輯到頂層決策都有不同層次的開放合作模式，請車企、Tier1等廣泛的行業夥伴共同參與，掌握創新的主動性和領先性。

黃暢解釋道，確實，地平線可以做端到端的技術，但是做自動駕駛方案的主要目的是充分驗證每一代的計算平臺，即晶片和開發軟體平臺的有效性、可用性，並且加速它推動商業化落地，同時指導我們更好去構建下一代的計算平臺，使得計算平臺更加高效易用，能夠賦能更多的開發者在上面開發。

地平線曾把晶片公司與車企的合作模式，進行了總結：

第一種是Mobileye模式

，Mobileye把晶片架構、晶片以及作業系統，還有智慧駕駛的軟硬體系統，全部開發完了以後交付給車企，即黑盒系統；

第二種是英偉達模式，

英偉達把GPU架構開發成晶片，然後包上自己的作業系統CUDA， 再去讓業界開發自動駕駛的軟硬體系統；

第三種是地平線提出的TogetherOS 模式

，把BPU跟SoC開發完了以後，中間的底層軟體透過開源OS開放的模式跟整車一起系統開發；

第四種也是地平線的BPU授權模式

。BPU授權模式對主機廠來說意味著整車開發可以完全從晶片到作業系統、到整個自動駕駛的軟硬體系統，實現高度的協同，完全的透明。

一切的價值創造都源於持續的技術突破。

地平線認為，保持高效是在智慧汽車時代，打造開放創新生態的重要意義。

得益於技術積累和開放的生態，地平線在自動駕駛領域已成功破局，目前已經跟20多家車企定點合作，有70多個車型前裝定點，上百萬的車規晶片出貨，有超過100家生態合作伙伴。而且，地平線還在持續探索和努力，這對於智慧汽車創新生態的發展，將是非常重要的推動。黃暢表示：“我們現在的開放性更多體現在面向軟體開發者的演算法和方案的開放、工具的開放。我們還在持續努力，圍繞軟體開發、硬體的設計開發，尤其是晶片級的硬體設計開發，進一步提高開放性，這是我們正在努力的方向。”

而且，智慧汽車是自主機器人的第一形態，未來，地平線在智慧汽車這個行業所開發的技術、平臺、產品會大量外溢，去賦能各個行業。正如地平線的公司使命，“賦能機器，讓人類生活更安全，更美好。”（校對/薩米）