当前，以智能化为主要特征的新一轮科技革命和产业变革正在加速向经济社会各个领域纵深推进。汽车产业正面临着从驱动动力、控制方式到产品形态、运行管理全方位颠覆性的大变革。随着智能驾驶时代的来临，由于实时性、可靠性、数据安全性等要求，计算下沉到边缘终端是时代必然趋势，车载端的计算能力是汽车智能化的关键, 而车载AI芯片是自动驾驶实现大规模落地的前提。

2019世界人工智能大会期间，边缘人工智能芯片企业地平线正式宣布量产中国首款车规级人工智能芯片——征程二代Journey 2。值得一提的是，此次地平线率先推出的首款车规级AI芯片不仅实现了中国车规级AI芯片量产零的突破，也补齐了国内自动驾驶产业生态建设的关键环节。目前车规级征程二代已获得全球5个国家的多家前装定点。最快到明年上半年，公众即可看到一款搭载征程二代的量产车型。基于征程二代车规级芯片，地平线也推出了AI芯片工具链 Horizon OpenExplorer、面向ADAS市场的征程二代视觉感知方案、全新Matrix自动驾驶计算平台。

近日，在“2019中国汽车产业发展（泰达）国际论坛”期间，地平线副总裁、智能驾驶产品线总经理张玉峰围绕控制芯片短板、地平线的商业化进程以及未来规划等接受了专访，并对智能驾驶领域的发展及现状做出深刻剖析。但目前芯片发展难点是什么？有哪些解决思路？地平线又为此做了什么？可以给行业带来什么？作为业内的领先企业,地平线给出了自己的答卷。

针对2019泰达论坛上提到的两个关键词——控制芯片的短板以及汽车强国，您们是如何看待的？ 

张玉峰：首先，不仅是控制芯片，整体芯片，在过去较长时间里，都是被欧美等国外巨头垄断，包括Intel、Xilinx、TI等等。对于控制芯片而言，MCU相对还简单些，CPU这块基本上两大架构是Intel的X86，AMD也在里面，和ARM是主流的两类CPU架构。最近几年火起来的人工智能处理器，其实跟传统CPU还是有较大区别的，传统CPU是讲究它的持续性工作，然后去完成分配任务，完成工作的管理。从汽车行业而言，无论是安全领域的高级辅助驾驶，还是自动驾驶领域的感知、定位，未来的决策，以及车内面向智能座舱的基于多模态的传感器，包括视觉、语音、手势等等，都需要很大的算力来支撑，这背后就需要像地平线提供的这样的处理器，能够提供在足够低功耗，以及足够高的算力去支撑众多数据处理，所谓的大数据，是要在实时的低延迟的情况下完成处理。这部分的挑战要比纯控制性的芯片高。控制芯片虽然小，它也需要稳定性、可靠性，并能够在低延迟的情况下执行控制命令。第二点，就汽车强国的话题，在AI时代，做一个芯片，比如说我们面向ADAS的视觉感知解决方案的芯片链条是很长的，从最底层的芯片设计→开发工具→基于深度学习的神经网络模型→能应用的参考设计开发的过程中，可以说有时芯片的开发设计不比造车容易，需要非常长的链条才能完成。我们起步非常早，先发优势较明显，而另一个优势在于软硬件的高度协调。我们二代芯片的算法软件市场好评不断，与行业海外的竞品完全可以媲美，很多指标上甚至超过海外竞品。

就目前您们的发展路线图而言，难点在哪里？

芯片研发是一个很长的过程，同时它的商业化又是一个很关键的点。如果一开始就追求高算力的芯片，而它在成本、算力、功耗上都超出了当前市场上应用所需要的指标，那实际上是一个商业上并不成功的产品。对于目前来讲，从德国市场的反馈来看，真正的L3级别自动驾驶的量产还是往后推迟3年左右的时间。这里所说的L3是指真正能够解放双眼，可以不用关注外面的情况，在遇到车不能控制的场景下能够提醒人去接管，而这种状态尚需时日。因此目前在整个的辅助驾驶、自动驾驶市场上，L2.5及以下级别是主要的市场，而这个市场的算力不需要到百TOPS或者千TOPS。目前EyeQ4主要针对的也是这样一个市场。

您预计L3量产推迟几年？除了2017年推出量产奥迪A8搭载了L3技术，此后是不是没有车企能达到L3的量产水平？再者，从L2到L3的跨越还有哪些障碍？

张玉峰：个人认为L3量产在2022年前后。而目前量产车若有宣称L3技术的话，事实上还是要差一些，更多仍在L2.5或者是L2+的水平上。据悉，奥迪A8还是蛮接近L3，但在德国好像受到法律法规的限制，还不能够真正开启。因此，法律法规是一个方面，但最有挑战的还是人机交互，也就是说这个车能够处理大部分情况，在遇到处理不了的情况下能够及时提醒人，然后人及时接管是比较好的，若人不能及时接管并出现事故就很难处理。业界也有意见称，可以直接跳过L3到L4。从芯片研发角度来讲，我认为感知这方面我们是可以提供足够的算力和功能覆盖的，但更多还是在人机交互以及法律法规责任的角度来看待这个问题。

如何看待AI前景？

张玉峰：人工智能已是几十年的话题，能够让机器具备人的智能，也是好几代人的努力和愿景。如果从处理器和算力角度而言，在AI时代，处理器的算力如何发展，如何软硬结合，设计优化，能够更快的推动数据处理能力接近人类大脑算力的情况。目前人工智能的局限性在于它比较有细分方向的限制性，即你为这个方向开发出来的人工智能的算法很难轻易扩展到其他领域，这是在算力之外的一个现实。地平线在硅谷办公室的一个团队主要职责就是把人工智能当前的技术变得更通用，一是机器更高效的自学习，二是设计的算法能够更多的适应不同方向。如果这两个问题解决了，能够让人工智能更快的接近我们这么几代人所期待的成果。

地平线的商业化进程怎样？另外，您认为真正的自动驾驶离上路还有多远？

张玉峰：目前地平线获得了5个国家客户的前装定点。就芯片的前装而言，近两年能够有百万级的前装车辆，5年预期达千万级。从目前定点车型质量来看，最早明年上半年，芯片就能在乘用车中显露“身影”，这是对我们目前技术、产品成熟程度以及商业模式的一种肯定。地平线依旧坚定的做好二级供应商，目前定点前装项目是通过Tier1合作伙伴集成到整车里面的。此外，后装也同样是我们比较重要的业务，网约车、“两客一危”在内的这些运营车队，采用我们的芯片+算法赋能，可以对驾驶员危险行为进行监测，同时关注车内乘客的安全，以便车队实现更好的管理，为后装市场提供车内的交互和体验。预计今年我们的后装市场收入将达亿级规模。虽然前装受限于周期，但也有一些不错的收入，而更主要的是车型落地后前装能保证更稳定、更健康的收入。这种组合方式对我们商业模式落地更加有效、顺畅。

抛开L3，所谓一步到位的L4已经不现实了吗？您提到算力方面是可以覆盖的，那么从算力角度而言已经可以满足L4的需求了吗？

张玉峰：就未来L4而言，从计程出租车（Robotaxi）方面，美国市场一直处于领先地位，并且也有上规模商业化运营的成功案例，比如说Lyft在拉斯维加斯有一个至少30辆车的车队，它可以通过Lyft的APP叫车，尽管有安全驾驶员随时接管，但这已是一个上规模的商业化运营，而且也完成自动驾驶载客接近10万次。从去年5月1日起，他们已经投入商用。因此，短期内在某个限定领域绝对可以实现L4。据了解，包括Lyft在内的很多出租车车队有明确的10年计划，想撤掉安全驾驶员。目前从整个业界来看，L4、L5还面临很多技术挑战，比如很多常规的场景和安全性等；另外目前支撑L4的软件、硬件，包括计算平台的量产化，很多Robotaxi厂家仍用工规的设备来完成，因此规模化、稳定性、可靠性也同样面临挑战。去年地平线向北美头部的计程出租车车队提供了数百辆车的设备，基于去年BPU 2.0架构的处理器和感知算法去赋能，支撑其在L4场景下城区的视觉感知。除了出租车外，今年低速物流小车也成为覆盖L4的场景，出货量或可达到千辆级。针对国内市场，可能还会推出一些定制化产品。

就上述而言，如果在有限场景、有限范围下，L4可以一步到位，那么若真正意义上的L4没法实现一步到位，还得需要稳步前行？

张玉峰：我们的合作伙伴正规划和执行满足功能安全要求，以及ASIL-D的未来无人车车型规划，无疑其商业模式还是以共享出行为主，不是针对所谓的私家车模式。一方面因限定场景，另一方面成本限制，因此普通消费者很难直接购买和应用。不过共享车也是一种趋势，而且它能够分担成本，并能更好地控制运营范围、运营时间、运营工况。因此在L4领域，还是以限定性的共享出行方式逐渐落地，并累计足够多的里程才能验证其是否足够安全可靠，是否能达到量产的要求。

作为初创公司，您怎么看待大公司带来的竞争？

张玉峰：尤其在高级别自动驾驶，它的技术挑战性和资金、人力的投入是远超过任何一家公司的，无论公司大还是小，哪怕像Waymo这样的公司，其实一个人去干也是很辛苦的，并且Waymo在跟很多的OEM主机厂合作。如果说谈到高级别自动驾驶，更多的还是合作而不是竞争。其实自动驾驶行业有足够大的市场，我们也欢迎健康竞争。

是不是芯片和其他的核心组件要往前装市场上倾斜，才能真正迎来自动驾驶车辆较好的发展？未来规划中前装和后装市场更倾向哪方面？

张玉峰：从2017年起，地平线前装就与中国、德国、日本、北美在内的四大汽车市场的主机厂、主流公司开展推进合作。而且在人员建设上也筹备较早，像功能安全团队去年开始搭建，目前该团队的Leader是北美一家一级供应商里任职负责芯片级别的功能安全，至今尚在国际ISO对应的标准委员会工作组里负责相应的功能安全标准，包括软件，26262和21448的制定。因此，人才储备和建设也在为前装的更快落地做着准备。而近日发布的中国首款流片量产的车规级人工智能芯片，就是采用AEC-Q100的车规标准设计的。就未来前装和后装市场规划的问题，个人认为从长远来看，实际上后装的所有需求也会慢慢演化成前装。

明年上半年要在乘用车中量产，征程二代具体的应用场景是怎样的，消费者会获得哪些益处？

张玉峰：在安全领域，二代最大的一个方向就是面向ADAS视觉感知，如单目或多目摄像头，去完成对于障碍物、运动物体的判断。大家常见的AEB场景下与前车的距离、刹车时间的判断，包括车道保持、车道线的识别，摄像头的识别要超过其他的传感器。像L2+的功能，比如车道线保持、自动巡航，这些是芯片可以通过视觉感知，再集成到这样一个系统中，以帮助终端的消费者。而在计程出租车(Robotaxi）或者慢速小车上的场景，其实也是对于环境的感知。如慢速小车在路上行驶也需要知道红绿灯及相应的交通规则，帮它做出相应的判断。在车内的智能座舱领域，该芯片可以提供智能化场景，比如说语音识别，芯片可以由足够的算力、核心的算法，通过唇语的理解，以及声音的识别，融合视觉和声音这两种信号源，去做增强，即便是噪音下对命令词也会有更精准的理解。其他的一些可以赋能的场景，其实是对驾驶员和乘客的更精准、更充分的理解，即从视觉、声音角度综合的理解，这样一个充分的感知能力可以打开更多的应用场景。例如，车上通过基于芯片的算法，可以检测到后排是否有小孩子或者老人乘车，这时车辆系统可通过此方式来判断是否调低空调的风力及温度，也就是把现在被动式的交互，或者是需要人为主动做的交互变得更智能化，使得车辆更主动去做一些判断，而这些判断则依赖于车内的环境，车内的驾驶员、乘客，包括多个区域的乘客，并对他们的声音和图像进行更充分、更准确的理解。这是我们明年上半年的首个前装项目，Q2初就可以量产。

相较于国际巨头，地平线还有哪些差距？以及现阶段遇到的焦虑或困惑？

张玉峰：地平线的优势就是软硬件设计上的高度协同，尤其是人工智能领域的处理器，这是高度的软件算法驱动，而且也是场景驱动。正所谓场景决定算法，算法定义芯片。在国内外，地平线无论是算法方面的积累，还是芯片设计人才的储备都非常强，芯片设计上不亚于传统的半导体厂商。在AI算法的人才储备上，与海外国际芯片厂相比，地平线的优势也非常明显。目前地平线仍面临挑战，需要实现的功能以及需要满足的场景还是很复杂的，其中很多场景需要有更多工程化的付出，并能经得起最终消费者的使用和车厂的检验，这些都需要持续投入。即便地平线有较快的发展速度，人才和技术方面也具有自己的优势，但还是需要不停的、持续的、大投入的去做。

因为技术更新迅速，尤其像算力的发展特别快，更新换代也特别快，从整个行业的发展趋势上或者芯片角度上，地平线对未来是如何判断的？

张玉峰：从技术角度出发，车载计算将从分布式ECU向车载的超计算机方向发展，它将变得更集中，性能更高，同时功耗和可靠性上也能满足车队的要求。李书福常说汽车是四轮子上的沙发，从这个维度来讲，地平线对于未来的判断便是“汽车是四个轮子上的计算机”。当然最终汽车还是要满足安全性和可靠性的要求，即便有些新鲜的玩家会挑战大家普遍的规则和认知，但最终还是要以这个为首要。

结语

作为台积电全球首个AI芯片客户，地平线于2017年成功流片量产了中国首款边缘AI芯片。2018年4月，作为首个实现自动驾驶海外商业落地的AI芯片公司，地平线将芯片及解决方案部署到国外顶级自动驾驶运营车队，开创了中国高端芯片出海先河。同年11月，地平线推出的中国首个自动驾驶感知计算平台Matrix斩获美国CES创新大奖，获国际认可。转年2月，地平线宣布由众多世界级战略及财务机构参与，由SK中国、 SK Hynix 以及顶级汽车集团领投的B轮融资，成为全球最有价值的人工智能芯片和边缘人工智能计算初创企业。其中，全球领先的顶级汽车集团已完成超过10亿量级的投资。此前，地平线相继获得包括晨兴资本、高瓴资本、红杉资本、金沙江创投、DST的创始人Yuri Milner和英特尔的投资。一路走来，夯实的产品基础、不断扩大的生态朋友圈，让地平线受到资本市场持续支持。

如今，伴随一年一代架构的技术路径，地平线正式宣布量产中国首款车规级AI芯片——征程二代，并已在全球市场5个国家获多个前装定点，加之后装市场商业化领跑地位，地平线智能驾驶的商业化势如破竹。未来，征程系列车规级AI芯片必将作为商业化脚步的有力助推器，推动地平线智能驾驶的朋友圈不断扩大。

（注：本文根据现场速记整理）