李文慧

自動駕駛每上升一級，都會產(chǎn)生相應(yīng)數(shù)據(jù)量的增加，增長算力的需求。邊緣計算，將通過高可靠性、安全合規(guī)、實時計算、低延遲等優(yōu)勢，推動破解自動駕駛的核心難題。

行業(yè)分析報告顯示，人工智能將會讓生活變得安全美好，2025年關(guān)鍵生活質(zhì)量指標(biāo)提升60%，疾病負(fù)擔(dān)降低10%-15%;而安全駕駛、自動駕駛、輔助駕駛每年將在五百萬人的城市拯救30-300人的生命。

全球所有沙灘數(shù)出來的沙子是一個ZB，其中包括四分之一以上的實時數(shù)據(jù)，有五分之一有生存安危的數(shù)據(jù)很難壓縮。迎接海量數(shù)據(jù)挑戰(zhàn)的關(guān)鍵是什么？

地平線副總裁、智能駕駛產(chǎn)品線總經(jīng)理張玉峰表示，這其中的關(guān)鍵，則是如何實現(xiàn)實時計算，減少反應(yīng)延遲，提高數(shù)據(jù)隱私安全方面的合規(guī)操作實踐，以及傳輸和存儲。如果不在邊緣進行計算，將會帶來基礎(chǔ)設(shè)施成本、網(wǎng)絡(luò)數(shù)據(jù)傳輸成本的增加。一份報告提到，邊緣AI數(shù)據(jù)處理器的市場大于云端市場。

5G是這兩年非?；馃岬脑掝}，5G高傳輸率解決了端上傳輸?shù)膶崿F(xiàn)問題，而沒有解決的問題是，5G并沒有辦法給主干網(wǎng)帶來質(zhì)的提升。

此外，張玉峰列舉了智能駕駛典型的場景：首先，從ADAS場景來看，視覺感知在ADAS扮演著越來越重要的角色，已經(jīng)出現(xiàn)了越來越多的車型配備了多個攝像頭，分辨率的要求更是向高于兩百萬像素的方向發(fā)展，所產(chǎn)生的數(shù)據(jù)也是爆發(fā)式增長。

其次是高級別自動駕駛，自動駕駛時代將會有更多類型的傳感器和數(shù)據(jù)，這是對邊緣的計算，車上的實時數(shù)據(jù)將帶來更多挑戰(zhàn)。

然后是高精地圖與定位，基于激光雷達方案的優(yōu)勢，其是高精準(zhǔn)度同時也是高成本的。基于視覺的高精地圖技術(shù)可以是低成本的，眾包方式能夠讓高精地圖順應(yīng)實際路況產(chǎn)生變化，包括部分道路關(guān)閉、交通指示牌的變化，以及共同協(xié)同的數(shù)據(jù)采集和運算。

最后是車內(nèi)的智能交互，包括智能場景下對于車內(nèi)駕駛員、乘客更充分的理解，以及智能化人機交互，那就涉及視覺的采集、語音的采集和分析，以及語音和視覺共同分析理解車內(nèi)人的行為、想法，讓車更主動作出判斷，主動調(diào)整適應(yīng)人的需求，其中涉及到很多數(shù)據(jù)在車內(nèi)的實時處理。

張玉峰分析稱，每輛自動駕駛車每天產(chǎn)生600-1000TB的計算量，兩千輛自動駕駛車一天的數(shù)據(jù)相當(dāng)于2015年整個人類文明一天的數(shù)據(jù)量。

從不同級別自動駕駛的演進來看，自動駕駛每上升一級都會產(chǎn)生相應(yīng)數(shù)據(jù)量的增加，對邊緣處理器的能力要求的增長，即算力需求的增長。

實現(xiàn)L4級別的自動駕駛，可能需要300多個萬億次每秒計算的能力，所以自動駕駛對于邊緣處理器的要求，尤其是對人工處理的要求會越來越高。而其中的核心驅(qū)動力無非是在自動駕駛軟件算法的不同級別，在不同時間、不同SAE級別，對算力和計算量的要求不同。

對于L0-L2的感知，計算需求并不太大，包括激光雷達和視覺，從感知到建模，會有幾個數(shù)量級的增長，而對于路徑規(guī)劃的算法，所需要的計算量在感知技術(shù)上會再上升幾個數(shù)量級，因為判斷自車周圍的幾十輛車和行人可能達到的位置，是一個爆炸式的增長。邊緣計算，它具有高可靠性、安全合規(guī)、實時計算、低延遲等優(yōu)勢，可推動破解自動駕駛的核心難題。

PC筆記本時代擁有十幾億的數(shù)據(jù)量和設(shè)備量，智能手機時代則翻了數(shù)倍。

隨著人工智能的技術(shù)突破，我們即將迎來的是機器人時代，在人工智能賦能萬物、萬物智能的時代，自動駕駛汽車則是人工智能機器人時代的珠穆朗瑪峰。它要求極高，活動范圍極大，不同的工作狀況、時間、天氣都可以駕駛，是遠超于其他類型的機器人。

過去幾十年，計算機的算力發(fā)展符合摩爾定律，每一美金可以買到的算力每十八個月可以翻倍，成本和能效可以下降，而現(xiàn)在能夠達到的能力相當(dāng)于一個老鼠大腦的能力，到2025年，人們將可用一千美金買到一千TOPS的算力，能夠滿足L4-L5自動駕駛的計算需求。

摩爾定律在進入二十一世紀(jì)時，由于物理限制，晶體管大小已經(jīng)達到納米級，繼續(xù)靠降低體積換算力增長的方式面臨很多挑戰(zhàn)。

張玉峰稱：“地平線做的則是，結(jié)合場景，通過算法和芯片架構(gòu)的協(xié)同設(shè)計，把摩爾定律繼續(xù)保持下去，繼續(xù)續(xù)每18個月翻倍的速度，這個得益于我們在架構(gòu)，包括系統(tǒng)軟件，包括編輯工具綜合的優(yōu)化，協(xié)同設(shè)計，以及算法結(jié)合場景解決問題?！?/p>

人工智能在中國其實起跑并不晚，中國是AI論文產(chǎn)出最多的國家、全球最吸金的國家，產(chǎn)業(yè)化規(guī)模也在全球處于領(lǐng)先地位。但中國AI產(chǎn)業(yè)中基礎(chǔ)硬件規(guī)模相對不足，處理器市場也是由國外巨頭主導(dǎo)。

“我們曾經(jīng)將能耗、性能、面積，做為評價芯片性能的核心指標(biāo)。而如今，AI芯片的性能需要有新的評估維度，從能源轉(zhuǎn)化為計算的效率（TOPS/Watt）、算力成本、算力利用率（Utilization Rate）、算力轉(zhuǎn)化為AI輸出的效率（AI Perf/TOPS）這四個有效算力的維度，來重新定義AI芯片的真實性能?！睆堄穹逭f

道。

（本文根據(jù)地平線副總裁、智能駕駛產(chǎn)品線總經(jīng)理張玉峰在2019中國汽車產(chǎn)業(yè)發(fā)展國際論壇演講速記整理而成，有刪改，未經(jīng)本人審閱）