DeepTalk深言堂

2020伊始，深蘭科學院再次打造屬于自己的學習平臺“DeepTalk深言堂”，并邀請到清華大學智能技術與系統國家重點實驗室、清華大學計算機科學與技術系、清華大學人工智能研究院的鄧志東教授，帶來了《軟件化與AI芯片助力智能汽車革命》的特邀報告。

智能汽車發展勢頭正猛，政府各項支持政策陸續出臺，汽車制造企業亦群雄逐鹿。上個月深蘭科學院全新推出的創新品牌“智星時空”便舉辦了一場智慧交通主題沙龍，對“人工智能時代下的智慧交通和公共出行”進行了探討，也得到了業界的積極反饋。

《軟件化與AI芯片助力智能汽車革命》

清華大學 鄧志東教授

全電化、軟件化與網聯化是傳統車企轉型升級的關鍵

從L0到L4，包括ADAS到低速MaaS，再到RoboTaxi這個自動駕駛的珠穆朗瑪峰，可以看到智能汽車正在發生深刻的變化。我們看到一個趨勢，現在傳統車企、新車企與Tier1的主要使命就是要努力發展信息化的汽車平臺。面對跨界互聯網企業與ICT企業的來勢洶洶，傳統車企與Tier1是否還有優勢呢？我認為他們應該先做信息化汽車平臺，主要包括開放線控、推動全電化、數字化；開發冗余的執行機構；發展OTA與云－邊－車一體化平臺；以及著力汽車的軟件升級或軟件化，并最終使之走向智能化、共享化。

在智能化新時代，傳統車企其實有很多事情可做。在面對跨界互聯網企業咄咄逼人的攻勢下，全電化、數字化勢在必行。上海的感受特別明顯，因為特斯拉來了，而且帶來了一股勢不可擋的電動化潮流。我們知道，2018年，特斯拉Model 3成為北美豪華車型的銷量冠軍，比寶馬全系的銷量加起來還要多168％。國產Model 3，歷經1年，于2020年1月7日正式交付給用戶，享受補貼后售價為29萬左右。很明顯，傳統車企目前在推進電動化上面臨著巨大的壓力。

OTA也是特斯拉帶來的。特斯拉的OTA很厲害，實際就是汽車的軟件化，即通過軟件升級、用軟件來定義汽車的功能，因此OTA可以顛覆傳統汽車平臺升級換代的周期與迭代路徑。相比之下，中國燃油汽車與電動汽車的發展缺少創新與核心技術，造成特斯拉進入中國市場后供不應求。不過特斯拉進來可能是一件好事，因為通過“鯰魚效應”，也有可能帶來中國智能汽車產業格局的重大變化，例如可完善與加速升級中國電動汽車產業的供應鏈。

我們還看到，2019年特斯拉Model 3在一年之內進行了10次OTA更新，增加了全新的功能或進行了原有功能的升級優化。以前的量產車出廠以后，功能就完全固定了，要升級換代至少得等5年以后重新買車。但現在，一年內可以做10次升級，甚至可在確保安全的條件下，通過OTA輕松升級百公里加速時間和剎車距離，這在以前是不可想象的事情。因此以后的智能汽車如果沒有OTA，很難叫軟件化的汽車。

信息化包括數字化和網聯化，這是實現智能化的基礎和前提。智能化可以認為是傳統車企轉型升級的目標牽引與需求導向。一方面，智能駕駛、無人駕駛單車、智慧道路、車路協同等眾多應用場景，對AI與智能化的要求越來越高 ，但另一方面，卻受限于移動終端設備本身對低成本的限制，特別是由此造成的對車載計算、存儲與供電資源的約束，這就對發展以5G“云－邊－端”作為 AI 基礎設施的智能網聯汽車產業，提出了迫切的需求。在實現數字化與軟件化之后，網聯化、智能化則是傳統車企進一步向前發展的必然趨勢與關鍵抓手。

AI芯片助力智能汽車的環境感知與自主導航

AI芯片應該是對“云－邊－端”的一體化全面部署，而不是僅考慮單端的人工智能賦能。AI芯片主要應用于深度學習模型的離線訓練以及云－邊－端的在線推斷應用。目前大數據人工智能獲得的驚人的感知能力，主要就是依靠所謂的“計算暴力”，或者說是利用大算力帶來的進步。

AI芯片首先包括通用AI芯片：

其次是基于ASIC／FPGA的專用AI芯片，也包括異構融合的深度神經網絡芯片。專用AI芯片的好處就是低功耗、高性能，價格也相對便宜，主要用于深度學習的推斷，可以分別或同時部署于基于云、邊／管、端的在線推斷應用�？梢钥吹侥壳坝泻芏嗥髽I都在從事這方面的研發。前面提到的通用AI芯片屬于高端、高性能的AI芯片，而專用的AI芯片一般用于推斷應用，包括英特爾、谷歌、亞馬遜等都推出了自己的專用AI芯片，如谷歌的TPU系列深度學習芯片。還有中國的AI專用芯片，如華為海思的昇騰910等，這與PC時代、移動互聯網時代是完全不同的。在人工智能時代，在AI芯片上我們至少解決了0到1的問題。

此外，還有基于傳統CMOS工藝或基于新型憶阻器件的類腦 AI 芯片，這是另一類技術門檻更高的AI芯片，集成度更高、讀寫速度更快、功耗更低。

2019年我們還迎來了5G商用元年。5G與人工智能在一起可能是一個乘法的關系，它催生了邊緣計算的發展，可望加速AI芯片在云邊端的一體化部署。

我們可以在云邊端框架下部署移動邊緣計算。一邊是公有或私有云，進行云邊協同；一邊是智能汽車等移動終端。移動終端通過5G與邊緣端進行連接，因為5G具有超低時延、超高帶寬、大連接，以及高可靠性和高移動性等，因此可進行邊端或邊車規控。而人工智能可以在云上賦能，也可以在邊緣計算上賦能，還能在移動終端上賦能，這三項賦能我們稱之為AI芯片的一體化賦能。這種強大的云邊端AI賦能，對于智能汽車產業的發展與推動是非常有利的。

AI芯片還將帶來傳統汽車平臺計算體系結構的變革�，F在一臺高端的汽車里面，最多有200多個ECU，至少也有100多個ECU，這是歷史造成的�，F在有了強大的計算芯片與AI芯片，我們可以在全新的智能汽車平臺上，設計新型的計算體系結構，比如把很多個ECU進行簡約，形成域控制器，這樣就會帶來顛覆式的變化。

在傳統汽車上，中國是沒有多少機會的，尤其是燃油汽車，關鍵技術與核心零部件大多在國外Tier1手上。對信息化的汽車平臺，AI芯片是非常重要的，這與國外的發展基本同步。目前在智能汽車芯片及域控制器方面，巨頭卷入，競爭白熾化，因為它的意義已經上升到未來芯片產業的重新洗牌，甚至連全球芯片巨頭都感受到了市場競爭的壓力。

自動駕駛這個賽道很多企業都在加入，聚集了許多頭部企業，比如谷歌自動駕駛用的都是自己的芯片TPU系列，激光雷達也是自己研發的，包括操作系統、深度學習開源代碼框架等也都是自己的，除了不造車，可以說是全棧、全場景的。

我們再來看一下這種AI芯片強大部署在5G“云邊端”的自動駕駛基礎設施，是怎么增強自動駕駛汽車的環境感知與自主導航能力的。

以攝像頭為主導的感知方案，典型的就是特斯拉和英特爾－Mobileye，他們都是堅持用單目視覺，即完全用視覺來解決環境感知和自主導航問題。另外就是谷歌的Waymo，則是堅持以自己的激光雷達為主導，但實際上車上也配置了大量的攝像頭。

成像后其實這些都屬于計算機視覺的問題，因此都可以用人工智能來賦能。云邊端的人工智能對智能汽車和自動駕駛更有利，能夠提供比傳統計算機視覺方法更好、更強大的環境感知、自主導航和信息融合能力，能夠帶來更加自主的行為決策與路徑規劃能力，可以說是變得基本可用。總之，大數據人工智能基礎算法，需要利用云邊端一體化部署的AI 芯片及其提供的強大計算能力來進行支撐。

從智能汽車到RoboTaxi，視覺人工智能已成為一種基礎技術。智能汽車跟手機很像，涉及到算法、軟件、硬件的垂直整合。智能汽車和RoboTaxi的各種細分應用都需要進行深度學習，而且由于是長尾應用，因此也都要使用到AutoML。視覺深度學習的應用，除了行駛場景的分割、可行駛路面的分割之外，還有對機動車、非機動車和行人的檢測，尤其是障礙物行為意圖的識別非常重要，因為開車在某種意義上就是一種預測，需要基于行為意圖的預測，以便隨時采取緊急措施。此外，基于視覺深度學習的多模態自主導航和信息融合也是非常重要的關鍵核心技術。

加速發展智能汽車核心零部件與5G云邊端AI基礎架構

在智能汽車上游關鍵零部件產業中，車規級的激光雷達及多模態傳感器融合模組，是目前產業關注的焦點。第三代純固態激光雷達容易做到車規，方便量產，也容易做到批量低成本。因此車規量產的低成本全固態激光雷達已成為智能汽車商業化落地應用的晴雨表。此外，多模態傳感器融合模組，例如將雙目攝像頭和激光雷達結合在一起，就能支持彩色激光點云，這樣就既有顏色，又有紋理，還有空間幾何信息，這就是未來激光雷達的發展趨勢。

可以說龍頭企業與初創企業目前都混戰在智能汽車上游核心零部件產業，特別是傳感器芯片，力圖占據整個智能汽車產業鏈和價值鏈的制高點。除老牌的美國 Velodyne公司、Quanergy公司、德國SICK公司、IBEO公司等之外，還有初創的美國 Triluminar公司、Luminar公司，加拿大LeddarTech公司，以色列Innoviz公司等，以及中國的速騰聚創、禾賽科技等。目前大疆、華為、英特爾等巨頭也已殺入激光雷這一細分賽道。先進激光雷達的發展會有力地推動智能汽車的落地，尤其是多模態傳感器融合模組的研發特別重要。然而在毫米波雷達的產品迭代方面，國內外差距較大，我們還須奮起直追，實現國產替代。

在AI或自動駕駛基礎設施建設方面，我覺得5G的發展是巨大的產業機會。中國在5G商業化方面的超速發展，已處于全世界前列。華為、中興、諾基亞、愛立信等5G設備的頭部制造企業，位列商業化的第一梯隊。

在5G支撐下進行云邊端的AI基礎設施建設，就能加速推動智能汽車與自動駕駛產業的發展。另外就是建設專用車道或智慧道路，從單車智能走向車－路－人之間的智能協同，這也是中國的優勢和特色。未來我們可能在車路協同上走向成功，畢竟在單車智能方面，與國外的差距日漸明顯。

在AI全面賦能的5G“云邊端”基礎設施的強大支撐下，可望在降低智能汽車移動終端成本的同時，大大加強智能汽車的AI能力。

例如，我們可以開展：

基于“云－邊－端”的無人駕駛遠程安全監管；

基于“云－邊－端”的共享出行運營與安全接管；

基于“云－邊－端”的無人駕駛高精地圖遠程下載；

基于“云－邊－端”的無人駕駛決策、規劃與人機交互等

總之，通過加強基礎設施建設，提供各方面的合力支撐，可望形成中國產業發展的優勢，助力智能汽車革命。

結語

☆ 汽車行業的全電化正成為一股不可阻擋的潮流；從功能汽車到數字化汽車的改變，是傳統車企破局的抓手；具有 OTA 的軟件化智能汽車，從根本上顛覆了傳統功能產品的迭代路徑和換代周期；信息化（數字化、網聯化）是實現智能化的基礎和前提；全電化、軟件化與網聯化是傳統車企轉型升級的關鍵。

☆ 5GxAI催生移動邊緣計算的發展，需要加速 AI 芯片在云邊端的一體化部署；車規級AI 芯片及中央域控制器，將推動具有分散式遞階計算體系架構的傳統汽車，向具有強大中央域控制器體系架構的智能汽車的顛覆式變革；云邊端一體化部署的AI 芯片及其提供的強大AI算力，可望大幅提升智能汽車的環境感知與自主導航能力。

☆ 車規量產的全固態激光雷達已成為智能汽車商業化落地應用的晴雨表；毫米波雷達國內外差距較大，須奮起直追；加速發展智能汽車上游核心零部件產業與5G云邊端AI基礎設施，必將有力地推動我國智能汽車的變革式發展。