「芯」对话 | 奕行智能CEO刘珲：对乘用车ADAS芯片的几点思考
浏览量：1409 发布日期：2022.07.01
该文章转载自芯谋研究
责编：芯谋评论
6月25日，2022 中国·南沙国际集成电路产业论坛在广州南沙召开。本次峰会由广州南沙经济技术开发区管理委员会、广州市工业和信息化局主办；支持单位为广州湾区半导体产业集团有限公司、广东省集成电路行业协会、广州市半导体协会；广东省半导体及集成电路集群智库机构芯谋研究承办。广东省委常委、广州市委书记林克庆，广东省委常委、副省长王曦出席并致辞。
自动驾驶芯片的机会
新能源汽车近年来发展迅猛，自动驾驶技术发展日新月异。奕行智能科技（广州）有限公司CEO刘珲认为自动驾驶分为三个阶段，每一个阶段，乘用车自动驾驶芯片都拥有很多机会。
从时间轴来看，自动驾驶1.0阶段是发展原点，应用以L1和轻量级L2为主，自动驾驶芯片以简单的前向感知为主，功能也是简单的AI推理模式。此阶段车企希望在不花费过多资源的前提下，较快地将功能放到汽车中，这要求芯片厂商能提供有软件算法的整体解决方案。
自动驾驶2.0阶段是现在时，业界趋向理性，将L4拆分成单独的功能模块逐一攻克难点，诸如自动变道、自动超车、记忆泊车、代理泊车、红绿灯的直行/左转/右转等，这些功能算法复杂程度高、数据量丰富、长尾场景多，需要长时间打磨，不断提高系统安全性。此阶段车企希望将数据和算法掌握在自己手里，这要求芯片厂商能在满足L4算力需求和低成本的前提下，拥有开放底层的平台，供车企自主数据和算法开发。
自动驾驶3.0阶段是将来时，将各类功能模块串接在一起，接管率足够低、安全性超过人类驾驶，届时自动驾驶就会迎来真正的L4。在达到这一阶段之前，会经历很长时间的数据和算法迭代来甄别大量长尾场景，这一时间段就给了新晋芯片企业机会，如果能把产品做好会有很多机会。
（奕行智能CEO 刘珲）
数据、算法、算力是自动驾驶芯片的三驾马车，但行业在算力的认知上是存在偏差的。
其一，行业对算力的定义有偏差。行业普遍将算力和自动驾驶芯片性能等价，实际上借用芯片PPA（性能、功耗、面积）三个维度，算力在AI中是类似面积的资源性维度，因此衡量AI计算性能的最佳办法是看性能维度的算效。算效是单位算力和功耗下能达到的推理帧率。算力的代价是成本，所以应该在有限的成本框架尽可能丰富应用场景，途径就是提升算效，这需要做三个维度的事情：
- 一是甄别软件高频出现的算子，将这些算子硬化，并更好地将计算颗粒度切割，做好并行化，以此提升硬件利用率；
- 二是解决存储瓶颈，如参数的存储复用、多级流水线的存储、近存计算；
- 三是泛化支持不同模型和算子，如在整个计算单元内置一些可编程的混合精度计算单元，更好地支持客户定制的算子。
其二，整个行业对标称算力是没有统一认知的，存在用稀疏化方式定义的情况。所谓稀疏化指的是AI神经网络中，对零或者接近零的值做软件层面的剪枝。这样的好处是轻量化AI神经网络，降低计算量。不过稀疏化不是万能的，而是有局限性的。一方面，稀疏化做了大量剪枝，网络结构被改变，网络精度会受到一定程度影响，对用户来讲需要重新训练；另一方面，稀疏化对某些神经网络并不适用，效果没有那么好。
如果用稀疏化方式定义标称算力，展现的硬件算力是包含软件层面压缩的效果的，这并不是一个非常好定义方式。从用户角度来看，如果网络不适配稀疏化，能感受到的算力和标称算力就会有差别。打个比方就像设计了100个车位的停车场，但租给200个用户，只有当200个用户不是任何时间都停在这里，车位才可能足够。这个方案不是任何场景都适用的，所以会出现问题。
对企业来说，如何提供最有竞争的自动驾驶底层芯片方案？刘珲分享了四点心得。
其一，自动驾驶芯片架构的发展趋势是异构。根据不同特点，现架构分为特定算法的专用架构和强调通用性的通用架构，但极端专用架构和极端通用架构专用都不能兼顾算效和灵活性。异构是处在专用和通用中间的架构，可兼顾算效和灵活性，它可根据不同计算场景和性质，适配到不同结构运算单元。打个比方就像交响乐中有很多不同演奏乐器，通过指挥协调，奏出美妙的交响乐。
其二，对于舱驾域融合如果不从舱内和舱外两个空间属性判断融合，而是以安全和娱乐属性进行切割，会让方案显得更加合理，这种方案既可以把安全做得更安全，也可以把娱乐做得更娱乐。舱驾域融合即为字面意思，将智驾域和座舱域融合在一起，舱驾域融合是要在操作系统层面做虚拟化的技术。但虚拟化并非解决问题的“圣杯”，虚拟化的代价是致使硬件部分额外增加10%以上的CPU开销，商业层面虚拟化也会引用更多授权和许可成本。
举个例子，将与安全相关的交互设施仪表盘、前向AR HUD和智驾域融合在一起，就无需引入虚拟化带来的额外硬件开销和商业成本，在感知可视化和近端渲染角度上也更合理，同时能把座舱的算力节省下来，在座舱做更丰富的生态和个性化的功能。
其三，用熵代表简单性和复杂性，要做的熵减而不是熵增。如今L2++级别的方案都是用在高配车上的，三年后这些方案可能就会应用到十几万到二十几万的车型上，这就对域控制器的成本提出很高要求。反观市场主流多芯片方案往往要上万，甚至数万的成本。从技术上来讲，用单芯片实现系统方案是较为靠谱的方式。
其四，自动驾驶芯片的性能需要在流量、带宽、存储方面不断优化，也需要在数据流通路上很多关键模块上做硬化加速。自动驾驶芯片不仅仅是一个AI芯片，从本质上来讲，它是一个针对视频数据和激光雷达的点云数据流处理芯片。传感器、数据流的处理很像一个河流流过的过程，AI就像蓄水池，假若和它相连的河流和河道太窄的话，整个性能都会体现不出来。
