世界快看：回归用户价值，以高效能计算方案助力智能驾驶量产落地

“自动驾驶汽车是人类工业史上最具挑战的系统工程，以终为始，软硬结合，驱动自动驾驶持续演进。”

(资料图)

2023年6月6日，在2023江淮汽车智能网联与线控底盘论坛上，地平线智能驾驶产品规划与市场总经理吕鹏表示，在BPU计算架构的核心支撑下，征程5高效计算，能够支持BEV、Transformer等领先自动驾驶算法部署，为本土智驾市场用户带来极致的驾乘体验，为用户创造实实在在的价值。

吕鹏 | 地平线智能驾驶产品规划与市场总经理

以下为演讲内容整理：

目前来看，自动驾驶汽车是人类工业史上最具挑战性的系统性工程。

自动驾驶涉及到算力、算法、整车组织等方面，极大改变了汽车工业的组织结构、人才结构和技术需求。在复杂的系统工程上，地平线坚持“以终为始，软硬结合”的理念，不断推进自动驾驶的演进。

软硬结合，驱动自动驾驶持续演进

芯片设计周期很长，从设计到量产基本需要3-5年的时间。在此基础上，一定要有比较强的软件洞见。当芯片出来时，需要更高效的支持算法结构，实现计算任务，面向任务和场景设计系统。

自动驾驶发展受到诸多挑战，比如L4自动驾驶迟迟未能破局。这里带来两个问题：一是系统成本如何实现高性价比，支撑规模化的部署；二是在自动驾驶场景中如何做到高效ODD场景扩展，做到从一个城市复制到更多城市。

在原本L4方案上，从成本到扩展有相当挑战。L4的算法结构和乘用车的架构已经趋同，在统一的架构下实现依托于大规模的商业化量产不断降低成本，推动自动驾驶的向前发展。

回归到用户价值，调研报告显示，大家的核心诉求在于减轻驾驶疲劳，像高速NOA的激活和使用率非常高。如果将系统定义为“能用”和“好用”两个阶段，当前高速NOA逐渐从“能用”过渡到“好用”阶段，城区NOA尚处于起步阶段，还需不断打磨，我们预判2025年城市NOA将迎来高速发展。

图源：地平线

从汽车产业整体来看，上半场是电动化，下半场是智能化。随着电动车的高速发展，其消费人群对智能化的需求大幅提升。在车企的用户调研以及行业调研中可以看到，智能化在电动车购车要素上排在前三位，这对自动驾驶而言是非常好的发展动力。

中国作为自动驾驶和高阶辅助驾驶量产落地的决赛场，地平线、英伟达、高通等首发的芯片都落地在中国，良好的市场环境孕育着行业的发展，中国车企在创新迭代上始终保持着领先速度。

目前，自动驾驶已逐渐从软件1.0走向软件2.0，以数据驱动实现更复杂的任务。面向高阶自动驾驶，纯靠规则的代码很难罗列，在多样化且高度复杂的物理世界中，规则的程序很难覆盖住所有的场景。

图源：地平线

现在整个感知的数据驱动大部分已经开始向里推动，在融合、规划、控制等领域中以数据驱动的方式实现。域控已从传统的分离式架构到DCU，最终走向中央计算平台。其中催生了对大算力的需求。

地平线在L2大规模量产的征程2和征程3主要在一体机、小域控领域。征程5由于是大算力芯片，在中央计算平台架构里成为非常高效的计算平台，再往后行业将逐渐演进到舱驾一体。

图源：地平线

就智驾而言，算力的提升为我们带来了更多的技术发展和更多的可能。举个例子，地平线提出的端到端的Transformer架构，该架构实现了从感知输入到最终决策控制的整套任务，中间还会输出多种可解释的内容，以支撑整体功能安全。

就像一本书中提到的，人脑系统分为一号系统和二号系统，一号系统负责认知的能力，不断去理解，当我们开车到复杂场景时会自然降速，会观察环境，这就是认知的过程。二号系统负责高效决策，是面向安全类的系统。只有两个系统结合起来才能真正提供足够安全的系统。

征程5高效计算，支持自动驾驶算法部署

上述提到的算法架构离不开底层芯片的算力支持，征程5作为国内首个量产的大算力芯片，已经在理想L8、L7等一系列车型上进行规模化量产。大算力芯片可以实现算法部署，实现验证工作，包括动静态的BEV感知。

图源：地平线

现在，行业一方面也发现高精地图的成本（较高），另一方面是带来了许多接管问题。如果要实现“重感知，轻地图”，也需要通过计算把感知方式、道路要素关联方式等输出出来。征程5可以很好地支持道路关联要素的输出，比如车道线对应的红绿灯，可通过感知的方式实现逻辑关系输出；同时还可以实现目标轨迹预测的输出，支持更好的规划，实现多物体间的博弈。

有了技术加持后，可以解决哪些复杂场景？带来怎样的用户体验？例如，复杂拓扑的无保护左转，涉及到路口很大，未必是十字路口，道路的逻辑关联关系和感知的距离、感知的要素丰富度决定了在此场景下能否实现很好的无保护左转。如果针对无保护右转，往往会遇到汇流，拐过去之后直行的车道和我们之间存在博弈的过程，这种场景下如何实现多交通参与者的预测和理解？如何实现最好时机的选择？这与拥堵路口博弈和匝道汇出是相同挑战。涉及到在复杂环境中、多交通参与者的情况下如何高效实现的场景。针对停车避让、前方有车靠边停车，我们不仅需要对近侧物体感知，还需要360度感知，才能更好规避后方来车和安全风险。以上种种，征程5都能实现高效支撑，为客户带来良好的智驾体验。

图源：地平线

地平线已成立8年，伴随征程2、征程3、征程5一路走来，我们感觉在参数规模爆涨的过程中，随着端到端Transformer架构作为未来统一世界的表达，对算力的需求更大，对带宽的需求也更大。我们从最小百万级的参数规模到L2级别的模型是千万级的。到了Transformer要实现可控可解释，无监督训练，多模态等，后续千亿级乃至像人脑百万亿级将持续提升。

过往，摩尔定律不断推进芯片的成本和性能提升；现在，在AI计算中对算力依然遵从高效的迭代，性能的提升和成本的降低。地平线的征程5能提供128TOPS的算力，真实计算性能达到1718FPS，并且充分考虑数据的吞吐，实现高带宽的数据互联，从而解决数据带宽传输问题。

图源：地平线

智能驾驶“最强大脑”—— Brain Processing Unit

地平线在计算方案中最核心的单元是BPU，即自动驾驶的最强大脑，凝聚了对深度学习和算法趋势的前瞻洞察。

BPU架构经历了三代持续迭代，超过300万片前装量产验证。好的芯片只有经过持续的打磨和迭代，并经过大量使用，才能真正实现从性能到工具链，到成熟度，到整体可靠性，对芯片进行充分验证。三代的打磨经历了三个阶段：

首先在征程2上，主要针对轻量型，高效的算法模型结构实现L2物体检测和语义分割，设计芯片时，该算法架构遇到一些针对模型的特定优化，所以征程2可以很好地提供L2的系统，同时征程2的出货非常多，今年前三个月的上线量进入前三名。

其次征程5作为中间BPU的架构，核心是解决像BEV和Transformer等更前沿的算法。设计之初我们考虑了BEV的算法该怎么支持，针对BEV和Transformer常用的算子怎么进行高效优化，让芯片跑出最高效的性能。征程5作为L2+大批量出货首选的芯片，去年统计的数据是在中国市场乘用车标配L2+NOA功能智驾域控芯片方案市场里，地平线的市场份额排在第一名，第二名是英伟达，两家加起来超过95%。

最后，我们在设计芯片时充分考虑软件趋势，在下一代结构中提出了纳什架构，作为下一代架构，其主要针对环境时序的预测和复杂环境的博弈，未来我们需要不断提升认知能力，不断提升Transformer规模。

关于纳什架构的多项突破性核心技术，主要有以下几点：

一是异构计算下增加了浮点向量的加速单元，可以让算法设计更加灵活，更加通用；二是在三级存储架构上，加速引擎是为了实现灵活的引擎间数据流动；三是数据驱动的排布，数据引擎加入了很多特殊的技术，在模型中的参数大规模读取和计算过程中降低功效，整体功耗降低30%以上；还包括虚拟化技术，可以把一个BPU虚拟成多个核，面向上层的开发可以更加的灵活和高效。

图源：地平线

开放共赢，行稳致远

地平线不断开放开源量产实践的开发套件，助力合作伙伴从量产开始获得商业收益，持续迭代迈向自动驾驶的下个时代。我们的套件核心是解决开发、集成、验证的效率，提升闭环迭代次数。

图源：地平线

以往多家供应商做一个系统，大家分别负责不同的模块难度非常高，并且很难保证交付质量和成本。随着技术的突出，极大简化多方协同，整个接口标准和协议，验证工具，开发框架是统一的，所以可以很好的完成集成开发。

过去自动驾驶的发展在ODD扩展周期，原先的L2，把泊车和域控集成在一起，今年陆续有城区NOA开始落地。后续我们一方面需要推动成本优化，做到科技平权；另一方面推动性能提升，核心的指标是MPI。未来在ODD覆盖下将推动MPI的持续提升，依托更强的算力平台，更好的系统不断提升MPI迭代周期，把全场景自动驾驶从“能用”变“好用”，从“昂贵的用”到“高性价比的用”，让更多用户体验到自动驾驶的价值。

图源：地平线

地平线将持续提供先进的计算方案、参考算法及开发平台，推动自动驾驶关键指标MPI的平均水平，5年达到现在的1000倍，这是地平线希望自动驾驶推进的速度。过程中我们坚持开放共赢，行稳致远，聚焦智能底座的工作平台，通过解决方案的样板间项目不断积累，同时我们也希望能与软件合作方、Tier1做深度的能力共建，支持我们开发复杂的系统，创新建造产业生态。

目前，我们有50+款量产上市车型，有120+个前装定点车型。征程芯片系列出货量超300万，其中征程5芯片出货量超10万。我们已经实现了从0到1的突破，现在在做从1到N的发展。

图源：地平线

面对“卷”时代，地平线将始终以用户价值为核心，创造更高性价比的产品。“征程与共，一路同行”，非常期待和行业伙伴们共同应对智能化发展的浪潮，为消费者创造更高的价值。

（以上内容来自地平线智能驾驶产品规划与市场总经理吕鹏于2023年6月6日在2023江淮汽车智能网联与线控底盘论坛发表的《回归用户价值，以高效能计算方案助力智能驾驶量产落地》主题演讲。）