国产AI芯片，竟能比肩英特尔？

NEXTTECH 科技 2020-09-28 21:30:05

由于在算力、能耗、车规、量产等方面的诸多挑战，在AI芯片领域，自动驾驶芯片常被比作其中的珠穆朗玛峰。

面对这个AI芯片的制高点，各家公司可谓各显神通，无论是谷歌、英特尔等计算平台巨头，或是特斯拉这样的新秀，还有做单点技术的初创公司，都在不断尝试在自动驾驶芯片上寻求突破。

近日，地平线发布了其在在自动驾驶芯片上的最新进度：新一代车载AI芯片征程3。

这家成立于2015年的公司，是国内AI芯片领域的先行者，它在2019年发布了中国首款车规级AI芯片征程2，并实现了规模性量产。

在过去的5年内，地平线成为了中国自动驾驶AI芯片的代表，它的一举一动，不但牵动着整个行业，也决定了中国自动驾驶芯片在世界的话语权。

自动驾驶芯片的演化

自动驾驶的实现，是传感器数据融合、深度学习、车联网、地图、人机交互等多种技术耦合的结果。

在这其中，芯片是贯穿始终的。在芯片硬件的选择上，最早人们使用MCU/CPU/DSP等芯片，后来发现GPU在图像处理上的优势，让GPU芯片成了用于技术研发主流。

以显卡闻名的英伟达开发了价值数千美元的PX2计算平台，里面包括2个独立的GPU，12个CPU核心，16nm制程，水冷系统等等，性能上相当于150个MacBook Pro，一次能搞定8颗传感器（相机、雷达和超声波传感器）传输的数据。这在传统汽车上是完全见不到的。

这类高性能芯片，往往需要大量的计算资源，它们普遍存在能耗高、发热严重、噪声大等问题，配套散热设备后，往往会大幅挤占汽车后备箱的空间，无法满足嵌入式的要求。

即便是英伟达这样顶级GPU大厂，在满足超高算力的同时去降低高能耗也显得捉襟见肘、狼狈不堪。更进一步的讲，对于现在的通用型计算平台而言，要么选择超高算力，要么选择超低能耗…鱼和熊掌不能兼得。

于是，行业出现了新的芯片解决方案，除了传统的GPU外，还出现了FPGA和ASIC。通俗来讲，这三者的关系可以理解为从“通用”→“专用”的进阶。

CPU的通用性最强，可以胜任很多工作，但在解决计算机视觉信号上，效率比不过GPU，而GPU在某些方面又不如专用的ASIC芯片（专用集成电路，意思就是面向专门计算用途打造的芯片）。

英伟达推出的PX2，曾用在特斯拉的车上，2019年4月，特斯拉推出Autopilot 3.0系统，就是基于自研的ASIC自动驾驶芯片。

据马斯克透露，这款专用芯片能以不到100瓦的功耗输出144TOPS的算力，比英伟达的PX2有10倍以上的能效比，“也就是说，在相同的能耗和成本下，它的工作效率将会提高10倍。”

车企其实不一定非要自己研发芯片，与科技厂商合作研发是当下大多数传统车企所采用的路线。比如英特尔和宝马收购了Mobileye并与宝马、克莱斯勒等车企结盟，小鹏等多家公司也继续沿用了英伟达的方案。

特斯拉自研芯片的考虑首先是对于成本的控制，以Dirve PX 2为例，单块价格为1.5万美元。特斯拉有全球最大的电动车保有量，自研芯片+代工的模式，虽然短期成本投入比较大，但长远来看是相当划算的买卖。

同时，自研芯片也可以让车企具备核心技术，提高护城河；可以让自己的算法在一个更加合适的平台去实现价值。

虽然好处多多，但是芯片开发的成本是巨大的，而且回报周期很长，如果没有相当足的技术积累、体量，和在自动驾驶上的决心，可能绝大多数车企都不会去效仿特斯拉。

地平线的商业化路径

回到中国的自动驾驶芯片，地平线一直致力于低功耗的边缘AI芯片，通过算法和芯片的深度整合，提升芯片有效算力，在同等性能的情况下大大降低功耗和成本，保证实时性。

相比于高性能芯片，地平线的方案可以做到快速部署，在成本和推广上有着先天的优势。

高性能芯片虽然算力更高，但受制于成本法规等因素，目前能实现的功能有限，比如小鹏P7中搭载的英伟达DRIVETM AGX Xavier，虽然运算能力达到了30 TOPS，但功耗也高达30W，根据小鹏的介绍，P7可以实现：在特定高速公路设定导航目的地，P7将根据路线指引，实现自主变道、切换高速路线，并在行车中实时选择最优路线。

相比于Mobileye推出的EyeQ4辅助驾驶芯片和征程3，Xavier不仅成本更高，高速中的辅助驾驶也存在诸多限制。