“地平线刘福成： “芯”引擎打造全场景整车智能，共建智能汽车开放生态”

7月1日-2日，由盖世太保汽车主办的“2021第四届世界自动驾驶论坛”在上海隆重举行。 本次论坛将聚焦自动驾驶感知、智能驾驶域控制器、芯片、计算平台、无人驾驶不同落地场景等自动驾驶关键技术进行讨论，以促进自动驾驶相关技术的更快发展和完整性。 以下是地平线智能驾驶产品线的产品规划和市场负责人刘福成的发言。

水平线智能驾驶产品线的产品规划和市场负责人刘福成

首先看到了造车2.0时代的到来。 1.0过去后，最近进入了汽车造车的2.0汽车，从电动化进入了智能行业。 造车不仅直接造整车，还包括智能车产业，提供上下游的技术方案和零部件。 从分类来看，还包括初代新势力，如蔚来、理想、小鹏、主机厂新成立的新能源企业品牌。

另一个变化是自动驾驶和人机驾驶。 上午，很多嘉宾也谈到了这个，张博士也谈到了人机驾驶。 自动驾驶对我们来说是技术方案。 的自动驾驶实现后，人在车里做什么？ 这将成为下一个话题。 因为智能车应该制造以人为中心的智能车，所以自动驾驶和智能座舱、人机驾驶密切相关。

上午，我看了维侬分享的视频。 视频中介绍了他们的功能之一。 也就是说，这是驾驶人用手机分散注意力时系统提醒驾驶人的功能。 基本上在现在的领域明确是15-20秒，长的话两分钟就可以提醒驾驶员了。 我们可以通过车外感知和车内感知使这个场景更加个性化，符合要求。 如果发现道路状况非常好，周围也没有车的话，我们提醒车内司机的时间会更长。 如果车外感知路况多且复杂，可以缩短提醒时间，也可以及时提醒，实际上可以通过车内内外感知的联动将车外感知的情况推给车，使车内驾驶员的人机交互更加个性化。 也可以使车内的感觉，例如，根据车内的人不同，有老人或有孩子，从而使车外的决定更加缓和。

另外，领域普遍的共识是电子电气体系结构的变化，从分布式向域集中型，最后向中央计算型发展，域集中型目前正在大规模量产，将来会向以中央计算型为中心的体系结构发展。 围绕电子电气架构的进化，智能芯片的进化大致上是这样的路径。

过去智能驾驶和智能座舱是分开的，大家都需要soc或者ai计算加速器。 现在的形态是什么？ 首先，hmi是共用的。 那个集中在客舱区域。 但是，由于是自动驾驶，车内驾驶员的监视也需要采用hmi。 它围绕自动驾驶时与hmi对话。 不久前在车展上展示了语音控制车的功能，但一般情况下语音对话是非功能安全的。 实现人机驱动后，语音对话也变得功能安全了。

现在的发展还是智能驾驶和智能座舱从过去分裂成了两半，通过hmi将这两者连接起来。 将来从中央计算机中央体系结构的立场考虑，从价格最佳的立场考虑，认为在车内将ai计算在中台是价格最佳的方案。

今天，嘉宾谈到了很多对自动驾驶计算能力的诉求。 过去，很多领域的来宾也共享过从l2到l5的自动驾驶计算能力的评价。 虽然在这里也没有特别决定产业的共识需要多大的计算力，但是一致认为这个计算力的诉求会随着订单而变大。 事实上，在智能座舱的计算力也在不断增加，诉求也在爆发，主要来源于几个方面。

第一，我们现在看到驾驶室里有dim摄像头和rim摄像头，摄像头更多，有手势摄像头，中控有摄像头检测深度。 还有a柱，透明底盘和后置摄像头。 摄像头更多，室内对ai计算力的诉求越来越大。 此外，相机的像素诉求也越来越高，从主流的200万不断升级。 有些oem建议把上千个级别的摄像头移到车里。

也有场景的丰富性，但现在场景少，计划80个场景，150个算法。 我们知道，随着算法和场景的增加，ai算法会检测一个场景。 例如，检测抽烟和打电话是两种算法。 虽然算法的主干网可能在前端有点复用，但是后面实际上分支的是多个任务解决，一个场景会占据一部分的ai计算能力。 另外，要实现胶囊内更个性化的交互，需要多帧之间的检测，以便更好地理解人的意图。

关于未来产业化的评价，当然这也不是很成熟，需要听业内同事一起讨论。 第一，依靠全栈智能巨头。 过去在汽车行业还很接近制造，最早掌握这些技术的捷径是依靠全栈智能系统。 你什么都提供，把智能化完全托付给一个合作伙伴一起做智能车。

第二个垂直自研，在手机里大家都知道是苹果，什么都自己自研。 汽车工业也有这样的玩家。 例如tesla。 这些都是公司没有很多过去的包袱，需要完全从头开始。

三是从产业迅速发展。 无论是汽车产业，还是pc、手机产业，其实整个市场最大的蛋糕就是在产业内充分合作共赢。 因为社会分工的产生有历史的必然理由、比较高效的理由、价格的理由和集中度的理由。 比如，pc时代为什么最终要拥抱Intel PC制造商成长？ 自己研究pc，自己研究cpu，自己研究os的公司，其实苹果输给pc时代也很惨。 比如说说自己做cpu，但是要对抗整个产业链的大规模制造，量产化的生产同行业竞争对手，他并不容易。 有的一代可能干得不错，但下一代一出问题就不容易选择了。 在生态游戏中，区域有abcd四种选择。

大家在产业链中充分合作，各有各的分工，智能车这个产业还在初期，各自还在探索的过程中，但最终的结果应该是产业的协同双赢，所以我们是这样的理念

这是地平线征途上的新闻，征途2是中国第一个车规级ai芯片，征途3是我们现在量产的，后面也有量产车。 此次重点介绍的是，与征兵2、征兵3相比，虽然多且复杂不是一个数量级，但从征兵5流单返回到点亮只需要15个小时，原本的测试时间为150个小时的征兵5芯片。

地平线智能驾驶产品组合，下面是车规ai芯片，上面是布局。 matrix，现在量产的有mono前视，pilot前视+周视+后视，FSD(360，胶囊内可能还有8v的方案。

最推的还是智能驾驶和智能客舱。 mono在前视中表示，我们理想地实现了最初的800万像素的批量生产。 飞行员自动驾驶pilot量产方案于本季度发布量产车型，名为中央计算平台的方案正在计划中。 我们有以这几个APP场景为中心的对应芯片。

这是我们对ai芯片设计的理解。 左边是地平线算法队过去取得的成绩，在kitti、imagenet、waymo、地平线连续两次位居第一。 右侧是团队成员过去取得的成绩，中国第一个车规级dsp芯片设计，第一个人脸检测摄像头芯片，第一个h.265视频编码芯片设计，这不是地平线设计，这是团队成员过去取得的成绩。

我们认为好的芯片，不是半导体的工作，而是只有结合ai算法能力，两者结合才能达到芯片的终极性能。

我认为这是我们地平线自身的优势，是中国汽车智能化情况下产业应该达到的状态。 分别是速度、性价比、开放。

首先是速度，全栈处理从l2到l4的所有批量生产处理方案我们已经计划好了。 此外，我们还与车企密切合作，共同并行开发，加快批量生产引进，具备本地化全天候的能力。

让我们看看车型。 左边是量产车载智能交互的车型，右边是量产最初的自动驾驶的车型。 第一个产品部署10个月，第二个产品部署8个月。 为什么天际线能在这么短的时间内与汽车企业合作完成批量生产引进呢？ 首先，我们有提前的计划。 在与车企合作时，我们的产品相对达到了准批量生产的状态。 另外，就是与汽车企业紧密合作开发。 播放一下理想发布会时小李想说的话吧。 —虚拟现实

我们根据理想批量生产这辆车的时候，时间周期非常紧。 刚才小李想说工作到12点是常态，其实大部分人工作到黎明是常态。 这就是我们跟随中国优秀的国内公司实现了自动驾驶，并成功地跨越了每一个。 事实上，在中国，我们看到很多汽车企业进入了包括国际大型芯片半导体公司在内的智能行业，他们最初的量产芯片基本上是与国内的汽车企业合作的，所以我们认为在中国智能化的大市场和浪潮下，应该能够培育出具有世界竞争力的半导体公司。

地平线是中国唯一实现车规级ai芯片前置量产的车企，这里覆盖长安、上汽、广汽、奇瑞、江淮、东风，目前正式发布的12种量产车、还有定点车型相继发布，但目前仍基于征兵2、征兵3。

二是性价比。 是一种软硬件协同优化的计算体系结构，我们的芯片设计时充分考虑了算法的诉求。 另外，功耗极低，散热要求低，性价比高，可靠性高。

这在tesla发布会上讨论，从NVIDIApx2改为teslafsd。 可见，实际的ai性能fps之所以提高了2.1倍，是因为没有考虑到在自动驾驶场景中完全不使用的模型而设计的。

在ai计算中，以前经常用tops测量芯片，但实际上这并不是特别科学的测量标准。 虽然不准确，但不全面。 其实ai运算核心是由芯片maket运算单元实现的，它对应于晶体管的数量，晶体管的数量对应于晶体管的面积，半导体领域是同类型的芯片，cpu比cpu 芯片面积直接决定芯片的价格，所以在自动驾驶行业还是应该以场景为中心考虑应该使用什么样的运算力当然地平线上也有很大的运算力芯片，面对未来l2、l3自动驾驶的场景，但是我们必须合理地认识这个问题。 其实fps是比较好的测量标准，请看同样的输入每秒能解决的视频帧数。 这是比较好的测量标准。

这是pilot的方案，区域内基本的这些场景、车道变更和超越，实现了大曲率的弯道通行。

第三个是开放。 现在智能化工艺和过去的制造工艺不太一样。 上下游的关系已经不是我生产和发货产品了。 你整合你上车批量生产。 由于整个链条由数据连接，所以不容易建立出货、收获、供应商关系，大家越来越多地建立数据驱动的智能系统。

地平线以数据驱动的智能研发过程为中心，提供工具、芯片开发工具、参考算法和技术服务。 下面对ai迭代的闭环工具进行要点阐述。 地平线上有天工开物ai开发平台。 事实上，要在数据驱动的智能时代实现智能化能力的构建，背后的这个工具很重要，就是像tesla这样的数据闭环，不断地引入边缘计算来优化自己的模型，支持模型迭代。 过去的研发在软件1.0时代有很多研发工作在实验室，人类的思维可以考虑。 在数据智能时代，你会发现它完全超出了人的思维范围。 数据驱动时代的一大优势是长尾效应。 长尾怎么处理？ 这需要ai重复闭环的数据迭代工具，地平线也提供了这样的工具。

这里有模型仓库，合作伙伴有主流模型，可以通过额外的数据训练实现快速批量生产。 ai芯片工具链可以直接操作芯片底层dpo对模型进行一点修改，操作底层能力，开发中间件。

数据闭环过程，ai时代的场景，在实验室里不太容易被人的思维全面覆盖。 在实际环境中优化迭代将提高智能化的能力。 系统发生了这样的事件。 他把触发场景的条件带到云端进行分解训练，把模型重新定位在车的边缘实现自我成长。

这是我们在智能客舱的开发平台，车里有很多智能交互的场景。 这些智能的场景会产生特别定制的特别照顾的场景和功能，所以我们有车企软件中心适合做这样的事件。 地平线在做什么？ 就是封装底层的感知，让车企快速构建自己的智能场景。 例如，我们要使视线足够准确，车厂就会调用我们的接口，实现用视线快速个性化的能力。

最后，应对前述整个产业链的开放供应。 这是地平线在领域内建立的合作伙伴，有汽车企业，有第1层。 整个产业链的趋势一定是产业合作共赢，社会有分工是快速发展的必然趋势。 现在大家的边界也不是特别稳定，大家都在探索，但这并不意味着大家最终交付产品的形态就是这样的形态，所以还是在产业界和智能化中优秀的玩家公司一起，这也是百年的汽车变革。

是的，我的演讲就是这个。 谢谢您的聆听。