“映驰科技段勃勃：智能汽车高性能计算软件平台在多域融合下的实践”

由爱因斯坦汽车、奥托组织、上海车展共同主办的2021第二届软件定义汽车峰会论坛暨奥托中国成功举办，本届论坛也是第十九届上海国际汽车工业展览会的同期活动。 此次会议邀请了上海映驰科技有限企业首席技术官段跃博士，在本次论坛上发表了[/s2/]《智能汽车高性能计算软件平台在多域融合中的实践》

很荣幸再次来到这个论坛。 我是上次论坛最后的演讲嘉宾，又过了一年，有点新东西可以和大家分享。 我来自上海映驰科技有限公司。 企业的定位是软件定义汽车时代的超级用户。 我们希望在这个行业能为整个产业做点什么。 我们今天的主题是智能汽车高性能计算软件平台在多域融合中的实践。 那么，我们希望通过这些东西来反映过去一年中我们对整个事件了解的变化。

整个演讲分为三个部分:

第一个是趋势。

第二，挑战。

第三，我们的一点实践。

在春光无限好的春天，我想用一句话说明现在的产业状态，让乱花渐渐变得有吸引力。 为什么会这样呢？ 在现在的造车界，我们看到了无数以前流传下来的车厂，我们看到了新势力们，也看到了新势力们，我们看到了百度，我们又看到了富士康，很多以前看不到的名字出现在了这个名字上，最近看到了小米，在这个时代， 到底看到了什么样的倾向？ 接下来我想和大家分享

我认为在第一页中看到了两种趋势。 第一个趋势是自动驾驶加速落地。 以前大家在学术上讨论level3、level4，现在不讨论这个事件，现在只讨论产品是否会被使用。 这样能看到趋势的是什么？

第一，自行车的感知正在加强，目前最流行的4d毫米波、激光雷达，由于过去的感知工作在2d水平上，现在这个缺陷正在逐渐得到弥补。

第二，车路通信说，高精地图的价值，即使现在基础设施齐全，也缺少有力的应用，真的落下了这一点。 例如5g，有时会起到非常好的作用，不是吗？

第三，是ai的巨大计算力。

软件定义了汽车，现在有三种趋势。

第一个是计算的集中。 我们现在谈了很多领域的趋势，计算很集中。

第二，硬件和软件是分离的，过去是结合在一起的。 以前很多行业的同行以软硬一体化的形式收入，纯软以前不太容易行动，现在必须分离。

第三，软件之间的耦合也必须解除。 车厂最终的希望是，软件像架子一样，一个一个地拿来软件组合。 以前说车厂是硬件dre，现在的形势将来会成为软件的dre吧。 这对车厂的能力有很大的挑战。

第二页的机会，这张图其实大部分是自己人生的总结。 我刚开始工作的时候，比如在客舱里，那时候名字叫avnc。 也就是音响、视频、通信和导航。 名字反映了所有的历史。 那么，到现在为止，我们可以看到它和一个仪器合并在一起。 我意识到我们一直在合并，从未停止过。

另外，可以看到过去制造毫米波雷达、制造前置摄像头的工作，然后集成制造高速域控制器、制造过去的低速用超声波、集成制造低速域控制器。 至今，高低速融合这个概念仍在火上浇油。 而且，无论看到斜线还是连接到客舱对面，过去都是非常好的一点。

看到自下而上合并，在合并过程中提供了很多机会。 例如，高低速的融合，这个域控制器，从年到今有无数产业同行在探索着这个。 为什么会这样呢？ 它真的达到了两个效果。 第一，通过融合计算资源进行再利用，确实降低了一部分价格。 第二，客舱和自动驾驶融合在一起。 当大家试图在一起时，发现导航和自动驾驶合在一起，会产生新的火花。 现在很多创新，我们看到了小鹏汽车、蔚来汽车，纷纷发布了导航on pilot，考虑到地图的采用，自动驾驶必须与导航整合。

另一个机会是，以前流传下来的网关和车身，从大众汽车的meb来看合并了。 他们被称为icas1。 至今大众汽车仍然是3个主控制器，特斯拉也是3-4的主控制器。 未来不是一个吗？ 这件事我们没有证据，从过去到现在只能看到通过合并达到了两点。

第一，重复使用计算资源以降低价值成本

第二，因为在打破部门壁垒的过去，导航和自动驾驶没有合二为一。 因为两个部门有部门壁垒，所以将两个不同领域的东西合并在一起进行创新是非常困难的。 但现在这个形势正在改变。

重新构建第三页。 这个观点正如这张图说明的那样，汽车在手机上装了轮子吗？ 一部手机在汽车里，最多只能代替客舱的一部分。 汽车里还有很多东西。 汽车底盘的数量和复杂性非常专业，虽然不是真正能在弯道上超车的企业，但现在有了电动汽车这个机会。 可以让大家前进一点。 虽然现在有点自由度，但这也是非常专业的一点，除了安全之外，现在说的是千公里续航里程的挑战。

智能平台不是由芯片构成，而是由一系列的东西组成。 所以，和这个手机相比，有很多复杂的不同。 我刚才看到了一些框架的变化，我们现在应该是从域向中央计算的过渡。 为什么要迁移，因为我们现在域不能满足我们，中央计算我们不能达到，所以我们产生了一点中间的结果。 这叫做多域融合，引出今天的主题。

车里有什么？ 我们现在可以看到网关、车身、驾驶、互动、新闻娱乐这么大的部分。 可以说像车里的一点一样的智能拷贝分为五个部分。 我们现在过去看起来像五个大控制器，但现在像大众汽车和特斯拉一样慢慢变成三个控制器，未来可能会变成一个控制器。 那个时候，我们可能真的需要很大的服务器，但是它的长度看起来怎么样，我们从没见过。现在的趋势真的集中在这个方向上。

最后一页，我的真的看到了一点曙光。 为什么呢？ 组建软件企业在领域内真的很难生存，以前说过在车厂做开发费。 软件曾通过复制获利。 我们可以通过复制到各制造商那里来获利，但真正的问题是什么？ 一辆车能赚多少钱？ 现在汽车厂一辆车可能赚5000元吗？ 这样的问题一旦找到几百美元的许可证，整个车厂简直活不下去。 但是，如果真的能够以软件的形式销售整个包，或者可以订阅的方法，生态就会变得健康。 因为顾客花钱享受服务会回报整个产业。 现在我觉得软件定义汽车才是真正的活力。 为什么这么说，因为有顾客支付的存在。

说完背景后，我们就技术上的东西进行一点讨论。 我个人感知了很多年。 我的脉络从感知开始。 现在可以分为五个指标:

1、感知完成功能对象检测例如是像素级的理解、建设图、定位等，这是感知最常见的功能。

2、性能； 从性能来看，目前重要的指标是识别率和误识别率

3、可用性，第一是odd的定义

4、可靠性，第一是不同场合的可靠工作和安全

5、计算能力诉求等可行性；

因为现在是卷积互联网，所以现在是非常粗暴的人工智能，但是没办法。 现在这个方案还是很好用的，期待着将来会出现更好的人工智能。 拆开这张图看看，从最简单的检查开始，我们的感知有什么变化吗？ 建立早期警报功能。 那时，重点是误报警率。 此时，我们只注重尽量减少错误识别。 之后打hwa，现在有什么区别？ 因为我放松了手脚，所以能感觉到你的任何错误。 什么更重要？ 绝对不能泄露。 比如特斯拉造成的事故都是漏认的。 因为有目标却检测不到。 错过之后马上会发生重大事故，所以不能泄露。 相对来说错误识别可以存在几个，即使有错误识别，车可以停下来重启，但这也是相对的。

这样的变化对算法有什么挑战？ 我们需要那么好的识别能力，首先追求更好的算法，现在的算法就足够了吗？ 我们能用更好的算法取得更好的效果吗？ 需要安全。 可信吗？ 你到期的时候，我们知道，必须同时解决。 虽然有更好的传感器和越来越多的传感器，但现在有几个传感器已经成为了竞争形式。 这还是在感知能力上与众不同。

从更好的算法来说，现在的竞争是什么？

深度学习发明以来，现在更好的算法等价于更多庞杂的互联网，只要互联网足够庞杂，你的算法就很好。 当然也有其他部分，但现在越来越多的竞争基本在这里。 那么，我们可以研究更多复杂的互联网。 有人说有互联网，但需要数据。 过去进行识别，用几何学形状等简单的知识进行研究。 算法到处都可以采用。 但是，目前深度学习的开发需要对同一目标在晴天、雨天、阴天、不同的时间使用不同的数据，用数据告诉大家它是目标。 所以，现在我们依赖数据。 这样的话，就需要采集、标记。 这是一个很大的体系和工作量。 我听说很多领域都在做各种各样的事情，如果没有充分的解决能力，这样的体系是非常困难的。 因为只有体系才能保证更好的算法效果。 现在大家可以看到的算法公司一定有一个好的数据中心。

我们谈论可靠的ai。 据说现在人工智能非常伟大。 有多伟大？ 我在下棋和自动驾驶，现在为什么大家都只能说l2，没有人能说l3吗？ 因为一亿分之一不靠谱，但这些不靠谱的东西真的不能给客户用。 雪花落在任何人身上，都可能是雪崩。 所以我们的挑战是制造可靠的ai，什么是可靠的ai？ 我知道结果可靠，不可靠的时候。 这里有几点值得注意:

1、公平； 肤色和服装不同的人，与特定人种相比并不是特别的设计，而是拥有同样的权利。

2、精神饱满； 在各种各样的odd下可以做非常好的工作。

3、可以解释； 现在，如果发生识别遗漏的话，就无法说明。 我们唯一能做的就是把数据塞进去。 它失效的时候，我们不知道为什么失效，我们唯一能做的就是塞满数据。 所以，这是我们现在最大的挑战。 将来，我们可能需要用越来越多的科学和理论来解释这个事件。

4、可跟踪； 我们需要知道在ai的某个场合发生了问题，同时知道在哪个环节发生了问题。

我们制作可靠的ai至少需要这四点。 谈谈传感器吧。 刚才谈到了更好的算法，越来越多的传感器，现在自动驾驶需要多少个传感器呢？ 我们说l3大概需要29个，但现在有人做了33个。 这里重要的是什么？ 提高3d的感知能力。 我们看了那个部分，第一部分是立体摄像机，第二部分是红外摄像机，第三部分是激光雷达，都是提供3d探测能力。 我现在最害怕人撞到车。 现在，真正的能力是以前摄像头为2.5d，毫米波雷达对静止物体和特殊物体几乎感知不到。 我们现在确实在感知上有缺陷。 我们现在看到这家企业和这家车厂，大家纷纷制造4d毫米波和激光，但我们正在寻找正确的点。 如果视觉不能很好地处理这个问题，其他传感器的融合就需要提高可靠性。 我们需要这么多传感器，怎么融合？ 迄今为止，融合的最大趋势是什么？ 更早的融合，比新闻更早的融合，最终的水平是目标，但更早的水平可能是特征。 现在，融合需要在更早的点上融合。 例如，右边的毫米波雷达可能会看到很多反射。 过去只选择最强的点进行融合解决，但现在需要把所有的点都颠倒过来。 你弱的可能是别的传感器强，所以我们进行传感器融合时，必须进行更早期的融合。 那造成了什么代价？ 由于更高的计算能力，更大的通信能力，回到了通信和计算上。

说到计算就是芯片，什么芯片是好芯片？ 计算能力，足够的计算能力，合适的价格，安全。 现在芯片的长度怎么样？ 异种多核。 现在，同质多核可以吗？ 不，计算是多样性的，现在的ai计划控制都是不同的计算，所以一定是异构多核的。 另外现在以soc的形式制作成一个芯片。 这张图上写着50t，但今年改成了1000t。 50-100t的话，我觉得今年的APP还可以使用。 这是高速片上存储器。 这个事件谈得不多，但真正的计算内存墙非常厉害，所以片上存储器可能是你不观察的重要指标。 最后是功能安全。 为什么？ 功能安全由各个模块负责，如果能够由芯片承担一部分业务，上面的软件压力也会变小。

这里是一芯多核，一辆汽车里有好几种。 例如感知、融合路径规划和控制。 以前知觉是ai计算单元，融合路径规划是arm多核，还有一个mcu，这是古代流传下来强调安全的。 过去所有的芯片企业都把这几样东西组合在一起。 大家看到的芯片这么多，但大家会偷偷观察里面的核变成了arm的核。 刚才很多人提到了通信，我们再调查一下吧。 有人问我如果选择ds通信是否安全。 我们知道，一个互联网协议是从上而下到另一个，是端到端闭环的拷贝。 看到ds在5、6、7楼，那安全吗？ 这个中心机制是什么？ 如果我丢了的话，可以重新发送，问题是重新发送还是实时性？ 这个在过去是怎么处理的？ 如果在下位调度算法内不能优先保障和保障它呢？ 那个会造成数据包丢失。 数据包丢失将被重新发送，从而增加延迟。

这个事件怎么处理？ 自上而下的各层必须保障，当然可以从重叠开始做。 需要注意基本的以太网协议。 一定有tsn协议。 这相当于交通上的公共汽车专用车道。 它会因为某种特殊的流而流出带宽传输。 添加这样的协议后，无论是dds还是什么，基本上都是可靠的。

刚才很多人谈到了开发。 现在真正的挑战是什么？ 过去的开发周期为18个月，但现在硬件和软件是平行开发的。 在双方都不明确的情况下，这个事件是如何向下开发的呢？ 其次，现在大项目有很多汽车厂招聘了1，2，000名工程师。 一个项目有500多名工程师。 12000人可能只有少数大企业能够支撑。 因为组织管理非常巨大。 关于多而复杂，数亿行真的有，但不是每次都写数亿行，每次都有可能开发数百万行到数千万行，但是代码确实会很庞大。 我们的战略是

1、软硬件并行开发2、先上市3、需要集成平台4、选择合适的中间件进行布局组装。

刚才说的一亿行怎么开发？ 我看到软件工程师的负担越来越重了。 为什么？ 以前开发a-spice软件是v，但现在a-spice有了创造，再加上系统，变成了两个v。 如果加上硬件的话，可能是三个v。 说现在有功能安全，说这个v再配一个v，说以后有预想的功能安全，再加一个v，加一个新闻安全，一个v模型有五个开发过程。 根据我们的企业经验，软件开发的效率除了两个，只是做a-spice，再加上这些业务吗？ 我们根本达不到所需的速度，只是更慢而已。 这个事件怎么处理？ 大家分工，可以提供各自的积累。

软件是怎么练习的？ 这是我在实践中遇到的问题，操作系统选什么？ 开源且也有ip、支持的问题。 如果不求助大神，就靠自己。 还有什么？ 可靠性、新闻安全性，毕竟开源软件是商业化软件的问题。

最后，尽管硬件上的控制器越来越少，但软件的数量却在增加。 那么，发展到我们的水平，我们发现硬件整合带来了价格的下降，软件集中带来了很多复杂性的上升。 那么，当前的通信挑战将来如何应对呢？ 我们在手机领域对比来看

如果有成熟的硬件方案，就不叫标准化。 硬件标准化现在可能还没有头绪，但成熟的方案是可能的。

其次，成熟的标准化软件平台类似于安卓和其他类型的东西。

第三，百花齐放的生态。 也许那个时候整个软件真的能给整个领域带来力量。

最后关于我们的企业，我们的愿景是成为中国智能汽车高性能计算软件平台的领导者。 我们的使命是架起芯片和自动驾驶的桥梁。 我们知道从芯片到自动驾驶有很长的距离。 我想通过我们的中间件、软件平台帮助车企和芯片顺利对接。

我们的核心产品包括开发高性能的软件平台和APP。 我刚才提到的核心课题有核心可靠的技术。

一是高效可靠的ai计算，二是安全性高的软件设计，三是实时通信技术。

我们在未来的生态中会在那里吗？ 他说现在所有领域都有制作传感器的供应商和制作整个机箱的供应商。 这不是新势力可以解决的问题，它上面有整个通信体系结构，上面有芯片、软件平台和APP应用。 我们想在那里帮助大家。 另外还有v2x、云和ota。 我相信通过这样的软件生态，将来会成为我们期待的软件定义汽车。

我们怎么和公司合作？ 我们基于成熟的操作系统，或者基于开放源代码，维持着统一的软件平台。 我们自己开发ap的模块，加强明确的通信和调度，我们基于行业成熟的cp，我们提供自动驾驶定制功能的支撑，提供系统APP应用和创新APP沟通，汽车厂形成自己的os 它可以形成自己的APP商店，应用自己的生态、自己的数据。

我们领域的特点是与自动驾驶APP比较定制优化，安全实施可靠。 我们的几个核心优势是什么？ 整个链条的明确安排是，我们在建立操作系统时，有一个过程是非常可靠的，我们必须保证业务和实施是可靠的，同样我们也必须保证通信的可靠性。 另外还有软件开发流程，提供安全的软件体系结构。

多域融合，真正的实践是什么？ 我们认为在汽车上可能是三个控制器。 这样的话，在我们这样的软件平台上就能被打破成三个域。 当然，安卓是独立的。 在此基础上我们提供自动驾驶APP支援。 当然，其他行业需要其他生态人员进行维修。 这样的提供可以提供完整的服务。 我们这次制造了真正的三域一体化计算机。 当然，这在宣传的过程中我们遇到了同样的问题，汽车部门的墙，但是很多新势力很喜欢它。 因为没有历史负担。 我们希望通过这样的实现带来真正的特征。

我们在2019年，完成了整个平台1.0的设计，提供了一点保证高速、停车的功能，并将其应用于目前一线汽车厂的应用，今年可以完成这些应用和软件平台的批量生产。 其次，增加26262的开发和21434的应对措施。 因为现在一点点的过程必须支持。 因为整车的快速发展还是很有必要的。

这是我们的整个服务，包括工具链、软件平台。 因为从芯片到自动驾驶，下面是芯片支持，上面是APP支持。

凯科学技术在这次大会上出现了越来越多美好的时刻: