中國芯出海，地平線攜兩款人工智慧晶片殺到了CES，這是他們研發2年的思考 | CES 2018
文章推薦指數： 80 %
CES 2018是這家成立兩年半的公司第二次參加CES。
上屆CES，地平線與Intel合作推出基於Arria FPGA的ADAS原型。
因為原型所展現出的高性能、低功耗以及團隊敏捷的開發效率，這年地平線獲得了Intel Capital領投的上億美金的A+輪融資。
而後今年的拉斯維加斯，地平線在第二代BPU架構的基礎上再次推出基於Intel FPGA的自動駕駛系統原型。
更重要的是，他們還帶來了數月前流片成功的2款人工智慧專用晶片。
征程1.0處理器
本屆CES開始前，雷鋒網再次採訪了地平線創始人兼CEO余凱，請他聊一聊過去2年地平線研發晶片的經驗，以及晶片發布之後應用和落地的思考。
（1月16日，雷鋒網將在舊金山灣區舉辦GAIR矽谷智能駕駛峰會，峰會將邀請中美兩地數十家自動駕駛公司演講，並有近百家兩地產業鏈公司到場。
訪問詳情：gair.leiphone.com/gair/gairsv2018。
我們也邀請了地平線創始人兼CEO余凱老師在本次峰會上分享公司的最新動態和技術思考。
）
打造嵌入式人工智慧專用處理器
在剛剛過去的12月，地平線於北京召開盛大的發布會，對外展示的正是2款嵌入式人工智慧專用處理器：面向智能駕駛應用的征程1.0和面向攝像頭應用的旭日1.0。
兩款處理器均是基於地平線的第一代BPU架構——高斯架構。
關鍵性能指標分別是：可實時處理1080P@30的視頻，每幀中可同時對200個目標進行檢測、跟蹤、識別，典型功耗1.5W，每幀延時小於30ms。
對外，地平線早在一年多前就公布了3代BPU架構設計的路線圖：高斯架構 - 伯努利架構 - 貝葉斯架構。
三代架構，性能與功耗比依次提升，工藝也從40nm演進到16nm。
在內部，自2015年10月招募第一位晶片工程師開始，地平線今天組建了一支60人左右的專業晶片團隊。
針對地平線晶片的發布，國內人工智慧領域泰斗張鈸院士的評價是，用算法和軟體來定義硬體，專門面向深度學習算法的硬體極大地提高了計算效率，這為硬體的發展提供了新思路。
而對地平線來說，這也恰恰是2款晶片研發的難點，需要團隊同時具備軟體算法和硬體兩個領域的經驗思考。
按照原定的研發規劃，地平線會在去年的5月份進行晶片的流片。
余凱當時正在底特律出差，5月的深夜他與晶片團隊溝通，決定推遲流片排期。
余凱向我們解釋：一般來講，在對晶片硬體開始設計前，晶片的整個軟體架構需要完全確定。
但實際上，針對深度學習優化的人工智慧專用晶片很少有人做過，在研發的過程中算法和軟體團隊會修改甚至推翻一些小的決策點，於是這對於硬體團隊來說造成了非常大的挑戰，導致在原定的晶片排期內仿真做得不夠。
好在推遲排期後，他們又與台積電積極協調，爭取一個月內重新安排了流片。
地平線給自己設計的定位是具有自主晶片IP，提供完整開放嵌入式人工智慧解決方案的供應商，而這兩年，地平線主要的業務領域是自動駕駛和IoT。
如何面向自動駕駛和廣泛的IoT領域提供一個通用的優化過的計算架構，使得晶片開發有很高的效率，同時針對垂直應用場景又有很好的效果，這可能是晶片研發的第二個難點。
這也是為什麼這次發布的2款處理器都是視覺處理器。
2款處理器都是基於高斯架構，但針對不同的應用場景做了不同的封裝。
同樣團隊配置上，地平線在60來人的晶片團隊之外，建立了一個100 - 200人之間的應用開發團隊，負責自動駕駛和IoT兩個方向。
自動駕駛的落地與產品化
2016年，地平線向博世授權了一份與ADAS相關的軟體，這也是公司當年一項重要的業務。
而隨著高斯架構的確立，地平線先後在GPU、ARM、FPGA等多個平台上實現了基於自主IP架構的解決方案。
比如CES 2017上，地平線採用Intel FPGA搭建基於高斯架構的ADAS系統，並就這個系統在與一部分的車企和供應商開展合作，正在功能驗證的階段。
眼下，征程1.0是一顆工業級的晶片，余凱說團隊希望在未來1年之內推出車規級的晶片。
同時，面向車輛前裝的周期是漫長的。
地平線目前可以向行業客戶提供基於征程1.0的Level 2級別的ADAS解決方案。
基於其在本屆CES上展示的第二代BPU架構原型系統，之後也陸續會推出Level 3和限定場景下L4的解決方案。
余凱說，今年內，基於第二代BPU架構的征程2.0將會推出，相比於徵程1.0會有長足的提升。
征程2.0會面向自動駕駛做更多的優化，並且會實現基於像素級別的識別框架，計算複雜性也會更高。
發布會上，地平線還對外公布了與2家車企的合作，一家是奧迪，一家是長安。
今年，地平線將與兩家在自主BPU架構的基礎上，各自進行自動駕駛的聯合開發和驗證。
附上：雷鋒網·新智駕在CES前採訪的對話節選，雷鋒網·新智駕做了不改變原意的刪減。
新智駕：地平線剛剛發布了旭日1.0和征程1.0，兩款晶片在硬體上有多大的差異？
余凱：這兩款晶片在硬體上，其實主要是封裝得不太一樣，裡面的主要器件單元是一樣的。
因為它在不同的場景下使用，它的模型複雜度不太一樣。
我們是使用同一代架構，高斯架構，採用不同的封裝。
業界比如像NVIDIA是每三年一代架構，上一代架構Pascal，這一代架構Volta，然後基於Volta架構的話，他們也會推出不同場景下不同的處理器，主要是一些接口都不一樣，比如說在車載的情況下，它對實時性的要求更高。
新智駕：我們是什麼時候決定說把它分裝成兩個不同的晶片？
余凱：應該說，我們應該從一開始就瞄準這兩個不同的市場。
我們會根據這一代的架構，也會演化成不同的產品。
我們也在考慮可能會基於這一代的架構，推出支持語音識別的晶片。
一般來講的話，架構疊代的時間都是比較長的，一代架構會根據不同的應用封裝成不同的晶片，有不同的接口，這在業界都是常見的形式。
新智駕：像這一代晶片為什麼選用的是40納米的工藝？
余凱：因為我們比較強調軟體跟算法的結合，我們不會追求純粹的半導體製程上的先進性。
我們會強調因為我們有更強大的軟體，即使用比別人更低的工藝，但是我們的整個系統性能也可以做到足夠好，甚至比別人更好。
就像Mobileye其實很長一段時間也是用50納米的工藝。
所以，這個就是軟硬結合的做法跟純粹做硬體思路不太一樣的地方。
Mobileye的EyeQ4是28納米的，其實跟我們下一代的，今年年底要推出來的新的一代晶片是差不多的。
因為EyeQ4是面向L3級和L4級自動駕駛，我們這一代晶片主要是面向L2級的ADAS，所以跟EyeQ3是對標的。
新智駕：40納米跟28納米相比，在成本或者排期上會有多大的優勢？
余凱：光流片費就會節省幾百萬美金。
新智駕：地平線的晶片團隊現在大概有多大？
余凱：我們整個的晶片架構、晶片設計、晶片驗證，然後再加上系統軟體固件團隊的話，現在有五六十人。
新智駕：根據地平線12月公布的幾個解決方案，一個方向是自動駕駛，一個是零售，還有一個是安防三個應用領域。
那麼晶片和算法的底層開發，與幾個方向的應用開發怎樣協調？
余凱：圍繞應用，我們現在內部定義的其實是兩個方向，一個是智能IOT，一個就是自動駕駛。
兩個方向的應用開發會由兩個團隊負責，晶片算法是一個公共的底層平台團隊。
應用開發的團隊現在加起來有100到200號人之間，自動駕駛這塊會多一些。
新智駕：你們的晶片，之後是一年會進行一次疊代？
余凱：對，一開始是這樣，一年疊代一次架構。
我們可能往第二代架構去疊代的速度會更快一點，第二代會比第一代更加強大。
新智駕：基於高斯架構，會有多個面向應用的晶片。
隨著架構的疊代，晶片越來越專用化，會不會變成不同的架構？
余凱：我們儘量不希望這樣，這樣做的話會讓我們的底層資源變得太分散，我們會儘量通過軟體來面對不同的應用場景。
新智駕：之前講到你們的晶片特點是高性能、低功耗、低成本，相比之下，低成本大概是多低呢？
余凱：跟端上面處理的GPU比的話，我們希把成本至少做低一個數量級。
新智駕：怎樣跟基於EyeQ3的ADAS比較？
余凱：目前征程1.0的話，其實是一個工業級的處理器，不是車規級的。
所以我們一開始會去做ADAS的後裝市場。
我們也有計劃，把我們的處理器推向車規級。
新智駕：發布會上，地平線也公布了與奧迪、長安的合作，具體是怎樣的？
余凱：我們跟奧迪在聯合研發自動駕駛技術，明年的話，我們會有聯合研發的樣車出來；長安的話，我們是成立一個聯合實驗室，也是面向自動駕駛，雙方共同去聯合研發。
新智駕：比如會基於征程有一些合作嗎？
余凱：其實會遠超征程的範圍，也可以理解為是基於征程的二代處理器，他們提出應用場景，我們提供軟體跟處理器。
新智駕：目前征程1.0是一個工業級的晶片，比如現在有一家汽車廠商希望合作，一般是怎樣去開展？
余凱：其實一般都是這樣的。
Mobileye跟它的合作夥伴，一開始的晶片也都是工業級的，然後會跟客戶先完成功能測試，功能測試通常都要三年的時間，然後在這個三年時間裡，不斷地去完成車規級和系統級的功能安全驗證。
新智駕：像這樣提前兩年去定義一款晶片，難點會在哪裡？
余凱：兩年前這個定義晶片的話，那個時候你好多決定，其實都是需要在不是很確定的情況下去做的。
打個比方，你的輪子還沒有在裝的過程中，你車就開始跑了，所以這個風險很大。
好在我們一次性流便成功了，這是我們覺得很興奮的一件事情。
不是很確定的情況，比如說，你不知道晶片所支持的算法架構，是不是能夠去滿足未來應用的需求。
比如說15年的時候幾乎沒有人做深度神經網絡的定製化優化，我們自己做了，然後還做得比較激進，那麼現在看起來的話，這個策略是非常對的。
新智駕：像你們的晶片流程，跟傳統的晶片設計流程會有什麼不一樣？
余凱：很多不一樣。
一般來講，一個典型的晶片，在開始設計之前，整個軟體框架一定要定下來，一旦開始的話就不能再改了。
我們是在2015年那麼早的情況下做這個事情，然後我們有一些小的一些決策點，可能會不斷地推翻。
所以當時的話硬體的同學已經開始著手了，結果這邊軟體還時不時修改，所以其實是搞的硬體的設計人員挺抓狂的。
做算法研發的同學的思維是，軟體我可以隨時改，有一個新的idea的話就可以改，但硬體，你就什麼東西都得固定下來，一行代碼不能改。
因為硬體一點點的改動，其實就意味著整個的巨大的工作量，會導致時間排期的不確定性。
我們做第二代的時候，會在軟體上做一些調整。
因為硬體的改動，而導致驗證不充分的話，最後晶片研發會有很大的風險。
從我們這種做軟體背景的人來講，其實就是真正地對硬體研發有敬畏之心。
