作者： 慕慕
最近和产业里的一些专家聊了很多关于智能驾驶相关的信息，除了产业现象，以及技术本身，还有一个新的输入，就是「车企和科技公司在做前瞻技术的同时，如何正确传递「用户价值」。
这是一个很有意思的话题，因为智能电动汽车市场从 2015 年开始到现在，一直在对更大的目标，实现「全自动驾驶」孜孜不倦的努力着，这是好事，至少说明我们是享受科技进步带来的发展红利的。
某巨头科技公司智驾产品负责人对我说：
在推动科技进步的同时，似乎很少有企业真正低头去看「科技的实时价值」。
为什么特斯拉、蔚小理能脱颖而出，在我看来，他们是一直是关注「实时价值」的企业，其实很好理解，就是用户能不能即时享受到科技利益。
这是一个很大的话题，但同时也是一个极具价值的问题，智能驾驶一直是一个需要产业协同进步推动的东西，正好在今年年后，我去北京试驾了理想 L7，同时也体验了 L8 Pro 的导航辅助驾驶内测版。
从试驾理想 L8 Pro 后引发了几点思考：
- 车企 / 科技公司的技术，需要转化成为「用户价值」
- 功能应用的进步，必须依赖产业技术进步；
- 高性能、大算力的前提是：可量产、够开放
下面展开聊聊。
产业混沌期的「独醒」
2 月 24 日，理想在 V4.3.0 的系统版本中，正式向 L8 Pro 的用户推送了 NOA 高速导航辅助驾驶功能，这次的更新主要提升了 3 点：
- 开启 NOA 后变道过程中的加速性能，提升了变道成功率；
- 提升了 NOA 状态下车辆时速超过 80km/h 后的巡航状态加速性能；
- 可根据车辆周围路况动态调节车速，提升自主变道成功率。
我们可以看到，主要提升的这三点是 NOA 最常见的场景。
先讲体验
当时试驾的路线是从顺义的一个试车场到八达岭长城，这段路线有一个特点是「九曲十八弯」，它很像辅助驾驶的纽博格林。还记得特斯拉 FSD Beta 的噩梦「九曲花街」吗？这两段路有异曲同工之秒。
分几点讲：
1、AD Pro 的车道保持和变道策略。
L8 AD Pro 的车道保持相比理想 ONE 有一个长足进步，直线驾驶时的居中能力和超长距离的居中保持能力都很稳定，这个带来的好处是，当你判断外车只要不入侵你的车道，你的驾驶始终是安全的，这会给用户带来极大的安全信心。
AD Pro 的变道策略是属于舒适型的，注意不是保守，保守的概念是在感知硬件和计算平台性能不足的情况下做出的妥协，而舒适的感受是，当车辆感知到可变道后，系统会很果断执行命令，但系统不会在前一秒就给你一个突然的猛打方向和急加速，而是请打方向以及在变道过程中实行加速。
2、过弯能力和优化策略。
这是一个很考验，感知和车控的场景，地平线征程 5 计算平台加上 800 万像素摄像头保证了算法有用武之地，两个点，一个是在高速进弯之后，车辆能够始终抱住弯心，并适当减速，LKA 能够始终保持稳定。
并且弯中的速度控制有了巨大的提升，它不会一下把车速降到很低，车辆会始终保持一个动态加速减速的状态，注意这不是缺点，体感不会让人有晕眩感，而是轻微降低车速保证安全下的通过性。
还有一个策略优化是，在连续弯下，理想优化了算法，让出第一个弯接第二个弯之间的加速不要太大，使得距离相近的两个或三个弯之间平滑入弯出弯。
3、动态调节车速，提升自主变道成功率。
在此前理想 ONE 身上，因为计算能力和感知硬件的限制，在变道时只能通过外车道里前后车辆的车速来判断车距，只有在安全情况下才会执行变道，而在征程 5 芯片加上全车的感知摄像头的基础上，算法可以得到更多调整空间，让车辆实时感知周围的状态，通过加速躲避或者降速让行，来实现自主变道成功率。
当然，还有很多细节上的优化，但今天我们想说的不是单纯的试驾，而是通过试驾发现，追求高阶辅助驾驶的同时，让用户体验到「好用」的领航辅助驾驶也很重要。
但这一切需要建立在拥有一套合理的硬件架构基础之上，合理即是性能、软件、成本的综合最优。而地平线最聪明的地方在于「恰当的时间提供恰好的解决方案」这是某芯片公司技术负责人给地平线的评价。
所以，我们可以看到理想采用 Orin、地平线两个版本。上面我们说了 「科技的实时价值」，怎么去理解这个概念呢？
其实非常简单，所谓实时价值就在于，用户能不能在当下为自己付出的成本，享受到应有的功能体验。
技术是向上进步，但技术的进步是一个动态向上的曲线，我们看似自动驾驶技术进步很快，但事实上，技术本身依然是一个目标明确，但「工程化」模糊前进的状态。
目前为止，还没有实现具备手动打灯自动变道的车企还有很多，更别说具备自动打灯变道，以及高速 NOA 这样的功能。
往大算力、BEV 走是共识，也是目标，但重点在于，这里面要加上「时间维度」和「用户价值」维度。
第一个很好理解，技术进步即使在你有足够的资金投入的前提之下，该有的时间你没办法跳过，车企和科技公司一般的做法都是，预研下一代技术，量产现实所需的方案。
第二点「用户价值」则是第一个的延伸，量产现实所需的方案，一方面是商业行为，另一方面则是用户价值。
特斯拉 FSD 虽然无限跳票，至今没有进入国内，但事实上特斯拉 NOA 已经推送多年，至今依然保持着很高的使用率。
征程 5 则是一颗大算力、高性能芯片，其硬件参数为：
- 单片最大算力 128TOPS；
- 单芯片最大功耗 30 W；
- 最低延迟低至 60 毫秒；
- 真实性能高达 1531 FPS；
- 支持 16 路感知摄像头、激光雷达、毫米波雷达等感知介入。
这意味着，车辆可以搭载更丰富以及成像性能更强的感知传感器，获取更丰富的感知数据，芯片可以处理的数据更多，最终通过算法的改进可以让系统实现更多场景的覆盖。
所以我们可以看到，理想采用了 Orin 和地平线征程 5 的双架构版本，包括比亚迪、上汽、一汽红旗等都有对地平线的定点项目。
地平线提供的是 「实时价值」，车企可以基于地平线在当下就为用户提供看得见，用得到的功能，同时还能满足成本需求。
提供实时价值有两个要素，一个是技术；另一个是合作模式。
继续展开聊聊。
地平线的「实时价值」
你会发现一个很有趣的现象，现在几乎所有的人工智能系统，包括自动驾驶，基本上它的逻辑都是用数据驱动方法去得到模块，然后用规则的方法把它进行集成，这几乎是所有自动驾驶、机器人系统的一个特点。
当数据驱动模块变得不断融合，数据驱动占比越来越高，这也使得未来的计算平台上支持规则实现的通用芯片的需求量会不断下降。
这就是常说的，面向未来的自动驾驶算法，支持数据驱动、神经网络模型推理计算的专用芯片占比会显著增加。
这就会有一个难题，在芯片设计之初你必须满足可量产、高性能、支持数据驱动、神经网络模型推理计算，这要求芯片团队必须深度了解算法，要前瞻性的去判断算法的发展趋势，使得硬件能够支撑行业里广泛的算法模型。
所以在芯片设计之初就要对软硬件架构有清晰的规划，这就是我们经常听到的自动驾驶计算平台要软硬件解耦。
一块成熟可靠的计算平台包含基本硬件、底层软件、中间件、应用层，事实上对于开发者来说，需要的是中间件的上层部分解耦出来，形成高效的开发环境。
用黄畅博士的话说就是：软硬结合，是计算架构设计阶段的软硬结合；软硬件解耦是，在使用阶段、开发阶段软硬是解耦的，它本质是「开发和计算平台」的解耦。
在设计阶段，通过硬件实现 + 软件实现，最后拿到一个计算平台的结果，这里要注重效能，兼顾灵活。
硬件架构包含片上存储阵列、张量计算单元组织、中间件指令集。
软件设计方面，要针对每个特定的算法去分析如何将它进行拆解重组，使得最大化的可并行性，使得一个算法在芯片上推理的过程中它的效率足够高，包括延迟尽可能低，带宽尽可能节省。
同时数据并行和一站式分析也是能够更好地去支撑这件事情，片上存储管理和指令调度这是运行过程中完成算法放在芯片上执行的全过程。
对于单纯依赖于 PPA 芯片设计指标，很容易陷入算力至上的「误区」，算力并不是完全反映芯片性能唯一评估标准。
因此，地平线提出了 MAPS 概念和评估方法，MAPS 其实是在物理算力的基础上，通过对大量模型的测试，综合各个模型的速度（正比与物理算力 * 实际利用率）和准确率得到的最佳方案的量化结果。
它更聚焦于使用户能够通过可视化的图表直观的感知芯片真实算力。比如对于汽车来说，马力不如百公里加速时间更真实反映整车动力性能；算力并不反映汽车智能芯片实际性能，而每秒准确识别帧率 MAPS（单位: FPS）是对芯片处理真实自动驾驶任务能力的一种量化表达。
FPS（Frames Per Second），这叫单位的有效算力所实现算法处理的速度。实现高效计算的本质是，设计好软硬件架构之间的数据通路，这既是一个硬件的事，也是一个软件的事。
为什么是地平线做出来了？
地平线 CTO 黄畅博士给了答案，那就是架构设计。
征程 5 采用了地平线自研的第三代双核 BPU 贝叶斯架构，支持 2.5D/3D 算法硬件原生加速。
地平线通过对像卷积、Transformer 的预处理方法，针对关键的算法去做优化，去延伸支持这些算法，在整个 BPU 内部的异构计算单元里，有偏通用计算的，有的偏专用计算的，核心让产品能够应对各种不同复杂度的场景。
除了让数据和计算单元之间交换更灵活，以及可被软件编程，地平线还设计了一个非常激进的融合策略，把整个网络分多个层级，然后把多个网络层融合在一起做一次的推理，从而最大化降低对外存的访问带宽，而且最大化地去利用每一个数据。
要知道，数据从外面调进是需要经过很长的路径的，这会使时间和功耗的成本极具上升，说人话就是，计算不高效。
简单理解就是，这套架构最大的特点是「丰富的异构计算资源」：
- 在视觉处理上，地平线采用 2 个车用 ISP，可实现 1.3 GP/s 的像素处理，同时支持「在线」实时处理 HDR 高动态范围图像。
- 在异构计算上，征程 5 搭载了 8 个 A55 DynamlQ CPU 集群，可以实现数据的后处理、融合以及行为的预测决策的规划，还有建图能力；2 个视觉 P6 DSP 可实现 3D 场景重建（运动恢复架构 SFM）、视觉测距等；还有专用的 CV 加速器，利用 CV 加速引擎可实现对图像的畸变矫正、拼接和流光处理。
贝叶斯架构利用异构计算单元提供针对场景的最佳计算模式配比，实现降低计算功耗与延迟；利用高灵活大并发数据桥提升计算单元利用率；通过脉动张量计算核降低计算功耗、延迟和所需要的数据带宽，最终通过编译优化算法，达成高度并行的计算能力，这样就有了征程 5 强大的性能输出。
高效计算不是单靠硬件就能解决的问题，硬件无法解决那些复杂、高速变化以及未来快速变化的算法，它必须是硬件架构留有巨大的空间去适应软件，同时软件能够最大程度调度出硬件的优势。
说了这么多想表达什么？
核心是：硬件要能满足算法的变化趋势。
从基于规则的算法到基于数据驱动的大神经网络模型，这可能是自动驾驶领域目前的一个广泛共识，BEV、Transformer 会在未来的一段时间里内规模化落地。
特斯拉在去年的 AI Day 上提出了多摄像头融合感知的概念，也在学术界和工业界掀起了一波 BEV（Bird’s Eye View）感知研究的热潮。
BEV 感知属于多传感器融合中的特征层融合策略，其核心思路是将多个传感器所生成的特征转换到统一的坐标系下，再将其合并到一起，用来完成后续的感知任务。
这里统一的坐标系就是指 BEV，也就是俯视视图下的世界坐标系。
在 BEV 坐标下，车身周边的空间被表示为二维网格，每个网格对应了输入图像上的一个区域。在特斯拉的 FSD 纯视觉系统中，车身四周安放了多个相机，相机的视野之间也有重叠区域，因此，每个 BEV 网格可能在多幅图像上都有对应的区域。
BEV 感知的核心任务就是，如何将来自多幅图像的特征融合到对应的 BEV 网格里。
这里采用的是一种称之为交叉注意力的方法。Transformer 网络中常用的是自注意力机制，也就是通过输入数据自身之间的相关性来完成特征编码。
而交叉注意力描述的的是两种不同数据之间的相关性，这里的两种数据分别是指图像坐标下的数据和 BEV 坐标下的数据。
BEV、Transformer 最核心的一个标准是：统一了以数据为基础的神经网络模型。
所以无论是感知还是认知模块，机器学习方法都起到了重要的作用。很早之前，在机器学习领域就有一句名言：Data is the King，意思就是数据为王。
这句话的另一层意思是，自动驾驶计算平台必须要能支撑现行的 BEV、Transformer 算法模型，同时又具备高效的计算能力，不仅要够算，还要算的快。
所以当理想基于地平线征程 5 芯片打造出 AD Pro 智驾系统时，我们就是知道为什么地平线是 「定点大户」 了。
下一代计算平台，助力高阶智能驾驶到来
站在 2023 年这个时间节点上，用户和市场对于高阶辅助驾驶的渴望都无比强烈，上面我们说了，为用户提供产品价值，是在当下提供可量产的功能，从 ADAS 到 NOA 是实现车辆主动化水平的体现，征程 5 的核心在于让市场有了更好的选择。
BEV 大模型量产落地在即，128 TOPS 的算力，加上对 BEV 等自动驾驶大模型的兼容性优势，也让地平线一跃成为国际级芯片企业，对比几家巨头：
- 特斯拉 FSD：双芯片算力 144 TOPS，功耗 72 W，单芯片算力 72 TOPS；
- 英伟达 Orin：算力 200 TOPS，功耗 45 W，可多芯片串联使用；
- Mobileye EyeQ 5：单片算力 24 TOPS，功耗 10 W，效比达到了 2.4 TOPS/W；
- 高通：平台单板算力为 360 TOPS，其能效比是 5.5 TOPS/W，意味着单板功耗在 70 W 左右；
- 华为 MDC 810：平台算力约为 200 TOPS，功耗约 60 W。
也就是说，如果按照单片算力来看，地平线征程 5 的性能绝对可以排进全球前四，地平线 CEO 余凯博士说过：
随着 2022 年百 TOPS 级别的大算力芯片开始量产上车，这其中最典型的是英伟达的 Orin 和地平线的征程 5。
征程已经在理想汽车的 L8 和 L7 量产，包括马上 3 月份特斯拉预计会宣布的新一代自动驾驶芯片算力也是单芯片 200T 左右。
可以说车端算力对于城区 NOA 已经足够，已经能够满足当前甚至是未来 2 - 3 年量产方案的计算需求。
算力焦虑暂时得到缓解。
可是用户也发现，对于配置算力 100T 到 1000T 不等的各个量产车型，目前自动驾驶的用户体验并没有什么显著差别。
我们认为未来 2 - 3 年竞争的焦点，是在合理算力配置下，通过软件能力来充分提升芯片算力效能，打造有竞争力的产品和丝滑的自动驾驶体验。
从目前公开的信息来看，地平线征程 5 可能会成为现阶段车企量产高速领航辅助驾驶的首选之一。
目前的定点：
- 理想 L8/L7，不出意外基本锁定了同级别爆款产品头衔；
- 2023 年比亚迪、广汽埃安、上汽集团、一汽红旗也都将基于地平线的产品量产领航辅助驾驶；
- 轻舟、Pony、禾多、东软睿驰也将基于征程 5 推出高阶辅助驾驶解决方案。
这只是地平线的第一步，黄畅博士也说了，地平线下一代的计算平台已经在路上，新平台将会采用全新的架构在适配更加极致的算法。
