DeepTalk深言堂 | 清华邓志东：软件化与AI芯片助力智能汽车革命

DeepTalk深言堂

2020伊始，深兰科学院再次打造属于自己的学习平台“DeepTalk深言堂”，并邀请到清华大学智能技术与系统国家重点实验室、清华大学计算机科学与技术系、清华大学人工智能研究院的邓志东教授，带来了《软件化与AI芯片助力智能汽车革命》的特邀报告。

智能汽车发展势头正猛，政府各项支持政策陆续出台，汽车制造企业亦群雄逐鹿。上个月深兰科学院全新推出的创新品牌“智星时空”便举办了一场智慧交通主题沙龙，对“人工智能时代下的智慧交通和公共出行”进行了探讨，也得到了业界的积极反馈。

《软件化与AI芯片助力智能汽车革命》

清华大学 邓志东教授

全电化、软件化与网联化是传统车企转型升级的关键

从L0到L4，包括ADAS到低速MaaS，再到RoboTaxi这个自动驾驶的珠穆朗玛峰，可以看到智能汽车正在发生深刻的变化。我们看到一个趋势，现在传统车企、新车企与Tier1的主要使命就是要努力发展信息化的汽车平台。面对跨界互联网企业与ICT企业的来势汹汹，传统车企与Tier1是否还有优势呢？我认为他们应该先做信息化汽车平台，主要包括开放线控、推动全电化、数字化；开发冗余的执行机构；发展OTA与云－边－车一体化平台；以及着力汽车的软件升级或软件化，并最终使之走向智能化、共享化。

在智能化新时代，传统车企其实有很多事情可做。在面对跨界互联网企业咄咄逼人的攻势下，全电化、数字化势在必行。上海的感受特别明显，因为特斯拉来了，而且带来了一股势不可挡的电动化潮流。我们知道，2018年，特斯拉Model 3成为北美豪华车型的销量冠军，比宝马全系的销量加起来还要多168％。国产Model 3，历经1年，于2020年1月7日正式交付给用户，享受补贴后售价为29万左右。很明显，传统车企目前在推进电动化上面临着巨大的压力。

OTA也是特斯拉带来的。特斯拉的OTA很厉害，实际就是汽车的软件化，即通过软件升级、用软件来定义汽车的功能，因此OTA可以颠覆传统汽车平台升级换代的周期与迭代路径。相比之下，中国燃油汽车与电动汽车的发展缺少创新与核心技术，造成特斯拉进入中国市场后供不应求。不过特斯拉进来可能是一件好事，因为通过“鲶鱼效应”，也有可能带来中国智能汽车产业格局的重大变化，例如可完善与加速升级中国电动汽车产业的供应链。

我们还看到，2019年特斯拉Model 3在一年之内进行了10次OTA更新，增加了全新的功能或进行了原有功能的升级优化。以前的量产车出厂以后，功能就完全固定了，要升级换代至少得等5年以后重新买车。但现在，一年内可以做10次升级，甚至可在确保安全的条件下，通过OTA轻松升级百公里加速时间和刹车距离，这在以前是不可想象的事情。因此以后的智能汽车如果没有OTA，很难叫软件化的汽车。

信息化包括数字化和网联化，这是实现智能化的基础和前提。智能化可以认为是传统车企转型升级的目标牵引与需求导向。一方面，智能驾驶、无人驾驶单车、智慧道路、车路协同等众多应用场景，对AI与智能化的要求越来越高 ，但另一方面，却受限于移动终端设备本身对低成本的限制，特别是由此造成的对车载计算、存储与供电资源的约束，这就对发展以5G“云－边－端”作为 AI 基础设施的智能网联汽车产业，提出了迫切的需求。在实现数字化与软件化之后，网联化、智能化则是传统车企进一步向前发展的必然趋势与关键抓手。

AI芯片助力智能汽车的环境感知与自主导航

AI芯片应该是对“云－边－端”的一体化全面部署，而不是仅考虑单端的人工智能赋能。AI芯片主要应用于深度学习模型的离线训练以及云－边－端的在线推断应用。目前大数据人工智能获得的惊人的感知能力，主要就是依靠所谓的“计算暴力”，或者说是利用大算力带来的进步。

AI芯片首先包括通用AI芯片：

其次是基于ASIC／FPGA的专用AI芯片，也包括异构融合的深度神经网络芯片。专用AI芯片的好处就是低功耗、高性能，价格也相对便宜，主要用于深度学习的推断，可以分别或同时部署于基于云、边／管、端的在线推断应用。可以看到目前有很多企业都在从事这方面的研发。前面提到的通用AI芯片属于高端、高性能的AI芯片，而专用的AI芯片一般用于推断应用，包括英特尔、谷歌、亚马逊等都推出了自己的专用AI芯片，如谷歌的TPU系列深度学习芯片。还有中国的AI专用芯片，如华为海思的昇腾910等，这与PC时代、移动互联网时代是完全不同的。在人工智能时代，在AI芯片上我们至少解决了0到1的问题。

此外，还有基于传统CMOS工艺或基于新型忆阻器件的类脑 AI 芯片，这是另一类技术门槛更高的AI芯片，集成度更高、读写速度更快、功耗更低。

2019年我们还迎来了5G商用元年。5G与人工智能在一起可能是一个乘法的关系，它催生了边缘计算的发展，可望加速AI芯片在云边端的一体化部署。

我们可以在云边端框架下部署移动边缘计算。一边是公有或私有云，进行云边协同；一边是智能汽车等移动终端。移动终端通过5G与边缘端进行连接，因为5G具有超低时延、超高带宽、大连接，以及高可靠性和高移动性等，因此可进行边端或边车规控。而人工智能可以在云上赋能，也可以在边缘计算上赋能，还能在移动终端上赋能，这三项赋能我们称之为AI芯片的一体化赋能。这种强大的云边端AI赋能，对于智能汽车产业的发展与推动是非常有利的。

AI芯片还将带来传统汽车平台计算体系结构的变革。现在一台高端的汽车里面，最多有200多个ECU，至少也有100多个ECU，这是历史造成的。现在有了强大的计算芯片与AI芯片，我们可以在全新的智能汽车平台上，设计新型的计算体系结构，比如把很多个ECU进行简约，形成域控制器，这样就会带来颠覆式的变化。

在传统汽车上，中国是没有多少机会的，尤其是燃油汽车，关键技术与核心零部件大多在国外Tier1手上。对信息化的汽车平台，AI芯片是非常重要的，这与国外的发展基本同步。目前在智能汽车芯片及域控制器方面，巨头卷入，竞争白炽化，因为它的意义已经上升到未来芯片产业的重新洗牌，甚至连全球芯片巨头都感受到了市场竞争的压力。

自动驾驶这个赛道很多企业都在加入，聚集了许多头部企业，比如谷歌自动驾驶用的都是自己的芯片TPU系列，激光雷达也是自己研发的，包括操作系统、深度学习开源代码框架等也都是自己的，除了不造车，可以说是全栈、全场景的。

我们再来看一下这种AI芯片强大部署在5G“云边端”的自动驾驶基础设施，是怎么增强自动驾驶汽车的环境感知与自主导航能力的。

以摄像头为主导的感知方案，典型的就是特斯拉和英特尔－Mobileye，他们都是坚持用单目视觉，即完全用视觉来解决环境感知和自主导航问题。另外就是谷歌的Waymo，则是坚持以自己的激光雷达为主导，但实际上车上也配置了大量的摄像头。

成像后其实这些都属于计算机视觉的问题，因此都可以用人工智能来赋能。云边端的人工智能对智能汽车和自动驾驶更有利，能够提供比传统计算机视觉方法更好、更强大的环境感知、自主导航和信息融合能力，能够带来更加自主的行为决策与路径规划能力，可以说是变得基本可用。总之，大数据人工智能基础算法，需要利用云边端一体化部署的AI 芯片及其提供的强大计算能力来进行支撑。

从智能汽车到RoboTaxi，视觉人工智能已成为一种基础技术。智能汽车跟手机很像，涉及到算法、软件、硬件的垂直整合。智能汽车和RoboTaxi的各种细分应用都需要进行深度学习，而且由于是长尾应用，因此也都要使用到AutoML。视觉深度学习的应用，除了行驶场景的分割、可行驶路面的分割之外，还有对机动车、非机动车和行人的检测，尤其是障碍物行为意图的识别非常重要，因为开车在某种意义上就是一种预测，需要基于行为意图的预测，以便随时采取紧急措施。此外，基于视觉深度学习的多模态自主导航和信息融合也是非常重要的关键核心技术。

加速发展智能汽车核心零部件与5G云边端AI基础架构

在智能汽车上游关键零部件产业中，车规级的激光雷达及多模态传感器融合模组，是目前产业关注的焦点。第三代纯固态激光雷达容易做到车规，方便量产，也容易做到批量低成本。因此车规量产的低成本全固态激光雷达已成为智能汽车商业化落地应用的晴雨表。此外，多模态传感器融合模组，例如将双目摄像头和激光雷达结合在一起，就能支持彩色激光点云，这样就既有颜色，又有纹理，还有空间几何信息，这就是未来激光雷达的发展趋势。

可以说龙头企业与初创企业目前都混战在智能汽车上游核心零部件产业，特别是传感器芯片，力图占据整个智能汽车产业链和价值链的制高点。除老牌的美国 Velodyne公司、Quanergy公司、德国SICK公司、IBEO公司等之外，还有初创的美国 Triluminar公司、Luminar公司，加拿大LeddarTech公司，以色列Innoviz公司等，以及中国的速腾聚创、禾赛科技等。目前大疆、华为、英特尔等巨头也已杀入激光雷这一细分赛道。先进激光雷达的发展会有力地推动智能汽车的落地，尤其是多模态传感器融合模组的研发特别重要。然而在毫米波雷达的产品迭代方面，国内外差距较大，我们还须奋起直追，实现国产替代。

在AI或自动驾驶基础设施建设方面，我觉得5G的发展是巨大的产业机会。中国在5G商业化方面的超速发展，已处于全世界前列。华为、中兴、诺基亚、爱立信等5G设备的头部制造企业，位列商业化的第一梯队。

在5G支撑下进行云边端的AI基础设施建设，就能加速推动智能汽车与自动驾驶产业的发展。另外就是建设专用车道或智慧道路，从单车智能走向车－路－人之间的智能协同，这也是中国的优势和特色。未来我们可能在车路协同上走向成功，毕竟在单车智能方面，与国外的差距日渐明显。

在AI全面赋能的5G“云边端”基础设施的强大支撑下，可望在降低智能汽车移动终端成本的同时，大大加强智能汽车的AI能力。

例如，我们可以开展：

基于“云－边－端”的无人驾驶远程安全监管；

基于“云－边－端”的共享出行运营与安全接管；

基于“云－边－端”的无人驾驶高精地图远程下载；

基于“云－边－端”的无人驾驶决策、规划与人机交互等

总之，通过加强基础设施建设，提供各方面的合力支撑，可望形成中国产业发展的优势，助力智能汽车革命。

结语

☆ 汽车行业的全电化正成为一股不可阻挡的潮流；从功能汽车到数字化汽车的改变，是传统车企破局的抓手；具有 OTA 的软件化智能汽车，从根本上颠覆了传统功能产品的迭代路径和换代周期；信息化（数字化、网联化）是实现智能化的基础和前提；全电化、软件化与网联化是传统车企转型升级的关键。

☆ 5GxAI催生移动边缘计算的发展，需要加速 AI 芯片在云边端的一体化部署；车规级AI 芯片及中央域控制器，将推动具有分散式递阶计算体系架构的传统汽车，向具有强大中央域控制器体系架构的智能汽车的颠覆式变革；云边端一体化部署的AI 芯片及其提供的强大AI算力，可望大幅提升智能汽车的环境感知与自主导航能力。

☆ 车规量产的全固态激光雷达已成为智能汽车商业化落地应用的晴雨表；毫米波雷达国内外差距较大，须奋起直追；加速发展智能汽车上游核心零部件产业与5G云边端AI基础设施，必将有力地推动我国智能汽车的变革式发展。