为无人车造芯这三年 地平线公司都干了什么?

文章来源:车东西 发布时间:2018-03-09
分享到
记者来到地平线北京总部,与GTIC重磅嘉宾、地平线联合创始人兼算法副总裁黄畅进行了深度交流,了解了地平线的创办契机、这两年的发展成绩以及未来的规划,见详文.

2017年下半年以来,AI芯片成为人工智能的新宠儿,一时间各色玩家浮出水面,纷纷打造属于自己的人工智能芯片。而有一家初创公司,在浪潮涌起两年之前,就已经开始了这项工作,这是地平线

    日前,记者来到地平线北京总部,与GTIC重磅嘉宾、地平线联合创始人兼算法副总裁黄畅进行了深度交流,了解了地平线的创办契机、这两年的发展成绩以及未来的规划。

 

▲地平线联合创始人&算法副总裁 黄畅



▲地平线联合创始人&算法副总裁 黄畅



    黄畅:从“三清帮”到算法副总裁

    与黄畅在约定的下午两点见面时,他手里拿着一盒肉松饼。在接受采访的间隙,顺便解决了这顿午饭。但这丝毫没有影响到黄畅的表达。一落座,黄畅就开始滔滔不绝地讲起地平线。

    如今的地平线的规模已经不像是一个初创公司,团队共有400余人,主要分布在北京、南京、上海深圳四地。今年是地平线发展规划中产品大规模落地的阶段,因此会有不少负责产品和市场的人加入地平线,但负责技术的工程师在地平线人才的占比仍然有80%。

▲地平线北京总部办公室



 ▲地平线北京总部办公室



    由余凯、黄畅等人联合创办的地平线,在骨子里是一家技术驱动的公司。而驱动地平线产品背后的算法,则是由身为算法副总裁的黄畅直接负责。

    黄畅本人属于“三清帮”,即本硕博都在清华大学就读。黄畅本科学的是计算机科学,如今大热的图像识别,他从大学期间就开始接触。当时深度学习和图像识别都还没那么火,图像识别依靠的还是相对传统的算法。但黄畅和图像识别已结下不解之缘。

    2003年,还在读大三的黄畅加入清华大学与日本欧姆龙公司合作的课题组,共同开发人脸识别的算法。三年之后,算法被凝聚为了一颗芯片投入量产。后来的数年,日本摄像厂商的数码相机纷纷开始用上人脸跟踪乃至人脸追焦功能,背后正是黄畅参与的这颗芯片在起作用。

    黄畅说,虽然当时并没有因此赚到什么钱,但这次成功的经历强化了黄畅对图像识别的前景预期——在本科毕业时,黄畅曾向同学“夸下海口”,称图像识别在5-10年内一定会得到大规模的应用。另一方面,这次经历也让黄畅理解到,将算法固化为芯片这种工程方法的强大之处。

    不过到博士毕业后,黄畅都还没有想清楚工业界的价值,因此他在师兄推荐下,先去了南加州大学当博士后。

    09年,黄畅重燃了对工业界的兴趣。同样是在朋友引荐下,向当时余凯领军的NEC Lab发出了意向。余凯亲自给黄畅打了个电话,然后是一轮多对一的面试,再然后就是黄畅拿到了Offer,成为余凯团队的一员。通过NEC Lab,黄畅不仅认识了余凯,也将自己的视野拓展到了图像识别之外。

    2012年,时值国内移动互联网兴起,在李彦宏邀请下,余凯带领团队回国加入百度,黄畅也在其中。同样,2012年也是深度学习复苏的年份。随后百度深度学习研究院成立,余凯任副院长,黄畅则就职主任研发架构师。

    进入百度后,余凯与黄畅主导的团队帮助百度搭建起了图像识别这条技术路线,并通过深度学习研究院孵化出了百度无人车项目。如今这些都已成为百度的标志。

    2015年,人工智能的暴涨势头已经初现端倪,资本热情开始释放。但余凯与黄畅却察觉到业界对人工智能的算法关注很多,对算法运行的载体——芯片却关注很少;大公司们对AI需要的云端计算能力关注很多,对终端的计算能力却关注很少。

    捕捉到这个机会后,地平线于2015年成立,黄畅作为联合创始人出任算法副总裁。打造适用于终端设备的人工智能专用芯片,成为地平线的方向。

    关键产品:第一代芯片踏上“征程” 同时识别200个目标

    针对人工智能对计算平台的需求,地平线给出了新的芯片架构BPU(brain processing unit)。

    针对更具体的自动驾驶对环境感知的需求,地平线历时两年多,基于BPU开发了第一代芯片——“征程1.0”(它的兄弟“旭日”有着类似的能力,不过工作场景是在安防领域,算法不同),计算性能达到1Tops,可以以30帧每秒的速度实时处理1080P的高清图像,在每帧图像中同时检测、识别200个目标,而典型功耗为1.5W。
 

▲征程1.0


▲征程1.0



    对于这枚芯片,黄畅感慨第一次就能够做到这样的成绩已是比较幸运。

    芯片行业和汽车行业原本就是两个复杂程度极高、周期漫长的行业,为自动驾驶打造芯片,则让问题更加复杂。

首先是自动驾驶需要强大的计算性能、实时的处理响应、以及较低的功耗,同时还要满足成本需求。而这些是目前GPU为主的计算平台无法做到的。因此地平线一开始搭建自动驾驶平台的时候就与英特尔合作,采用了后者的FPGA来作为核心计算单元,满足了自动驾驶对计算性能、计算延时、以及计算功耗的要求。研发ASIC芯片则在保证这些指标的基础上降低了成本。

▲基于征程的单目ADAS演示



▲基于征程的单目ADAS演示



    其次是用于自动驾驶的芯片要进入汽车市场必须通过车规。抗电磁干扰、抗震动、极大的工作温差等等,复杂的标准和严格的检测此前并不在地平线众人的经验范围之内。对此,地平线近期已经引入了一名资深的汽车行业专家,成立一个专门的团队去解决面向车规的研发工作。

    另外,自动驾驶芯片落地要面临的一个大敌是漫长的时间——芯片研发动辄3、5年的长周期+车型研发同样长乃至更长的周期,使得一款自动驾驶芯片从立项到最终装车应用的时间会无比漫长。而自动驾驶的算法又在快速变化,这对生产ASIC形式自动驾驶芯片的公司是不利的。
  
    对此,黄畅认为硬件开发的固定周期很难逆转,必须尊重客观规律。

    但地平线针对这个问题,通过优化前期调研,中期开发时芯片架构设计和算法共同迭代等方式尽可能地使开发节奏靠近软件,将其芯片开发周期缩短到了2年多(地平线成立到“征程”发布)。

 

▲地平线BPU芯片研发路线图

▲地平线BPU芯片研发路线图


    同时,沿着规划的三代架构,地平线将对芯片进行逐年迭代,使其能力不断升级。目前已经推出的征程1.0属于第一代高斯架构,基于图像识别对应自动驾驶的感知需求;第二代基于伯努利打造的芯片已经在研发中,其能力延伸到了建模与定位;第三代在贝叶斯架构上研发的芯片则会进一步参与到自动驾驶的决策中去。

    地平线的芯片拥有的计算能力,也会随之从满足L2升级到L3、L4。

    业务逻辑:自动驾驶是先锋队

    由于自动驾驶的广大市场,以及地平线核心的图像识别技术与之强关联,自动驾驶很自然地成为了地平线的重要业务之一。

    不过在黄畅看来,自动驾驶业务在地平线内除了在商业考虑上是一个较大的业务方向,这条线还扮演着一个先锋队的角色。黄畅认为,自动驾驶最接近于人工智能产业的理想形态:

    首先自动驾驶要求技术的全面性,它不仅涉及到了人工智能,还直接涉及到了高精度传感器、车辆控制运动、仿真等一系列技术。占领这样一个综合技术高地,生意本身会自带护城河,同时所掌握的技术又能为其他业务线所用。

    另一方面,自动驾驶的业务成长性比较好,在当下就可以分步骤地进行商业化,同时应又具有较强的通用性,未来可移植到其他机器人性质的产品中。

    在商业路径上,黄畅告诉车东西,因车规级芯片还在开发中,今年“征程”主要面向的是后装ADAS市场。而满足车规、第二代芯片面世后,则会面向前装市场发力。

    除了提供关键的自动驾驶计算芯片,地平线也在扮演着解决方案商的角色:一年之前,地平线就搭建起自动驾驶系统的解决方案——雨果平台。基于FPGA、满足高等及自动驾驶的的雨果平台1.0今年开始面向Tier-1、整车厂供货;同样,第二代芯片研发完毕后,雨果平台也将有ASIC替代FPGA的迭代版本推向市场。

    结语:AI芯片大浪中的弄潮儿

    采访结束,黄畅手中的一盒饼也恰好吃完。

    但自动驾驶的蛋糕才刚刚做起来。对于近来的AI芯片热,黄畅认为这会是一件好事,因为关注度上升过后,资本和资源自然会涌向这个中国企业曾经不太擅长的领域。

    面对各类竞争对手,黄畅觉得这并不是一个大问题。毕竟在AI芯片浪潮涌起三年之前,他们就预判到了趋势。而在芯片架构上,黄畅称地平线将更加激进。

    说完这句话,黄畅又径直迈向了下一个会议室,继续工作。

收藏
赞一下
0