清华大学邓志东：软件化与AI芯片助力智能汽车革命

1月10-12日，2020中国电动汽车百人会论坛在钓鱼台国宾馆隆重召开。本次论坛围绕“掌握形势 聚焦转型 引领创新”主题，邀请政府有关部门和汽车、能源、交通、都会、通讯等领域的行业机构和领先企业代表，就行业、企业、政策的转型与创新展开深度研讨。以下是清华大学教授，邓志东在本次论坛上的讲话：

清华大学教授 邓志东

很是兴奋跟大家分享。我来自于清华大学盘算机系。分享的是“软件化与AI芯片助力智能汽车革命”。

主要想分享三个方面的内容：1）全电化、软件化与网联化是传统车企转型升级的关键；2）AI芯片助力智能汽车的情况感知与自主导航；3）加速生长智能汽车焦点零部件与5G云边端AI基础设施。

从L0到L4，从ADAS到低速的MaaS再到RoboTaxi，我们看到智能汽车正在发生一些基础性的厘革。

一、全电化、软件化与网联化是传统车企转型升级的关键

首先，面临跨界企业，不管是互联网企业还是ICT企业，对于智能网联汽车研发的快速推进，传统车企、新造车势力和Tier1等，需要越发发力于信息化汽车平台的研发，包罗开放线控，推动汽车平台的全电化、数字化生长，推进执行机构冗余，攻克OTA（空中下载），尤其是实施云-边-车一体化平台的建设，另有就是完成软件界说汽车或汽车软件化的关键技术，最终使我们的传统汽车走向智能化、共享化。

可以说，汽车行业的全电化正在成为一股不行阻挡的潮水。例如，特斯拉Model 3在2018年成为北美豪华型轿车内里的销售冠军，它的销售总量甚至凌驾了宝马从2系、3系、4系到5系总和的168%，特斯拉自己已成为市值排名全美第三且最具价值的新车企，凌驾了许多百年迈店的传统车企。又如，特斯拉2019年1月7日在上海临港开工建设，一直到今年1月7日由马斯克将Model 3量产车正式交付到用户手中，仅用了一年的时间，这完全颠覆了传统车企的思维定势，以不到30万元的价钱，带来了一种势不行阻的全电化潮水。要知道，全电化其实是实现数字化的捷径。

中国电动汽车的生长不能靠退补，要靠焦点技术的创新，如果性价比好，就如同苹果手机初期一样，可能是求过于供，基础不用担忧销售的问题。我们通过引入类似于特斯拉这样的国际一流新能源汽车企业，发生“鲶鱼效应”，类似于当初苹果手机强势进入中国市场后，我们现在反而发生了像华为、小米、oppo、vivo这样的自主手机品牌，如此通过市场竞争来优化或者壮大中国电动汽车工业链，这可从基础上挣脱传统燃油车既有的国际技术壁垒，助力中国汽车的跨越式生长。

从软件化、OTA的角度来讲，具有OTA软件化的智能汽车从基础上颠覆了传统功效汽车产物的迭代路径和换代周期。好比说我们看到去年特斯拉的Model 3在一年之内就举行了10次OTA更新，增加了全新的功效，或者举行了原有功效的升级优化。在确保宁静的前提下，具有OTA设置的软件化的智能汽车可以轻松地举行，好比说升级百公里加速时间和刹车距离。传统汽车平台要举行这种升级至少需要3-5年。基本上是5年以后的事，全部换一个新平台才有可能把百公里加速时间和刹车距离举行类似的升级。可是有了OTA、有了软件界说升级以后，这一切可以在一年之内举行10次的更新或者性能迭代。

再谈一下网联化和智能化的生长。我们知道信息化，包罗数字化和网联化两个方面，是实现智能化的基础和前提。而我们认为汽车的智能化是一种牵引、是一种目的。我们可以看到智能汽车、无人驾驶单车、智慧门路、车路协同这些众多的应用场景，一方面临人工智能、对智能化水平的要求是越来越高，可是另一方面也受限于移动终端自己对低成本的限制，特别是由此造成了对盘算、存储、供电资源的约束，这就对5G情况下的云边端作为AI基础设施的智能网联汽车工业提出了迫切的需求。如此通过5G支撑下的边缘盘算来解决这样一个矛盾，即既要求智能汽车满足低成本，同时又要求它具有更高的智能化水平、更强的人工智能能力，就可以通过5G这种高带宽、低时延、大毗连数的移动通信技术，把人工智能的推断能力等放在边缘侧上举行，并进一步构建和部署增强版的云-边-端人工智能基础设施。

二、AI芯片助力智能汽车的情况感知与自主导航

AI芯片主要涉及深度学习模型的离线训练、云-边-端的在线推断应用。新一轮人工智能的生长在很大水平上依赖于“盘算暴力”和“数据暴力”。AI芯片首先包罗通用人工智能芯片，要求的算力很高，属于高端的AI芯片，主要用于离线训练，但价钱高昂，功耗很大。其次是专用人工智能芯片，好比基于ASIC或FPGA的AI芯片，包罗异构融合的深度神经网络芯片。在这个赛道，现在有许多巨头都在做这个事情，好比英特尔、谷歌、亚马逊等，中国在方面也可以说是解决了0到1的问题。这与PC时代、移动互联网时代都差别。在人工智能时代，我们已有中国自己的人工智能芯片，好比华为的昇腾910，另有地平线等等。

除了传统AI加速芯片以外另有类脑AI芯片。类脑芯片包罗基于传统CMOS工艺的AI芯片和基于新型忆阻器件的AI芯片。AI芯片的生长催生了新一代人工智能，而人工智能的再起又反过来推动了AI芯片的繁荣。特别指出的是，我们现在又面临着一个很是有前途的新的商业机缘，那就是5G。2019年，5G可以说是正式进入了商业元年。5G加上人工智能或者说是5G乘上人工智能，正在催生自动驾驶边缘盘算的生长。我们可以通过加速人工智能芯片在“云边端”的一体化部署，构建一个越发强大的由人工智能全面赋能的自动驾驶基础设施。边缘平台这边通过互联网毗连云，另外一边则通过5G毗连移动终端或智能汽车，而且在云、边、端上都有人工智能芯片赋能。尤其是，私有或公有的边缘盘算可以使智能汽车在仍然保有局部自主能力的同时，在某种意义上可被视为一个传感器阵列与执行机构，它的许多AI推断能力都可以放在边缘服务器上。实际就是基于高性能边缘服务器提供一个基于多5G基站的公共的实时智能服务。

人工智能芯片的生长，还将带来对传统汽车盘算平台体系结构的厘革。传统汽车上有大量的ECU，一个比力高端的汽车上可能有100多个ECU，甚至高达200多个ECU，这是历史遗留下来的问题。现在要生长新的智能汽车，就可以在全新的智能汽车平台上，重新设计一个全新的盘算体系架构，一个具有中央域控制器的盘算体系架构，这就是对传统汽车工业的颠覆性厘革，也可以据此打破国际Tier1巨头这些垄断企业的技术壁垒。

智能汽车的AI芯片和域控制器，已有许多巨头企业卷入，竞争已达白炽化。车规量产的智能汽车AI芯片、传感器芯片、域控制器的竞争很是猛烈，它的意义甚至已上升到未来芯片工业的重新洗牌。英特尔、英伟达、高通这些传统芯片巨头都混战其中，更多巨头或者初创企业也突入这个细分赛道。好比谷歌有TPU，华为有海思、有昇腾910，特斯拉也推出了最新的FSD芯片。特斯拉的Hardware 3.0可以做到144T的算力，具有多重冗余，可以支持L2+的自动驾驶。高通最近说要推出头向L4+的AI加速芯片，可以提供高达700T的算力。AI算力和L2、L3、L4的情况感知能力是正强相关的。一般说来，要做到L4的水平，所需的人工智能芯片也要到达相当的水平，好比说700T？现在AI自动驾驶芯片已有许多系列，例如英特尔-Mobileye的EyeQ系列，英伟达的Drive PX系列，谷歌的TPU系列，另有华为海思的昇腾芯片等。AI算力对自动驾驶的生长很是重要。

AI芯片全面赋能的“云边端”一体化部署，必将助力智能汽车的情况感知与自主导航能力。不管是以摄像头为主导的特斯拉或Mobileye智能汽车感知解决方案，还是谷歌Waymo以激光雷达为主导的感知解决方案，其实都属于盘算机视觉的问题，因此都可以用人工智能来举行赋能。尤其可以用“云边端”或“云管端”一体化部署的、越发强大的人工智能基础设施来为它赋能，并据此带来更强的情况感知、自主导航、信息融合，另有越发自主的行为决议与路径计划能力。新一代人工智能方法，比传统的盘算机视觉与模式识别方法，确确实实带来了性能上的大幅度提升，变得可谓基本可用。这方面如果有AI全面赋能的5G“云边端”自动驾驶基础设施的强大支撑，就会加速智能汽车与自动驾驶的商业化落地历程。

可以说，视觉人工智能已成为智能汽车与自动驾驶的一个基础性的技术。此外，从ADAS到RoboTaxi，其实它还是一个类似于手机的产物，无疑需要举行垂直整合。事实上，它不仅需要“算法+硬件+软件”的垂直整合，而且还要思量产物的低成本，还要思量产物的绝对宁静性和可靠性。需要特别指出的是，对大数据人工智能的自动驾驶应用而言，这自己还是一个长尾的应用场景。这里是它在情况感知方面的应用。应该说自2014年以来，基于深度学习的语义级的图像支解取得了突破性的希望，其中包罗门路感知或可行驶路面的支解。此外另有基于视觉深度学习的障碍物检测，包罗灵活车、非灵活车和行人的检测。这些都比传统的盘算机视觉方法或模式识别方法好了许多。可是前提条件是需要大数据、大盘算能力的驱动。另外就是使用人工智能的行为意图预测，因为汽车驾驶在某种意义上就是一种预测，特别是对交通到场者的行为预测，另有就是对其运动参数的预计。其他就是做基于人工智能的自主导航和多模态信息融合等。

三、加速生长智能汽车焦点零部件与AI基础设施

加速生长智能汽车的焦点零部件，特别是工业上游的关键零部件，好比车规级的激光雷达以及所谓的多模态感知传感器融合模组。全固态的车规量产的激光雷达已经成为智能汽车商业化落地应用的晴雨表，已经成为智能汽车感知设备的主要工业目的。未来的技术生长趋势就是面向彩色激光点云的多模态传感器融合模组。我以为我们应该在先进传感器方面发力。如果这方面取得突破的话，会大大降低自动驾驶汽车工业化落地的难度，是一件事半功倍的事情。总之，第三代纯固态激光雷达容易做到车规、利便量产，也容易做到批量低成本。现在已经面世了许多激光雷达产物，甚至是车规级此外量产产物，例如法雷奥和IBEO的ScaLa激光雷达。

这个关键赛道可以说是龙头企业、初创企业都混战其中，都力争占据智能汽车工业链或者价值链的制高点。例如，除老牌的美国Velodyne公司、Quanergy公司、德国SICK公司、IBEO公司等之外，另有初创的美国Triluminar公司、 Luminar公司，加拿大LeddarTech公司，以色列Innoviz公司等，以及中国的初创企业，如速腾聚创、禾赛科技、北科天绘、镭神智能、思岚科技、北醒光子、海达数云等等，都在做第二代，甚至是第三代的全固态激光雷达。尤其是，现在大疆、华为、英特尔等巨头也已杀入激光雷达这么一个细分的赛道。可是在毫米波雷达的产物迭代方面，海内外的差距比力大，我们需要急起直追，以尽快实现国产替代。

推动5G“云边端”AI基础设施的建设。我们在这方面是大有可为的。在未来两三年，包罗中国在内的许多国家，有可能超前完成5G的大规模商业化部署，而且我们中国可以说是走在世界的前列，特别是在商业化部署方面。所以我们有条件来实施5G支撑下的云边端人工智能基础设施建设，来加速智能汽车与自动驾驶工业的落地。先进自动驾驶基础设施的建设，也包罗加速建设专用的车道或智慧的门路，推动自动驾驶从单车智能走向人-车-路的智能协同。通过人工智能、使用5G加持的边缘盘算及其“云边端”，进一步赋能智能驾驶工业的落地。前面已重复指出，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，通过“云边端”一体化的部署，赋予智能汽车更强大的人工智能能力，我以为这个很是重要。我们国家在基础设施的建设上具有显着的优势，可以通过发挥这方面的优势，助力中国智能汽车的厘革式生长。

结语

第一，汽车行业的全电化已成为一股不行阻挡的潮水，从功效汽车到数字化汽车，这个历程特别像我们的手机从诺基亚、摩托罗拉这样的功效手机，演变到苹果之类的智能手机。特别地，数字汽车是传统车企破局的关键，传统车企一定要去做汽车的数字化。与此同时，由特斯拉带来的OTA，实现了智能汽车的软件化，可以通过软件界说功效或者举行功效的优化升级。例如，在一年之内可以举行10次的功效升级，包罗百公里加速时间与刹车距离等，都可以基于OTA举行功效优化升级，这就从基础上颠覆了传统功效汽车产物的迭代路径和换代周期。我们说包罗数字化和网联化的信息化，是实现智能化的基础和前提，其中全电化、软件化又是传统车企转型升级的关键。

第二，5G×AI催生自动驾驶边缘盘算的生长，因此应加速AI芯片在“云边端”的一体化部署。智能汽车的车规级AI芯片及中央域控制器，将推动传统汽车的疏散式递阶盘算体系架构，向生长具有强大中央域控制器体系架构的颠覆式厘革，这也是我们实现跨越式生长或者弯道超车的时机。我们再去做ECU，再去跟像博世这样的Tier1巨头竞争，可能没有多大的时机。可是我们可以在新的智能汽车平台上，去设计与研发这种基于强大中央域控制器的新的体系架构。此外，AI芯片加持的“云边端”一体化部署的基础设施，可望大幅度地提高智能汽车的情况感知与自主导航能力，同时还可以控制移动终端或智能汽车的成本。

第三，车规量产的全固态激光雷达已经成为智能汽车商业化落地的晴雨表，但毫米波雷达海内外差距比力大，需要急起直追。加速生长智能汽车上游焦点零部件工业与5G支撑下的云边端AI基础设施，必将有力地推动我国智能汽车的厘革式生长。谢谢大家！