PRO会员通讯
作者 / 曹锦
2019年初，地平线开始立项研发第三代车规级芯片，也就是征程5。在研发期间，一度有传言称其项目停滞难以落地，这也从侧面反映出这颗芯片的挑战之高。
不过，2021年2月，征程5还是在台积电顺利流片，并在5月一次性流片成功，在15小时内完成了全部的核心功能测试。这意味着，征程5或将是国内首款实现前装量产的百TOPS级大算力AI芯片。
果然，地平线已宣布，最快在今年Q4，搭载征程5的首个项目即将实现量产。如今，比亚迪、一汽红旗和自游家汽车都已是其定点合作车企，另外还有更多合作车企将陆续公布。
除此之外，还有一个「小彩蛋」：自去年7月正式发布征程5至今，其帧率从当时宣布的1283FPS，又提升到了如今的1500+FPS，性能提升近20%。
（地平线联合创始人兼CTO黄畅）
为什么一颗芯片，在硬件架构和算法都没有任何变化的情况下，发布不到一年，反而帧率还提高了？在一场地平线技术开放日上，地平线联合创始人兼CTO黄畅为我们详细解释了征程5背后的开发逻辑，以及车规级芯片面临的问题和趋势。
「请大家忽略TOPS峰值」
帧率（Frames Per Second）的提升，体现的是真实计算性能的提升。这也是地平线一直以来所推崇的，评估芯片的重要指标。
「请大家忽略TOPS峰值，我们在乎的是真正能够用于算法有效计算的算力。」黄畅认为，对于峰值算力值，大家不会做出太大的差异，但是在FPS上可以有巨大的差异。
他解释称，当硬件架构和算法锁定后，软件架构还可以持续改善，编译器也还可以持续地将同一个算法在同一个芯片上通过编译、拆解、重组，部署和运行调度。
通过编译器的高效分析，对算法网络结构进行解构，将尽可能多的存储和计算都利用起来，使它能够在更短的时间内完成AI推理任务。这就是软件的架构要去解决的问题，也是地平线BPU要达成的任务之一。
「如果在硬件设计阶段，就预先设定好数据通路的话，好处是硬件设计会容易一些，坏处是软件没有改变Data path，相当于被硬件锁死了，没有软件空间。」黄畅认为，地平线的理念是「能让软件做的事，尽可能让软件做」，而硬件则承担着简单、极致、高效且容易被软件灵活调用的功能。
「算法是一个客观大趋势，不随计算平台公司的意志而转移。」黄畅表示，算法只能预判和识别，很难去改变，而真正能改变和掌握的，就是硬件架构和软件。
因此，在芯片代码冻结之前，重心应在于如何让算法和软件更好地指导硬件；而当硬件锁定之后，重心则在于如何靠编译去优化软件，实现更强的计算性能。也正是依靠对软件的持续优化，征程5的帧率才能继发布后还能有进一步的提升。
广义感知将实现100%数据驱动
随着自动驾驶技术逐步由数据驱动替代传统的规则计算，在面向未来的自动驾驶算法中，支持数据驱动、神经网络模型推理计算的专用芯片占比也会显著增加。
黄畅介绍称，目前主流的自动驾驶方案大致可以分为四个阶段，分别是广义感知、地图融合、规划和控制。
在软件1.0时代，这四个阶段的任务都是将主观认知变成以规则描述的计算，并在不同程度上过渡到数据驱动，也就是软件2.0：用深度学习、神经网络这样的方式去训练。
「很有趣的一点是，从软件1.0到软件2.0的过渡速度来看，广义感知是最快的，其次是地图融合、规控；而对控制来说，目前来说仍是基于传统的规则方式计算。」由此，黄畅认为，感知，尤其是基于视觉的感知是真正未来自动驾驶智能化，也就是软件2.0数据驱动智能化的先锋。
广义感知其实包含了传统意义上的传感器，同时高精地图和导航信息也可以认为是一种感知输入。所以在新的自动驾驶算法框架下，通常会将更多的信息融合在一个可以端到端、完全数据驱动自动化学习和训练的环节当中，以此大幅提升自动驾驶系统的精度、鲁棒性、适用度，也可以大幅地改进算法迭代的速度。
因为在整个过程进行融合了之后，更多的数据驱动将不再依赖人工规则，自动化程度极高，导致其本身的技术迭代也变得更好。
依照黄畅的预判，在未来，广义感知几乎100%都将靠数据驱动；而在规划和控制阶段，除了需要类似交规这样的极少量规则，80%～90%也都靠数据驱动完成的。
「我内心始终相信，范式级的智能算法和支持这种算法的硬件体系相结合，也就是我们经常说『软硬结合』，这样的思路是加速高等级自动驾驶落地的根本途径。」黄畅表示。
计算架构面临的挑战，以及「大一统」趋势
随着传感器的增加以及分辨率的增长，芯片在单位时间内需要处理的数据也变得越来越多。在此背景下，算法工程师需要尽可能用更多的有效算力去处理这些数据。
「随着自动驾驶级别的提升，它所需要的算力几乎是指数级的爆炸式的增长。从L2到L5，每往上走一级至少有10倍以上算力需求的提升，大规模并行化的AI计算，这使得大算力的计算平台变成一个行业的必须。」
不过，从目前的计算架构来看，不管是寡合路线、众合路线还是通用路线，都普遍受制于数据带宽。黄畅认为，因为和传统的科学计算、游戏加密的计算不同，AI计算是数据量和计算次数都非常庞大，这使得其核心挑战并非在数据本身，而是「在合适的时间把数据送到计算器件去」，这也是所有AI计算架构面临的统一的问题。
至于解决的方法，黄畅表示，基于不同的设计思路，侧重点也不一样，但无外乎都是运用更好的存储、更好的数据走线，以及硬件仲裁和软件的编译调度。
「这些解法大道至简，在数字电路领域的方法论就那么几条，但要结合具体的架构选择：是寡合还是众合，是微观同构、宏观异构，还是微观异构、宏观同构……这都是不同的设计理念，暴露出来的数据带宽的问题形态是不太一样的，所以没有一招鲜吃遍天的解决方案。」黄畅称，工程问题到了深处全是细节，只能结合具体场景展开分析。
同时黄畅也认为，计算架构「大一统时代」的来临并不遥远，而且比他预判的「5年」还会更快：「近两年的发展，让我强烈地感受到神经计算架构的到来，它将是大一统的，而且能满足广泛的应用场景需求。」
统一的神经计算架构能够出现的本质原因，是神经网络算法在大规模地解决更加多样化的问题，并在更广的场景解决各种过去难以想象它能够解决的问题。
「它以更多的功能、更好的方式以及更快的速度去解决AI任务，所以神经计算架构将成为一个统一，并在芯片上呈现越来越大的规模。」黄畅说道。
从保守到激进
在2-3年前，当黄畅开始深入研究车规电子领域时，发现该大家普遍风格保守，采用的车规半导体都是经过多年反复验证的产品，同时软件开发能力也较弱，这导致前几年的汽车娱乐系统被手机甩出好几条街。
而现在大算力平台的自动驾驶芯片，又恰恰是传统车规芯片。「以各种各样MCU为代表的传统车规芯片，同时具备了高可靠度、高质量，以及落后的工艺制程、保守的设计要求的优缺点。」
黄畅认为，自动驾驶就是要在「保守追求稳定」和「极致追求性能」之间找一个平衡点，但这样的尺度显然不易拿捏。因为自动驾驶芯片是个新品类，没有太多标杆。要想在两个极端中找到一个中间点，就得在满足需求的前提下，进而兼顾两边的特点。
「地平线也经历过初期保守的阶段，继而又变得激进一点。然后又会觉得可能激进过头了，会导致某些性能，比如DDR不能完全跑到最高的频率。」黄畅介绍称，地平线持续以各种各样的方式进行摸索，包括设计路线、相应的技术以及各种标准，这就是芯片不断权衡的过程。
征程5即将量产之际，征程6也已经在路上。地平线为每个系列的BPU架构命名时，都采用了数学家的名字：第一代叫高斯，第二代叫伯努利，第三代叫做贝叶斯。而征程6的BPU架构，则采用了那位《美丽心灵》男主角原型的名字——「纳什」。
