张玉峰：AI边缘计算助力智能驾驶

李文慧

自动驾驶每上升一级，都会产生相应数据量的增加，增长算力的需求。边缘计算，将通过高可靠性、安全合规、实时计算、低延迟等优势，推动破解自动驾驶的核心难题。

行业分析报告显示，人工智能将会让生活变得安全美好，2025年关键生活质量指标提升60%，疾病负担降低10%-15%;而安全驾驶、自动驾驶、辅助驾驶每年将在五百万人的城市拯救30-300人的生命。

全球所有沙滩数出来的沙子是一个ZB，其中包括四分之一以上的实时数据，有五分之一有生存安危的数据很难压缩。迎接海量数据挑战的关键是什么？

地平线副总裁、智能驾驶产品线总经理张玉峰表示，这其中的关键，则是如何实现实时计算，减少反应延迟，提高数据隐私安全方面的合规操作实践，以及传输和存储。如果不在边缘进行计算，将会带来基础设施成本、网络数据传输成本的增加。一份报告提到，边缘AI数据处理器的市场大于云端市场。

5G是这两年非常火热的话题，5G高传输率解决了端上传输的实现问题，而没有解决的问题是，5G并没有办法给主干网带来质的提升。

此外，张玉峰列举了智能驾驶典型的场景：首先，从ADAS场景来看，视觉感知在ADAS扮演着越来越重要的角色，已经出现了越来越多的车型配备了多个摄像头，分辨率的要求更是向高于两百万像素的方向发展，所产生的数据也是爆发式增长。

其次是高级别自动驾驶，自动驾驶时代将会有更多类型的传感器和数据，这是对边缘的计算，车上的实时数据将带来更多挑战。

然后是高精地图与定位，基于激光雷达方案的优势，其是高精准度同时也是高成本的。基于视觉的高精地图技术可以是低成本的，眾包方式能够让高精地图顺应实际路况产生变化，包括部分道路关闭、交通指示牌的变化，以及共同协同的数据采集和运算。

最后是车内的智能交互，包括智能场景下对于车内驾驶员、乘客更充分的理解，以及智能化人机交互，那就涉及视觉的采集、语音的采集和分析，以及语音和视觉共同分析理解车内人的行为、想法，让车更主动作出判断，主动调整适应人的需求，其中涉及到很多数据在车内的实时处理。

张玉峰分析称，每辆自动驾驶车每天产生600-1000TB的计算量，两千辆自动驾驶车一天的数据相当于2015年整个人类文明一天的数据量。

从不同级别自动驾驶的演进来看，自动驾驶每上升一级都会产生相应数据量的增加，对边缘处理器的能力要求的增长，即算力需求的增长。

实现L4级别的自动驾驶，可能需要300多个万亿次每秒计算的能力，所以自动驾驶对于边缘处理器的要求，尤其是对人工处理的要求会越来越高。而其中的核心驱动力无非是在自动驾驶软件算法的不同级别，在不同时间、不同SAE级别，对算力和计算量的要求不同。

对于L0-L2的感知，计算需求并不太大，包括激光雷达和视觉，从感知到建模，会有几个数量级的增长，而对于路径规划的算法，所需要的计算量在感知技术上会再上升几个数量级，因为判断自车周围的几十辆车和行人可能达到的位置，是一个爆炸式的增长。边缘计算，它具有高可靠性、安全合规、实时计算、低延迟等优势，可推动破解自动驾驶的核心难题。

PC笔记本时代拥有十几亿的数据量和设备量，智能手机时代则翻了数倍。

随着人工智能的技术突破，我们即将迎来的是机器人时代，在人工智能赋能万物、万物智能的时代，自动驾驶汽车则是人工智能机器人时代的珠穆朗玛峰。它要求极高，活动范围极大，不同的工作状况、时间、天气都可以驾驶，是远超于其他类型的机器人。

过去几十年，计算机的算力发展符合摩尔定律，每一美金可以买到的算力每十八个月可以翻倍，成本和能效可以下降，而现在能够达到的能力相当于一个老鼠大脑的能力，到2025年，人们将可用一千美金买到一千TOPS的算力，能够满足L4-L5自动驾驶的计算需求。

摩尔定律在进入二十一世纪时，由于物理限制，晶体管大小已经达到纳米级，继续靠降低体积换算力增长的方式面临很多挑战。

张玉峰称：“地平线做的则是，结合场景，通过算法和芯片架构的协同设计，把摩尔定律继续保持下去，继续续每18个月翻倍的速度，这个得益于我们在架构，包括系统软件，包括编辑工具综合的优化，协同设计，以及算法结合场景解决问题。”

人工智能在中国其实起跑并不晚，中国是AI论文产出最多的国家、全球最吸金的国家，产业化规模也在全球处于领先地位。但中国AI产业中基础硬件规模相对不足，处理器市场也是由国外巨头主导。

“我们曾经将能耗、性能、面积，做为评价芯片性能的核心指标。而如今，AI芯片的性能需要有新的评估维度，从能源转化为计算的效率（TOPS/Watt）、算力成本、算力利用率（Utilization Rate）、算力转化为AI输出的效率（AI Perf/TOPS）这四个有效算力的维度，来重新定义AI芯片的真实性能。”张玉峰说

道。

（本文根据地平线副总裁、智能驾驶产品线总经理张玉峰在2019中国汽车产业发展国际论坛演讲速记整理而成，有删改，未经本人审阅）