2018第二届中国汽车电子大会现场

9月13日在广州举办的“2018第二届中国汽车电子大会”上，地平线创始人兼CEO余凯发表了题为“自动驾驶处理器——人工智能的珠穆朗玛”的演讲。他在演讲中强调，在汽车电子行业里，智能化未来将是一个非常丰富的生态，而实现这个生态最重要、最基本的就是底层的算力，底层的算力是所有可能性的核心。人工智能处理器的本质是软硬结合的载体，人工智能芯片的发展实际上是计算架构与算法的配合驱动，使其实际的计算效率不断提升，追求极致效能。可以说，应用场景决定算法，算法定义芯片，软硬件协同设计，这就是AI时代的新摩尔定律。谁理解了应用场景并掌握了算法，谁就掌握了核心优势。

以下是演讲全文实录：

诸位嘉宾，大家下午好！刚才听到航盛杨总的充满热情的报告，我也深受感染，杨总立志要成为汽车电子行业的华为、中国的博世，我觉得这个雄心壮志，中国企业指日可待。在这里，地平线也跟大家分享一下我们在自动驾驶的人工智能处理器领域的一些思考。同样，我们也希望作为一个代表性的中国企业，在人工智能自动驾驶处理器这个方向能做出一些世界级的工作。

我的题目叫《自动驾驶处理器：人工智能的珠穆朗玛》，带有一种强烈的感情色彩，但也确实是反映了我们对自动驾驶人工智能处理器的定位和思考，因为我们认为在自动驾驶这件事情上，处理器要解决从感知到认知到非常复杂的工况下的决策问题，它对于从软件到硬件的挑战是非常大的，对算力的挑战、对功耗的要求等都非常大。可以说这里面它要解决人工智能领域的一系列问题，将它形容为人工智能的珠穆朗玛完全不为过。地平线希望在攀登这个高峰的过程中，能够跟各位的产业生态通力合作，一起来成就行业的发展。

车载的人工智能处理器实际上是一个未来规模非常庞大的市场。我们可以看到在整个科技媒体、科技行业里，对自动驾驶这件事情，比如无人驾驶，其实都有很高的期望。但是在今天大会这个场合里的各位实际上都是这个行业里的资深从业人员和专家，相对来说我们是比较理性的。报告显示，到2025年，全球从辅助驾驶到自动驾驶的处理器的市场渗透率大概在70%，其中大量是辅助驾驶。我们认为中国在2025年，整个智能化的进展和全球领先的国家比可能会稍微滞后一点，为60%，但是也是一个非常庞大的体量。其中，绝大部分的应用场景是ADAS和L3，而并不是自动驾驶。我们认为在2025年，在中国大规模的自动驾驶恐怕还不是特别现实。在美国，由于其交通工况相对比较规范，我们认为在2025年时，在美国开展相对成规模的自动驾驶出行服务（比如说机器人出租车）是有可能的。

在汽车电子行业里，智能化未来将是一个非常丰富的生态，毫无疑问，底层的算力是所有可能性的核心，所有这些可能之所以能够成立，是因为我们能够去完成这样的计算，使得车载的人机交互、安全性能够真正地往前推进，所以地平线希望在这个最底层的核心处理器领域去做这件事情，尽管在中国整个产业发展的历程上，在处理器领域鲜有成功，但是作为一个企业，就是要去打破过去的不可能，使不可能成为可能。

未来不断升级的汽车的智能化功能，从1级的不具备自动驾驶功能，到5级的全工况的无人驾驶。它对计算的需求也遵循摩尔定律，简单而言，就是每升级一代，其对算力的需求要增长10倍。今天整个产业界包括英伟达、英特尔、地平线等，目前正在聚焦的是L3级自动驾驶领域，这里面是需要大概10T（10万亿次）的计算规模，到明年年底时，基本上整个产业会推进到100T的自动驾驶。

地平线创始人兼CEO余凯

这张曲线是在一个多世纪的时间里，基本上是每1000美金能够买到的算力。从2011年至今，实际上摩尔定律在工艺制程方面显然是受到一些挑战的。如何使得摩尔定律不断地往前推进，这是我们思考的一个问题。不仅仅是通过物理的制程往前推进，还要通过软硬算法的结合使其往前推进。

在这张图上也给出一个时间点，大概在2023年、2025年，每1000美金能买到的算力相当于是1000T，这是5级自动驾驶所需要的算力，但同时这个算力也正好是人类大脑的算力的数量。所以这有点巧合，当然其中也暗示着，我们要让机器最终驾驶车辆和人类驾驶一样，首先算法上要和人类大脑一样，但是这说起来容易，挑战非常大，1000T的算力相当于是世界上跑得最快的计算机的算力，怎么样去达到这个数值，是地平线奋斗的目标。

在新的摩尔定律时代下，我们要强调一个思想。一方面，我们像台积电一样，不断地往前去推进从7纳米到5纳米，不断地去逼近它的物理极限。另一方面，通过软件算法和硬件架构的高度结合去推进。这里就不得不提到一个伟大的计算机科学家阿伦·凯（Alan Kay），他提出，如果你要认真地做软件，一定要去做硬件。整个移动互联网时代，只有苹果公司史蒂夫·乔布斯（Steve Jobs）一直把这句话作为他的宝典。在人工智能时代，同样，我认为一定要走软硬结合的道路去突破摩尔定律。

地平线在2015年7月成立时，是中国第一家AI芯片公司。从一开始让人费解一个定位，到今天逐渐成为产业界的共识，这是一个非常重要的方向，我觉得时代的趋势实际上也是让我们的产业变革不断加快的原因。

有很多的巧合，比如今年的图灵奖也创纪录地颁给两位计算机体系架构、芯片架构的大师，他们今天也在谷歌工作，所以软硬结合看起来成为一个时代趋势。但是软件和硬件结合这件事情本身对一个公司或是团队来说，其实是一个巨大的挑战，因为必须在两条战线上同时进行且互相结合，软件算法从感知到建模到理解到预测到路径规划再到决策，都要不断地持续地去领先、去研发。另一方面，我们为这个软件去设计最高效的硬件架构，在走这个路线时，其实今天在中美也只有两家公司，一是地平线，二是美国谷歌。

从计算架构的思想来看，从过去的CPU、XM6到ARM的CPU的面向逻辑的思想，再到今天的激光雷达传过来的面向数据流的计算，都带来很多挑战。包括以前我们说计算优先、存储分离，今天是存储和计算在逻辑和物理上的高度耦合。同时，对于深度神经网络的不同的网络结构提供一个统一的框架，使它能够高度地优化它的计算效率。

这里给大家反映一个定性的比较曲线。就是说在通用的GPU的设计思想和面向人工智能自动驾驶处理器的设计思想其实有很大的不同，人工智能处理器面向自动驾驶，是场景驱动、应用驱动，所以它对不同的计算模式肯定不是同样地去加速，比如说这里设计的在反映的征程处理器，它如果加速，也许是Maginal的加速，但是未来的性能如果更好，加速是上百倍的。所以这里我们强调的一点是应用场景软件算法驱动的硬件架构的创新，而不是反过来。

地平线希望能够通过我们的努力，在公司成立十年的时候，能成为全球最大的AI芯片公司。到今天为止，我们的进展还是相当不错的，可以说目前已经展现出这种国际级的竞争力，这里我们提到的是面向3级、4级自动驾驶的处理器。同时，我们在功耗方面具有一定的优势，比如说现在我们给合作的主机厂提供的方案功耗非常低，所以不需要随冷的系统。包括和Mobileye的IQ4比较，由于在同等功耗下，我们能够为深度学习提供更强的算力，所以它能展视出更丰富的功能。

实时的车载计算，如果只用摄像头，我们能对整个交通系统进行非常多的语音分析，包括车辆三维定位、路况以及更加复杂的如在室内场景下的低功耗、实时的计算，也有对人的行为预测，同时还有在北京中关村这样一个非常具有挑战性的场景下，比如说过红绿灯时在十字路口，各种杆子、人的行为、斑马线等都在进行语义计算。

地平线的国际竞争力。今年我们开始为美国在自动驾驶领域的领先厂家提供百台的深度学习计算平台的解决方案，与国际品牌的很多主机厂都在开始计算平台的合作。

同样，人工智能处理器不仅仅是增强车辆的驾驶安全，它在人机交互、导航等方面都有很大的应用场景，所以人工智能处理器在自动驾驶这件事情上具有非常大的前景。地平线希望打造的是一个赋能的生态，在这个生态中中，我们要和自动驾驶软件企业、电子设备企业，以及整车企业等，形成一个赋能型的产业生态。

地平线的核心文化是耐得住寂寞。我本人以前是互联网工作背景，那时候基本上是每个礼拜一个迭代，今天做车载的人工智能处理器可以说是五年一个迭代，所以要让自己能够耐得住寂寞，我想攀登珠穆朗玛必须是这样，和时间做朋友，从处理器的整个流程来讲，一开始设计一个架构需要2年，车规级的认证需要1年，包括功能安全性的开发以及2~3年的车型道路测试等，所以是一个需要强耐力的事情，但是非常值得做，也顺便感谢一些整车厂对我们的支持，也感谢台积电对地平线一直以来非常强大的支持。

感谢各位！