【2020电动汽车百人会】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“把握形势 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、城市、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发言：

清华大学教授 邓志东

非常高兴跟大家分享。我来自于清华大学计算机系。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环境感知与自主导航；3）加速发展智能汽车核心零部件与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根本性的变革。

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，面对跨界企业，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，需要更加发力于信息化汽车平台的研发，包括开放线控，推动汽车平台的全电化、数字化发展，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，还有就是完成软件定义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可阻挡的潮流。例如，特斯拉Model 3在2018年成为北美豪华型轿车里面的销售冠军，它的销售总量甚至超过了宝马从2系、3系、4系到5系总和的168%，特斯拉本身已成为市值排名全美第三且最具价值的新车企，超过了许多百年老店的传统车企。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30万元的价格，带来了一种势不可阻的全电化潮流。要知道，全电化其实是实现数字化的捷径。

中国电动汽车的发展不能靠退补，要靠核心技术的创新，如果性价比好，就如同苹果手机初期一样，可能是供不应求，根本不用担心销售的问题。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，产生“鲶鱼效应”，类似于当初苹果手机强势进入中国市场后，我们现在反而产生了像华为、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产业链，这可从根本上摆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发展。

从软件化、OTA的角度来讲，具有OTA软件化的智能汽车从根本上颠覆了传统功能汽车产品的迭代路径和换代周期。比如说我们看到去年特斯拉的Model 3在一年之内就进行了10次OTA更新，增加了全新的功能，或者进行了原有功能的升级优化。在确保安全的前提下，具有OTA配置的软件化的智能汽车可以轻松地进行，比如说升级百公里加速时间和刹车距离。传统汽车平台要进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进行类似的升级。但是有了OTA、有了软件定义升级以后，这一切可以在一年之内进行10次的更新或者性能迭代。

再谈一下网联化和智能化的发展。我们知道信息化，包括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、是一种目标。我们可以看到智能汽车、无人驾驶单车、智慧道路、车路协同这些众多的应用场景，一方面对人工智能、对智能化程度的要求是越来越高，但是另一方面也受限于移动终端本身对低成本的限制，特别是由此造成了对计算、存储、供电资源的约束，这就对5G环境下的云边端作为AI基础设施的智能网联汽车产业提出了迫切的需求。如此通过5G支撑下的边缘计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、大连接数的移动通信技术，把人工智能的推断能力等放在边缘侧上进行，并进一步构建和部署加强版的云-边-端人工智能基础设施。

二、AI芯片助力智能汽车的环境感知与自主导航

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。新一轮人工智能的发展在很大程度上依赖于“计算暴力”和“数据暴力”。AI芯片首先包括通用人工智能芯片，要求的算力很高，属于高端的AI芯片，主要用于离线训练，但价格高昂，功耗很大。其次是专用人工智能芯片，比如基于ASIC或FPGA的AI芯片，包括异构融合的深度神经网络芯片。在这个赛道，现在有很多巨头都在做这个事情，比如英特尔、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、移动互联网时代都不同。在人工智能时代，我们已有中国自己的人工智能芯片，比如华为的昇腾910，还有地平线等等。

除了传统AI加速芯片以外还有类脑AI芯片。类脑芯片包括基于传统CMOS工艺的AI芯片和基于新型忆阻器件的AI芯片。AI芯片的发展催生了新一代人工智能，而人工智能的复兴又反过来推动了AI芯片的繁荣。特别指出的是，我们现在又面临着一个非常有前途的新的商业机遇，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计算的发展。我们可以通过加速人工智能芯片在“云边端”的一体化部署，构建一个更加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连接云，另外一边则通过5G连接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，私有或公有的边缘计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，它的很多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。

人工智能芯片的发展，还将带来对传统汽车计算平台体系结构的变革。传统汽车上有大量的ECU，一个比较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。现在要发展新的智能汽车，就可以在全新的智能汽车平台上，重新设计一个全新的计算体系架构，一个具有中央域控制器的计算体系架构，这就是对传统汽车产业的颠覆性变革，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，已有很多巨头企业卷入，竞争已达白炽化。车规量产的智能汽车AI芯片、传感器芯片、域控制器的竞争非常激烈，它的意义甚至已上升到未来芯片产业的重新洗牌。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闯入这个细分赛道。比如谷歌有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。高通最近说要推出面向L4+的AI加速芯片，可以提供高达700T的算力。AI算力和L2、L3、L4的环境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达到相当的水平，比如说700T？目前AI自动驾驶芯片已有很多系列，例如英特尔-Mobileye的EyeQ系列，英伟达的Drive PX系列，谷歌的TPU系列，还有华为海思的昇腾芯片等。AI算力对自动驾驶的发展非常重要。

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环境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，其实都属于计算机视觉的问题，因此都可以用人工智能来进行赋能。尤其可以用“云边端”或“云管端”一体化部署的、更加强大的人工智能基础设施来为它赋能，并据此带来更强的环境感知、自主导航、信息融合，还有更加自主的行为决策与路径规划能力。新一代人工智能方法，比传统的计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进程。

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品，无疑需要进行垂直整合。事实上，它不仅需要“算法+硬件+软件”的垂直整合，而且还要考虑产品的低成本，还要考虑产品的绝对安全性和可靠性。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，这本身还是一个长尾的应用场景。这里是它在环境感知方面的应用。应该说自2014年以来，基于深度学习的语义级的图像分割取得了突破性的进展，其中包括道路感知或可行驶路面的分割。此外还有基于视觉深度学习的障碍物检测，包括机动车、非机动车和行人的检测。这些都比传统的计算机视觉方法或模式识别方法好了很多。但是前提条件是需要大数据、大计算能力的驱动。另外就是利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，特别是对交通参与者的行为预测，还有就是对其运动参数的估计。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、加速发展智能汽车核心零部件与AI基础设施

加速发展智能汽车的核心零部件，特别是产业上游的关键零部件，比如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产业目标。未来的技术发展趋势就是面向彩色激光点云的多模态传感器融合模组。我觉得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产业化落地的难度，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、方便量产，也容易做到批量低成本。目前已经面世了很多激光雷达产品，甚至是车规级别的量产产品，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，都力图占据智能汽车产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，还有初创的美国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，目前大疆、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。但是在毫米波雷达的产品迭代方面，国内外的差距比较大，我们需要奋起直追，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，包括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产业的落地。先进自动驾驶基础设施的建设，也包括加快建设专用的车道或智慧的道路，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、利用5G加持的边缘计算及其“云边端”，进一步赋能智能驾驶产业的落地。前面已反复指出，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，我觉得这个非常重要。我们国家在基础设施的建设上具有明显的优势，可以通过发挥这方面的优势，助力中国智能汽车的变革式发展。

结语

第一，汽车行业的全电化已成为一股不可阻挡的潮流，从功能汽车到数字化汽车，这个过程特别像我们的手机从诺基亚、摩托罗拉这样的功能手机，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，可以通过软件定义功能或者进行功能的优化升级。例如，在一年之内可以进行10次的功能升级，包括百公里加速时间与刹车距离等，都可以基于OTA进行功能优化升级，这就从根本上颠覆了传统功能汽车产品的迭代路径和换代周期。我们说包括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催生自动驾驶边缘计算的发展，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，将推动传统汽车的分散式递阶计算体系架构，向发展具有强大中央域控制器体系架构的颠覆式变革，这也是我们实现跨越式发展或者弯道超车的机会。我们再去做ECU，再去跟像博世这样的Tier1巨头竞争，可能没有多大的机会。但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环境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，但毫米波雷达国内外差距比较大，需要奋起直追。加速发展智能汽车上游核心零部件产业与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变革式发展。谢谢大家！

敬请关注【盖世直播】中国电动汽车百人会论坛（2020）
https://m.gasgoo.com/news/topic/223
提示：本文根据发言整理，未经专家审核，请勿转载。