对话地平线张玉峰：国产车规级AI芯片将加速赋能智能驾驶

疫情以来，全球汽车产业链被迫停摆，国与国之间不得不因防控被迫“砌墙”，区域性产业链闭环能力成为考验各国汽车产业实力的重要基准。这其中，常年依赖进口的汽车芯片成为疫情下汽车供应链中最为薄弱的环节，断供、涨价等案例比比皆是，国产替代便成为疫情“后”时代关键措施。

地平线副总裁，智能驾驶产品线总经理张玉峰；图片来源：泰达论坛

在此机遇下，全球第三家、国内第一家实现车规级AI芯片的地平线，又将面临怎样的机遇和挑战？车规级AI芯片将如何助力中国智能汽车的发展？日前，在第十六届泰达汽车论坛举办期间地平线副总裁，智能驾驶产品线总经理张玉峰接受了来自盖世汽车等媒体采访。

以下为专访实录：

今年来看，智能辅助驾驶仍有诸多安全问题存在，如前一段时间特斯拉发生的安全事故。现在大家还在不断升级自动驾驶的功能，在您看来，想要实现安全，芯片所面临的挑战和机遇是怎样的？

张玉峰：我觉得从安全问题上来讲，从在芯片这个层面，可以从多个纬度去讲，

首先我觉得最基础的层面是车规级在宽温湿度的这样一个范围内要表现它的一致性、可靠性，这是比较基础的。

第二点就是在功能安全这一块，确实行业对于这个Function safety还是非常看重的。我们最近也是在功能安全这一块取得了一些突破性的进展，可能在月底会跟大家分享。

第三个层面是现在正在讨论的比较多的是预期功能安全，就在芯片上面去做开发，叫SOTIF，ISO 21448怎么去定义确保软件的这个行为是可预期的，或者不可预期到什么样的程度不可预期，还有一个层面是网络安全，在过往两三年的时间，我们跟所有的全球供应商沟通过程中，这是一点他们极为关注的一项芯片的要求。所以我们在芯片本身这几代的迭代中也加入了越来越多的在网络安全上能够支持芯片上面的操作系统和软件，实现足够高等级的网络安全。

整个我觉得对于地平线来讲，因为我们还是一直比较看重这一块的，无论是功能安全还是网络安全，还是技术性的一些特性，所以我们的人员，从功能安全的团队到预期功能安全到网络安全，还是超配的。所以我们也在积极地跟包括跟这边的标准工作组也在积极参与，我们在功能安全的国标里面还是扮演比较重要的角色。

细节我回头可以让我们的市场同学给到您，包括预期功能安全，我们也在参与里面的对于ISO 21448的这个反馈和我们国标化的这样一个工作。我们希望我们不仅是在AI芯片，车规级AI芯片，在安全，功能安全和网络安全上同样能够在一个领先市场这样一个定位，也就是说引领这样一个安全相关的技术发展趋势。

今年疫情，国家在供应链这一块更希望实现国产化替代。在芯片这一块，作为技术发展的一个大趋势，您怎么看待目前国内车规级芯片发展的现状？如果想要实现自给自足的情况，我们还有哪些瓶颈需要突破？

张玉峰：现在这个国内主机厂也包括海外主机厂对于中国市场芯片的采购，芯片的使用还是非常关注国产化这一块的，有一些是当作政治任务来做的，有些也确实是在作为战略任务来做，这对于我们来讲，确实也是很好的机会，我们现在在国内也属于真正第一家实现智慧AI芯片量产的企业，全球来看，目前还只有三家实现车规级的AI芯片，那就是英特尔、英伟达和地平线，我们是今年3月份量产，被长安UNI-T应用，它是五六月份正式交到消费者手中。

从产业来看的话，芯片这个行业其实上下游产业链确实还有很多关键的环节和玩家，包括EDA的设计工具，包括晶圆厂、封装厂，其实我们还是有蛮多需要补齐的，像现在国内能够做到的制程比海外还是有差距的。车规级这一块又强调可靠性、一致性、稳定性，其实这一块也是需要一定的时间才能够把车规级的这些流片打磨得比较稳定。

目前我们国内的这个ADAS装配率并不是很高，未来肯定还是有比较大的一个发展空间，像刚刚说的，地平线3月份已经搭载在UNI-T上，近期的消息是跟一汽还有上汽都有合作，未来5年地平线在自动驾驶汽车这一块你们的预期会达到一个怎样的量？

张玉峰：现在数据比较新的一些媒体和市场分析是显示我们今年前7个月有30%，中国自主品牌的AI装配率应该有30%，其实像有些主机厂更激进一些，像红旗高端品牌是全配，总体装配率大概是百分之八九十，今年应该能达到20万的量，他装配会比较高一些。我们预计到2025年，中国的市场雷达装配率达到70%是很有可能的。

因为我们到今年，芯片跟友商相比的话，功耗更低，算力更高，指标方面，在中国这个道路场景上，在不少的指标上面已经超过了EyeQ4。我们应该在未来三四个月会有另外一个量产，在主流主机厂的车型上。现在我们定点的车型数目还是蛮多的，在A端市场应该已经有将近20个了，座舱的话已经有10个左右，所以明年、后年，我们应该是量产爬坡非常快的这样状态。

现在从整个交通领域，咱们国家都在倡导安全出行、文明驾驶这一块，其实说到文明驾驶，一方面从整个道德积极素质方面对用户的引导，还有一块针对于我们智能车先进的一个技术，所以想请教一下张总，对于国家的这个倡导文明出行，咱们有没有一些最新的技术上的应对？

张玉峰：其实从我们的使命来讲，本身就是赋能万物，让每一个人生活更安全、更美好，我们在汽车这个行业聚焦所做的事情，可以用一句话来去总结的话，就是提供这个数字发动机，以这个为基础，更高效地去实现车内车外环境的数字化。因为基于这种高效精准的数字化，我们其实可以在驾驶的时候提供对于周边环境更好的理解，更精准、丰富精确的理解，就能够识别更多的场景，更多的这种意外情况，或者说可以更文明的一些出行方式。

车内的话，如果是私家车，我可以更好地去理解车内每一个人，不光是驾驶员，前排乘客、后排乘客他的状态，我们可以提供更主动式的关怀，比如说后排的小孩睡着的时候，我可以自动把音乐的声音调得更低，可以把空调出口的风速调得更低，让这个车更智能，提供这种主动式的关怀。对于我们的车，对于共享出行，其实我们已经在两三年前开始给首汽出行这样的服务商提供一些技术，用于驾驶的监控，疲劳驾驶的监控，抽烟、打电话等等行为，也是一种方式去帮助解决文明出行、文明驾驶的这些问题。

其实也帮助一些网约车客户做一些，因为我们有语音前端的处理技术等等，比如说脏话识别这些，我们其实在两年前就开始协助一些网约车的厂商去实现更高效的识别一些不文明的行为，无论是乘客的还是驾驶员的。我们的优势还是在于端上可以更好地融合不同的传感器类型数据，视频、音频都可以融合在一起，更精准理解这个车内发生的事情，车内人的状态。

现在大家对智能电动汽车的需求是比较关注的，我想了解一下，地平线在越来越多的AI芯片技术公司里面，你们的这个核心竞争力，我们最牛的技术，最新的技术能否介绍一下？

张玉峰：我觉得可以用几句话来去描述一下，一个是说我们其实是最懂算法的芯片公司和最懂芯片的算法公司，在AI芯片这一块，在全球来看，我们其实还都是蛮不错的。这里其实所表达的就是我们的核心竞争力在于软硬的协同，可以做协同式的设计和优化，您大概也了解，在AI运用上，往往场景决定什么样的AI算法能够满足这个产品需求，而算法来去定义什么样的AI的加速的芯片架构是最能够有效地去执行这个算法的。

所以能够从场景到算法到芯片协同一致的，一体的去把这个长链条事情做透，实现自己的优势，所以我们不同于传统的芯片公司，其实您看传统的芯片公司去做AI加速的部分，就有很多不太成功的例子，往往是因为他们的人才结构缺少对AI算法和场景理解的人员。

我们的优势在于定位相对清晰很多，我们就是一个二级供应商这样一个定位，我们的核心产品就是芯片+算法+供应链+服务，而且我的算法也不是绑定的，你可能知道MDC，目前可能是个黑盒子，我们其实是，刚才在论坛上也讲了，客户想要黑盒子，我们有一站式的软硬结合的解决方案，客户希望能够打开，那我们也可以谈这种合作，客户只想要芯片，那我们可以用我们的供应链加上服务去赋能他。所以我们本身定位在二级服务商这样一个角色上，我们在商业的模式和服务的这个模式上都比较灵活，去适应这个市场行业最新的需求，发展需求。

提到自动驾驶，聊到汽车智能，避免不了单车智能和网联智能这样一个划分，中国的自动驾驶实现方案其实和国外是有区别的，比如说谷歌和苹果，他们更强调的是单车智能的，依靠单车来实现整个车的自动驾驶。但是在中国，我们提到自动驾驶的时候，更强调的是网联智能，就是车与车、车与路的互相连接。我其实很想知道这两者本质的差异是什么？为什么会导致这种差异？未来的趋势是怎么样的？

张玉峰：我觉得国情是差异的原因之一吧，因为在欧美，政府对于基础设施的建设投入肯定是远不如中国的这个政府的决心能力和实际的落地的效果，所以去改造道路基础设施，去增加这些车路协同的这些设备什么的，在欧美是非常困难的。第二个国情不同，美国相对来讲还是地广人稀的，比起我们国内来讲，所以他们道路整体的状况会相对简单一些，从技术上来讲，其实我们还是需要把单车智能做到足够高的程度。

因为一个重要的考虑因素是安全，因为车本身还是要足够智能，足够有能力安全地来去处理一些应急情况，而不能依赖于基础设施，不能过分依赖于基础设施。这里头包括的风险有这种无线网络的稳定性，包括这个基础设施的标准化，这里还有鸡生蛋和蛋生鸡的问题，刚才几位嘉宾在论坛上也聊到了，到底是政府应该全力投入，把车路系统铺到所有的公路上，然后再去让主机厂把所有的车都按上相应的通讯能力，还是反过来，还是一个协同共进的方式，其实首先车路协同本身的标准化工作还在研讨推进中。

我们的观点更多是在单车智能上肯定要做到足够智能，可能是需要很长的时间把这个能力提高到足够高的程度，实现完全无人的自动驾驶，也有一个很长时间实现这个产业化和规模化，中期的话，应该还是单车智能会做到比较高的程度，这个过程中，车路协同的技术其实是能够给单车提供额外更高的安全性和一个统筹协调的效率性问题。因为他首先解决了超视距感知的问题，因为车或者人再怎么去观察也是有限的，也就几百米的距离。

而有了车路协同之后，可以把很多的这个整体的数据拿去进行统筹处理，然后分发给相应的这个交通的参与者，让车能感知到更远，其实再强的自车的传感器能力也做不到这个水平，所以我的观点还是说车路协同是锦上添花，但是在一定时期内，可能也是我们加速自动驾驶量产化、规模化落地的一个捷径，因为从整个的自动驾驶级别能力的提升和完全无人驾驶的规模化量产落地来讲，还是会有一个比较长的时间。

如果我们能够有效的，哪怕是区域性地把这个车路协同做好，支持这个车来去做更好的，更低成本的，一定范围内，一定程度上实现自动驾驶，它应该还是一个不错的方式，至少能够推动整个产业往前比较快速地去发展，因为这个速度和迭代还是蛮重要的。在中国有他的优势是在于我们政府的这个对于基础设施的敢投入，包括现在提出的新基建也包含了这一部分的工作计划。这个标准化是一个大问题，这也会变相增加成本，因为你要去支持不同的系统。

还有一个挑战就是责任的划分，如果车出了问题，到底是车的责任，还是其他相关方的责任。其实有点像L3人机共驾的责任划分一样，现在加上车录系统就是人、车、基础设施和云的共驾了，这时候可能有更多的责任划分。

参与的越多，责任就越分散。

张玉峰：对，会有这种挑战。当然这些还是需要慢慢解决吧。

美国对华为和中兴的这种打压，对中国车路协同目标的实现有遏制的影响吗？

张玉峰：确实车路系统也需要。我们去年在长沙的智能化区域也跟德国大陆集团合作，把我们的感知芯片和算法放到它的路测单元中，跟它的雷达融合，共同去理解道路上的交通信息，车、人，等等。它对于芯片在车里，在路侧端的影响其实是一样的，只不过是路侧端对功耗、对算力的限制更少一些，可以放工业级的芯片进去，不需要放车规级的，可以放小型服务器，通过稳定的电源供应来保证它的工作，它的限制会更少一些。

发展到现在，企业未来的发展方向会转移吗？

张玉峰：我明白您的意思。

第一点，我们现在90%的精力都在汽车上，未来不断时间之内也都会围绕汽车这个行业，因为这是被证明的AI可以被赋能、可以变现的领域。

第二点，其实作为一家芯片行业公司来讲，如果在汽车的芯片之外，也有一条能够大规模出货的业务方向的话，其实也是一件非常好的事，而且业界的头部玩家也都证明这一点，像高通、英伟达都有比较好的非汽车领域业务的市场地位和规模，其实也是能够直接促进企业发展的。因为它的周期很短，出货量很大，形成一个正向循环，这样的业务能够让车这部分的长周期发展迭代，是可以受益于非车类的。

我们还好的地方是在于，我们更专注于AI这块。AI的计算能力的迭代会更多依托于我们现在所定义的新摩尔定律的AI算法，结合场景，结合工具链本身，等等，而不是像传统的芯片，还是按照旧的定律——面积、功耗、性能，简单的三要素。假设只有汽车方向的业务，我们一样可以比较快地迭代我们的芯片技术。对于非汽车，我们不会排斥，但是会比较关注于汽车领域，因为公司还是要把有限的资源投入到有一定成绩的赛道上，而且未来的成长空间还是很大的。

咱们目前会专注于一个赛道，但不会排斥，未来如果有市场机会，其实也是一个机遇，比如说一些传统头部愿意跟咱们合作，或者说拿到一些投资的话？

张玉峰：我们更多要看这个机遇在行业细分方向的发展，刚才提到，一个是自动驾驶车、智能汽车，一个是扫地机器人等等，这些方向是我们看到有市场规模的，其他的还没有，像酒店服务机器人，现在还没有起来，如果现在冲进去的话一定没有太好的收益，所以机器人时代应用到具体的行业方向上，它的落地速度会决定我们未来在市场策略和商务模式上的取向。