地平线芯片征程5即将到来，为软件 2.0 时代强势赋能

近年来，汽车智能驾驶应用愈发广泛，软件在汽车上应用的比重越来越大，“软件定义汽车”大势所趋。在第一届 MEET 2021 智能未来大会上，汽车智能芯片企业地平线联合创始人兼技术副总裁黄畅发表了主题演讲。

AI自上世纪六十年代诞生至今，经历了基于规则、人工设计特征、浅层学习、深度学习等范式的演进，未来范式极有可能持续变革。对此，地平线芯片黄畅指出，虽然范式持续推荐，但其核心理念始终是用机器替代人实现更多事情，包括学习本身。

会上，黄畅以识别图片中的猫狗，这一机器视觉的一个经典课题为例，表示传统计算机视觉先驱提出的框架是：首先对图像边缘进行提取，基于图像边缘构造二维物体得到 2.5D 信息，之后进一步构造三维模型。从输入图像到场景理解，这是一个完整的、理想的计算机视觉链路。但是黄畅认为有大量的不确定性存在于该方案的每一个步骤中，可用性不高，毕竟在实际生活中，每个物体的高度、被遮挡情况不一，同一物体也可能存在诸多差异。此外，计算机视觉对光照条件的依赖性极强，但是现实世界是一个非线性变化的构成，极其复杂。之后，机器视觉放弃了原有的基于规则的方案，进入人工设计阶段，通过简单的特征设计，让机器进行浅层学习。这条路径从低维走向高维，在高维的稀疏空间中试图用线性方法来解决问题。但遗憾的是，这仍是一个浅层的框架应用，提升空间非常有限。

直到2012年，机器视觉领域进入深度学习阶段。发展至今，基于深度学习的图像识别精度逐步提升，同时配合特定的硬件设计，机器运算效率越来越高。通过 AI 进行自动化搜索，自动进行关键特征的提取最终得到识别结果，由此大大降低人工参与度。黄畅表示，现如今，只要约几百分之一的计算量就可以超越八年前图像识别的精度。算法的进化速度甚至超过了半导体的摩尔定律。目前，深度学习在自动驾驶领域得到了广泛应用。由于现实世界非常复杂，通过单纯的端到端算法在模拟器里进行感知、决策、控制训练，再部署在自动驾驶车辆的方法可行性极低。所以，只有将 AI 系统建立在真实物理世界之中，并持续迭代演进，这就是软件 2.0 时代。

软件 2.0 时代：算力并非芯片唯一评估标准

黄畅认为，芯片处理器的设计有三个指标：Performance、Power、Area。其中 Power、Area定义了芯片的使用成本和制造成本，但最重要的是 Performance。如果没有 Performance，芯片无论功耗再低、面积再小、成本再低，也是无用的。

但同时，单纯依赖这三个指标容易衍生“算力至上”的性能评估方法。但事实上，算力并非芯片唯一的评估标准。

地平线芯片提出了一个 MAPS（Mean Accuracy-guaranteed ProcessingSpeed）概念和评估方法，以此作为检验 AI 性能的真正标准。通俗来说，就是在特定的 AI 应用领域，看芯片处理 AI 任务的速度和精度，即“多快”和“多准”。

以知名的 ImageNet 图像分类任务为例，通过地平线征程 3、征程 5 和基于 GPU 的芯片相比，可以发现地平线征程 3 用 8% 的功耗能就能达到 50% 的 MAPS 处理器性能，而征程 5 可以用 50% 功耗达到 500% 的 MAPS 性能。

征程 5 即将到来：为软件 2.0 时代强势赋能

地平线即将推出的征程 5 芯片，将面向下一代智能驾驶场景，征程5性能优越，MAPS 跑分高达 3026FPS，其AI 性能将比肩特斯拉 FSD，可满足车厂高级别自动驾驶的量产需求。

在智能驾驶风起云涌的当下，地平线芯片有着Tier2 供应商的清晰定位,  未来也将坚持以“芯片+算法+开发平台”为基础平台，结合整套数据闭环的能力进行底层技术开放赋能，加速智能汽车芯生态搭建，通过发挥自身的核心技术优势，携手合作伙伴共赢产业变革转型之战。