地平線：芯片算力并非越大越好，還得比使用效率

思邈 2023-04-23 15:42:44 來源：量子位

鄧思邈 發自 副駕寺

智能車參考 | 公眾號 AI4Auto

汽車芯片算力是不是越大越好？

這不，地平線前不久特意舉辦了一場活動，對此展開了激烈探討。

一邊是產業界代表，包括地平線副總裁余軼南，以及理想汽車自動駕駛產品總監趙哲倫。

他們站在產品設計者的角度，對背后初衷和技術原理進行了生動闡述。

另一邊則是車主代表，從自己一線的用車體驗出發，暢談了對算力的實際感知和需求大小。

不過，除了聽他們動動嘴皮子談理論，對于基于地平線征程5芯片打造的理想AD Pro高速NOA，這次智能車參考也親身上車體驗了一番。

算力真的越大越好嗎？

首先拋觀點：算力并非越大越好。

其中，理想汽車趙哲倫表示，

從產品選擇層面出發，如果單純地看算力，肯定是算力越大越好。但是對于一款面向用戶的、要去量產的產品來講，除了算力以外，我們要考慮它的功耗、成本、整體運行效率，這是非常重要的，在這里面可以取到我們認為最合適的。

大致意思是，算力并不能作為衡量車載芯片的唯一指標。

地平線余軼南也有類似的觀點。他表示，地平線在設計芯片時不光是把算力考慮在內，同時更注重在最大算力的前提下，芯片的使用效率是不是可以做到非常高的水平。

怎么理解這個使用效率？

以地平線征程5芯片舉例，它具備128TOPS算力，FPS（每秒準確識別的圖像幀數）為1531，延遲為60MS，功耗為30WATT。

地平線將FPS定義為性能指標，認為FPS才更能反映一顆車載智能芯片的真實計算性能。余軼南打比方說：“FPS基本上可以類比于汽車的百公里加速，都是在看單位距離/時間下能做多少事情。”

而且基于這樣的前提，他們得出了如下結論：

FPS方面，在多達71%的模型里，征程5的絕對計算效率高于主流競品。事實上來講，在128TOPS算力下，其實征程5比某些200TOPS以上的芯片，都能產生更大的“得房率”。FPS/Watt方面，征程5的平均能效是主流競品的5.58倍，其中76%的模型能效是競品3倍以上。

其實在業內，一直以來針對“車企是否應該卷算力”展開的討論，非常多。

一部分人贊同。奇點汽車首席戰略和品牌發展副總裁趙強曾經就表示，“車企無論是主動還是被動，都必須迎接這場無條件、無盡頭的算力軍備競賽，即便目前自動駕駛還沒有完全落地，仍然是硬件為先。”

但更多的人不這么看。

上汽人工智能實驗室的喬博士曾談到，“實現L2級自動駕駛只需10Tops以下的算力，即便是實現L4級自動駕駛也只需100Tops左右的算力，只有到了真正無人駕駛的L5級，才需要1000+Tops的算力。”

一位自動駕駛公司算法工程師曾表示，“我是不太在乎500TOPS還是1000TOPS這些數字的，因為真的沒多大用處——你可能算力升級了，但如果軟件架構還是停留在三四年前的老版本，那么算力的性能也就無法充分地發揮出來，算力再大也不夠用。其實，通過對軟件架構做個調整，就能避免這個問題。”

那么問題來了，既然芯片算力并非唯一衡量指標，一線購車用戶又如何進行衡量評判，最終挑選出自己心儀的智能車？

在這次活動現場，產業界代表和用戶代表，都發出了各自的聲音。

用戶方面，一位理想老車主表示，他主要是基于兩方面進行評判，一方面是看屏幕界面顯示的是否足夠清晰，來判斷車對周圍環境的感知能力；另一方面，看車輛在處理突發問題的時候，能否更好地完成主動變道、主動避讓。

產業界代表則給出了如下指引。

其中，理想趙哲倫提到，可以看車對周遭環境是否識別得足夠多、足夠精準，還要看車是否具備了像人類老司機一樣的預測能力。

舉例就是，比如車輛的加減速是否平順？自身車輛對于前方加塞的反應快不快？對于各種緊急場景的應對能力表現如何？

地平線余軼南進一步談到，主要是看車輛能否識別得更精準、更多、更豐富；然后是看預測能力——現在最先進的算法，可以做到把一些沒有被看到的區域，通過經驗腦補的方式預測出來；還有就是看延時是否足夠低。

簡單舉例，比如可以看前車加減速的時候，自車的反應速度是否足夠快。如果當前車剛一減速的時候，自車就開始緩行；當前車剛一加速的時候，自車很快就可以跟上——諸如此類是用戶能夠直觀感受到的、比較好的體驗。

實際體驗究竟如何？

拋開各項紙面指標，實際體驗究竟如何？

我們這次體驗的車型是理想L8 Pro，該車搭載了理想智駕系統AD Pro，標配高速NOA。

硬件配置上，這款車內置單顆地平線征程5芯片，具備1個800萬像素攝像頭、9個200萬像素攝像頭、1個毫米波雷達。

接下來，我們從不同場景挨個來看高速NOA的實際體驗。

首先，在有高精地圖覆蓋的區域，撥動方向盤撥桿兩次，車輛會自動開啟導航輔助駕駛。

進入高速公路路段后，車輛會根據路線適時完成自動變道超車。總體來看，理想這款車的變道策略相對較為保守。只有在確認足夠安全的前提下，才會進行變道。

當距離右側方車輛較近的時候，車輛會自動向左稍稍進行避讓：

值得一提的是，當系統檢測到司機脫手方向盤超過15秒，就會語音報警，提示你接管車輛。

在進入匝道時，車輛會自動減速，行駛較為平穩。

在過大曲率彎道時，也完成的比較好，無需司機接管。

當車輛進入了沒有高精地圖覆蓋的區域，會自動降級為LCC車道保持。

從整個語音播報來看，邏輯是比較清晰的，乘客能夠知道車輛下一步要做什么，讓人產生安全感。

總結一下這次體驗，無論是自動上下匝道、變道超車、過大曲率彎道等等，高速NOA下各項功能都表現得比較流暢和穩定，和人類老司機相比其實感覺不出什么差別。

針對變道比較保守這一點，在現場分享過程中，理想趙哲倫就有提到——

他們當時在定義整個產品的時候，希望能為乘客帶來至少是專車的體驗，其實在NOA功能的變道決策里，他們原本可以提供三種選項（對應三類決策算法），但從目前階段來看，是想先做好一套大家基本能夠接受的、跟產品定位相關聯的、更偏家庭的、比較穩定的智駕產品，之后再根據細分的用戶需求進行算法的補充。

當然，除了在高速公路上，這款車在城市場景里也能提供比較好的安全性，例如能夠防加塞、路口智能跟停，以及在紅綠燈及十字路口能夠完成有效通行；在停車場，還能實現自動泊車和遙控泊車。而且實現以上這些功能，統統都是基于單顆地平線征程5芯片，算力僅128TOPS。

所以看到這里，對于車載智能芯片是否需要那么大的算力，你的心里或許已經有了答案？