什么是城市NOA功能？基于國產(chǎn)芯片的城市NOA功能有看點嗎？國產(chǎn)芯片發(fā)展到了什么階段？車上配的激光雷達是不是越多越好？

車企常吹的“數(shù)據(jù)驅(qū)動”、“中央計算”究竟是真是假？……

最近，兩家中國公司組CP推出了基于國產(chǎn)芯片的城市領(lǐng)航輔助駕駛功能，表現(xiàn)如何？先帶你感受下

此外，我們還附上了10個技術(shù)小科普，它們來自黃暢，是地平線的聯(lián)創(chuàng)&CTO，以及侯聰，是輕舟智航的聯(lián)創(chuàng)&CTO

說不定對你研究汽車能有些幫助，采訪全文整理如下：

NO.1? 聽說量產(chǎn)車上的激光雷達越多越好？

侯聰? 理論上是越多越好。

但自動駕駛系統(tǒng)是要考慮到商業(yè)化的，所以我們提倡用高性價比的方案。

目前來看，輕舟的城市NOA方案只需要單顆激光雷達就可以實現(xiàn)。

根據(jù)傳感器分布的特點，我們認為把單顆激光雷達放在車頂位置，就能兼顧前方的感知、側(cè)向加塞車輛的感知，保證安全。

側(cè)后方的區(qū)域，視覺感知已經(jīng)足夠用了。再多一顆激光雷達，它的邊際收益都會大幅下降。

NO.2 ?聽說國產(chǎn)大算力芯片去年很火？

黃暢? 很多公司都在造自動駕駛大算力芯片，這是好事，消費者多了很多選擇。

過往我們能夠選擇的，只有國際上的那幾家——英偉達、高通等。但現(xiàn)在，我們芯片公司能夠提供更多的方案，給出更多的選擇了。

不僅能保證供應(yīng)鏈夠安全、性價比夠高，還能給車企客戶提供更多的支持服務(wù)。

NO.3? 聽說造大算力芯片很難？

黃暢? 從 PPT 走向真正量產(chǎn)，挑戰(zhàn)其實蠻多的。

第一，芯片能否滿足前裝車規(guī)要求，會影響到客戶，影響整個市場的信心。

第二，算法生態(tài)不夠成熟，坦率來說，自動駕駛里 AI 算法生態(tài)是由英偉達來主導(dǎo)的，而國內(nèi)各家 AI 芯片或者自動駕駛芯片不可能完全兼容英偉達的處理器架構(gòu)。

如何將基于英偉達 GPU 上開發(fā)出來的算法方案，以盡可能順滑的方式遷移到自動駕駛處理器上？——這是一個來自算法生態(tài)的挑戰(zhàn)。

第三，自動駕駛是個非常復(fù)雜的系統(tǒng)，包括很多模塊/子系統(tǒng)。如果要將這些東西集成整合在一起，去調(diào)試debug、持續(xù)進行調(diào)優(yōu)，是離不開操作系統(tǒng)的。

高階的自動駕駛系統(tǒng)還缺少一個比較成熟的操作系統(tǒng)，過往方案都是沿用偏傳統(tǒng)的像QNX、Android及其他MCU演進過來的系統(tǒng)，或者是基于 Linux 開發(fā)。

在中間件層面上，AUTOSAR AP與CP也不夠成熟和完善，各家的方案在操作系統(tǒng)中間件層面上選擇差異很大。

這意味著自動駕駛的軟件操作系統(tǒng)還處在非常初期，很混亂，不夠標準化，導(dǎo)致軟件工程的效率不高。

NO.4? 聽說地平線征程5的CPU不夠用？

黃暢? 確實，和同時代的其他的自動駕駛芯片相比，征程5 的 CPU 算力是有些偏弱。

目前CPU算力的大小是地平線在過去做出的一個選擇，一個芯片，從它的定義到設(shè)計開發(fā)，到量產(chǎn)制造，整個周期非常長。

不過既然當時做了這個選擇，那我們就要去將它的長板盡可能發(fā)揮好，并且通過其他方式彌補短板。

而且最初我們做這樣的產(chǎn)品定義，是源于一個基本的判斷——自動駕駛方案會像 AI 算法發(fā)展趨勢一樣，越來越多地依賴 AI 的算法，而不是傳統(tǒng)的基于規(guī)則的算法。

我們不僅僅在芯片設(shè)計上做了這樣取舍，在整個自動駕駛方案的層面，我們也在踐行AI算法為主的理念。

地平線很早就基于征程5做了類似于BEV的綜合感知，以及基于深度學(xué)習的規(guī)控，這套方案可以大幅降低對于 CPU 算力的消耗——理論上可以降低一個數(shù)量級。

或許大家很快會發(fā)現(xiàn)，征程5的 CPU 算力是足以滿足高階的自動駕駛方案。

NO.5? 聽說地平線征程5還不錯？

侯聰? 征程 5 芯片的神經(jīng)網(wǎng)絡(luò)推理算力還是充沛的，在算力層面上并沒有碰到挑戰(zhàn)，只需要把模型適配到征程5上即可，包括一些算子的重新調(diào)整和設(shè)計。

但是 CPU 算力相較于之前用的平臺會有下降，所以我們做了大量的性能優(yōu)化，針對征程5的CPU算力特點做了架構(gòu)調(diào)整。

以感知為例，做成了一個大的模型來盡量減少CPU消耗——也就是規(guī)則的部分算力。輕舟的大模型叫OmniNet，通過超融合的設(shè)計理念，將傳感器的輸入通過前中后以及時序融合，最終輸出感知結(jié)果。

這樣形成了數(shù)據(jù)驅(qū)動的開發(fā)方式，減少了對于規(guī)則編寫的依賴。

NO.6? 聽說數(shù)據(jù)驅(qū)動是個大趨勢？

侯聰? 從大的行業(yè)趨勢來看，還是會往數(shù)據(jù)驅(qū)動去走，主要是因為車量產(chǎn)以后，會有大量的數(shù)據(jù)產(chǎn)生并回收回來。

通過一些在線的數(shù)據(jù)挖掘，可以回收大量的長尾問題數(shù)據(jù)。當然，通過仿真的手段也可以模擬出長尾問題數(shù)據(jù)，作為補充。

但純數(shù)據(jù)驅(qū)動的缺點是迭代周期會相對長，因為需要采集大量的數(shù)據(jù)來去處理相關(guān)的場景，尤其對于數(shù)據(jù)很少的長尾問題而言——其中有些場景通過一些簡單規(guī)則就可快速地處理。

這也是為什么我們認為基于規(guī)則的算法依然有它的價值。

此外，基于規(guī)則的算法的可解釋性會更強一些，這樣有利于打磨更好的人機交互產(chǎn)品，可給到車主用戶更直觀的反饋。

NO.7? 聽說輕舟的城市NOA方案做得不錯？

侯聰? 作為CTO，我覺得整體上算是及格，可以看到在很多場景下的表現(xiàn)，依然有很大的提高空間。

NO.8? 聽說中央計算最近很火？

黃暢? 中央計算是一個必然的趨勢，過去的各種電子設(shè)備，例如PC、手機等，都經(jīng)歷著這個過程。

甚至是小時候玩的任天堂游戲顯卡，早年的游戲卡很沉，里頭有好幾十片芯片，但是后來游戲卡越來越輕，逐漸演變成了一顆芯片。

只是汽車架構(gòu)走向中央計算的這一過程不像很多人所預(yù)想那么快，因為傳統(tǒng)汽車行業(yè)有自身的發(fā)展規(guī)律——積累得越厚重，發(fā)展速度相對越慢。

目前擁有中央處理器思路的，更多是一些新晉的玩家，尤其是有互聯(lián)網(wǎng)、ICT背景的。

?一個詞? 評價下輕舟智航？

黃暢? 快。

從我們在戰(zhàn)略上達成共識開始，只用了不到半年就拿出了一個很高水平的城區(qū)NOA自動駕駛方案，非常難得。

目前基于量產(chǎn)硬件實現(xiàn)的城市NOA方案少之又少，輕舟做出了國內(nèi)首個基于雙征程5芯片的城市NOA方案，可見團隊技術(shù)功底之深。

?一個詞? 評價下地平線？

侯聰? 卷。

當然他們不僅是卷自己，也在卷我們這樣的生態(tài)合作伙伴，一起把中國的自動駕駛系統(tǒng)推向新的高度。

最后，關(guān)于地平線和輕舟你還有哪些問題想給到當事人？評論區(qū)告訴我們