智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(1)

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(2)

撰文 / 钱亚光编辑 / 牛跟尚设计 / 赵昊然

“芯片不是孤立存在的,它需要整合上下游零部件,包括传感器、毫米波雷达、超声波雷达,甚至V2X,它也需要有强大的工具链、需要强大的软件支撑。所以我们希望整个芯片的生态要形成完整的、开放的、共赢的生态环境。”

黑芝麻智能科技联合创始人、COO刘卫红在2021年第十三届中国汽车蓝皮书论坛上的《高性能车规芯片赋能智能出行》主题演讲中表示。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(3)

去年下半年以来,全球电子企业又深陷“缺芯”危机,芯片短缺带来的影响还在延续,全球汽车累计停产数已达299万辆,最终可能造成全球减产409万辆新车。

大规模芯片短缺问题给予车企巨大警示,不少国内车企开始寻找更可靠、更安全的本地芯片供应商,而许多自主芯片公司即是他们考察的对象之一。在与国际巨头的竞争中,自主芯片公司能否找到自己的位置,成功扩大在车载芯片领域的份额,成为业界最感兴趣的话题。

成立于2016年的黑芝麻智能科技有限公司,是一家专注视觉感知技术与自主IP芯片开发的高科技初创企业。主攻领域为嵌入式图像和计算机视觉,核心业务是提供基于图像处理、计算图像以及人工智能的嵌入式视觉感知芯片计算平台,为ADAS及自动驾驶提供完整的商业落地方案。

刘卫红在演讲中着重介绍了芯片的发展趋势,目前汽车电子电气架构从域控制器向中央计算平台发展;大算力高性能芯片对智能驾驶的支撑车规;芯片要经过系统化认证确保行车安全和信息安全;芯片相关的架构层级和协同分工,形成生态架构。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(4)

黑芝麻芯片具备自主创新的IP核心,还有大算力、低功耗的SOC设计;给客户提供了开放的FAD自动驾驶计算平台。在产品质量保证方面,其产品会逐步通过ACC-Q100、ISO26262以及A-SPICE标准认证。

黑芝麻智能目前已经与一汽、蔚来、上汽、比亚迪、博世、滴滴、中科创达、亚太、东风设计研究院、东风悦享、纽劢科技等在ADAS 和自动驾驶感知系统解决方案上展开商业合作,而其算法和图像处理等技术也已在智能手机、汽车后装、智能家居等消费电子领域布局和商业落地。

天眼查信息显示,黑芝麻智能科技至今已完成3次融资,投资方包括北极光创投、蔚来资本、上汽投资、君海创芯、腾讯控股等。

据悉,黑芝麻智能科技正考虑最早于明年在科创板进行首次公开发行(IPO)。在IPO之前,黑芝麻智能科技还计划进行至少一轮融资。

下面是他的演讲实录。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(5)

各位来宾,下午好!非常荣幸借蓝皮书论坛跟大家做一个交流。

我们如果谈到过去20年最大的创新,可能来自于智能手机,我相信未来的30年,我们最大创新的载体一定是来自于智能汽车。

这两天在蓝皮书的论坛上已经有了非常激烈的讨论,无论是造车新势力,还是传统车企,没有一家不聚焦于未来的智能驾驶。

今天我们这一组讨论的话题是芯片,芯片这么热,尤其是前段时间讨论的卡脖子问题,还有这段时间缺芯片,所有很多主机厂、零部件供应商都在为排产而烦恼。

目前我们所缺的芯片可能不是我今天要谈的高性能芯片,现在主要缺的是低制程普通芯片,像MCU这种产品。

未来的智能驾驶一定是离不开高性能的车载芯片。我今天为大家分享的题目是“高性能车规芯片赋能未来智能驾驶”,主要包括三方面的内容:

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(6)

智能汽车芯片的未来趋势

1

架构演变:从域控制器向中央计算平台发展

无论是智能驾驶、智能座舱,还是智能网联的发展,都促进了汽车电子电气架构的变化。最开始的时候,汽车电子电气架构都是分布式控制,现在到域控制器阶段,有座舱域控制器、自动驾驶域控制器、车身域控制器、底盘域控制器,希望通过网关或者以太网来进行交流,这些都不是终极目标,未来希望会有中央计算平台架构的出现。

特斯拉就是典型的案例,它在不停地进行硬件迭代,它从最初的Mobileye和英伟达的ADAS基本模块做起,一直到它自研的FSD芯片,它不断地通过预埋了更大算力的芯片以后,在这个芯片上进行软件的迭代和功能的更新。

在域控制器里面我讲两点:一个是智能座舱;一个是自动驾驶。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(7)

自动驾驶域控制器主要围绕外部环境加多传感器的融合,并与定位、规划、决策融在一起。

而智能座舱域控制器以人为中心,随着5G网络的发展,未来的智能座舱更侧重人机交互,往更科学化、更智能化的方向发展。

现在有好多新车已经装载了车载健康监控、人的行为监控、语音交互功能。这两个域控制器对硬件的要求是非常高的,需要有大算力、低功耗和高带宽。所以我相信在未来的发展上,很有可能把自动驾驶域控制器和智能座舱域控制器合二为一,成为一个中央计算平台。

2

算力刚需:软件定义汽车离不开大算力芯片的支撑

在算力刚需方面,我们强调“软件定义汽车”,越来越多的软件应用在硬件平台上,需要有强大的计算平台预埋来支撑软件不断的迭代。

刚才也提到了特斯拉的例子,通过软件定义汽车,赋予了汽车更加有新的活力和生命力,才有了我们谈到的“千车千面”。

随着自动驾驶的发展、传感器数量和类型的增加,自动驾驶的性能要求、算力要求也在不断地提升。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(8)

最开始提到的普通的ADAS功能,可能是一个前视摄像头,一个毫米波雷达,做成ECU的架构。随着传感器数量的增加、传感器种类的增加,需要更多的融合,包括数据的融合、传感器的融合。这些融合使得高算力成为刚需。

这样我们可以看到从L1到L5,对算力的需求从小于1TOPS,逐渐向10TOPS甚至100TOPS的方向发展。

3

车规认证:系统化认证确保行车安全和信息安全

谈到汽车,跟消费电子产品不一样。汽车芯片从一出生开始,就需要对芯片本身有AEC-Q100可靠性认证的要求,还需要通过ISO26262功能安全标准的要求保证,同时对软件、对算法来说,需要通过A-SPICE车规级软件流程改进和能力测定标准。另外我们谈到未来的自动驾驶,也需要有信息安全保障系统。

4

生态架构:芯片相关的架构层级和协同分工

芯片不是孤立存在的,它需要整合上下游零部件,包括传感器、毫米波雷达、超声波雷达,甚至V2X,它还需要有强大的工具链,需要强大的软件支撑。所以我们希望整个芯片的生态要形成完整的、开放的、共赢的生态环境。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(9)

黑芝麻智能造芯的优势

黑芝麻智能科技成立于2016年,今年已经是第五年了。我们的团队由硅谷团队和中国团队组成,所以我们在芯片设计、芯片开发上有20多年的造诣。

黑芝麻芯片主要有自主创新的IP核心,另外还有大算力、低功耗的SOC设计。

五年以来,黑芝麻发布了两个芯片,一个是华山一号,一个是华山二号,在芯片里面集成了两大核心IP:一个是图像处理,如图像去噪点、低光条件下的表现、HDR高清成像;另一个是神经网络架构,包括DynamAI NN引擎,可以在低光照条件下有效探测镜头中的小目标物体,并能识别交通标志和行人等。

在算法和芯片上,我们在一家主机厂的车型上做了实车测试,可以在低光照或者高动态范围的情况下有效识别很小的物体。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(10)

我们的芯片架构,采用的是高算力、低功耗的多核异构SOC架构,有CPU、GPU以及自己的NPU,同时我们有一个符合ISO2622标准的功能安全信息岛,我们还把自己核心的IP、ISP也集成在里面。在华山二号里,我们采用了台积电的16纳米工艺,完全满足车规的要求。

同时,我们也给客户提供开放的FAD自动驾驶计算平台。我们提供芯片的同时,也提供了FAD评估板。自从我们芯片发布以来,已经交付给客户接近200个FAD开发板,客户可以拿着我们的芯片做设计,也可以拿我们做好的参考设计再去做重新的设计。

在产品质量体系保证方面,我们在设计的时候,就把功能安全的要求考虑进去了,我们通过了ACC-Q100的审核,同时今年7月份也会拿到ISO26262认证证书,我们将在年底通过A-SPICE标准认证的验证。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(11)

黑芝麻智能的最新产品

借这个机会,我给大家介绍一下我们的芯片发展路径图。在今年上海车展的时候,我们已经对外发布了华山二号的芯片。

在今年年底,我们会投另外一个芯片,用7纳米工艺完成A2000华山三号的流片,它的算力会超过200TOPS。

智能汽车ai芯片开发前景及总结(车规级AI芯片让汽车智能)(12)

今年上海车展的时候,我们发布了A1000Pro,16个ARM的CPU,实现106(INT8)-196(INT4)TOPS算力,可以接入16路高清摄像头。

我们在今年第三季度会拿到工程样片,第四季度会给大家提供一个开发平台。

对于未来的汽车发展,我们除了聚焦智能汽车,还在智慧路上进行了布局,我们和国内的高等院校以及企业进行合作,在路端把我们的控制器做成了MEC,以替掉目前市场上广泛采用的工控机,进而实现路端的感知控制。

最后介绍一下我们的山海人工智能工具平台,包括几个工具链:首先,我们拥有50多种AI参考模型库,包括障碍物检测模型、车道线检测模型、语义分割模型、行为监控模型等;其次,我们提供了人工智能训练框架,客户在Tensor Flow等软件中开发的工具可以轻松转化到我们的训练框架里去;第三,我们提供了很多工具,可以对神经网络进行算子的融合、剪裁还有模型的编译、训练,最后帮助客户把他的算法移植到芯片上去。我们提供这样完整的工具链,也是帮助客户,帮助生态一起为智能汽车的发展,打下一个好的基础。

,