隨著汽車智能化演進,未來軟件在汽車上占的比重會越來越大,“軟件定義汽車”正愈發(fā)成為人們關(guān)注的時代趨勢。
近日,量子位以“重啟 | 重塑 | 重構(gòu)”為主題,發(fā)起第一屆 MEET 2021 智能未來大會。地平線聯(lián)合創(chuàng)始人兼技術(shù)副總裁黃暢應(yīng)邀參加活動并發(fā)表主題演講,分享了在軟件 2.0 時代 AI 芯片企業(yè)將面臨的挑戰(zhàn)以及相關(guān)解決方案。
地平線聯(lián)合創(chuàng)始人兼技術(shù)副總裁 黃暢
AI 范式演進:
利用機器替代人做更多的事情
人工智能從上世紀 60 年代誕生至今,經(jīng)歷了基于規(guī)則、人工設(shè)計特征、淺層學習、深度學習等范式的演進,未來范式還可能繼續(xù)革新。黃暢指出,范式持續(xù)推進,但核心理念都是用機器替代人實現(xiàn)更多事情,包括學習本身。
以機器視覺的一個經(jīng)典課題——識別圖片中的貓狗為例,傳統(tǒng)計算機視覺先驅(qū)提出的框架是:首先對圖像邊緣進行提取,基于圖像邊緣構(gòu)造二維物體得到 2.5D 信息,之后進一步構(gòu)造三維模型。從輸入圖像到場景理解,這是一個完整的、理想的計算機視覺鏈路。
但黃暢指出,該方案的每個步驟都有大量不確定性,因此系統(tǒng)可用性并不高。因為現(xiàn)實生活中,每個物體的高度、被遮擋情況不一,即便是同一個物體也存有許多差異。更重要的是,計算機視覺對光照條件有很強的依賴性,而現(xiàn)實世界是一個非線性變化的構(gòu)成,極其復雜。 后來,機器視覺摒棄了基于規(guī)則的方案,進入人工設(shè)計階段。專家們通過簡單的特征設(shè)計,讓機器進行淺層學習。這條路徑從低維走向高維,在高維的稀疏空間中試圖用線性方法來解決問題。但遺憾的是,這仍是一個淺層的框架應(yīng)用,提升空間非常有限。從 2012 年開始,機器視覺領(lǐng)域進入深度學習階段。發(fā)展至今,基于深度學習的圖像識別精度一直在提升,同時配合特定的硬件設(shè)計,機器運算效率越來越高。通過 AI 進行自動化搜索,自動進行關(guān)鍵特征的提取最終得到識別結(jié)果,由此大大降低人工參與度。
黃暢指出,當下只需用約幾百分之一的計算量就能達到 8 年前圖像識別的精度。算法的進化速度甚至超過了半導體的摩爾定律,因為深度學習的優(yōu)勢在于,盡可能地利用了大數(shù)據(jù)、大模型和大計算。 目前,深度學習也被廣泛應(yīng)用在自動駕駛領(lǐng)域。由于現(xiàn)實世界非常復雜,通過單純的端到端算法在模擬器里進行感知、決策、控制訓練,然后部署在自動駕駛車輛的方法是不可行的。因此必須將 AI 系統(tǒng)建立在真實物理世界之中,并持續(xù)迭代演進,這就是軟件 2.0 時代。
黃暢表示,這是目前最可行的一個大規(guī)模、持續(xù)迭代的人工智能系統(tǒng)。在這個自動化平臺上,通過構(gòu)造數(shù)據(jù)閉環(huán),將物理世界數(shù)據(jù)進行提取,送入后端訓練迭代模型,提升整個系統(tǒng)的精度與效率,再返回到前端,通過 OTA 更新前端模型,從而打造一個完整的數(shù)據(jù)閉環(huán)。這個過程需要一套非常完整的體系,包含數(shù)據(jù)系統(tǒng)和計算系統(tǒng)。
以數(shù)據(jù)系統(tǒng)為例,以往的訓練模型里數(shù)據(jù)都是停滯的。但真正的大數(shù)據(jù)閉環(huán)依賴于訓練模型通過 OTA 服務(wù)器部署到車輛,采集更多數(shù)據(jù),通過數(shù)據(jù)挖掘送到閉環(huán)數(shù)據(jù)系統(tǒng)中進行快速迭代,一個小閉環(huán)+大閉環(huán)才構(gòu)成完整的軟件 2.0 開發(fā)系統(tǒng)。
軟件 2.0 時代:
算力并非芯片唯一評估標準黃暢指出,盡管近年來軟件算法的演進非常快,每 10-14 個月,相同的計算精度計算量可以下降一半。但這種提升是以算法設(shè)計的越發(fā)巧妙作為前提的,而算法的巧妙設(shè)計會對計算架構(gòu)提出巨大的挑戰(zhàn),尤其是對傳統(tǒng)通用的并行架構(gòu)而言。 這也意味著,自動駕駛領(lǐng)域的專門處理器架構(gòu)設(shè)計變得尤為重要,如果繼續(xù)沿用通用計算架構(gòu),會使得更先進的自動駕駛算法無法高效運行。對此,地平線認為,基于軟硬結(jié)合芯片設(shè)計理念的計算架構(gòu)優(yōu)化對于提升芯片效能有重要作用。
因此,地平線自主研發(fā)了 AI 專用處理器架構(gòu) BPU,并規(guī)劃了高斯、伯努利和貝葉斯三代 BPU 架構(gòu)。 黃暢認為,芯片處理器的設(shè)計有三個指標:Performance、Power、Area。其中 Power、Area定義了芯片的使用成本和制造成本,但最重要的是 Performance。如果沒有 Performance,芯片無論功耗再低、面積再小、成本再低,也是無用的。 但同時,單純依賴這三個指標容易衍生“算力至上”的性能評估方法。但事實上,算力并非芯片唯一的評估標準。
為此,地平線提出了一個 MAPS(Mean Accuracy-guaranteed ProcessingSpeed)概念和評估方法,以此作為檢驗 AI 性能的真正標準。通俗來說,就是在特定的 AI 應(yīng)用領(lǐng)域,看芯片處理 AI 任務(wù)的速度和精度,即“多快”和“多準”。以知名的 ImageNet 圖像分類任務(wù)為例,通過地平線征程 3、征程 5 和基于 GPU 的芯片相比,可以發(fā)現(xiàn)地平線征程 3 用 8% 的功耗能就能達到 50% 的 MAPS 處理器性能,而征程 5 可以用 50% 功耗達到 500% 的 MAPS 性能。
然而,自動駕駛領(lǐng)域中的物體檢測是比圖像分類更復雜的任務(wù)。不僅要識別物體,還要識別位置和大小,此外路面上還有車輛、行人、車道線等各種障礙物。在這個任務(wù)中,地平線征程 5 和友商芯片同樣是 50% 的功耗,但地平線的性能提升了 13 倍。這也反映了,地平線將先進算法和先進處理器架構(gòu)設(shè)計結(jié)合在一起,最終實現(xiàn)功耗、性能(包含速度和精度)等方面的最優(yōu)解。
征程 5 即將到來:
為軟件 2.0 時代強勢賦能
在地平線看來,汽車終將成為四個輪子上的超級計算機,車載 AI 芯片是智能汽車的數(shù)字發(fā)動機,也是整個 AI 行業(yè)的珠穆朗瑪峰。 為攀上這座高峰,在今年北京車展上,地平線除了推出了新一代車規(guī)級 AI 芯片征程 3,明年年初,面向下一代智能駕駛場景的征程 5 芯片也將會發(fā)布,屆時 AI 性能將比肩特斯拉 FSD。
從 MAPS 的跑分結(jié)果來看,征程 5 的 MAPS 跑分可高達 3026FPS,征程 5P 的 MAPS 性能為 6391FPS,可滿足車廠高級別自動駕駛的量產(chǎn)需求。目前征程 5 已經(jīng)斬獲車型定點。面對智能駕駛的時代浪潮,地平線將始終定位為 Tier2 供應(yīng)商, 堅持以“芯片+算法+開發(fā)平臺”為基礎(chǔ)平臺,更結(jié)合整套數(shù)據(jù)閉環(huán)的能力進行底層技術(shù)開放賦能。
在實際落地層面,地平線征程 2 賦能長安 UNI-T 實現(xiàn)了中國車規(guī)級 AI 芯片的首次上車量產(chǎn),在今年開啟了車規(guī)級 AI 芯片的前裝量產(chǎn)元年。 未來,地平線將同長安、上汽、廣汽、一汽、理想汽車、奇瑞汽車、長城汽車等國內(nèi)主機廠以及奧迪、大陸集團,佛吉亞等國際知名主機廠及 Tier1 持續(xù)深度合作、加速智能汽車芯生態(tài)搭建,通過發(fā)揮自身的核心技術(shù)優(yōu)勢,攜手合作伙伴共贏產(chǎn)業(yè)變革轉(zhuǎn)型之戰(zhàn)。
責任編輯:xj
原文標題:軟件 2.0 時代,AI 芯片如何應(yīng)對自動駕駛系統(tǒng)大規(guī)模、持續(xù)迭代挑戰(zhàn)?
文章出處:【微信公眾號:地平線HorizonRobotics】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
-
芯片
+關(guān)注
關(guān)注
455文章
50757瀏覽量
423359 -
AI
+關(guān)注
關(guān)注
87文章
30810瀏覽量
268954 -
自動駕駛
+關(guān)注
關(guān)注
784文章
13797瀏覽量
166418
原文標題:軟件 2.0 時代,AI 芯片如何應(yīng)對自動駕駛系統(tǒng)大規(guī)模、持續(xù)迭代挑戰(zhàn)?
文章出處:【微信號:horizonrobotics,微信公眾號:地平線HorizonRobotics】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論