「智能汽车将（超越手机）成为人类历史上第一个真正的人工智能终端。」

1 月 17 日，在百人会钓鱼台年会上，地平线创始人兼 CEO 余凯抛出了这样一个判断。

当下手机依然是一个被动响应用户交互需求的终端，而智能汽车的感知、决策、路径规划、人机交互等等都将变成自主行为。汽车智能化的程度将大大超过手机。

在全球每年近 9000 万台的汽车市场中，智能化变革也将为供应链中最关键的芯片和软件算法带来巨大的历史机遇。

这天会议上，余凯还披露了地平线下一步的雄心：

• 2023 年冲刺国内汽车智能芯片市场份额第一名；

• 2025 年希望拿下全球市场30% 份额。

从征程 2 到今年即将推出的征程 5，地平线目前和中国 80%以上的主流自主品牌都有量产项目合作。

余凯说，国产芯片和操作系统只有未来 3 年的时间窗口。

中国芯片能否在全球汽车市场中站稳脚跟，将影响中国汽车品牌的走向。

1. 全球“缺芯”之下，智能汽车增长远超预期

全球仍在经历持续一年多的新冠疫情，从去年下半年开始，汽车行业普遍出现「缺芯」现象。

「据我们了解，所有车规级芯片目前都存在短缺。」

余凯告诉我们。这一情况可能要到 2021 年年中才会好转。

其主要的原因是，2020 年上半年车市几乎停摆，一些上游供应商下调生产计划。

而实际从去年下半年开始，车市复苏超过预期，尤其智能汽车销量大幅增长。

在当前刚刚蓬勃崛起的智能汽车市场，在全球为智能汽车供应新一代芯片的公司中，还只有 3 家实现前装量产。

老牌厂商 Mobileye主要输出 EyeQ 系列芯片，2020 年出货超过1900 万片。

Mobileye目前主要出货的是算力 2 TOPS 的 EyeQ4，下一代芯片 EyeQ5 还未量产。

英伟达从图像领域杀入，去年开始在小鹏 P7 上落地量产了 Xavier。

地平线则从 2019 年推出车规级 AI 芯片征程 2。

从 2020 年 6 月开始，这一芯片实现前装量产，目前前装搭载超过16 万片。

2. 今年推征程 5，真实算力超过特斯拉 FSD

从过往 PC 和手机行业的发展经验看，终端品牌的竞争将是长期的。

而背后底层芯片和操作系统将在非常短的周期内进行决胜。

通常第一名会快速占据绝大部分市场份额，并且和第二名拉开差距，第三名最后则几乎没有市场声音。

因此，这就是前面余凯说到的「未来的三年将是最关键的时间窗口。」

如果企业没有拿到市场前三名的入场券，可能面临出局。

要实现「三年内中国市场份额第一，五年内全球市场三分天下」的目标，地平线现在有一套AI车载芯片的组合拳：

• 征程 2，单芯片 AI 算力 4 TOPS，2020 年已量产上车；

• 征程 3，单芯片 AI 算力 5 TOPS，2020 年推出，今年会在包括豪华品牌在内的多款车型上量产；

• 征程 5，单芯片 AI 算力高达 96 TOPS，今年推出，预计 2022 年量产上车。

• 征程 6，单芯片 AI 算力高达 400 TOPS，2023 年推出。

征程 2 目前有 3 个公开的量产项目：长安 UNI-T、奇瑞新能源蚂蚁以及上汽高端智能品牌智己的首款轿车。

长安 UNI-T 主要利用征程 2 实现座舱的多模态智能人机交互，奇瑞蚂蚁则是基于征程 2 开发 L2+ ADAS 功能；智己公布的信息则是打造「IMATE智慧伙伴」。

我们猜测，应该也是智能座舱交互方面的应用。

汽车之心还得知，长安 UNI 系列的第二款车，UNI-K 也将使用征程系列芯片。

地平线希望借助征程 2 和征程 3 的组合，今年出货量再上一个台阶，突破 100 万片/年。

而随着今年征程 5 推出，地平线也将重点发力 ADAS 和高阶自动驾驶。

征程 5 单芯片算力达到了 96 TOPS。

在中央域控制器中，通常要使用 2 到 4 个这样的芯片，也就是相当于192 到 384 TOPS。

这个算力水平超过特斯拉 FSD 的 144 TOPS。

征程 5 还将有一个更高阶的 Premium 版本满足更大算力的量产需求。

目前征程 5 已取得前装定点订单，预计 2022 年上车。

2023 年推出的征程 6，则将跃升至 400TOPS 算力。

基于征程 6 的域控制器算力将达到 1000 TOPS 级别，为自动驾驶的军备战提供强力弹药。

征程 6 计划在2024 年量产上车。

3. 自动驾驶不是堆算力，真实性能还看 FPS

随着蔚来发布搭载 1016 TOPS 算力的轿车 ET7。

智己发布 500 到 1000 TOPS 算力的新车。

智能汽车尤其在自动驾驶领域的算力 PK 越来越激烈。

但算力堆砌并不是无止境的，摩尔定律有极限。

按照汽车的形态，算力高达10000 TOPS 的汽车，可能将是「一台燃烧的汽车」，余凯打趣道。

那核心应该追求什么样的指标呢？

地平线的答案，是以有效算力或者真实算力为依据。

类比汽车的动力性能，过去车企讲马力，用户实际上是很难感知的；真正容易感知的体验是零至百公里加速度。

将算力转化到效果上，则是体现在计算平台每秒能处理的图像帧数（FPS）。

比如在特斯拉 HW 3.0 上，特斯拉提到 FSD 的性能是上代 NVIDIA DRIVE PX2 的 21 倍，这个 21 倍指的就是每秒处理的图像数量。

地平线也提出了 MAPS 评估方法，也就是在算法精度有保障范围内的平均处理速度。

回到 AI 芯片，和普通芯片有什么差异？

就是芯片在进行设计时，就将芯片架构与软件结合进行深度结合优化，从而用更低功耗跑出更好的性能。

同时，今天的芯片架构，要求为 3 到 4 年后的软件算法进行预研和设计。

基于自动驾驶专门设计的芯片效率将大幅超过通用芯片。

余凯表示，基于征程 5 的域控制器实际性能，不输于 1000 TOPS 的通用芯片，能够跑 L4 级自动驾驶的应用。

从当前的 L2 自动驾驶向前发展，主流趋势是后续单一的自动驾驶功能将越来越被弱化，而更完整的场景覆盖和更流畅的体验将走到前台。

比如过去在高速路上，车企提供 ACC、LKA 这样的功能。

下一步，高级的自动驾驶功能将完全覆盖高速路上从上高速到下高速的全场景。

4. 全栈自研还是开放合作？生态打法或是车企主流的选择

高速路况完全无人驾驶以及停车场内完全无人驾驶的普及，将是行业 2025 年以前所追求的目标。

而实现完全无人驾驶，需要最强芯片、精湛的软件算法，以及对前端消费者的深度洞察相结合。

过去特斯拉走全栈自研的路线，从芯片到软件，甚至连毫米波雷达都涉足自研；今天也有部分车企选择软件全栈自研。

但长线看，余凯认为车企与供应商的专业分工、软硬协同将是主流。

从 PC 和手机行业的发展看，只有极少数的终端品牌真正进行芯片的研发，比如 PC 和手机上的苹果，大部分厂商依然采用英特尔、高通提供的芯片。

特斯拉的全栈自研，更多是因为当时在各个关键领域缺乏成熟的供应商。

同时，特斯拉已经进入年销量 50 万台的级别，这意味着留给传统主机厂的时间越来越紧张了。

随着类似地平线这样新兴供应商的成熟，专业的产业分工已经明晰，基于开放生态的产业协作将是主流趋势。

在汽车产业百年一遇的变革中，传统汽车大佬与造车新贵们将围绕智能化展开新一轮的较量。 

返回第一电动网首页 >