地平線能否成為英偉達在汽車AI芯片領(lǐng)域真正的對手？

都是2023年。

3月22日，英偉達宣布比亞迪將投產(chǎn)搭載DRIVE Orin計算平臺的汽車。

一個月后，地平線宣布，第三代產(chǎn)品征程5芯片首個定點合作，花落比亞迪。

兩項合作的上車時間，都是2023年。

比亞迪并不是唯一一個同時部署英偉達和地平線的車企。理想在其爆款2021理想ONE上搭載了征程3以實現(xiàn)高速領(lǐng)航駕駛輔助能力，而在最新的理想L9上則將使用英偉達Orin。目前，地平線芯片的定點企業(yè)達到60家，基本可以肯定，其中也有英偉達的客戶。

有評論認為，這是因為地平線是國內(nèi)鮮有通過了車規(guī)級的大算力AI芯片，而且更加便宜，所以車企選擇其作為英偉達Orin的“平價替代”和供應鏈安全B選項。

這一說法并非全無道理。

但2015年地平線成立時，英偉達的芯片已經(jīng)開始準備上車特斯拉。短短6年多時間里，一個中國創(chuàng)業(yè)公司如何能夠與AI芯片王者進入同一份采購清單？

更重要的是，在更遠的未來，地平線將只是英偉達的“平替”，還是將一路追趕，成為其在汽車AI芯片領(lǐng)域真正的對手？

本文為大家奉上地平線和英偉達全方位的對比，幫助您做出判斷。

01

邏輯：阿爾法狗會開車嗎？

如果說起廣為人知的人工智能（AI），阿爾法狗肯定算一號。

2016年，谷歌圍棋人工智能“阿爾法狗”（AlphaGo Lee）以4：1的成績，戰(zhàn)勝世界冠軍數(shù)量排名第二的韓國棋手李世石。

2017年，阿爾法狗與李世石對弈

圍棋的特性決定了其不適用窮舉法，相比算力更考驗棋手的“腦力”，因此這場“人機大戰(zhàn)”成為人工智能史上一座里程碑：AI在某些領(lǐng)域能比人類更“聰明”。

但圍棋翹楚AlphaGo Lee能開車嗎？

答案恐怕是否定的。定位為圍棋人工智能的阿爾法狗以進行推理任務的決策算法為主，其所采用的神經(jīng)網(wǎng)絡類型也許并不能勝任視覺感知的任務；

AlphaGo Lee的服務器

為進行比賽，阿爾法狗所需算力高達約4416TOPS功耗高達10000W（DeepMind論文），100度電量的車也只能支撐10小時（紋絲不動），更別說帶著衣柜大小的服務器；

更重要的是，在比賽中，阿爾法狗擁有共計兩個小時＋180秒的“思考”時間，而汽車一秒多想的時間都沒有。

不能開車的阿爾法狗顯示出了人工智能／神經(jīng)網(wǎng)絡在實際應用中的苛刻要求：相比于人類智能的高通用性，人工智能在功能實現(xiàn)上，與應用場景、AI算法模型、部署硬件情況息息相關(guān)。

正是這種高度相關(guān)性為地平線追趕英偉達提供了邏輯基礎(chǔ)。

1．1站在云端的英偉達

英偉達是第一個為AI創(chuàng)造出合適物理“大腦”的公司。

創(chuàng)立于1993年的英偉達在1999年發(fā)明了GPU（圖形處理器）。相比于CPU，GPU從架構(gòu)上算子的數(shù)量要遠遠多于Cache（緩存）和Control（控制器），由此導致其只適用于計算密集與數(shù)據(jù)并行的運算程序。

所謂計算密集指：數(shù)值計算的比例要遠大于內(nèi)存操作，因此內(nèi)存訪問的延時可以被計算掩蓋，對緩存的需求較低；

數(shù)據(jù)并行則是說：大任務可以拆解為執(zhí)行相同指令的小任務，因此對復雜流程控制的需求較低。

AI機器學習正是這樣的“運算程序”：將一個復雜問題拆解為眾多的簡單問題，一次性輸入海量用于計算的參數(shù)。對簡單問題解決的順序性要求不高，最后輸出整體結(jié)果即可。

而且對存儲和控制空間需求小，導致GPU更容易增加算子，以此增加算力，并在此后成為“大算力”的領(lǐng)軍企業(yè)。

但要高效運行GPU的代碼極度困難，程序員需要把相關(guān)運算“黑進”圖形API（應用程序編程接口），讓顯卡以為是在進行圖像渲染計算，編程難度極高。

直到2006年英偉達發(fā)布了CUDA?通用并行計算架構(gòu)，實現(xiàn)了軟硬解耦。開發(fā)者不必再使用高難度的GPU專用開發(fā)語言，而能使用通用性的編程語言調(diào)用GPU算力。

英偉達CUDA架構(gòu)與應用方向

至此，GPU“破圖而出”，成為通用并行數(shù)據(jù)處理超級加速器。英偉達也由此站上了C位，成為AI時代的加速器。

一方面，搭載英偉達 GPU 硬件的工作站、服務器和云通過CUDA軟件系統(tǒng)以及開發(fā)的CUDA－XAI 庫，為AI領(lǐng)域的機器學習、深度學習所需的訓練和推理提供軟件工具鏈，來服務眾多的框架、云服務等等，推動了 AI 領(lǐng)域的迅速發(fā)展。

另一方面，英偉達從此前單純的芯片制造商，向人工智能平臺公司發(fā)展，逐步將業(yè)務拓展到云端的AI加速、HPC（高性能計算機群）高性能計算、AR／VR（增強／虛擬現(xiàn)實技術(shù)）等領(lǐng)域。

英偉達CEO黃仁勛也在CUDA生態(tài)積累14年后放言：“ 英偉達不是游戲公司，它將推動下一個人工智能大爆炸”。

但至少目前，從業(yè)務結(jié)構(gòu)上英偉達還是一個中心化的云端數(shù)據(jù)中心和游戲公司。

英偉達數(shù)據(jù)中心

5月26日，英偉達發(fā)布2023財年Q1財報（截至2022年3月），實現(xiàn)營收82．9億美元，同比增長46％。其中，由超大規(guī)模計算、云端和AI業(yè)務推動的數(shù)據(jù)中心業(yè)務占比45．23％；顯卡支撐的游戲業(yè)務占比43．67％。

以云端數(shù)據(jù)中心業(yè)務為核心，英偉達的核心技術(shù)需要服務這一場景。

但云端（服務器、數(shù)字中心）和端側(cè)（手機、智能汽車等移動端）場景中， AI芯片的運算方式有著本質(zhì)性的差別。

·    首先，云端處理大批量一次性到達的累積數(shù)據(jù)（擴大批處理量，batch size），車端芯片則需要處理流數(shù)據(jù)，隨著行駛（時間）陸續(xù)到來的數(shù)據(jù)；

·    第二，云端處理可以“等”數(shù)據(jù)“夠了”再開始處理，車端則需要實時完成計算，盡可能得降低延遲，更勿論幾秒鐘的“等待”；

·    第三：在云端，任務本身是限定在虛擬世界，無需考慮與現(xiàn)實世界的交互。在車端則身處現(xiàn)實世界，每一個任務都需要考慮交互性。

·    此外，功耗和成本在車端AI芯片的考量中也占據(jù)更重的分量。

可見，云端AI芯片更側(cè)重于數(shù)據(jù)吞吐量和支持多種AI任務的要求，車端的AI芯片則須保證很高的計算能效和實時性要求，能夠?qū)崿F(xiàn)端側(cè)推斷，以及低功耗、低延遲甚至低成本的要求。

但目前，英偉達端側(cè)芯片的核心GPU架構(gòu)仍是云端架構(gòu)。

Orin誕生于Ampere（安培） 架構(gòu)，其正是一季度推動英偉達數(shù)據(jù)中心業(yè)務增長近9成的主力產(chǎn)品架構(gòu)。換而言之，面向高級別自動駕駛場景的Orin，其中的核心計算模塊技術(shù)對標的是云端數(shù)據(jù)中心場景。

2019－2022財年（英偉達財年較自然年提前一年）汽車營收占比

英偉達的這一選擇無可厚非。架構(gòu)是芯片企業(yè)最底層的核心技術(shù)，迭代成本巨大，也是為了產(chǎn)出更賺錢的產(chǎn)品。雖然汽車業(yè)務已成為英偉達圖形技術(shù)大會上的重要一節(jié)，但其創(chuàng)造的營收目前仍是微不足道——占比2．1％（2022財年）。

1．2站在“端側(cè)”的地平線

而地平線目前的核心業(yè)務只有端側(cè)的汽車。

地平線的完整名為“地平線機器人”，其創(chuàng)立設(shè)定的場景便是機器人這樣需要實時完成計算的端側(cè)場景，其產(chǎn)品所有的軟硬件架構(gòu)都為端側(cè)的特殊需求設(shè)計。

但“機器人”此前更多存在于科幻電影當中，直到自動駕駛使汽車成為機器人在現(xiàn)實世界中的第一個爆發(fā)點。

“單一”的業(yè)務結(jié)構(gòu)使地平線的技術(shù)能夠聚焦在“一種”需求上，而汽車智能化需求的爆發(fā)則為從智能／自動駕駛場景出發(fā)，收斂AI任務范圍，打造更貴、更具針對性的專用型芯片提供了規(guī)?；A(chǔ)，使其商業(yè)模型能夠成立，從而吸引投資人和專業(yè)“選手”進場。

“GPU這樣的通用芯片對于開發(fā)者非常友好，但不是商業(yè)化競爭的最優(yōu)解，” 一位芯片行業(yè)專家向《電動汽車觀察家》表示：“地平線采用面向特定場景的軟硬結(jié)合方法論來設(shè)計芯片，也就是DSA（Domain Specific Architecture 特定領(lǐng)域架構(gòu)）的芯片，極大提升了芯片的有效算力?！?/p>

軟硬解耦，將圖形處理的專用芯片GPU變?yōu)檫m用于大規(guī)模并行計算的通用型芯片，使英偉達站上AI時代的C位。

而地平線追趕英偉達的第一步，是軟硬結(jié)合。

地平線在公眾亮相中多次強調(diào)軟硬結(jié)合方法論核心——以終為始：

·    永遠從系統(tǒng)的視角評價其中每個模塊（從AI模型、工具鏈、開發(fā)工具的全體系出發(fā)，看待芯片上每個細微空間的排布邏輯和利用效率）；

·    永遠用未來的預測來指導當下每個選擇（針對自動駕駛AI未來算法演進趨勢，指導當下的技術(shù)研發(fā)方向和取舍關(guān)系）。

地平線的軟硬結(jié)合開發(fā)模式

地平線芯片開發(fā)過程中的一個環(huán)節(jié)可以從一個側(cè)面展示軟硬結(jié)合的方法到底如何落地。

地平線有一個AI模型性能分析工具。首先將選取包含了豐富的、代表未來演進趨勢的算法模型作為Testing Benchmark（測試基準）。將其在地平線BPU架構(gòu)的建模工具上進行運行，測試這架構(gòu)對算法模型的運算性能如何，并基于這一測試基準，探索軟件層面的編譯器、模型量化工具、訓練工具應該怎么做。

地平線軟硬結(jié)合下的工程性能驗證模式

由于芯片從設(shè)計到最終應用有著二到三年的”時差“，這樣的工作流程幫助地平線以軟性的算法趨勢指導硬件架構(gòu)設(shè)計，提前“適應“未來。

“像地平線已經(jīng)達到百萬芯片出貨量的征程二代和征程三代芯片里就有比較多的設(shè)計，在2016年、2017年時已經(jīng)考慮到了相關(guān)一些算法的演進趨勢?！暗仄骄€高級研發(fā)總監(jiān)凌坤表示。