甲子光年|第一颗搭上量产车型的中国AI芯｜甲子光年1.智能化“后浪”2.两年，智能座舱抽枝发芽3.多模算法，从备胎到转正5.汽车智能化的新生意，终于来了( 五 ) ：终于来了

在诸多汽车企业眼里， EMC有点像“玄学” ，看不见摸不着，很难找到干扰信号源头，地平线团队只能通过各种移频、屏蔽或者滤波措施来处理。
“经常干到凌晨，白天和上半夜的实验室约不上，我们就约后半夜，去给他们测整个系统的EMC 。在实验室发现异常之后，我们就现场去做调试。 ”地平线系统架构师霍楚说。
摸着石头过河落地了第一个量产车型的多模交互算法，长安的智能座舱取得了阶段性成果。但在地平线看来，这只是一个开端，更难的一场仗在更底层——算力。
4.算力，是更难的一场仗
事实上，国内智能座舱方案的落地长期处于摆动状态，主要的原因之一就是在“车规级”的要求下，算力瓶颈仍未得到较好解决。
要保证智能座舱的运行，需要摄像头、麦克风阵列、芯片平台与CAN总线（控制器局域网络）等核心硬件元件相互配合。其中摄像头用于人脸与手势识别，麦克风用于获取语音信息，芯片与CAN则负责通信，并将指令下放到输出层。整个框架的完美运行，需要实实在在的算力支撑。
底层算力作为弹药库将直接决定谁能在汽车智能化上跑得更远更久。
理论上来说，如果只看标准性能数据，市场上已有的一些AI芯片算力并不至于捉襟见肘。
以地平线征程2AI芯片为例，每秒可进行4万亿次AI计算，这样的算力远远超过了现阶段的智能座舱感知需求，甚至还留出了超过1/3的算力冗余，以支持后续数年的OTA更新。
UNI-T产品团队告诉「甲子光年」：“对算力很无感，因为征程2的算力现阶段似乎不管怎么折腾都够用了。 ”
但光有性能指标上的高算力并不够。芯片从零到一的首装落地充满不确定性，其中一个大挑战是实际场景里的功耗。
具体到UNI-T这款车型上，地平线还遇到了一个棘手的问题，那就是在项目启动初期，长安UNI-T的机壳形状已经确定，当运行车机娱乐系统时，本身的功耗已很大，没有给地平线的AI芯片留更多的面积或更大的散热空间。
木已成舟，地平线选择了从自己的芯片入手想办法解决功耗问题。
第一个手段是从底层设计上遵循软硬结合理念，以实际场景的算法打造可在低功耗条件下满足计算需求的芯片。这让征程2在仅需传统FPGA十分之一功耗的同时达到了相同的精度要求。

文章图片
搭载地平线征程2AI芯片的UNI-T车机板卡
这是地平线为赋能AI应用着力打造的极致效能，然而这并不意味着实际上车就高枕无忧了。
长安汽车总部所在地，夏天最高气温可达42度的火炉之首重庆给地平线的车载AI芯片提出了又一重考验。长安UNI-T产品经理于柳直言，在早期于重庆进行的实际测试中，经常碰到卡顿甚至是运行停顿。
这就涉及到解决功耗的第二个手段——在加速迭代硬件版本的同时对整体系统进行优化，通过提高芯片外围硬件的电路转化效率，以适应空间小、高发热的车机系统。
最后一层挑战在于，面对现有车型，芯片供应商需要尽力降低功耗，但考虑到后续发展，又要留出冗余算力。
这是因为在“软件定义汽车”的趋势下，从车外环境感知到车内智能座舱，都对芯片算力和算法提出了与日俱增的要求。随着智能座舱走过初期落地阶段，智能化程度还将快速爬坡，这意味着对算力需求的进一步提升。
据「甲子光年」了解，小鹏汽车、理想ONE等新造车厂商尤其看中这种未来的可扩展性，有些厂商会向芯片供应商提出需求，把芯片做成可插拔的模块，让用户在一两年之后可以进一步升级。
地平线智能座舱产品线总经理志鸿告诉「甲子光年」：“保障2～3年的先发优势，至少需要40%的算力冗余。 ”