5G时代,为机器装上大脑,地平线如何做?

描述

本站原创,作者:章鹰,电子发烧友执行副主编。

7月,AI芯片初创公司地平线入选麻省理工科技评论的2019年全球“50家聪明公司”(TR50)榜单。TR50榜单的主要核心指标是精尖科技创新与商业模式创新,编辑点评这样写道:基于自研处理器架构 “BPU”,开发出面向智能驾驶的征程 (Journey) 1.0 处理器与面向AIoT 的旭日 (Sunrise) 处理器。

图:地平线联合创始人兼副总裁黄畅

7月13日,在雷锋网CCF-GAIR大会AI芯片专场论坛的嘉宾室,地平线联合创始人兼副总裁黄畅接受了电子发烧友记者的采访,他表示:“地平线不只是一家芯片公司,除了芯片,我们也做算法、工具链,还有软硬件的应用参考设计,方便客户在这个基础上快速进入产品开发阶段,本质上我们是一家平台型公司。”

据记者了解,2018年地平线边缘AI芯片的出货量达到10万片量级,在行业中走得已经比较靠前。未来2到3年,地平线有信心实现上千万出货量。“我们的目标是用5到10年时间,做到边缘AI计算的领军者之一。我认为至少需要AI计算芯片的2-3代的重大迭代。市场开拓策略上,我觉得是顺应整个的行业趋势,不断地对产品去调整,不断去适应市场变化,不断地去整合做取舍。”

5G商用启动,边缘计算兴起,地平线如何看待边缘计算中AI芯片的发展趋势?边缘计算会破解AI物联网哪些核心难题?地平线Matrix自动驾驶计算平台与竞争对手相比,有哪些明显优势?就这些热点问题,地平线联合创始人兼副总裁黄畅给出了精彩的回答。

边缘计算中AI芯片四大趋势

从人工智能演进过程中我们看到,过去的人工智能计算,不管是训练还是推理实际上都发生在数据中心,因为深度学习需要大量的运算量,只有数据中心采用一些通用的处理器才能够提供如此巨大的计算能力,以及提供这些计算所需要的电力消耗。“近年来随着人工智能算法和芯片都达到一个很高的水平,使得一些深度学习的运算可以从云端推送到边缘,随后很多智能摄像机、智能网络视频存储器、NVR等一些产品都出现了。”黄畅指出。

“5G牌照发放,5G商用开启,终端接入网的扩容极大,实时性要求进一步提升,但因为骨干网扩容成本高、延迟大,接入网与骨干网的带宽矛盾凸显,在边缘侧形成数据堰塞湖,边缘计算势在必行,MEC(多接入边缘计算)成为必由之路。”边缘计算采取了靠近数据源或用户的地方提供计算设施,本地化部署这种模式,可以实现应用本地化,有效降低成本,新型超低延时业务也只能在边缘才能满足业务诉求,比如自动驾驶、机器人协作和远程医疗诊断。”黄畅清晰地点明边缘计算已经在重塑世界的未来,引发企业商业模式的重塑。”

如何实现高效的边缘计算?灵活、多元和高质量的硬件处理器是一个必要条件。黄畅分析说:AI芯片的有效算力、易用性、低功耗和低延迟已经成为标配。5G将延迟降低到毫秒级别,如果AI计算还是像以前云上那样的几百毫秒甚至秒级别的话,优化就没有意义了,边缘优势就不能发挥出来。

黄畅认为,在衡量AI芯片的真实性能时有四个关键指标,包括每瓦可以进行每秒多少次计算(TOPS/Watt,能源转化为计算的效率),每美元或者每元进行每秒多少次计算(TOPS/$,算力成本),算力的利用率(Utilization Rate),以及这些AI有效计算量最终以什么样的效率转化成AI的性能(AI Perf./TOPS,算力转化为AI性能输出的效率)。

与纯算法公司和纯芯片公司相比,黄畅指出,软件和硬件结合可以更好判断整个AI算法的发展趋势。“我们面对未来重要场景中的关键算法有所取舍。如果还是寄希望于全场景覆盖所有的算法,走通用计算架构的路线,很难进行有效地系统提升。我们用产品驱动的思路对架构进行敏捷的迭代,更好地支持创新的AI算法。这是我们的基本技术理念,首重效能,兼顾灵活。实现其中的三个关键要素是,芯片架构、算法和编译器。

5G的发展让边缘计算成为一个新的变量,我们可以看到,边缘计算必将带来商业范式的转换,包括现在的运营商、传统的设备商,其实在边缘计算大家都看到蕴含巨大的商机,而里面技术的变革也会非常深远,因为它兼具传统的端和云侧的特点。

Matrix自动驾驶计算平台助力客户破解难题

破解物联网数据计算面临的难题,边缘计算具备哪些优势?黄畅指出,每辆自动驾驶车辆每天产生600-1000TB的数据,和2015年整个互联网产生的数据是一样多的,考虑到现在每辆自动驾驶车有十多个摄像头,不止一个激光雷达,摄像头都是高分辨率、高清、高帧率的。边缘计算的核心难题是如何在于提高计算的可靠性,让它在离线时可以正常运作,安全、合规满足隐私的要求,任何数据必须经过脱敏处理才可以上传到云端。

边缘计算也具有部署灵活、高效协同的特点,现实可行的L4自动驾驶过程中还要限制车辆运行的环境和地域,在所处的区域布局路端的改造,可以大大缩短自动驾驶投入规模化运营的时间,这里也能体现出边缘计算在端上,比如说自动驾驶或是自主机器人的高效率协同。高实时计算减少反应延迟,对于自动驾驶来说毋庸置疑是必要的条件。

黄畅表示,地平线一开始就定位自己是平台公司,聚焦为行业提供最好的AI计算平台。拿汽车行业来说:定位为Tier2,技术赋能,不碰数据、不做应用。我们在应用层面做了一些工作,只是为了提供更好的参考设计给我们的客户。人工智能的应用领域非常碎片化,任何一家公司都无法全面铺开。

我们特别强调算法和芯片的优化,兼顾灵活性和通用性,第一要务还是追求极致的能效比和性价比。这并不仅仅是算法和架构这两件事情,还有很多他们的编译器和外延。由于不依赖云端,边缘AI芯片在降低延时、保护隐私方面拥有天然的优势。

2017年,地平线针对智能驾驶推出了征程系列边缘 AI芯片,最大特点是前瞻性地将计算特点融入到计算架构的设计当中,使得AI处理器经过一两年研发,推出的时候,仍然能够很好地适应最新的主流算法。目前,基于征程2.0架构打造的Matrix自动驾驶计算平台已经进入大规模商用阶段。

Matrix利用地平线AI加速IP最大化了边缘AI计算性能,可支持激光雷达、毫米波雷达的接入和多传感器融合。以视觉感知能力为例,该平台能够基于稀疏化和定点化神经网络实现8类不同类型物体的目标检测和多达25类像素级语义分割,同时结合有助于预测和深度估计的三维车辆检测,能够更好地理解复杂场景,可轻松应对高度遮挡,且需快速响应场景下的自动驾驶挑战。在保证高性能的前提下,其可在31W的低功耗下运行,无需水冷系统,满足了高性能和低功耗的行业应用级需求,非常适合自动驾驶的应用和产品化。

“边缘计算提供了一个巨大变革机会,如何借助边缘计算将有效的数据进行分析和决策,将决定我们如何重塑未来,这意味着我们要把过去的计算模式和商业模式进行变革。对底层的技术会有革新的意义,同时它的商业模式也必然引发变化。”黄畅说,地平线已经为这场变革积蓄了技术能力和组织能力,未来5到10年,他们的战略目标能否实现,我们将拭目以待。

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分