超星未来梁爽：软硬件协同，赋能新一代智能驾驶计算

来源：实况网发布时间：2023-04-07 17:19:51

“未来几年,智能汽车市场将进一步向‘纺锤形’的成熟结构演变,从旗舰市场下探到10-25万的高性价比市场。同时,跨域融合的E/E架构、行泊一体的智驾方案、城市NOA功能、包含LiDAR、4D毫米波的多模态三维感知方案、Transformer大模型都将快速落地。随着摩尔定律放缓,引入系统级思维、软硬件协同的高能效计算将是赋能新一代智能驾驶的基石。”

近日,超星未来创始人、CEO梁爽博士出席中国电动汽车百人会论坛(2023)智能汽车论坛,发表题为《软硬件协同赋能新一代智能驾驶计算》的演讲,并透露了下一代感知计算架构对多模态感知、Transformer的支持。

超星未来是一家源自清华车辆学院和电子系的创业公司,以软硬件协同优化为核心思想,提供以计算芯片为核心的智能驾驶高能效计算解决方案。

大众市场、城市道路是未来几年智能驾驶前装量产的焦点

第一个思考聚焦在未来几年智能驾驶前装量产市场的热点上。

首先,智能驾驶功能最早从30-40万以上的旗舰车型开始落地;超星未来观察到,智驾功能开始向10-30万的车型区间下探,未来几年这部分“大众市场”有更大的放量空间,更加强调性价比,也因此在计算层面更需要软硬件的极致优化。

这就引出“增效”和“降本”两个趋势。“增效”体现在NOA功能从1.0阶段的高速半封闭场景,加快向更复杂的城市道路场景推进,未来几年会进入一个落地高峰。“降本”体现在传感器的复用,芯片成本的进一步控制,以及整车电子电气架构的更为集中化等等,行泊一体、驾舱一体的域控系统纷纷开始出现。

融合LiDAR、4D成像雷达的车端多模态冗余感知获得行业实践认可

第二个思考建立在对感知需求的理解上。

在智能驾驶渐进式发展路线上,特斯拉作为智驾感知技术的引领者,一直在非常激进地推进纯视觉路线,也给行业带来不小的争议与讨论:多模态融合感知是否还有必要存在。

经过这几年的观察发现,纯视觉方案目前仍存在一定的局限,比如著名的白色卡车魔咒;特斯拉最新曝光的HW4.0方案也重新把4D毫米波成像雷达引入到传感器配置中;另外,观察激光雷达的发展趋势,可以看到LiDAR的成本已经下探到千元量级,进入到批量前装交付的起量爬坡期。相信随着硬件的持续降本,要实现安全可靠的智能驾驶系统,多模态融合感知方案将会成为主流选项。

Transformer大模型加数据闭环,大幅提升智能驾驶三维感知能力

第三个思考是对于应用算法方案的观察。

前一阵ChatGPT特别火爆,很多人都会关注诸如ChatGPT这种大模型能够和车能产生什么联系。GPT本质上是Foundation Model,其中Transformer的应用非常广泛。

可以看到,因为Transformer有更强的全局感知能力、更好的泛化性鲁棒性、便于做多模态融合等优点,国内外诸多领先的玩家,都已经逐步官宣了在智能驾驶的感知系统中对Transformer的应用。

另外,Transformer自监督学习训练成本低、能在超大数据集上体现出更明显的优势,大家可以观察到,越来越多的行业玩家开始布局智算中心和数据闭环系统,这也是大模型往智能驾驶落地的一个重要基础和信号。

系统级优化、软硬件协同的高能效计算是新一代智能驾驶的基石

第四个思考回归到计算和算力上。可以说整个智能驾驶乃至人工智能技术的发展,都离不开算力或者说计算技术的支撑。

然而也要看到,摩尔定律的发展速度已经趋缓。技术层面制程已经在逼近物理极限;政治层面,剧烈的国际形势变化也会带来一系列不确定性;最重要的是,经济层面上,盲目“拼工艺”的经济账很可能算不过来。因此,考虑产业发展的客观规律,盲目靠拼工艺堆叠算力,一定不是解决智驾计算问题的最合理路径。

超星未来选择的路径是软硬件协同优化,针对智能驾驶域的计算任务需求,从软件、硬件、平台、应用的整体角度提升系统计算效率。可以看到国际学术界工业界公认的行业顶会ISSCC上,越来越多的巨头也开始强调System-level Thinking的观点,这也是超星未来坚持的核心思想。

以智能驾驶计算芯片为核心、软硬件协同的高能效计算解决方案

基于对以上“降本增效、融合感知、大模型应用、软硬件协同”趋势的思考和分析,超星未来做出了以下实践。

针对降本增效的大众市场需求,超星未来去年底正式发布了新的战略和产品,包括智能驾驶计算芯片「惊蛰R1」、高能效AI处理架构「平湖」、全流程开发工具链「鲁班」,相关指标也都已达到国际领先水平。我们同时还能够提供智能计算开发套件NE100、高可靠系统软件、智能驾驶三维感知参考方案,形成以智能驾驶计算芯片为核心的交付矩阵,面向各类场景、多样化的客户需求提供灵活组合的交付方式。

我们相信在智能汽车的领域里,做一家单纯的芯片公司远远不够,必须要深刻理解智能驾驶的系统和场景,构建出完整易用的软件生态,坚持开放合作,才能适应快速迭代的应用方案和客户需求。

把握行业节奏、量产落地为王,“一高一快”的产品规划

结合对前装市场的观察,超星未来预测未来几年最具潜力的智驾车型会收敛到“一头一尾”,其中“一头”是面向高端用户的旗舰车型,“一尾”是面向大众用户的平价车型。梁爽指出,智能驾驶计算芯片的发展不仅仅是一个“拼算力”的前后替代关系,而是综合考虑算力、成本、面积、功耗、软件生态,分层定位的共存关系,分别是匹配不同下游客户的需要。

到整个产品矩阵的实践上,超星未来对应规划了“一高一快”两条产品路线。其中R系列惊蛰产品线将专注于未来几年高性价比的高速行车+自动泊车一体方案,面向大众车型区间快速推进,辐射包括路侧感知、移动机器人在内的其他边缘侧需求。此外,超星未来还规划了高阶的A系列产品线,提供100T以上的算力以及雷达点云和Transformer的加速支持,以支撑30万以上高端车型的城区复杂方案计算需求。

梁爽表示,智能驾驶的计算供应商一定要保持理性,把握行业节奏和实际需求,量产落地为王、完善生态为王,攀登珠峰的过程中,一定要沿途下蛋。

面向多模态感知,极致高效的点云处理能力

针对下一代的智能驾驶系统,具体到计算架构的创新上,超星未来也做出了两点实践。

第一点,面向多模态融合感知,不论未来主流采用激光雷达还是4D成像雷达,最终都会输出三维无序、稀疏的点云数据。目前超星未来开发的面向稀疏点云处理的专用架构SPU,可以将计算延时控制在10ms延迟,用极小的面积资源代价实现3倍于英伟达Orin的性能表现。这也属于业内的首创。

另外,超星未来还提供结合视觉、点云的三维感知参考方案,方便客户快速开发原型系统,加速车端集成。梁爽表示,公司现在已和多家主机厂、激光雷达厂商开展合作,目前也正在承担某量产车型的激光雷达感知方案定点开发工作,IP和芯片的进一步合作也正在推广落地的过程中。

底层架构加软件工具,迎接Transformer感知计算“新范式”

第二点,面向Transformer大模型,超星未来也已经有软硬件两方面的技术布局。

一是硬件IP层面,梁爽透露,超星未来下一代NPU架构将在今年年中发布,将支持Transformer硬件的硬件级加速。目前大部分已有的竞品方案都在使用通用处理逻辑进行处理,这种方式将很难应对更大规模的Transformer计算任务需求。目前超星未来能够通过硬件级加速和软件的协同优化,实现至多20倍的端到端性能提升。

另外软件层面,超星未来可提供三维感知优化加速部署工具NOVA-3D,来支持基于Transformer的三维感知方案优化部署。

目前公司已经与多家行业领先的合作伙伴开展了开发适配的工作,来加速包括BEV在内的下一代智驾方案的量产落地,今年也会有对外正式的发布。