2021年1月15-17日，第七届中国电动汽车百人会论坛在钓鱼台国宾馆以线上方式举办召开，本届论坛以“新发展格局与汽车产业变革”为主题，聚焦产业发展的趋势动态、热点痛点等问题。在1月17日下午进行的智能汽车论坛上，黑芝麻智能科技创始人兼CEO单记章发表了主题演讲。

黑芝麻智能科技创始人兼CEO 单记章 

线上线下的朋友大家好！我是黑芝麻智能CEO、创始人单记章。非常感谢百人会主办方给我这个机会和大家分享一些这些年参与智能驾驶汽车产业的一些心得。

我的整个职业生涯经历了不少产业周期，从PC时代开始，到智能手机，现在很荣幸能够参与智能驾驶这个产业周期。我自己看到的这个产业，智能驾驶经过这些年的发展，经过了早期的各种传感器的争论：是激光雷达主导，还是视觉主导？是L4先行，还是L3慢慢过渡？到2020年、2021年，经过了技术和市场的迅速发展，实际上产业已经有了非常多的共识。

2020年大家都见识了智能汽车在金融市场的爆发力。当然，上一个智能终端，就是智能手机，从Apple把它推广起来，把智能手机当成智能终端而不是传统的功能手机的概念推广以后，到今天智能手机改变了所有人的生活方式。我相信智能汽车会是一个更大的智能终端，是涵盖所有新技术、新应用的一个超级智能终端。经过多年技术的发展，我们可以看到很多智能应用，智能手机是其中一个，智能家居、智能城市、智能医疗、智能教育等等各种各样的智能场景。尤其是在2020年，我们能感受到技术的发展给我们生产生活带来的重要的作用和影响。新冠疫情让很多员工居家办公，在这种情况下，科研的发展却没有受到太大影响，而这主要原因就是云计算和通信技术的快速发展，让大家能够连接起来，这是一个虚拟的连接。除此之外，我们还是需要有一个物理的连接，智能汽车在城市间移动，以及在高速公路和封闭区域等等的智能驾驶场景，就是技术实现的物理的连接。

另外一个，我们现在看到的产业趋势，刚才好几位嘉宾都提到车路协同和单车智能的融合。还有一个就是人工智能是未来汽车非常重要的发展方向，当然还有新能源技术的长足进步。

技术的变革是一个循序渐进的过程。在当前的智能驾驶时代，技术本身的演进也是从过去的一些传统技术，比如说机械技术、燃料技术、生产制造技术慢慢演进到人工智能技术、大数据技术、核心芯片技术，到无人驾驶时代，我相信运营会变成非常重要的一个环节。到无人驾驶真正实现的时候，它将和现在的驾驶行为完全不一样，那将会是一个有序的驾驶行为。我们知道交通实际上是两个重要的任务：一个任务是安全送达，另外一个是高效送达。运营管理在无人驾驶时代会将变得越来越重要。

在现在这个阶段，汽车内部的电子架构发生了非常大的变化，这个变化是人工智能技术发展本身的需求。我的理解是这样的，过去汽车内部有很多ECU，各种各样的功能模块组合在一起，可能有上百个、几十个。但是在自动驾驶或者人工智能、智能驾驶时代，传感器变得越来越多，刚才前面有嘉宾分享各种不同车厂推出的不同的智能驾驶汽车，摄像头有十几个，毫米波雷达有几个，超声波雷达有十几个，还需要连接云上的信息，需要连接车路协同的信息，需要协同GPS、IMU还有自身车身的信息，这些信息都是互相融合、互相联系的。除了这些传感器本身需要有非常强大的计算能力，同时汽车也需要有能力将这些信息放在一起综合考虑。所以过去ECU的架构就慢慢演进为域控制器的架构了，这样就可以把各类采集到的信息综合考虑。在未来，我们相信这些域控制器会变成一个真正的车载的中央大脑，帮助汽车成为有强大计算能力和行为能力的智能终端。

在讨论各个级别自动驾驶的时候，行业本身对它们的计算能力有一些基本的分析，比如说L2级别的计算能力，大家认为需要10 TOPS的计算能力，到L3的时候需要上百TOPS，到L3+L4需要上千TOPS计算能力，这些计算能力怎么得来的？实际上就是根据车内传感器还有各种设备需要分析汽车采集到的哪些数据，由这些数据量综合推算出来的。而这实际上已经在产业界达成共识了。像蔚来、上汽前不久就公布搭载有上千TOPS的算力的新车型，这个就是基于他们对L4、L5级别自动驾驶的理解。

当然现在的自动驾驶是处在L3这个阶段，所以我们可以看到现在市场上主要的芯片提供商或者是域控制器的提供商都是提供大概100T算力的产品。比如特斯拉的FSD具有144T算力，华为MDC我看到最近宣布他们大概是160T算力，英伟达也是提供了几个不一样的计算能力的平台，其中涵盖不同的领域，从L2到L4，面向L4提供的产品达到1000-2000T，面向L3也是提供100T算力的控制器。我们黑芝麻智能提供的平台是FAD全自动驾驶计算平台，算力大概也是160T算力。

另外有研究机构发布报告，预计到2025年中国的智能驾驶车的产量大概会有两千万辆，其中L2+/L3的车型会超过一半。这些信息指导我们，需要去做什么样的一些底层技术的准备。最近在行业上面有一个和传统汽车非常不一样的趋势，就是“软件定义汽车”。得益于两种方式，一种是技术的发展，过去车的这些硬件或者车的芯片，其实它们的技术不如消费产品的技术发展得那么快。比如说以前的车载芯片28纳米制程就算是很先进的，一般都是40纳米、45纳米甚至是60纳米这样的一个制程。但是在消费产品里边，7纳米、5纳米非常常见。人工智能的发展促进最新制程技术被快速应用到汽车上面来，同时产生了一个新的商业模式，就是软件定义汽车。特斯拉推出订阅模式，前期预埋高性能硬件，让软件通过在线升级的方式，实现汽车功能的增加和性能的提升。当然这些需要有底层硬件的支撑，来提供足够算力和冗余。

所以说，在底层的硬件需要有什么样的功能？第一，要满足硬件的架构；另外需要满足软件升级，为各种智能升级提供足够的计算能力。这样，芯片就成为了下一代智能汽车电子架构的核心。另外，车路协同也是需要新有强大的计算能力。

因此，抓住了这个核心芯片的发展，就抓住了智能汽车产业链的核心，也就能抓住智能汽车的发展。这是我们的理解。

既然智能芯片这么重要，那到底我们需要哪些技术才可以做好这一块。

汽车的芯片是非常复杂的，甚至比现在最先进的手机芯片都要复杂得多。第一，它有非常多的传感器，比如说摄像头。我们现在最复杂的手机大概5、6个摄像头，但是汽车上面基本上8个摄像头是必须的，更多的会配备13个、17个摄像头，而且都是高清摄像头，这需要芯片有强大的计算能力。另外还有一个比如说雷达，这个也是有很多路，5路、3路等等。超声波传感器也是非常多，很多车配备了12个超声波摄像头，以及其它各种各样的数据采集设备。处理这些数据需要非常大的计算能力。传统的思路认为可以把多个芯片简单地堆积放在一起，但这实际上是行不通的。为什么呢？因为这么大的信息量，而且是来自不同的设备，以不同的形式和格式传输，处理这些数据并不能只是做一个线性的算力叠加，而是需要对整个芯片的架构进行做不同的设计。

车载摄像头和手机摄像头也是不一样的，车载摄像头是高动态，现在最多可以做到一个摄像头有4个曝光，比如800万像素的摄像头乘上4个曝光，就是32G，再乘10个摄像头，就是320G这么大的数据量，同时速度也是需要非常高速。以前一般是30帧，高速运行的情况下30帧可能都不能满足要求，那需要更高速。所以数据量非常大，接口也是高速接口。一般做系统的公司，接口的IP不会自己设计，都会去购买licnese，有高速的接口、低速的接口。这些大量的IP需要非常有经验的团队去做，中国现在半导体行业非常热，因为各种各样的原因。但是有一个很大的问题就是真正做过这种复杂芯片的人才是非常少的，因为一直以来在中国做复杂芯片的公司本身也不是太多，也就很难培养经历过整个芯片的产品研发和产业周期的人才。

车载芯片拥有这么强大的计算能力，现在我们看到的能够支持L3自动驾驶的芯片的计算能力实际上已经远超过英特尔最高级的服务器的计算能力。服务器的功耗非常大，大家都看到巨大的风扇，这也是早期大家在做自动驾驶车时候，后面带着非常大的风机，功耗很高，但这根本不可能量产。

那么如何降低功耗呢？这就需要非常先进的制程和先进的架构，才能把功耗做低。清华微电子所的前所长提出一个要求：希望把车载芯片的性能功耗比做到超过10 TOPS/W，我们公司用16纳米制程工艺做到超过5 TOPS/W，我们下一代芯片应该可以达成这个目标，做到10TOPS/W。

封装工艺是要非常先进的，因为车规的芯片和普通的芯片不一样，它要求芯片能在100度以上的高温以及零下40度的低温环境下，都能稳定工作，这需要十分可靠的封装技术。所以芯片的封装、制程、本身的架构设计还有集成大量的IP都十分关键。另外，目前手机的操作系统，现在大家看到有两类，一类是iOS，另外一类是安卓，这是单纯的操作系统。但是车载操作系统不一样的，比如中控会有各种各样的应用，在这种情况下可能很多是基于linux这样的操作系统开发的；同时车也是快速运动，实时性要求非常之高，所以仪表部分的展示必须要基于更安全的实时操作系统。并且，汽车内部各个功能和屏幕之间的有互动还有安全的要求，所以汽车的软件系统非常复杂。

我们理解做芯片、软件、算法，很多人很纠结，早期PC时代基本上芯片是英特尔做的，软件是微软做的，微软自己做不出芯片，从来没有做软件的人来做芯片。后来谷歌做云上面的计算，发现确实对计算需求非常大，所以他们自己做了一个TPU，但是现在主流的还是用的英伟达的GPU来做训练。智能手机时代，谷歌做的是安卓操作系统，但是芯片也是高通做的。为什么会产生这种现象？实际上就是大家对底层技术和上层应用的理解和是完全不一样的，底层芯片实际上是要去抽象出一个共性的东西，把它做到极致，要去满足长时间的需求。因为芯片周期太长了，不像软件，软件可以很快迭代，硬件是做不到的。这么高性能的一个硬件，都是以年为计算单位来迭代的，所以两边的思维是不一样的。做软件的基本上不可能把一个功能直接映射到硬件上面来，这个我给大家分享一下，做芯片和做软件是不太一样的。

我后面简单介绍一下黑芝麻智能。我们是2016年成立的，在2018年时候我们和博世签了一个战略合作协议，从那时候开始我们就在汽车上面有非常深入的合资，包括和刚才发言的博世的陈黎明博士，包括和博世德国团队都有非常深入的合作。后来我们在2019年发布了第一颗芯片，2016年成立到2019年三年时间做了一个芯片，我们和很多现在做芯片的公司不一样，现在很多做芯片的公司一年两年就出一个芯片，但是我们理解芯片实际上应该是非常重要的核心技术，尤其在中国现在提倡核心技术的自主可控的背景下，我们刚开始是花了两年时间打磨芯片的核心IP技术，后面我会介绍一下我们开发了哪些核心IP技术。我们花三年时间出了第一个芯片，同年和一汽签订了战略合作协议。2020年时候，实际上过了八个月，基于我们的核心IP技术，推出了第二款芯片——华山二号，这个芯片是针对L3、L4自动驾驶级别的芯片，2020年7月份我们获得了ISO26262的认证，同时9月份我们推出FAD全自动驾驶计算平台，这个是和特斯拉FSD对标的域控制器。2020年最后一天，我们和一汽联合发布了芯算一体的自动驾驶平台。

黑芝麻智能的定位是赋能行业，我们是做底层技术的，我们希望基于我们的底层计算平台打造一个开放的生态，所以我们从底层硬件开始，所有的都可以开放给我们的合作伙伴，同时我们当然也会提供一些上层的软件算法，比如说感知算法。我们也会提供参考的自动驾驶平台——FAD全自动驾驶计算平台。基于我自己本身的经验，我做传感器做了20多年，曾经就职于全球最大的传感器公司，从它不到10个人的时候加入，许多最先进的技术都是我带领团队开发的。我发现在汽车行业对传感器领域有一个痛点，大家在调试、选型还有对光学硬件的选择非常之困难，这个是我可以提供帮助的。

所以从传感器，特别是图像、摄像头这方面我们可以给我们的客户或者合作伙伴提供非常多的帮助。   

刚才提到核心IP技术，我们理解这个智能汽车实际上很重要很重要的一个东西是视觉，我们对视觉的理解是看得清、看得远才能看得懂。第一个，你要看得清楚，视觉上图像处理和刚才提到的手机是非常不一样的。车上面是高动态的，要低光的，而且是运动的，手机很多拍照静态的，它可以用到这种传统的多帧降噪的技术，但是在汽车上是不行的，车是高速运动的。所以我们一开始就开发车规级的图像处理IP技术，这个我们应该是全球唯一一家。

另外一个核心IP技术就是神经网络技术。大算力芯片的神经网络和普通的小算力的是完全不一样的。我们当前做到40T的这样的一个计算能力，非常高效，但我们的功耗只有几瓦。

这是我们芯片的规格，这是我们的FAD全自动驾驶计算平台，从最底层硬件到操作系统层、中间层、应用层，同时和云上面的互联都可以支持。

这是和英伟达Xavier对比，他们在31瓦做到656帧，我们是7.43瓦做到782帧，性能远超过英伟达的，英伟达的算力是30T，我们是40T，他的功耗30多瓦，我们只有7点几瓦。

汽车的安全是非常重要的，我们一开始从团队到过程，到所有的产品都得到车规级认证。

业界朋友都提到的工具，我们要融入这个生态，现在人工智能、神经网络，像Tensorflow等等各种各样的架构我们都支持。这是黑芝麻智能的产品路线图，刚才华为的嘉宾有提到，我们的理解是一样的，产业上面不是看你一件东西，是看你一系列的东西。我们对产品有非常好的规划，同时作为一家在汽车行业比较年轻的公司，我们认为要进入一个蓝海市场，这也是为什么我们会把芯片定位在L2+/L3级别的市场，我们现在感觉到很幸运，我们的产品周期正好在这里。我们下一代芯片产品算力会超过200T。现在的阶段我们也很自豪，现在基本上在国际上能够提供这个规格的芯片的只有我们和英伟达。

当然，开放生态需要有很多的合作伙伴，我就不一一提了，很高兴再说一次，我们在2020年12月31号和一汽联合发布了芯算一体的计算平台，这个平台是基于我们的华山二号芯片。

我们认为大算力芯片非常重要，当然成本很重要，我们不是做一个通用的GPU，而是基于专用架构，优化成本。另外软件定义汽车，硬件预埋需要非常高性能的计算芯片和计算平台的。当然我们理解核心IP实际上是真正的让我们的产品能满足市场要求的一个非常重要的角色。另外一个就是工具链和车规级安全、车规级可靠性，这是我们必须坚持的，黑芝麻智能希望推动这个产业，帮助我们的合作伙伴实现产品尽快商用落地。

谢谢大家！

敬请关注“2021中国电动汽车百人会论坛”直播专题：https://auto.gasgoo.com/NewsTopic/299.html

（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）