放眼当今全球汽车行业的发展态势，智能化俨然成为了最为重要的行业标签之一。而为了能够在行业内占据有利区位，智能化自动驾驶领域的竞争日趋白热化，造车新势力、传统主机厂、智能零部件供应商等在各自的赛道上努力探索。整车、芯片、传感器、算法等持续进化，不过在这一些列的分项中，很显然现阶段芯片才是最核心，也最令人关注的一点。

与绝大多数产品一样，芯片的发展也是在需求的驱使下完成，从1970年开始，芯片、计算设备层出不穷，也造就了经典的PC时代。由于人们对性能的不断追求，单个芯片上的晶体管数量呈指数级增长。而单个线程的性能，在2010年左右逐渐放缓。因为物理条件的限制，频率也不再增长，随着工艺制程的变化，整个芯片的功耗也处于停滞的状态。与此同时，单个芯片里的逻辑处理器核心变得很多，这会导致我们在追求非常高延迟增强时，由于单线程的性能没有大的变化，使得我们无法通过单线程的通用处理器达到很好的效果，只能把代码做并行，或引入异构加速器来实现性能优化。

以地平线机器人为例，在地平线机器人的芯片架构设计中，包括Testing Benchmark的选取，面向的都是未来重要场景里的关键算法，而且一定要在产品驱动里做架构迭代，要看产品里模型的泛化性怎样，模型实际应用起来运行的如何，它对哪些目标能够识别的很好，哪些还有问题，把这些点在产品层面尽量挖掘出来，然后在产品驱动敏捷架构迭代和未来重要场景关键算法两个层面的结合下形成Testing Benchmark。

当然，以上的各个环节需要的是强有力的技术力量作为支撑。对此，地平线机器人高级研发总监凌坤先生在主题为《好的自动驾驶AI芯片更是“好用”的芯片》的公开课上也谈到了这一点。他指出：“地平线有很多世界领先的专家团队，他们结合过去几十年在计算架构、软件、硬件、芯片和算法方面的积累，预判在AI计算层面还有哪些工作可以做相关的优化和创新。这里首先看重效能，并要兼顾灵活，具体会从芯片架构、算法和编译器三个角度来做，而且这三个方面会有很多交叉领域的思维碰撞及工程实践迭代。例如当我们看指令集时，不仅仅是看RISC-V指令集，而是看在编译器眼中张量计算到底是什么。在这种情况下，我们应该怎么样做指令集，弹性张量核、片上存储、可编程流处理架构等这方面有哪些思维碰撞，通过这些方面的具体的技术点来给大家一个大概的感觉，即软硬结合和软硬解耦在什么样情况下可以找到平衡。”

当然，好的芯片其产品内容和实际应用场景肯定是更趋于多元和全面，因此，不同的芯片制造企业不但需要加大研发力度，更应该不断拓宽产研思路，形成良好的产品平台。诚如凌坤先生所说的那样：“结合地平线的实践，我们正在做一个更好用的、世界一流的人工智能计算平台，它的目标是让开发者更好在上面开发基于AI的产品。包括旭日和征程芯片，芯片架构、编译器、SoC、AI算法、深度学习框架的技术交融，软硬协同优化，通过BPU微架构、版图、时序、片上网络、指令架构、运行调度、通信、功耗等方面提升性能和可靠性，流片验证，把它用在机器上，让机器像人一样可以看懂、听懂周围的世界”。

可以预见的是，未来，随着芯片产业与相关行业的发展融合度越来越高，其研发水平将得到进一步提升，更多应用场景将得以解锁，而以地平线机器人为代表的芯片企业势必会由此得到更为广阔的发展空间，这对于推动国产芯片产品扎实的国际竞争力是有着绝对积极的意义的。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005