地平线“MAPS”法会成为AI芯片产业化的新标准吗

3月10日，由北京地平线机器人技术研发有限公司和南京芯驰半导体科技有限公司联合牵头发起，中国智能网联汽车产业创新联盟（CAICV）提出的《智能网联汽车视觉感知计算芯片技术要求和测试方法》CSAE标准已按《中国汽车工程学会标准（CSAE）制修订管理办法》有关规定通过立项审查，正式列入中国汽车工程学会 2021 年度标准研制计划（起草任务号：2021-15）。

在多项核心技术经过潜心研发和验证之后，2021年智能网联汽车产业加速进入量产落地阶段。近日全国“两会”期间，关于自动驾驶和智能网联汽车的建言也更加聚焦技术的落地。标准先行是智能网联汽车产业发展的共识，“两会”期间，围绕测试、验证、量产等各环节建立统一的技术标准成为重点关注话题。

随着汽车产业“缺芯”事件持续发酵，“两会”期间有四位来自车企的全国人大代表建言推动汽车芯片的产业化发展，包括标准的制定。其中，全国人大代表、奇瑞汽车股份有限公司党委书记、董事长尹同跃提出成立芯片创新发展平台，从标准、规范、人才、技术层面给予芯片行业、零部件行业与整车以支持。

我国汽车芯片产业的发展远远落后于国际水平，国产芯片市场占有率不足10%，车规级芯片对我国智能网联汽车的发展至关重要，地平线此次牵头立项的《智能网联汽车视觉感知计算芯片技术要求和测试方法》标准，顺应了汽车产业的智能化变革趋势。

视觉感知计算是汽车智能化的基石之一，当前智能网联汽车的视觉感知计算芯片技术发展非常快，相关的计算构架、感知算法、传感器方案也都有长足的进展，由此诞生出多种芯片产品和视觉感知解决方案，但如何衡量视觉感知计算的性能成为新的挑战。业界迫切需要制定统一的评测标准，来客观衡量行业参与者的产品性能，从而极大地减少下游厂商重复评测的工作，并加速行业优胜劣汰。标准对于行业发展的驱动力之大，在PC、通信行业的发展历史中也有明显体现。

针对这类视觉感知计算芯片（以下简称“芯片”）的AI性能评测方法，业界惯常使用的芯片评测标准有两种：一是峰值算力，但峰值算力只反映芯片理论上的最大计算能力，而非在实际AI应用场景中的处理能力，存在很大的局限性；二是目前行业较为知名的基准测试组织MLPerf，其采用的模型少且更新速度滞后于算法演进的速度，无法及时反映算法效率的提升以及各种精度下芯片能够达到的计算速度，因而无法描述芯片AI性能的全貌。

国内外多个行业组织机构都在推出相关的芯片AI性能评测标准，包括MLPerf，苏黎世理工学院的AI benchmark等等，这类评测的特点多数属于基准测试的范畴，效果依赖于模型的数量和更新速度。由于芯片算法演进速度远超硬件改进速度，致使评估芯片AI性能的方法与算法发展之间存在脱节的现象，智能网联汽车产业尚缺乏与时俱进、能够有效评估芯片AI性能的标准。

针对当前芯片性能评测存在的问题,地平线提出MAPS(Mean Accuracy-guaranteed Processing Speed,精度保持下平均帧率)评测方法,针对应用场景的特点,在精度有保障的前提下,包容所有与算法相关的选择,评估芯片对数据的平均处理速度,以此为业界提供一个评估芯片真实性能的全新视角。

MAPS评测方法

基于对智能网联汽车视觉感知场景应用的理解，地平线提出的MAPS评测方法有助于解决汽车视觉感知计算芯片性能评估方法缺失的现状。MAPS评测方法能够直观、量化视觉感知计算芯片的真实性能，提供清晰的评价结果，牵引面向真实场景的芯片性能优化方向，帮助业界更全面地了解每款芯片的视觉感知计算能力，找到最适宜的视觉感知落地方案。

在全国汽车标准化技术委员会、中国汽车工程学会、中国智能网联汽车产业创新联盟等标准化组织和行业协会的引领下，我国智能网联汽车关键标准加速迎来立项和推广，目前已经立项的标准覆盖车控操作系统、C-V2X车联网、智能网联汽车数据安全共享和场景数据采集等多个领域，为产业的大规模商业落地奠定基础。

地平线作为边缘AI芯片领导者，长期致力于AI芯片的软硬件研发和商业落地工作。此次立项的《智能网联汽车视觉感知计算芯片技术要求与测试方法》标准由地平线和芯驰科技牵头，联合国汽智控、华为、国汽智联、一汽、德赛西威、理想汽车、百度、中汽中心工程院、电子四院等行业优势单位共同制定，草案预计在年内发布，将为业界提供测试基准，极大推动汽车计算芯片在产业链下游的应用和发展。

除了此项标准之外，日前地平线牵头的另一项标准《辅助驾驶前向视觉感知性能测评方法及要求》也已正式立项，助力提升智能网联汽车辅助驾驶视觉感知的安全品质和协同创新效率。未来，地平线将持续与相关标准化组织、行业协会和产业链生态伙伴联手，合力推动汽车智能芯片产业链的自主可控以及智能网联汽车产业的发展。

fqj