《高度灵活的L4计算平台》的主题演讲

2018年6月21-22日，由布谷鸟科技、佐智汽车主办，艾拉比智能、ADI亚德诺半导体、索喜科技赞助支持的“2018第二届智能座舱与智能驾驶峰会”在深圳福田区绿景锦江酒店举办。深圳布谷鸟科技有限公司的副总裁戴智翔在会上做了《高度灵活的L4计算平台》的主题演讲。

布谷鸟科技 戴智翔

主持人：感谢大家参加布谷鸟2018第二届智能座舱与智能驾驶峰会。今天是智能驾驶专场，上午有8位演讲嘉宾给我们带来精彩的演讲。第一位是来自深圳布谷鸟科技有限公司的副总裁戴智翔戴总。他是布谷鸟智能驾驶事业部的总经理、高级工程师，深圳市科技创新奖获得者，曾获得十多项国家发明专利，拥有北京大学MBA学位，在管理和技术上都有很丰富的经验。

戴智翔：大家上午好！今天分享的主题是“高度灵活的L4计算平台”。布谷鸟始终聚焦在汽车计算平台的研发和量产上，今天的演讲重点智能驾驶计算平台。

布谷鸟智能驾驶产品有两种：一是L2计算平台，到2018年12月份就能达到SOP的水平；二是L4计算平台在快速演进，架构还有样机基本成型。我们为什么说L2和L4，没提及L3？L3属于中间状态，在今天的报告中将和大家一起分享我们对L3的思考。

SAE对智能驾驶的分级，重点关注L3和L4，它们最大的区别是在整个系统失效的情况下，谁接手自动驾驶？比如在高速上，自动驾驶失控，怎么办？L3的责任是驾驶员，到L4就意味着需要系统来接管。这意味着备份很重要，L3在有异常情况发生的时候，人接手比较困难，危险常常就是一瞬间的事情。这是今年上半年Uber自动驾驶的视频，我们可以看到当时的情况。

UBER事故，从外部和内部两个视角看，外部出现事故时间非常短，基本上就是四五秒的时间。Uber有专门的测试员在驾驶座位上，系安全带，但事故发生是瞬间的事。人类从事故发生，到反应过来，并刹住车可能需要十几秒，这种情况下驾驶员无法阻止事故的发生。所以L3面对紧急事故时，人类无法在短时间里接手自动驾驶系统。实际上对人来说，L3比L2更累，大家清楚L2只是辅助驾驶，在个别维度辅助人，到了L3级别，对人类双手、双脚解放的程度很高，然而对人的注意力解放程度并没有减弱。

2017年8月份，在美国的CES上，奥迪发布了A8，号称第一款L3量产的车型。A8的L3智能驾驶的条件限制非常多，实现其功能基本上不可能，比如说要求路边的实线清晰度高，清晰的护栏，同时左右车道分开，甚至要求在行驶的路上没有行人，在中国基本不存在这样的环境。所以新奥迪A8没有在中国推广。

L2更多的聚焦功能，L3更多聚焦到场景。现在不少的厂商就智能驾驶究竟从哪个级别开始商业化都在探讨。我们认为封闭路段应该是最可能的，然后逐步实现城市路段、无标识的农村路段等。先实现四五个标准场景，前期在标准场景和封闭园区做自动驾驶L4的切入。

AutoWheel是布谷鸟智能驾驶的商标。我们更多的按照行业大势往前走，计算平台硬件、软件以ISO26262功能安全为核心设计原则，算法和软件后期可迭代开发。整个公司以量产为核心目标，前期阶段帮客户搭样车。

下面是无人驾驶的典型框架，左边是传感器的部分，包括GPS、雷达等，下面是远程的车联网部分，右边有感知，包括动态和静态感知，以及决策执行。我们的硬件计算平台涵盖这四部分。我们认为，只有功能强大的基础硬件，未来的软件升级和功能迭代才能在硬件平台上快速演进。

算法效率依托的是CPU或者基础计算平台，当前的集成电路设计都是IP和搭积木的方式，从描述行为基本上分为三类：软核、固核和硬核。软核灵活性高，但是它的总体效率比较差。同时IP软核以原代码提供，知识产权不受保护。

硬核的好处是响应速度非常快，但是灵活性欠缺，像我们专用的芯片一样，有它专门的方向。硬核的设计周期比较长，这个行业又在快速前进，行业当前很多采用异构的计算架构。

CPU、GPU、FPGA架构的对比

大家议论比较多的CPU、GPU、FPGA等，到底我们采用哪种架构？以英伟达为代表的GPU厂商，它的浮点运算比较强，前端部分用GPU比较多。FPGA的好处是非常灵活、高效率，决策和传感器融合用得较多，现在很多厂商都会用FPGA芯片。CPU是应用比较广泛的。

通用的CPU架构有70%的晶体管做存储，相对来说它的运算单元比较少，另外一块ALU是它的运算单元，相对来说占比有限。英特尔芯片制造厂商都是走多核路线。运算能力有限的情况下，要提高运算能力只能走多核，通过集成多个处理器内核提升处理性能。

CISC和RISC是两种微处理的架构，CISC结构的计算机数据线和指令线分时复用，RISC更多的采用数据和指令分离的方式。现在ARM架构更多采用RISC的方式，RISC的设计技术更适用于专用机，像家居、汽车里面ARM架构。

CISC计算机的指令系统丰富，有专用指令来完成特定的功能。更多适用于通用机，像家用的X86架构。现在X86体系表面接受CISC指令，实际上通过译码器转化为RISC，它的底层运行的都是RISC指令。ARM是当前做智能驾驶嵌入系统的主流，软核在运行ADAS系统时速度很慢。

MobileyeEyeQ4，用了4个MIPS，大CPU做主控和算法调度，以及一个MIPS，小CPU做外向控制，集成了10个向量处理器。整个居于饱和的设计，将系统集成在芯片里，当前国内大多数企业也是采用这种方式。效率不会特别高。

GPU是逻辑控制单元对应多个计算单元，同CPU一样也是执行指令、指令译码、在指令执行的过程中，计算单元才会发挥作用。相对来说它的逻辑控制单元比CPU简单，所以它整个算法本身的串行处理会导致GPU的浮点计算能力显著降低。

FPGA不采用指令和软件，是一个软硬集合的器件。灵活性强。FPGA通过硬件性的描述语言来实现逻辑电路的自编程，由于算法是定制的，相比CPU和GPU会省很多过程，使用周期执行比较快，整个计算效率高于CPU和GPU。

现在FPGA也有一个问题，它主要是做整数的运算，现在传感器、图像、视频更多以小数为主，这时候通常要用DSP的硬核来执行该运算，导致FPGA的成本非常高，而且现在的FPGA更多的融入了DSP、CPU。

L4级别自动驾驶的计算架构

下面是典型L4的计算架构，已经有不少的厂商采用该架构，它的核心采用英特尔的一个处理器加一个加速卡，同时做了上下部分的备份，中间通过以太网交换实现架构的提升。

以太网交换扮演两个作用：一是备份，当一套系统有异常，另外一套系统正常工作。当需要提高运算能力时，这两部分可以串行加在一起，提升运算能力，性能达到行业相当高的水平。

该架构的处理和决策系统的算法，感知系统完善、成熟，特点是成本非常高，以10万美金为等级的金额来推进，一般的厂商很难量产化。

英特尔采用典型L4的架构，Waymo，无论是视觉还是雷达，全部接入计算平台。对稳定性、可靠性做了不少的验证，有财力的企业采用英特尔至强的架构较多。百度一部分使用至强处理器加一个硬件加速卡，有时候也会用两块，根据不同的场景要求。

英伟达的PX2，从GPU到Parker-A，Parker-B，都是对称式设计。无论是采用至强还是英特尔，以太网交换这块，两个经典的架构都使用了相同设计。英伟达的整个方向，以GPU为核心，对点云的数据处理和决策关注比较少，通用的计算性能比较差。整个架构仅仅用了ASIL-D级MCU提升功能安全，而整体的功能安全水平没有提升。我们认为它更多的是偏初期的，离通常的量产还有一段路要走。

去年博世曾讲，博世聚焦在L1-L3，L4没有更多的消息发布出来。因为L2及以下更多是零配件业务，到L4以上更多是运营业务，对博世这类厂商来说是不是超出他的业务范畴，我们不得而知。

蔚来、宝马、小鹏都是采用Mobileye的路线，和博世走的路线不同。他们比较激进，更多关注GPU，我们看到传统的博世更关注计算和安全，本质上有区别的。Mobileye更多关注软件，对硬件和功能安全关注很少。它最新的EyeQ5方案，前面使用一颗EyeQ5芯片做视觉，后面做决策和执行，后面再用英特尔的产品，整个强调的都是计算，通过GPU+CPU实现整个架构，在安全方面没有做更多的考虑。

去年开始我们对瑞萨系列进行研发，它全球只有4块板，我们拿到其中一块，官方构建的设计用4块RCar H3，用以太网关交换来实现中间两块的交换。它是用HAD的处理芯片来做控制部分，这样的架构我们认为接近能够量产的，在功能安全和性能上，在行业里比较领先。RCar H3价格还没有出来，但是成本相对高昂，安全和图形处理，我们认为它达到了比较好的水平。

基于这种架构，所有的芯片都是ASIL-B以上的芯片，至少总体上达到了ASIL-B的水平。虽然软件会影响整体系统的稳定性，但是硬件架构具备这样的条件，在此基础上，向上通过软件不断完善，可以做好功能安全和视觉的灵活运算要求。

布谷鸟的Auto Wheel系统

基于RCar H3的布谷鸟Auto Wheel，以一套独立的L2系统替代了三套H3的系统，降低系统的成本和复杂度，提升可靠性。我们在前面用了一个博通BCM5316212口千兆以太网交换器为网关，高精度地图等都通过它接入，控制汽车行驶的是MPC5746，也支持AUTOSAR架构。

在这种架构里，视觉部分容易升级，在下面是MPC，里面跑AUTOSAR，对汽车安全控制不用过多担心，上面的视觉系统一旦出现异常，传感器也会进入到MPC里面来。哪怕在高速上出了故障也可以停到路边来， 这是L4和L3的最大区别。在系统失效的时候，不用人接手，至少能停到紧急停车带，显著降低事故的发生。

另外一个版本的思考，基于原有的架构，增加了双目摄像头，接入RCar H3，整个架构与前版本没有变化，加入双目后，对整个视觉系统有较大的提升。同时以博通BCM53162以太交换器为核心，随着时间推移， RCar H3运算能力不够强，我们通过AVAGO Pex 8724芯片接入GPU或者FPGA来做加速，这个硬件架构未来10年左右我们认为是符合未来需求的。

对于计算平台厂商来说，我们既得考虑现在，也要考虑未来的兼容性，系统不断升级，需要基本硬件的支撑。L4计算平台，通过这样的架构，我们认为实现了整体布局。对车厂来说是比较不错的架构，特别是对于关注量产的企业。

这是NXP汽车以太网骨干，和汽车行业的朋友聊到，说到现在很多厂商开始用以太网。

这张图清晰的表达了未来汽车电子架构，中间绿色的是以太交换，通过以太交换接入域控制器。布谷鸟关注两块，一是智能驾驶域，一是智能座舱域，中间通过以太网传输，它的速度会显著提升。

这是L4无人驾驶系统核心部件，TSN以太交换机，用英伟达PX2做EAVB交换机，连接两个Parker。我们没有过多的考虑L3，因为L4以下，对车厂来说，通过零部件减配，借L4的平台可以达到L3的水平，同时保留向上升级到 L4的能力。

以上就是我今天的演讲。感谢大家！