應用

技術

物聯網世界 >> 物聯網新聞 >> 物聯網熱點新聞
企業注冊個人注冊登錄

華為自動駕駛的打法

2019-10-09 09:30 建約車評

導讀:9月18-19日,在華為2019全聯接大會上,華為智能汽車解決方案BU首次系統性地闡述了其智能駕駛業務。

在技術路徑上,華為的智能駕駛既非從L2向L4演進,也不是L2與L4并行,而是“配置可裁剪的L4”。即先聚焦L4,再用L4的能力反哺L2,L2.5,L3,某種意義上就是“升維思考,降維打擊”。

依托自身強大的底層研究能力和復雜系統集成能力,華為也踏入智能駕駛領域,提供可剪裁智能計算平臺和L4級全棧式解決方案,讓企業專注自己的專業領域,縮短自動駕駛汽車推出周期,華為成為繼地平線之后又一家有希望打破英偉達和Mobileye芯片壟斷的本土自動駕駛供應商。

9月18-19日,在華為2019全聯接大會上,華為智能汽車解決方案BU首次系統性地闡述了其智能駕駛業務。

簡單地說,華為推出L4級全棧智能駕駛解決方案和MDC計算平臺兩個產品。這兩者都是基于自研的AI芯片、CPU和操作系統,其中,前者展現了華為對復雜系統的強大集成能力,而后者則在商業模式上對產業界開放,歡迎廣大產業鏈上下游合作伙伴參與。

在技術路徑上,華為的智能駕駛既非從L2向L4演進,也不是L2與L4并行,而是“配置可裁剪的L4”。即先聚焦L4,再用L4的能力反哺L2,L2.5,L3,某種意義上就是“升維思考,降維打擊”。

在去年10月份的全聯接大會上,華為發布了AI芯片昇騰310及面向L4級智能駕駛的計算平臺MDC 600。基于12nm制程的昇騰310可以8W的功耗達到16 TOPS 的算力。

而據此次全聯接大會上公布的內容,目前,華為可提供MDC智能駕駛計算平臺和L4全棧解決方案兩種方案(以前者為主)。其跟奧迪合作的L4級自動駕駛車隊上便搭載了華為L4級全棧智能駕駛解決方案。

當前,華為跟奧迪合作的測試車隊規模已達數十輛。

除奧迪外,一汽、沃爾沃(乘用車)、東風、蘇州金龍、山東浩睿智能、新石器等公司都已跟華為在自動駕駛方面展開合作。

在全聯接大會期間,華為副董事長胡厚崑等多位高管在演講中都提到“華為不是芯片公司,我們不賣芯片”。

具體到智能駕駛業務上,華為并不直接向車企或自動駕駛公司出售芯片,而是提供包括AI芯片、操作系統、算法、支持服務框架、設備管理、開發工具鏈、信息安全、功能安全在內的MDC智能駕駛計算平臺。

自動駕駛域控制器的構建很復雜。倘若華為只向用戶提供芯片,則用戶拿回去之后還要再找人開發操作系統、算法,并對系統的適配性、耦合性做各種測試,這會是一個十分漫長的過程。

并且,用戶自己開發的操作系統和算法,也未必能使芯片的算力最大程度地發揮出來。因此,華為提供的是一個工程化程度最高的開放平臺。

MDC平臺秉承開放的、平臺化的理念,將跟產業鏈伙伴和商業合作伙伴一起來探索標準、推廣標準、實踐標準,并為開發者提供一系列標準化的傳感器接口、線控接口,并支持和兼容AUTOSAR\ROS,同時,還提供一套功能完整的開發工具鏈。

因此,車企和自動駕駛公司可在上面開發符合自身需求的自動駕駛應用,或整合來自Tier X們的的應用軟件。

有了工程化程度最高的MDC開放平臺,車企便只需聚焦于整車技術及決策、規劃、控制算法插件,再做一些可提供差異化競爭力的功能軟件,其他與自動駕駛相關部分可都交給華為。

Tier 1則可聚焦于傳感器、線控等關鍵技術,而自動駕駛初創公司則可聚焦于算法。

這意味著,車企、Tier 1及自動駕駛初創公司們參與自動駕駛產業的進程將被大大簡化、推出自動駕駛汽車的周期會縮短。

前段時間,華為被曝出正在申請高精地圖采集資質,當時,便有不少人猜測,華為將成為四維、高德等圖商的競爭對手。此外,還有傳言說華為正打算做激光雷達。

那么,華為在智能駕駛領域的邊界到底在哪里,會不會“什么都做”?

在這次大會上,《建約車評》向華為方面確認后得到的答復是:華為申請圖商資質,只是為了方便測繪供測試使用的高精地圖。將來量產版的高精地圖,華為是向圖商購買基礎數據,然后再利用華為的AI能力加工。

華為的人工成本很高,去采集底圖的性價比不高。況且,人家已經有現成的了,我為什么要親自去采集?

9月17日,在四維圖新召開的用戶年度大會上,有華為的管理人員去發表了演講;而在9月18日下午華為智能汽車分論壇上,四維圖新CEO程鵬也到場發表了演講。此外,四維圖新還是華為云的用戶。兩家公司確為合作關系而非競爭對手。

至于激光雷達,華為研究激光雷達確有其事,并且,鑒于華為在光通信領域和微波通信領域的積累,做激光雷達和毫米波雷達并沒有多少技術壁壘,但這并不意味著華為就要親自去做這些東西。

其實,華為研究激光雷達,主要是為了驗證,比如,激光雷達增加多少個,對算力增加的要求是多少、應該怎么去適配等。

華為認為,只有對傳感器也有深刻理解,才能提出系統性的解決方案,并將上中下游打通,進而通過大量的路測數據來進行循環和迭代,再推動芯片技術的快速成熟。

此外,只有將上下游打通,才能建立起對行業的深度認知,才能具備整合能力,才會知道該怎么跟別人合作。

進入2019年以后,自動駕駛產業有一個明顯的變化是:兩大芯片巨頭英偉達和Mobileye提L4的頻率比以前少了,而曾在2017年喊出2019-2020年間L3量產的一眾主機廠們也開始集體沉默了。

反倒是,聲量一直不大的L2開始受到重視。今年,寶馬、豐田等國際車企紛紛推出了L2級量產車,蔚來、小鵬、車和家等中國的造車新勢力們也紛紛實現L2的量產。2019年,被認為是L2量產的元年。

那么,今后幾年,華為在自動駕駛板塊的重點會是L4還是L2?

實際上,華為內部,并不認可L4、L3、L2這樣的劃分。

在9月18日的演講中,華為智能汽車解決方案BU總裁王軍說:

“主流對自動駕駛技術等級從L0到L5的劃分,是僅根據人為操作的參與程度來定義自動化的等級,這并不太準確。因為,相同的硬件和算法,面對不同場景所能達到的自動駕駛等級有較大差異。

傳統的自動駕駛分級只是對技術實現的評估,而不是針對特定場景的評估。但用戶更關注的是適合場景帶來的體驗提升、效率提升及成本降低,而不是糾結技術概念。因此,對自動駕駛等級不區分場景,就不能有效反應用戶在特定場景下的體驗。”

所以,在華為看來,自動駕駛落地的階段,按應用場景劃分要比按從L0到L5的技術等級劃分更合適。

比如,業界可以探索這樣一種自動駕駛落地發展路徑:

1.jpg

當然,這一劃分并非華為首次提出。2017年以來,地平線戰略副總裁李星宇也曾在多個場合強調“自動駕駛按技術等級劃分,不如按應用場景劃分”。

業界通過調研發現,在中國,城區行駛和泊車占用戶用車時間的96%,因此,城際快速的點到點,核心城區的擁堵情跟隨,加塞,紅綠識別,市區的點到點,小區及停車場的自動泊車,成為華為最先要解決的場景。

這些,也是最能體現智能駕駛價值的關鍵場景。

下一步,就是識別有危險的結構化道路,如上下匝道、U型掉頭;還有危險障礙物,如多種交通參與者。

從華為智能汽車解決方案的展臺上了解到,華為目前主推的智能駕駛計算平臺并不是在去年最早亮相的MDC 600,而是硬件配置做了適當“減配”、當然也更有利于快速商用的MDC 300。

為什么會發生這個變化?這就牽扯到一個概念“系統架構可伸縮”。

MDC 600是為L4級自動駕駛準備的,但現階段,多數主機廠都將自動駕駛的重心放在一些更容易落地的場景如封閉園區等。

場景簡單了,則自動駕駛系統的算力、傳感器數等可適當“減配”。當然,減配后的方案,完全可支持新的應用場景。

因此,既不同于車企及Tier 1們通常從L2向L4演進的做法,也不同于一些科技公司L2與L4并行的做法,華為的設計理念是“以終為始”,即從一開始就針對最復雜的場景、使用最強的算力,以L4架構為設計框架;同時,又考慮到對L3和L2的支持,做一些功能上的“裁剪”。

比如,某高算力的MDC硬件平臺可支持限定場景下的自動駕駛,在增加算力和激光雷達后便可支持全場景的自動駕駛,而在減配算力和激光雷達后,也完全能夠支持輔助駕駛。

2.png

簡而言之,“以終為始”及“系統架構可伸縮”的實質就是:配置可裁剪的L4能力。即在設計產品的時候,滿足所有需求,但在具體推出產品的時候,客戶可根據實際需求“勾選”某幾項必須具備的功能。

這種可伸縮架構的好處是顯而易見的:可用一套系統去應對多種難度不同的應用場景。對用戶來說,則意味著增加了選擇的多樣性。

在過去一年多時間里,國內自動駕駛行業“寒冬來了”的悲鳴不絕于耳。華為這次闡釋的智能駕駛打法,算是這個“蕭條的季節里”最大的喜訊。

汽車產業自進入自動駕駛時代以來,原有的汽車芯片制造商NXP、英飛凌及瑞薩等都表現得力不從心,因為他們的芯片算力不足,只能滿足ADAS的需求。現在,自動駕駛芯片基本都掌握在Mobileye和英偉達的手里,除特斯拉已可自力更生外,其他所有的自動駕駛公司,都高度依賴這兩家公司的芯片。

曾經一度,中國初創公司地平線被業界認為是唯一有機會打破Mobileye和英偉達的芯片壟斷的本土自動駕駛芯片廠商。但以去年10月份華為發布昇騰310及MDC 600為標志,這個領域又“冒出”了一個實力派玩家。

華為在2004年成立海思,進軍半導體領域,其智能駕駛芯片,便建立在海思過去十多年來的積累之上,而其對復雜系統的集成能力,更是建立在華為過去三十多年來在ICT領域的深厚積累的基礎之上。

英偉達的GPU是通用芯片,雖然算力高,但功耗也高,這讓廣大用戶頭疼不已。針對這一痛點,地平線、華為等公司則從一開始就發力ASIC芯片,以求實現算力和功耗的平衡。

比如,英偉達的Xavier 算力為30 TOPS,但功耗也高達30W,能效為1 TOPS/W,相比之下,華為昇騰310 算力為16 TOPS,功耗卻僅為8W,能效為2 TOPS/W。

而與同為ASIC 芯片的Mobileye EyeQ 4(算力為2.5 TOPS,功耗為3W,能效0.83 TOPS/W)相比,華為昇騰 310的優勢也格外明顯。

華為還有一項英偉達和Mobileye所不具備的優勢:云計算能力。

華為云是國內云計算市場排名Top 5的玩家,并且,據咨詢機構IDC在今年8月初發布的《2019年Q1中國公有云服務市場跟蹤報告》,從IaaS+PaaS整體市場份額來看,今年第一季度,華為云營收增長超過300%,華為云PaaS市場份額增速接近700%,在Top5廠商增速排名第一。

基于云計算能力,華為可實現端云協同,提供訓練、仿真、數據標注、OTA等全套云端解決方案。

從當前的競爭格局看,華為可能是最有希望打破英偉達和Mobileye的芯片壟斷的本土自動駕駛供應商。

而如果算法積累深厚的百度能跟華為這樣芯片和操作系統能力強大的本土公司合作,可能會從根本上提升中國自動駕駛產業的整體競爭力,甚至是重塑全球自動駕駛產業的整體競爭格局。

截至今年7月,百度L4級別自動駕駛城市道路測試里程已經突破200萬公里,而測試車輛的數量也達到300輛了,今后路測數據積累及算法進步的速度將加快。

除此之外,百度Apollo生態的合作伙伴已超過150家, 其中,廣大車企、廣大自動駕駛初創公司、甚至Tier 1都對更強算力、更低功耗的自動駕駛芯片有著強烈需求。

前面已經提到,與華為的昇騰310相比,英偉達的Xavier功耗太高,而Mobileye的EyeQ 4則算力不足,兩者的能效都太低。倘若百度及Apollo成員在產品設計環節便采用低功耗、強算力的昇騰310,則他們可站在更高的起點上。

對AI芯片來說,其所能實現的功能,由算法來定義。而算法和芯片的高度協同,不僅可使芯片的算力最大程度地發揮出來,也可使算法的實現效果最優。因此,從一開始就選對自動駕駛芯片,也可少走不少彎路、節省不少時間。

此外,當前,英偉達、Mobileye都會向客戶收一筆巨額的開發費用,很多中小客戶無力承受。此前,為了爭取更多的合作伙伴,中國自動駕駛初創公司地平線在策略上更開放更靈活、更注重服務質量和性價比。

那么,華為作為這個領域的新晉玩家,會收這筆費用嗎?如果收,會收多少?想必,這是一個廣大客戶及開發者都極為關心的問題。

目前,尚未看到來自華為官方的信息。不過,我們可以嘗試著做一些推測:

與英偉達和Mobileye是靠賣芯片賺取利潤不同的是,華為已反復強調“我們不是芯片公司,不賣芯片”。華為提供的是一個完整的系統產品或方案,并且,還要打造一個開放的生態,在這個開放的生態中,必然會有大量的中小開發者,而這些開發者,可能是無力承擔昂貴的開發費用的。

在2016年的首屆華為全聯接大會上,時任華為副董事長、輪值CEO郭平在主題演講中提到一句“做大整個產業,比做大華為自己更重要”,筆者至今仍對這句話記憶猶新。實際上,“做大整個產業,比做大華為自己更重要”,已成為華為在打造產業生態時所奉行的價值觀。

因此,筆者猜測,華為在接下來的商業策略,也必然是有利于調動廣大開發者的積極性的。后者的積極性起來了,則應用開發、算法開發及技術驗證及演進的進程便會加快,因而,自動駕駛的落地進程也會加快。


微信送彩票