在過去的幾年時間，汽車行業對于晶片的認知，已經不再是傳統二級（甚至是三級、四級）供應商的角色。由于去年開始的晶片短缺潮以及汽車智能化、電動化對于晶片需求的激增，汽車制造商如今是“談芯色變”。
對于一部分沒有足夠自研能力的車企來說，目前市面上可選擇的計算平台，大家的評判依據仍然是傳統的CPU、GPU算力，同時借助這些晶片廠商提供的底層軟體平台來進行系統開發。
實際上，從去年開始，一部分車企已經開始在域控制器層級（晶片的下一級供應鍊）尋求自研（生産環節委外代工，或者内部Tier1自建産線），同時車企與晶片公司之間的連接配接成為常态，這是對傳統供應鍊關系的一次關鍵重構。
智能汽車産業正在尋求建構一種開放協同的關系。在軟體定義汽車的時代，軟體的性能“天花闆”取決于晶片以及硬體能力的最大化利用。
“為了彌補硬體的局限性，您的軟體需要變得更好。但，再聰明的軟體也無法在舊硬體上正常發揮。”這是特斯拉CEO馬斯克的邏輯。
一、開放協同是未來
未來，智能汽車将成為比PC、智能手機更大的母生态，晶片和作業系統則是這個母生态的“數字底座”。而開放的“數字底座”，将是行業的大勢所趨。
這一點，已經得到全球主要汽車晶片供應商的一緻認同，而且也是後續競争客戶的“殺手锏”。甚至已有車企提出要自研或定制晶片，原因是特斯拉自主設計FSD晶片，已經在差異化上與通用晶片拉開距離。
在高工智能汽車研究院看來，定制SoC不意味着車企需要全部自研IP。事實上，ARM的開放授權模式在智能手機時代的成功，已經驗證了可行性：加速整個産業疊代速度、縮短疊代周期、降低研發成本。
作為全球率先基于自研BPU（Brain Processing Unit）實作汽車智能晶片前裝量産的地平線，也給出了自己的答案。在近日舉行的中國電動汽車百人會論壇上，地平線創始人兼首席科學家餘凱博士提出，在提供SoC級高性能汽車智能晶片的同時，地平線将進一步開放，嘗試向部分車企開放BPU IP授權。
晶片公司跟主機廠的合作模式大概分為幾種。一是“Mobileye模式”，晶片公司把晶片架構、晶片以及作業系統，還有智能駕駛的軟硬體系統，全部開發完，以黑盒的形式傳遞給整車廠；
二是“英偉達模式”，晶片公司提供晶片架構和SoC級别晶片以及作業系統，幫助車企完成自動駕駛軟硬體系統開發；
三是“TogetherOS模式”，晶片公司提供晶片架構和SoC級别晶片，整車廠采用作業系統開發自動駕駛軟硬體系統。
目前，地平線的開放模式為第二、三種，基于征程系列晶片和作業系統TogetherOS，賦能車企造車。在TogetherOS模式下，整車開發不光包括整個自動駕駛的應用軟體，也深入到作業系統的底層，能夠更高效地調用作業系統之下的各種資源。
基于晶片底層的開放合作，可以從理想汽車與地平線的合作案例得到驗證。
在理想汽車創始人李想看來：“在智能電動汽車時代，開發效率決定着一家企業的生死存亡。”而軟體定義汽車意味着汽車功能疊代周期大幅縮短，車企與具備算法能力的晶片企業緊密結合将是必然趨勢。
2021款理想ONE的NOA導航輔助駕駛研發周期和此前相比縮減了一半，在保證品質的前提下，滿足了智能汽車對産品疊代更新速度的要求。而地平線更為靈活的商業模式和更高效、更配合的協同研發，使得理想汽車可以在底層能力上與地平線高效配合，大幅縮短功能開發時間。
在餘凱博士看來，在創新的時代，速度極端重要，同時要開放協同，把中間的邊界打開。“我們和理想汽車的合作，七八個月的時間從項目啟動到量産，實際上也是創造了一個世界級的紀錄。”
結果就是，理想汽車打造了業界最強的AEB，以最快的時間自主開發全棧的NOA功能，以及實作世界上第一個基于800萬像素攝像頭的高等級輔助駕駛方案。
然而，這還不夠。
地平線計劃将開放踐行到底，支援車企自主研發自動駕駛晶片，并提出第四種“BPU授權模式”：向整車廠開放最核心的BPU IP授權，同時提供軟體工具包、晶片參考設計以及技術支援，助力部分車企開發自研晶片，提升差異化競争力，加快創新研發速度。
這意味着，整車核心系統的開發，從晶片到作業系統、到整個自動駕駛的軟硬體系統，實作高度協同，并實作完全的透明化。
對于汽車行業來說，智能汽車時代意味着使用者體驗的邏輯跟傳統燃油車時代完全不一樣。過去是面向供應鍊優化流程導向的形态，而未來更偏向于智能手機，汽車制造商需要持續領先，這就需要一個更加開放的創新生态。
餘凱博士認為，ARM是值得學習的榜樣，因其走出了和傳統晶片公司不一樣的路線，通過開放自己的晶片架構授權，縮短了疊代周期、降低了研發成本，推進了物聯網時代和智能手機時代全球産業的創新和進步。
正如Windows和Intel共同加速了PC時代的成熟發展，ARM和Android共同創造了智能手機時代的繁榮生态。如今，通過IP+SoC+OS，地平線希望能打造一個開源開放的創新生态，打造智能汽車時代的“Wintel”和“AA”。
二、從算力到能力
而在高工智能汽車研究院看來，開放協同的背後，要求的不僅僅是算力，而是能力，并且這種能力可以實作快速的、低成本的“移植”。
事實上，不管是智能座艙還是高階智能駕駛，從晶片到軟體再到資料驅動，仍然處于摸索階段。除了相對成熟的CPU、GPU、MCU等處理單元，大部分仍是采用ASIC或FPGA來做AI加速。
“三年内，負責AI高性能處理的IP，将徹底改變SoC的遊戲規則。”這是一些行業人士給出的判斷。
原因是，GPU隻能在一定規模的矩陣下實作高使用率。這意味着，GPU在理論上提供較高的AI計算吞吐量（通常稱為 “峰值吞吐量”），但在運作AI應用時，實際性能可能低得多。同時，傳統GPU架構的功耗限制了應用場景。
相比而言，FPGA可提供一種不同的AI優化的硬體方法，比如獨特的精細化空間可重構性。這意味着可以通過配置FPGA資源（比如，專門設計的軟核處理單元），以極為準确的順序執行精确的數學函數。但FPGA始終是過渡性産品方案，不僅僅成本，還有應用開發工具以及工程師的稀缺。
而在行業人士看來，對于自動駕駛系統來說，需要做的不僅僅包括圖像和視訊感覺，還包括語音、語義處理，以及決策、規劃等比較複雜比較高階的人工智能程式，同時也需要非常關注解決方案的性能、成本、功耗的平衡。
這意味着，深度學習或者是神經網絡處理器是最佳的解決方案。而類似地平線的BPU架構，目标就是滿足深度學習和決策推理算法的能力發揮。
我們從特斯拉自研FSD可以看出，深度學習處理能力才是未來智能駕駛疊代更新的關鍵。比如，FSD除了常見的CPU、GPU、ISP，核心就是兩顆自研的深度學習和預測的神經處理單元NPU。
而地平線提出的“AI計算的新摩爾定律”，就好比此前英偉達提出的GPU計算時代（原因是此前基于半導體實體學的局限，意味着CPU性能每年隻能提升10%）。
對此，地平線總結出這樣一個公式：真實AI效能=實體算力（即以TOPS表示的峰值算力）*計算資源的有效使用率*AI算法的效率。
如今，在汽車行業已經進入一個全新的智能化時代，更高的AI性能和能效是核心衡量名額。比如，峰值算力隻是一個基礎名額，而深度學習計算架構、作業系統、編譯器、動态運作庫以及軟體算法決定了真正的能效。
目前，地平線基于“新摩爾定律”設計的征程系列AI晶片，是唯一圍繞BPU打造，滿足車規級、功能安全，并且實作大規模前裝量産的SoC。而征程5晶片則基于更先進的神經網絡，加速性能越高，同時能用更低的功耗，去完成更多的資料的計算。
類似BPU這樣的架構，聚焦深度學習和決策推理算法能力，同時要求高性能、低功耗、低成本的專用。這個時候，算力 （機關: TOPS）并不反映汽車智能晶片實際性能，而每秒準确識别幀率（機關: FPS） 才是更真實的性能名額。
通常GPU在跑深度神經網絡算法的時候，算力使用率有時會很低，而地平線的征程3和征程5則有很高的算力使用率。
結果是，征程5的算力雖然隻有英偉達Orin的一半，但在進行自動駕駛任務時其FPS卻高達1283，大幅領先Orin。這代表更快速的感覺、更低的延時，以及更高的安全性和行駛效率。
地平線的BPU是一款典型的異構多指令多資料的系統，架構中心處理器是完整的系統，存儲器架構設計進行了特别優化，能使資料自由傳遞，進行多種計算，讓不同部件同時運轉起來，提高AI運算的效率。
相比而言，如果按照通用處理器的方法，大多數時候會脫離開應用場景，并且需要有很多算力的取舍。而BPU恰恰更加關注應用，關注算法的取舍，是以其在對晶片架構的取舍、規模以及元器件的掌握都比較準确。
而在BPU架構的背後，地平線也有很多創新技術，包括高性能低延遲的資料并發處理技術。比如，用脈動陣列去提高并行計算速度，用近存計算使得存儲跟計算不那麼泾渭分明，而是緊密地耦合。
在目前車規級SoC的研發中，通過ARM、Imagination、Synopsys等IP核供應商，不管是晶片公司還是汽車制造商都可以快速通過“堆核”進行自研或者定制，但唯獨缺少類似BPU這樣的開放授權的車規級IP。
不管是基于BPU為核心的SoC，還是向自研晶片的汽車制造商開放BPU IP，實際上都是一種“賦能”。對于晶片公司來說，過去尋求提供算力來幫助車企追趕特斯拉，未來的趨勢則是提供一種能力。
這也是地平線開放BPU IP授權模式的價值所在，給整車疊代提上媲美特斯拉的速度。