2017年底，地平线公司发布了两款AI芯片——“征程”和“旭日”，分别面向自动驾驶和智能摄像头。公司首席芯片架构师周峰教授曾在浙大工作15年，也曾在Aitech、华为美国研发中心等多家企业做过架构师。地平线为何要做AI芯片?如何看待AI芯片及算法的机会?
“征程”如何打入汽车市场?
“征程”与“旭日”的区别是应用场景不同。“征程”面向汽车的应用，这对芯片的要求更高，因为汽车不仅需要高精度、高准确度，高实时性，而且对芯片在各种应用环境下的稳定性要求也特别高。而智能监控的要求相对低一些。
“征程”目前基本还是以汽车后装市场为主。后续公司会为车规设计智能芯片，例如满足温度-40℃~125℃，以进入前装市场，同国内外车企及一级供应商合作。
实际上，自动驾驶市场竞争激烈，典型的如英伟达GPU;英特尔2017年初收购了Mobileye，推出芯片+算法方案;本土也有越来越多的企业涌现。面对越来越多的企业加入，周峰教授认为这是件好事，说明大家都看好自动驾驶。而且自动驾驶不可能只用一两家公司的产品，因此很多公司都有机会。当然，众多公司出现后，将来也会出现大浪淘沙、优胜劣汰的局面。
地平线的优势不在于单纯的芯片，而在于算法，在于算法和芯片的深度整合优化。因为算法要取决于数据。数据是需要本地化的，中国和美国的数据不一样，这也是本土企业的优势。
市面上的芯片和算法厂商有何特点?
每一家公司都有自己的基因。英特尔收购的Mobileye公司算法很好，不过Mobileye成立已十余年，算法较为传统，例如基于传统的计算机视觉进行图像处理。当然之前的算法也可以做得很好，但鲁棒性可能会差一点。地平线等公司是基于新的神经网络(NN)算法，效率较高一些。
英伟达以销售GPU芯片为主要商业模式。英伟达对实际各种应用场景下的智能算法的积累可能并不太多。目前的智能算法(包括传统算法和目前的AI算法)，以及要考虑今后的新AI智能算法，决定了其产品的市场规划。从英伟达现有的几款产品规划看，还是基于GPU架构。GPU架构的通用性较强，适合各种算法，但是功耗、成本等方面跟Intel/Mobileye或地平线等专用芯片厂商相比，可能会稍逊。
在应用场景方面，各家主要集中在云端计算。用得最多的是英伟达GPU，因为算法好、计算快，而且软件生态做得好(可以很方便地用这个平台去实现编程)。
云端除了GPU以外，还有基于FPGA的方案。FPGA处于GPU和ASIC之间，优势是开发周期较短;但相对GPU，FPGA的成本和性能提高了。
ASIC处理器算法速度和效率是最高的，但相对GPU、FPGA，对各种AI算法的适应性以及编程性会难一些，并且对后续新出现的AI算法不一定能完全支持。典型产品如谷歌的TPU，另外ASIC芯片的研发周期也相当要长。
相对于大部分巨头公司关注云端，地平线公司的定义是做嵌入式智能产品的AI解决方案，该解决方案中包括采用公司自己专用智能芯片。
地平线的核心是智能算法与芯片架构的有效结合
有些AI公司的商业模式是卖芯片，有的是卖架构，有的是卖算法。地平线的核心是智能算法和芯片架构效率的紧密结合。
因为现在AI芯片开发人员并不是很多，大部分开发者还没有AI开发能力，也不可能一下就起来，因此很多公司难以找到AI人才，而且AI人才的薪水也炒得很高，使得公司开发成本大大提高。所以地平线把芯片和算法合在一起，给客户提供嵌入式智能产品解决方案。
“AI芯片销售过程商业模式和传统芯片模式过去不一样，还需要人们共同探索。”周峰教授称。例如Arm是做生态，而H264/H265视频编/解码器卖芯片就行了。但AI不同，本身是处理器，可编程的同时算法还在不断发展，需要考虑算法如何优化。当然，对于一些AI能力特别强的客户，地平线也会提供一套工具链SDK，有处理器、编码器等。
小公司如何被大客户认可?
整机产品公司往往都有固定的芯片合作伙伴，有些甚至自己也做芯片。不过，地平线自信性能做得更好，因为有能力将智能算法与芯片架构进行合理搭配，而很多懂智能算法的人不一定能将芯片和算法结合得好。
AI的计算量很大，其核心运算主要是矩阵运算，但由于涉及内存数据容量，外存数据带宽及数据计算单元的规模，以及这三者之间有效地平衡搭配，对不同的智能算法都要做到高效还是有难度的。周峰教授过去曾做过H265开发，认为H265编码器算法的复杂度比AI的矩阵算法复杂很多，因此有信心做好AI方案。
那么，自动驾驶的厂商对“征程”的接受度如何?实际上，“征程”刚刚推出，应用会有个过程，这个周期约半年以上。那么，地平线的算法怎样最快地被用户用起来?目前地平线一方面跟外部厂商合作，一方面自己也在做智能驾驶解决方案。
其中，自己做嵌入式智能产品决方案很重要。例如智能摄像头领域，本土一些安防设备商也在用GPU做AI，假定地平线把产品解决方案做出来以后，客户觉得地平线的方案比较好，就会和地平线合作。但如果一开始就跟设备商合作，必须要把自己的资源开放出来，有可能支持客户花了很长时间，最后客户由于各种原因说不需要你了，他自己能做了。因此需要自己先把方案做出来，或和第三方公司合作去开发，再去推给客户。
要打市场，成本也是关键之一。定价包涵很复杂的因素，不是一定卖得低就好、卖得高就不好。当然卖得高，附加价值也高;若卖得低，就要靠量来支撑附加值……这些都是一些现实问题，并不取决于你的产品好与坏。
那么，当初TI DSP为了和华为海思的商品编码器竞争，为何不把DSP价格降下来?因为很难降下来。芯片就是拼PPA(性能、功耗、面积)，相同性能下，关键的“面积”决定了成本，而成本是硬碰硬的。DSP有DSP价值——在市场不成熟的时候，没有ASIC芯片的时候，DSP有优势;但当芯片上量后，例如摄像头用于“平安中国”，需求量非常大，专用芯片肯定有优势。但TI的基因是做通用DSP，不做ASIC。
同理，英伟达未来也可能会做专用芯片，但前提是改变策略。如果仍做GPU，是否适应市场?这需要观察。
总之，地平线拥有人才、技术、市场、资金和知名度等，面向未来海量的AI应用市场，有信心和友商竞争。
条条大道通罗马
做AI有各种方法，目前很多厂商都在探索，也不能说哪条路上山最好，大家各显身手。地平线只提供嵌入式智能产品解决方案给客户，客户可以去比较。
地平线关注自动驾驶和智能城市。实际上，还有智慧工业、智慧农业、智慧交通等广阔应用领域。
“地平线的价值是作为行业的附能者：把AI的能力给予各行各业的应用，而不是抛出一个芯片。”周峰教授指出。因此地平线不是定位为一家芯片公司，而是做嵌入式智能产品解决方案的公司。
嵌入式智能产品解决方案都是面向具体应用场景的。而大千世界，应用场景是丰富多样的，机会非常多。例如智慧农业方面，有家美国企业在开发农业除草机，需要AI识别杂草。实际上，机器识别有时比人的识别率还高。还有国内的广电设备企业找到地平线，希望做对敏感内容和黄色内容过滤的方案。
地平线的芯片方案强调的是在嵌入式智能产品做智能处理，即在本地的处理能力较强。针对具体的应用场景也有可能会接入智能服务器。
AI还有漫长的路要走
现在AI还是很笨的算法，例如人看一眼人或物就认识了，计算机要看上千张照片。GPU、FPGA是平台，类脑芯片是模拟人脑，实际应用难度还很大。
地平线的专用芯片目前是第一代高斯架构，偏重感知;第二代伯努利架构是感知和预测，预计今年底或明年初问世;第三代贝叶斯架构及以后可能就要做一些决策，就像AlphaGo一样，预计明年底或后年初出炉。总之，地平线的规划是一年一代芯片，以适应高速发展的AI算法。
当然，新一代架构性能会越来越高，但是各种使用场景都有各自的精度性能要求，各个阶段出来的智能芯片也适应不同的应用场景的需求，在满足应用场景需求前提下，低成本低功耗的芯片会更合理。
值得说明的是，现在人们有种误区，认为性能高功耗低的芯片工艺就应该越高，芯片就好卖。实际上高工艺芯片(如10 nm、7 nm芯片工艺)，对芯片前期的资金投入是很大的，如果芯片的量起不来，亏本是肯定的。同时如果在保证高性能的前提下，能够通过优化算法和芯片架构，采用低的芯片工艺如40 nm、28 nm等工艺研发出低成本、低功耗的智能芯片来，芯片前期投入的资金就要少很多，公司芯片总的成本就可控，芯片就有竞争力。地平线目前芯片上的策略也是尽量充分利用公司在智能算法优化，及智能算法与智能芯片架构优化结合方面的优势来保证公司的智能芯片在现在及未来的嵌入式智能产品市场上具有更强的竞争力。
