百事通NBA直播 请输入您要搜索的专题...

清华孵化、恒大投资:“超星未来”全力以赴智能驾驶计算平台

围绕高级别自动驾驶的竞争正日趋激烈。仅在今年四月前后,小鹏汽车完成了广州至北京NGP自动导航辅助驾驶3000公里远征挑战,滴滴自动驾驶发布了全程无接管长达5小时的全新路测视频。

这类事件引发业界强烈关注,有人说,今年是中国高级别自动驾驶的元年。无论怎样,中国智能汽车自动驾驶技术整体进步趋势明显。而在其中,作为“智能汽车大脑”的自动驾驶车载计算平台作用凸显,也正成为业界发力的又一个重点。

日前,自动驾驶技术领域初创企业北京超星未来科技有限公司联合创始人、CEO张剑在北京接受了包括21世纪经济报道在内几家媒体的专访。他表示,汽车业当下正面临着深刻变革,一个重要方面即是偏高级别的自动驾驶,该领域前景广阔,作为“智能汽车大脑”的自动驾驶计算平台赛道同样潜力巨大。

面对高级别自动驾驶计算平台的设计本质上是受限条件下的优化问题,应通过软硬件协同优化的手段来解决。超星未来给自己的定位是要做智能汽车的“汽车大脑”,即计算平台的创新实践者,能够给产业做好技术赋能,张剑表示。

据了解,超星未来成立于2019年4月,由清华大学车辆与运载学院、清华大学电子工程系跨学科创新共同孵化。创立同年,获得中关村前沿基金、清控天诚、启迪之星、泰有基金、清研资本、清华X-Lab的数千万元天使轮投资。2020年5月,超星未来宣布已完成数千万元A轮融资,由恒大高科技领投,中关村前沿基金、和米资本、宝钜投资及图灵创投进行跟投。

近日该公司发布了新一代高级别自动驾驶车载计算平台Nova30P,该平台会在今年7月份批量供应。

这一平台使用了高性能处理芯片,功能安全ASIL-D等级MCU的异构硬件方案。方案支持最高20路4K摄像头,3路激光雷达及多路毫米波雷达的接入和数据处理,可完成实时多路多目标的感知处理,从整体上着眼提高系统的能效比、功耗、低延时方面的综合性能。

超星未来此前已推出的NOVA系列计算平台解决方案包括适用于低速限定场景下无人驾驶量产应用 Nova 09和适用于L2.x和AVP等智能驾驶场景,使用FPGA+MCU的异构方案 Nova 15。

以下是当日对话内容;

要做智能汽车大脑的创新实践者

《21世纪经济报道》:我们大家都知道超星未来是一家脱胎于清华大学的创业公司,清华从公司的培育阶段到最后的发展阶段,起到了怎样的作用?现在清华在公司当中扮演怎样的角色?

张剑:创新未来是自动驾驶领域的一家创业公司。核心团队的主要成员毕业于清华。

在公司创立之初,核心团队主要成员已经在清华进行了很长时间的技术研发,我们也通过知识产权成果转让的方式,从学校获得知识产权的授权。根据学校相关的成果管理办法和规定,清华也成为我们的一个间接的股东。

在公司成立之后,很大程度上,我们优势的资源在于和清华保持着密切的联系,尤其是在前沿技术研发上,我们一直可以做很多有效的沟通,所以我觉得超星是一家比较典型的产学研一体化来做商业化落地的公司。

《21世纪》:提到股东,我了解到,超星的股东方还有恒大,目前超星也会向恒大供应一些产品。想了解下恒大投资的情况是怎样的?

张剑:其实恒大在投资我们的时候,恒大汽车还不像现在这样。

我们给恒大的定位,包括它投资我们的定位,还是一个偏财务的决策。当然,我们现在也已经依靠我们的技术和产品的能力,进入了恒大汽车的供应商体系,我们会为它提供相关的产品和技术服务,重点是偏软件方向。

现在,我们主要的服务对象还是整车厂、零部件供应商以及自动驾驶公司。

我觉得智能驾驶计算平台领域,它所面临的市场以及产业的前景是非常广阔的。

就目前而言,我们已经与一家上市公司一级供应商建立了业务合作关系,更多的合作还在稳步推进当中。

《21世纪》:在整个产业链大融合的背景下,很多企业从tier 2跃到了tier 1。作为一个智能驾驶计算平台的提供方,超星对于自身的定位是tier 1还是tier 2?

张剑:首先我们汽车产业肯定是面临着一个大变革,变革不仅仅在技术上,更是有关整个产业链、商业环境、商业生态。

因为技术的变革暴露出我们原来行业里面,相对传统些的企业它们的局限性,不管是技术路线上的,还是它们的思维和研发方式。所以我觉得产业链上下游的竞争合作关系也会重新洗牌,这是不可避免的。

在进程中间必然会出现全新的、有竞争力的企业,也会出现跟不上潮流、被淘汰的企业,我觉得这是完全有可能的。

对于超星来说,我们自己的定位是要做“智能汽车大脑”计算平台的创新实践者。为什么会提这样一个概念?

创新是指我们源自于高校,源于清华,做的是产学研融合。要发挥我们的优势,就是要做好创新。我们可以通过背景资源优势,把最前沿的东西拿出来做好。

另一方面,要做实践者,就是要紧密地贴合市场,贴合需求,而不仅仅是为了技术而技术,要了解技术怎样很好地转化为市场和客户需要的产品和服务,这是我们对自身的定位的认识。

当然在整个产业上下游的关系里,我们并不是说要取代一个tier 1或者tier 2企业。目前我们主要的服务对象应该还是整车企业、 tier 1以及自动驾驶公司。

《21世纪》:现在做自动驾驶平台的公司很多,超星未来在行业中,处于怎样的地位?未来对于公司的定位,有怎样的预期?

张剑:在这个行业里面,我们其实有很多强大的竞争对手,它们也有一些很好的成果。这么多有实力的企业能够关注这个细分赛道,首先说明我们所处的赛道是有意义的,它有非常大的价值可以发掘。

作为创业企业,在创新上,我们有自己的优势,一个就是我们和清华的技术渊源,所以我们可以在前沿的技术创新方面做出更好的工作,可以走产学研结合道路,我们始终追求一种技术高度。第二,在整体的技术方案上面,我们有自己的独创性,两年多来的研发成果,也初步得到了业内同行的认可。

我们觉得无论或大或小的企业,最后能不能被市场、行业认可,产品和技术需求、技术服务能不能满足客户的需要,这是最终的衡量标准,也是我们去努力的一个方向。

超星方案可分可合

《21世纪》:我们新发的面向高级别自动驾驶的计算平台和此前的产品相比有哪些差异,或者说和竞品比有哪些区别?

张剑:我们的30p这一代最新产品,可以做到同时支持20路高清摄像头的数据处理,数据传输以及算法的运行,都能够做到非常流畅,这也得益于我们这些年来在异构的硬件平台上的方案设计以及优化,在工具软件领域技术成果的积累,这次发布引起了非常多客户的关注,一些同行友商也对我们表示了极大的兴趣,产业链上下游的合作伙伴也纷纷来找我们,一方面是了解我们方案的细节,另一方面寻求共同合作。

《21世纪》:超星跟车企还有零部件企业,主要的合作方式是怎样的?是把系统性的解决方案全部打包给企业,还是说可以把自己的技术拆解,企业需要哪一部分技术,我们就可以给企业提供相应部分?

张剑:超星当然做的是整体的、软硬件都包含的技术解决方案,但是,为客户做好服务,不能强人所难,一切还是要以客户的需求为准,这是一个大的考量。

从产业的角度来说,像tier 1整车厂它们并不希望在整体方案上受到特别多的制约,从它们的角度去考虑,很好理解。

所以,我们的基本原则就是要有整体的能力,但在提供产品或者服务的过程中,一定是完全从客户的需求角度出发。如果客户有自己的硬件,能不能用你的工具软件的服务?这是完全可行的。

我们现在跟客户实际签订的合同项目就是这种形式,因为我们的工具软件,向上,它可以支持不同的 AI开发框架,向下,不同的硬件都可以支持。我们是硬件友好的,给客户实际上最后提供了这样一套软件工具。

《21世纪》:回归到产品本身,我们是做软硬一体化,但它的挑战很大。既要开发软件算法,又要去适配相应的硬件等。在整个产品的研发过程当中,您觉得遇到的最大的挑战是什么?

张剑:稍微更正下,不能叫软硬一体化,我们提的概念叫软硬件协同优化。协同优化指的是算法要考虑底层的硬件,硬件方案要去考虑算法的需求,这是一条合理的或者说我们主导的技术路线。

不能说我们只做算法,而不知道底层硬件是什么样,不知道做出来的东西最后能不能跑,这就叫盲人摸象。

理想的方式是相互去做针对性的优化设计方案。实际上从技术路线角度看,大家也都在考虑这些,只不过把它作为一个主要的技术路线提出,确实是我们超星一直在重点强调和支持的。

从实践来看,我们的方案也取得了很好的效果。计算平台要考虑功耗、安全性、适配性、灵活性、成本等方方面面的因素。算力也是一方面,它是一个必要非充分条件。只有通过协同优化设计的角度才能达到非常好的平衡,这是关键。

从大的方面来说,这个路线是经过了好几代产品的研发和验证的。我们现在提供的方案在同等或者近似的水平上,达到了比类似产品更好的效果。

异构优点与适配挑战

《21世纪》:超星提出了异构硬件的概念,如何理解异构?

张剑:在我们的核心硬件上面,集成了多个不同种类的核心计算芯片。其实在我们的解决方案里面,在Nova 30P上,我们既有 CPU,也有GPU、AI加速、定制化加速,还有安全计算的控制系统。

因为不同的计算芯片,它们是为了不同的计算任务而专门设计,这是关键。

比如说我们用的397芯片,它对于车辆安全控制相关的指令或者功能是至关重要的;而 AI加速部分可能更多适用于深度学习算法的运行推理;定制加速部分,适用于一部分计算量比较大,但是又不太适合用CPU处理的情况。用定制加速的部分能够实现10倍、20倍的加速,整个系统的处理延时就会大大缩短。

那么怎样做好不同种类芯片之间的平衡,去满足上层算法的需求?

一个出发点是要去理解自动驾驶上层应用是怎么回事,这也是我们团队的优势和特点。我们团队既有来自于车辆学院,懂车、懂智能驾驶的技术专家和研究人员,也有来自于电子系,懂硬件、懂芯片、懂深度学习、算法的技术专家,这样就能够达到交叉融合的效果,所以我们能够走软硬件协同优化设计的道路,让整体的系统最后达到平衡、综合性能最好的程度。

相关集锦

相关录像