近年來，國內(nèi)外人工智能技術(shù)的發(fā)展可謂一日千里，尤其是國內(nèi)的智能駕駛場景，基于各項(xiàng)政策的大力扶助以及深度研發(fā)的展開，高階自動(dòng)駕駛算法正從傳統(tǒng)2D感知向更先進(jìn)的3D感知范式加速轉(zhuǎn)變，這在為智能駕駛落地應(yīng)用提供更多可能性的同時(shí)，也對實(shí)際開發(fā)效率提出了更高的挑戰(zhàn)。
為了幫助產(chǎn)業(yè)開發(fā)者更高效地完成，基于征程系列芯片的性能驗(yàn)證與開發(fā)部署，地平線機(jī)器人面向智能汽車產(chǎn)業(yè)客戶與生態(tài)伙伴提供了參考算法開發(fā)加速包，避免對于典型任務(wù)的“重復(fù)造輪”，大幅降低算法開發(fā)門檻，加速產(chǎn)品原型的開發(fā)與迭代，實(shí)現(xiàn)計(jì)算與效率的并進(jìn)“狂飆”。
而在此過程中，地平線機(jī)器人始終踐行“軟硬結(jié)合”的技術(shù)理念，以“芯片+軟件開發(fā)平臺(tái)”為核心，搭建起開放、成熟的智能計(jì)算開放平臺(tái)。依托征程系列芯片平臺(tái)打造的地平線天工開物芯片工具鏈，能夠讓算法充分受益軟硬結(jié)合所帶來的極致性能表現(xiàn)。在這里有必要說明一下何為“天工開物”。實(shí)際上，這是一種提供了算法開發(fā)全生命周期內(nèi)所需的完善軟件工具，能夠滿足模型量化、優(yōu)化、編譯、仿真、部署、調(diào)試等各個(gè)開發(fā)環(huán)節(jié)的需要。特別是在模型量化方面，提供量化感知訓(xùn)練（QAT）和訓(xùn)練后量化（PTQ）兩類方式，可有效縮減模型大小，加速深度學(xué)習(xí)推理效率。同時(shí)，地平線在工具鏈基礎(chǔ)之上，進(jìn)一步提供了豐富的參考算法，全面滿足開發(fā)者對計(jì)算性能與開發(fā)效率的要求與期待。
目前，地平線芯片工具鏈已積累近200家客戶與生態(tài)伙伴的應(yīng)用實(shí)踐經(jīng)驗(yàn)，研發(fā)水平各異的開發(fā)團(tuán)隊(duì)均能借助這一“得力武器”顯著提升開發(fā)效率。經(jīng)統(tǒng)計(jì)，通過天工開物芯片工具鏈在征程與旭日芯片上進(jìn)行算法部署的用戶，模型首次遷移成功率超過80%，性能和精度水平都能夠充分滿足業(yè)務(wù)預(yù)期。
與此同時(shí)，針對一些場景化的需求，例如期許快速了解某個(gè)典型模型在征程芯片上的性能表現(xiàn)或希望針對具體場景任務(wù)，高效完成在征程芯片上的部署調(diào)優(yōu)。地平線機(jī)器人也做出了補(bǔ)充和完善，一方面提供了豐富基礎(chǔ)算法與相應(yīng)的benchmark；另一方則提供一系列經(jīng)過充分調(diào)優(yōu)的場景參考算法。具體來說，地平線構(gòu)建了包含數(shù)百款算法模型的benchmark驗(yàn)證庫，用于驗(yàn)證芯片工具鏈對于各類算法的廣泛適用性，地平線還進(jìn)一步篩選典型模型作為基礎(chǔ)示例，幫助開發(fā)者快速開展benchmark性能評測，其中既包含產(chǎn)業(yè)普遍關(guān)注的常見模型，也包含了地平線推薦的基礎(chǔ)模型。值得一提的是，為響應(yīng)高階智能駕駛開發(fā)需求，地平線還基于公版Transformer結(jié)構(gòu)開發(fā)了適配于征程5的Swin-Transformer，能夠高效支持SW-MSA和W-MSA結(jié)構(gòu)，該模型在征程5芯片上的性能與端側(cè)最強(qiáng)GPU上的部署性能相當(dāng)。
另外，除了基于公版改進(jìn)的基礎(chǔ)示例模型，地平線機(jī)器人還開發(fā)提供了包含MixVarGENet在內(nèi)，更為高效的自研模型。這類模型結(jié)構(gòu)能夠充分發(fā)揮征程5的算力優(yōu)勢，顯著提升網(wǎng)絡(luò)性能、減少訪存時(shí)間。用戶通過自由選用征程芯片高效支持的基礎(chǔ)模型，在保證運(yùn)行效率和任務(wù)表現(xiàn)的前提下，輕松實(shí)現(xiàn)自有算法的快速遷移與二次開發(fā)。目前，相關(guān)基礎(chǔ)示例模型均已隨征程5芯片工具鏈發(fā)版，用戶可直接通過「地平線開發(fā)者社區(qū)」獲取相關(guān)文檔與開發(fā)包，復(fù)現(xiàn)benchmark結(jié)果。
值得注意的是，現(xiàn)階段智能駕駛嵌入式算法開發(fā)周期長、投入大、門檻高，即便benchmark能夠幫助開發(fā)者快速了解典型模型在征程芯片上的性能表現(xiàn)，但是在面向?qū)嶋H業(yè)務(wù)場景的開發(fā)過程中，工程師依然要在場景算法的設(shè)計(jì)與調(diào)優(yōu)上花費(fèi)不少精力。
面對此類挑戰(zhàn)，地平線提煉了智能駕駛場景下的各類典型難題，并基于公開數(shù)據(jù)集提供了一系列經(jīng)過充分優(yōu)化的場景參考算法，當(dāng)前已覆蓋目標(biāo)檢測、光流預(yù)測、語義分割、車道線檢測等常見自動(dòng)駕駛?cè)蝿?wù)，還提供支持?jǐn)z像頭與激光雷達(dá)等多類傳感器的感知模型，面向高階智能駕駛應(yīng)用，地平線還提供支持Transformer、BEV等當(dāng)下主流算法的先進(jìn)模型示例，助力客戶與生態(tài)伙伴快速布局高階智能駕駛業(yè)務(wù)。
總體而言，地平線機(jī)器人的最終愿景就是讓智能駕駛算法的開發(fā)部署不再艱難，讓開發(fā)者收獲遠(yuǎn)超預(yù)期的開發(fā)體驗(yàn)。未來，他們也將繼續(xù)圍繞這一場景展開更加深入的研發(fā)探索與產(chǎn)品實(shí)踐，加速搶灘智能駕駛技術(shù)高地。