地平线凭什么拿了大众24亿欧元投资？从专利看地平线AI算法牛

　　知情郎眼侃透公司专利事儿
　　最近智能驾驶芯片公司地平线春风得意，拿了大众24亿欧元的投资，风头一时无双。
　　24亿欧元，约合人民币168。8亿元，一举创下大众入华40年来的最大单笔投资纪录。
　　当然，这24亿欧元也不是白给的。
　　大众说，旗下软件公司CARIAD与地平线成立合资企业，共同开发聚焦中国消费者需求的全栈式高级驾驶辅助系统和自动驾驶解决方案。
　　给你钱，使劲造！
　　你懂得，大众肯花巨资扶持本土智能驾驶AI平台，自然是缺什么想补什么。
　　一直以来，大众在自动驾驶等与智能化和软件相关的方面一直是个后进生。
　　CARIAD被不少行业人士调侃在中国毫无建树。
　　这次投地平线，也是发狠了，要补足自己中国本土智能化短板，来紧跟电动化、智能化潮流。
　　24亿欧元，就是大众为自己来缩短转型时间的。
　　01大众软件能力差！
　　原来是硬件定义汽车，现在变成了软件定义汽车，汽车只是大一点的轮子上的计算机。
　　尤其特斯拉强调的软硬件全栈自研的模式，成了行业风标。
　　大众也努力学习特斯拉的套路，这些年非常重视软件系统。
　　比如CARIAD。
　　CARIAD前身是2020年建立的大众汽车软件事业部，由大众集团前CEO迪斯一手倡导筹建。但由于研发进度缓慢，一度导致大众新能源车型ID。3延迟交付，使得大众集团管理层大怒。此后这个拥有两万多员工的部门便开始独立运作。
　　2019年的ID。3延迟交付事件也算是行业标志性事件。
　　2019年9月，大众汽车正式发布了ID。3，这是其ID家族的首款车型，是在大众MEB平台下生产的纯电动车型。
　　ID。3原计划2020年年中上市交付，线上预售火爆到一度致使官网宕机。
　　然而，据报道，由于软件基本架构开发得太仓促，存在大量漏洞，导致ID。3延迟交付数月。当时还有内部工厂照片流出，ID。3因为无法OTA在线升级，而不得不大规模手动线下升级。
　　这也让大众被打上了软件能力差的标签。
　　这些年，因软件系统问题，大众旗下多个车型被迫推迟上市。
　　因此大众决定补短板，投入了大量的人力、物力来强化软件研发实力。
　　然后，CARIAD就在大众体系独立了，目的是打造一款自主研发的车载操作系统VW。OS，在未来将其不同版本运用到所有集团汽车品牌之上，并定下至少要实现60的软件功能自主研发的目标。
　　要知道，官方曾披露其CARIAD预算有270亿欧元，并且在全球成立了多处子公司，包括2022年4月成立的中国子公司。
　　直到如今，在大众ID。4的论坛，车主还会吐槽大众糟心的车机系统。
　　有车友直言，大众ID。4更像是半成品，显示屏时常连不上信号、有时还灰屏，语音交互形同虚设，车机系统做的甚至不如大众燃油车。
　　有车友调侃表示，有时用CARPLAY导航，突然地图不动了，但是声音还在，这算不算留有一丝余地提供导航？
　　不少人直言，大众不熟悉中国本土化用户的真实智能需求，完全是欧洲人思维，不是大陆用户逻辑。
　　差生压力就是大啊！
　　此外，各国都出台了数据保护法，外资公司拿到中国的数据还是有些困难，所以这些公司还是要跟中国本土的自动驾驶公司合作。
　　用合资公司规避大陆方面法律风险，这种做法在业内也很常见。通用有自动驾驶子公司Cruise，大众和福特联手投资了Argo。
　　多方因素共振下，大众选择投资国内公司地平线也就可以理解了。
　　02为什么是地平线？
　　地平线是成立仅7年的国内芯片独角兽企业，专注于智能驾驶芯片领域。
　　创始人也是早年百度深度学习实验室主任、自动驾驶项目负责人的余凯，行内颇有名望。
　　前几年，公司因业务不顺还闹出了裁员风波。
　　从披露的公开信息看，地平线是最早一批做自动驾驶芯片的企业。在国内同行里，黑芝麻智能的首款芯片是在2019年8月上市，寒武纪在2021年初才正式进入自动驾驶领域，并成立了子公司行歌。但到目前为止寒武纪还没有量产芯片面市。
　　而地平线2019年就推出了自动驾驶芯片征程2，2020年，地平线与长安达成合作，开始为长安主力车型提供征程2芯片，用于智能座舱领域。
　　比起国内同行，地平线算是幸运的，早早重金投入研发出车规级自动驾驶芯片，并能对主机厂进行量产供货，走过了至暗时刻。
　　与此同时，地平线的融资也在这两年密集进行。
　　公开信息显示，地平线已获得上汽集团、广汽资本、长城汽车、东风资产、比亚迪、一汽集团等众多车企资本，其中2021年的融资最为密集，股东阵容堪称豪华。
　　不过，这个市场，真正的巨头是英伟达、Mobileye、高通等公司，地平线远算不上一流玩家。
　　不同于传统整车企业与一级供应商的垂直关系，国际芯片巨头直接参与分蛋糕，例如英伟达要求奔驰直接提供40自动驾驶收入。
　　奔驰能忍吗？不能忍也只有忍。
　　头羊特斯拉为了开发维护FSD系统，每年花多少钱养多少工程师耗费了多少年心血。
　　这里面，车规级智能芯片是含金量最高的。
　　要知道，最近车厂宣传电车营销造势的口号从原来的电芯牛逼续航长改成了芯片牛逼，人家都喊出了没有高通的8155芯片，没资格谈智能座舱。
　　得夸几句高通8155，在ARM指令集的车机芯片里它是算力最强的芯片之一。
　　7nm工艺打造、8个计算核心、最高频率2。84GHz是高通8155芯片的基础实力，能带来105KDIMPS的CPU算力，1142GFLOPS的GPU算力，分别是上代820A处理器性能的2倍和4倍。此外，8155芯片还新加入NPU神经网络计算单元，最高能带来的8TOPS的AI算力。
　　功能上，最多支持6个摄像头，可以连接4块2K屏幕或者3块4K屏幕，并且还支持WiFi6、5G、蓝牙5。0。
　　这意味着车企可以在车内放置更多的屏幕，布置更多的摄像头，带来更快的网速。
　　03芯片更依赖算法的年代
　　过去，芯片性能的进步，很大程度上依赖于硬件制程。
　　然而，芯片制程进入28纳米时代后，摩尔定律的发展速度低于预期，工艺已逼近物理极限，国外企业依靠制程取得的优势，正在被削弱。
　　另一方面，算法设计对性能提升的作用越来越大。在不改变制程的情况下，深度学习的算法进步，平均每914个月，也能实现算力的翻倍。
　　因此，芯片厂商如今必须在算法、软件、硬件架构设计三方面联合优化。
　　地平线CTO黄畅曾公开表示，在架构1。0阶段，算法的应用过程需要很多人工去调试，而进入智能计算架构2。0时代，更多依赖数据驱动，AI具备自适应能力，实现自动迭代。
　　简单来说，一辆自动驾驶汽车高精度摄像头产生约6001000GB数据，不可能全部回传至云端。因此，自动驾驶系统会筛选有用数据，在传至云端，云端回传至扯断，形成数据闭环。
　　对自家芯片的优点，地平线市场负责人吕鹏曾对媒体直言，从征程2到征程3到征程5，连续性非常好，整个工具链的应用性通过多代产品的持续打磨。
　　很多时候并不是模型有多难设计。因为模型大家其实随着算法趋势的变化，都知道最先进的算法模型是什么。但是你的模型怎么把它做到量产水平，你怎么知道现在的模型达到量产水平，你需要大量的数据训练、评测甚至你到里面有一些回灌、仿真，最后才是量产。例如之前做L2的系统，模型要做整个AEB的大里程道路的回灌测试，都是数十万上百万里程。需要规模化量产沉淀。
　　04专利维度看地平线算法
　　地平线的智能驾驶芯片，在硬件、架构层面，很难和高通、英伟达他们对抗，这公司竞争力优点在AI算法层面。
　　创始人也是这领域资深行伍。
　　之前，地平线自研的AI芯片打造的一个开放式平台天工开物，另外，地平线艾迪是智能汽车AI软件工具平台。这些工具解决在AI研发中，尤其是从0到1再到N中的算法迭代问题、提升算法研发效率。而地平线开发的TogetherOS操作系统的目标是整个行业一起共建一个基础的OS系统，构建起一个兼容并茂的软硬件体系。
　　总而言之，人家也要搞算法生态平台。
　　所以，知情郎专门查了查地平线的AI算法方面的专利。
　　在德高行全球专利数据库中，地平线拥有AI方面专利中国149件、PCT2件。
　　从所申请的专利技术领域看，涉及数据识别、数据表示、涉及特定计算模型、涉及数据处理、涉及图像数据处理或产生、涉及语音分析或合成、涉及图像通信。
　　一般而言，自动驾驶是基于环境感知技术，根据决策规划出目标轨迹，通过侧向控制和纵向控制系统配合，使车辆在行驶过程中能够准确，稳定跟踪目标轨迹，可以实现如速度调整，距离保持，换道和超车等基本操作。
　　而无线电通信、测距和导航、语音分析或合成、数据处理等就是实现自动驾驶功能的基本技术要求。
　　最新6件AI算法专利！看看人家工程师主要在解决什么技术难题！
　　序号
　　标题
　　解决的技术问题
　　公开号
　　1hr训练有监督机器学习的模型的方法和装置提供了一种用于训练有监督机器学习的模型的方法。
　　该方法可以包括：生成多个人造图像，每个人造图像包含相同的目标对象在一个或多个时间段内的不同时间点的运动状态；在生成多个人造图像的过程中记录与目标对象在一个或多个时间段内的运动有关的标注数据；基于多个人造图像来生成包括运动的多媒体流；使用多媒体流的多个帧的数据作为模型的多个输入数据来执行模型中的运算，以获得与运动有关的推导数据；以及比较推导数据和标注数据以确定是否调节模型的参数。
　　通过该方法，能够省去在模型的训练过程中所需的大量的人工标注。
　　CN107862387B
　　2hr神经网络模型的编译方法、装置及计算机可读存储介质
　　在一些情况下，芯片上部署的神经网络加速器不支持关联（Correlation）运算，而神经网络模型实际运算时需要进行关联运算，针对上述情况，目前采取的措施是：将需要进行关联运算的数据搬移至通用处理器处执行关联操作，再将通用处理器处的结果搬移回来。为了解决上述措施数据搬移成本高的问题，提供了一种技术方案，无需将数据搬移至通用处理器处进行处理，因此能够以较低的成本实现关联运算，且无需占用额外资源。
　　CN114625378A
　　3hr用于实现目标对象属性识别的方法、装置、介质以及设备
　　目标对象属性识别过程中的兴趣区域特征会对目标对象属性识别的准确性产生影响，如何获得合适的兴趣区域特征，以提高目标对象属性识别的准确性，是一个值得关注的技术问题。本专利提供了一种是实现目标对象属性识别方案，提高目标对象属性识别的实时性。
　　CN110705380B
　　4hr实例分割结果评价参数确定方法及装置
　　在计算机视觉处理技术的图形处理技术，现有技术采用分类器打分的方式对于候选框的类别进行打分。通过分类器打分只是对候选框的类别进行打分，并不对实例分割的结果进行打分，进而可能造成了用一个比较高的分类的得分去描述一个比较差的实例结果，进而造成实例分割打分结果的不准确的问题。本实施例提供了一种实例分割结果评价参数确定方法，提高准确性。
　　CN109934223B
　　5hr对象跟踪方法、对象跟踪装置和电子设备
　　多目标多相机跟踪（MTMCT）是计算机视觉中的重要问题，且在公共安全领域中得到广泛应用。但是，在多个相机的场景下，外观特征常常变得不稳定。另外，在单个相机的场景下，如果视频中存在多个对象，也容易产生诸如目标切换和轨迹断裂等问题。本实施例提供改进的对象跟踪方案。
　　CN110619658B
　　6hr目标对象状态识别方法、装置、介质和设备
　　如何降低神经网络对设备硬件条件的要求，使神经网络轻量化，是一个值得关注的技术问题。由此可知，提供的技术方案有利于轻量化第一神经网络，并有利于提高第一神经网络进行状态识别处理的实时性。
　　CN110532891B
　　【转载请注明德高行知情郎】