李根 發自 凹非寺 
量子位 報道 | 公眾號 QbitAI

飛步神速！

何曉飛教授自開啟無人車創業以來，一如治學，過程中始終低調，但並不意味著沒有大進展。

這不，這位浙大計算機系知名教授、滴滴研究院創始院長、滴滴無人車開創者，最近又邁出了一大步。

量子位獲悉，就在今年9月，由飛步科技研發、具備完全自主智慧財產權的國產28nm深度學習加速器，在臺積電完成流片。

這也意味著，隨著此核心系統完成攻堅，距離之前透露的感知晶片系統推出，僅剩一步之遙。

國內車載最強算力晶片

飛步的感知系統晶片，代號鳳凰-100，是其無人駕駛車載計算平臺的核心。

而此次成功流片的深度學習加速器，則是整個感知晶片最具技術挑戰部分。

效能表現上，此次流片的28 nm感知深度學習加速器，具有>1GHz的運算頻率、以及>4TOPs的超強計算能力，功耗和成本等各項關鍵指標，也取得重要突破，為國內車載晶片最高算力，完全支援L3/L4的實時資料處理需求。

而且值得一提的是，晶片整套方案，飛步具有自主智慧財產權。

或許你會好奇，別人的無人駕駛初創公司，主要進展都出自環境感知、地圖定位、規劃控制等軟體演算法方面，為何飛步一出手，率先突破點在於晶片？

何曉飛解釋，飛步在演算法方面也都在穩步推進，但都是“必修課”。

只有迎難而上，讓演算法和晶片——軟體和硬體形成組合拳，才能夠軟硬體一體，將AI能力發揮到極致。

這樣才能構建起飛步科技的核心競爭力。

無人駕駛晶片之挑戰

當然，算力瓶頸、軟硬體一體挑戰，無人駕駛業內並非不知，但創業公司嘗試，風險並不小。

關鍵難題有三項，在無人駕駛的特定環境，對晶片有三高一低的極致要求。

• 首先，無人駕駛對AI晶片算力要求極高，車速越快，路況資訊越多，計算平臺的壓力負荷就越大。

• 其次，無人駕駛對終端計算的實時性要求極高，任何滯後都可能造成車毀人亡的慘劇，也決定了晶片的核心計算和決策速度是重中之重。

• 此外，無人駕駛對晶片的可靠性要求也極高，系統故障、宕機等情況，在汽車無人駕駛的狀態下不可想象，而嚴寒酷暑、颳風下雨等惡劣天氣條件，也都需要晶片保持穩定的計算和續航能力。

• 最後，晶片的能耗則是“越低越好”，優異的能耗表現，是AI芯片面對海量資料時從容不迫的底氣來源。

飛步鳳凰晶片

正是從一開始就看清楚了挑戰所在，所以創業啟動後，何曉飛和飛步科技，就確立了軟硬體並行研發的發展模式。

與行業內普遍解決方案不同的是，飛步採用專用晶片（ASIC）替代傳統CPU/GPU，作為車載晶片的終極整合方案。

相對於通用晶片，專用智慧晶片的優勢不言而喻——整合度提高十倍，資訊處理速度加快百倍，功耗卻只有1/10，綜合性能躍升兩到三個量級。

專用智慧晶片方案優勢明顯，研發難度卻非常大，需要設計者對無人駕駛場景、軟體、演算法和晶片架構極度熟悉。

當然，之前也介紹過，飛步為晶片還組建了一支世界級團隊。

飛步的晶片團隊由聯合創始人曹宇負責，他是UC伯克利電子工程博士，大規模積體電路領域世界級專家，IEEE Fellow，參與飛步創業前，是亞利桑那州電子工程系教授，研究成果已經成功應用在英特爾、高通、IBM等設計技術中。

晶片架構負責人Hang Nguyen，前英特爾首席架構師，晶片架構國際級頂尖專家，在晶片行業有35年經驗，50多項專利。領導了多種英特爾低功耗移動晶片的架構和微架構涉及，開發了英特爾首款採用PCI Express和儲存加速整合的嵌入式Xeon系列處理器。

系統晶片整合專家劉浩，前高通首席工程師，移動系統晶片（SoC）整合主管。之前領導了全世界第一款4G晶片和多款高階驍龍晶片的研發和流片。

最終，因人成事，事在人為。

經過近1年研發，飛步感知晶片中最關鍵的深度學習加速器在9月完成流片。

該晶片基於飛步自創的MPV架構，支援相機、鐳射雷達和毫米波雷達等多種感測器接入，對環境進行實時高精度的三維感知。已具備國內車載晶片的最高算力。

首創MPV計算架構

此外值得注意的是，採用ASIC整合平臺，只是飛步針對車載智慧晶片革新換代的第一步。

鳳凰計算平臺，才是飛步無人車真正雄心。

為打造無人駕駛適用的計算平臺，飛步還首創了深度學習專用的MPV架構設計。

• M指系統超大規模化(Massive)

• P是並行化(Parallel)

• V則指代模組化（Volumetric）

這個MPV架構，可以更好發揮深度學習、無人駕駛演算法的優勢。

由於高效和低功耗的特點，可以針對加速同步、識別、跟蹤、預測、規劃等關鍵環節提供強大的技術支撐。

而且得益於MPV架構得天獨厚的優勢，鳳凰平臺的飛步無人駕駛專用晶片，能根據全棧無人駕駛演算法量體定製，囊括包含感知、融合和決策等在內的三級資料處理場景。

飛步無人駕駛路線圖

最後，核心“大腦”曝光後，飛步無人駕駛路線圖也藏不住了。

飛步方面稱，在深度學習加速器完成流片後，計劃於2019年正式推出車規級感知融合晶片，並於2020年推出決策晶片。

其中融合晶片，將成為全球第一款同時支援前融合和後融合的專用晶片。　　

隨著感知、融合和決策晶片的先後問世，2020年，飛步科技將實現鳳凰（Phoenix）整套計算平臺的初步搭建，支援L3/L4級別無人駕駛。

總算力超過80TOPs的同時，整體功耗從現在市場上主流的2000-3000W規模降到80W的先進水平，系統響應時間縮短到50ms以下。

此外，還提供完善的軟體開發環境，開放支援多種智慧演算法。

這背後自然也蘊藏著飛步的平臺和生態雄心。

一旦更多無人駕駛產業上下游玩家加入，車控主機板等核心平臺推出，在ASIL-D級別下快速進入L3/L4前裝應用……

飛步毫無疑問將更快更廣泛地在全球範圍內推進晶片產品化和無人駕駛技術應用。

期待飛步神速~

— 完 —

年度評選申請

加入社群

量子位AI社群開始招募啦，歡迎對AI感興趣的同學，在量子位公眾號（QbitAI）對話介面回覆關鍵字“交流群”，獲取入群方式；

此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。

進專業群請在量子位公眾號（QbitAI）對話介面回覆關鍵字“專業群”，獲取入群方式。（專業群稽核較嚴，敬請諒解）

活動策劃招聘

量子位正在招聘活動策劃，將負責不同領域維度的線上線下相關活動策劃、執行。歡迎聰明靠譜的小夥伴加入，並希望你能有一些活動策劃或運營的相關經驗。相關細節，請在量子位公眾號(QbitAI)對話介面，回覆“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

վ'ᴗ' ի 追蹤AI技術和產品新動態