3月10日，由北京地平線機器人技術研發有限公司和南京芯馳半導體科技有限公司聯合牽頭發起，中國智能網聯汽車產業創新聯盟（CAICV）提出的《智能網聯汽車視覺感知計算芯片技術要求和測試方法》CSAE標準已按《中國汽車工程學會標準（CSAE）制修訂管理辦法》有關規定通過立項審查，正式列入中國汽車工程學會 2021 年度標準研制計劃（起草任務號：2021-15）。

在多項核心技術經過潛心研發和驗證之后，2021年智能網聯汽車產業加速進入量產落地階段。近日全國“兩會”期間，關于自動駕駛和智能網聯汽車的建言也更加聚焦技術的落地。標準先行是智能網聯汽車產業發展的共識，“兩會”期間，圍繞測試、驗證、量產等各環節建立統一的技術標準成為重點關注話題。

隨著汽車產業“缺芯”事件持續發酵，“兩會”期間有四位來自車企的全國人大代表建言推動汽車芯片的產業化發展，包括標準的制定。其中，全國人大代表、奇瑞汽車股份有限公司黨委書記、董事長尹同躍提出成立芯片創新發展平臺，從標準、規范、人才、技術層面給予芯片行業、零部件行業與整車以支持。

我國汽車芯片產業的發展遠遠落后于國際水平，國產芯片市場占有率不足10%，車規級芯片對我國智能網聯汽車的發展至關重要，地平線此次牽頭立項的《智能網聯汽車視覺感知計算芯片技術要求和測試方法》標準，順應了汽車產業的智能化變革趨勢。

視覺感知計算是汽車智能化的基石之一，當前智能網聯汽車的視覺感知計算芯片技術發展非常快，相關的計算構架、感知算法、傳感器方案也都有長足的進展，由此誕生出多種芯片產品和視覺感知解決方案，但如何衡量視覺感知計算的性能成為新的挑戰。業界迫切需要制定統一的評測標準，來客觀衡量行業參與者的產品性能，從而極大地減少下游廠商重復評測的工作，并加速行業優勝劣汰。標準對于行業發展的驅動力之大，在PC、通信行業的發展歷史中也有明顯體現。

針對這類視覺感知計算芯片（以下簡稱“芯片”）的AI性能評測方法，業界慣常使用的芯片評測標準有兩種：一是峰值算力，但峰值算力只反映芯片理論上的最大計算能力，而非在實際AI應用場景中的處理能力，存在很大的局限性；二是目前行業較為知名的基準測試組織MLPerf，其采用的模型少且更新速度滯后于算法演進的速度，無法及時反映算法效率的提升以及各種精度下芯片能夠達到的計算速度，因而無法描述芯片AI性能的全貌。

國內外多個行業組織機構都在推出相關的芯片AI性能評測標準，包括MLPerf，蘇黎世理工學院的AI benchmark等等，這類評測的特點多數屬于基準測試的范疇，效果依賴于模型的數量和更新速度。由于芯片算法演進速度遠超硬件改進速度，致使評估芯片AI性能的方法與算法發展之間存在脫節的現象，智能網聯汽車產業尚缺乏與時俱進、能夠有效評估芯片AI性能的標準。

針對當前芯片性能評測存在的問題,地平線提出MAPS(Mean Accuracy-guaranteed Processing Speed,精度保持下平均幀率)評測方法,針對應用場景的特點,在精度有保障的前提下,包容所有與算法相關的選擇,評估芯片對數據的平均處理速度,以此為業界提供一個評估芯片真實性能的全新視角。

MAPS評測方法

基于對智能網聯汽車視覺感知場景應用的理解，地平線提出的MAPS評測方法有助于解決汽車視覺感知計算芯片性能評估方法缺失的現狀。MAPS評測方法能夠直觀、量化視覺感知計算芯片的真實性能，提供清晰的評價結果，牽引面向真實場景的芯片性能優化方向，幫助業界更全面地了解每款芯片的視覺感知計算能力，找到最適宜的視覺感知落地方案。

在全國汽車標準化技術委員會、中國汽車工程學會、中國智能網聯汽車產業創新聯盟等標準化組織和行業協會的引領下，我國智能網聯汽車關鍵標準加速迎來立項和推廣，目前已經立項的標準覆蓋車控操作系統、C-V2X車聯網、智能網聯汽車數據安全共享和場景數據采集等多個領域，為產業的大規模商業落地奠定基礎。

地平線作為邊緣AI芯片領導者，長期致力于AI芯片的軟硬件研發和商業落地工作。此次立項的《智能網聯汽車視覺感知計算芯片技術要求與測試方法》標準由地平線和芯馳科技牽頭，聯合國汽智控、華為、國汽智聯、一汽、德賽西威、理想汽車、百度、中汽中心工程院、電子四院等行業優勢單位共同制定，草案預計在年內發布，將為業界提供測試基準，極大推動汽車計算芯片在產業鏈下游的應用和發展。

除了此項標準之外，日前地平線牽頭的另一項標準《輔助駕駛前向視覺感知性能測評方法及要求》也已正式立項，助力提升智能網聯汽車輔助駕駛視覺感知的安全品質和協同創新效率。未來，地平線將持續與相關標準化組織、行業協會和產業鏈生態伙伴聯手，合力推動汽車智能芯片產業鏈的自主可控以及智能網聯汽車產業的發展。

fqj