離開投入 20 多年的 CMOS 影像技術公司 OmniVision，不惑之年歸國投身自動駕駛芯片創業。
稱已量產的二代產品能效比遠超特斯拉自研芯片，成本只有其三分之一。
撰文 | 力琴
「講故事的時代已經過去了，現在是產品落地的重要節點�！�
這是黑芝麻智能創始人單記章參加 CES 2020 之后最大的感受。他直言，「今年 CES 沒有特別新意的地方�！�
「無人駕駛反倒與前幾年有所不同，更側重落地。」前幾年大家談論無人駕駛更多強調概念、用戶體驗、試坐以及試乘，現在更側重將技術轉化為結果，往量產方向發展。
黑芝麻智能是一家專注在人工智能視覺感知核心技術和芯片開發與應用的提供商，主攻智能駕駛計算平臺，為 ADAS 及智能駕駛提供包括芯片在內的落地解決方案。
成立四年的黑芝麻智能如今來到一個關鍵節點。它要在 2020 年實現產品技術的落地，又要圍繞視覺感知技術，兼顧智能駕駛與面向消費電子產品的智能影像兩條業務線。
1
50歲投身創業
2016 年，單記章離開投入 20 多年的 CMOS 影像技術公司 OmniVision，歸國投入創業，瞄準智能駕駛領域。此前在 OmniVision 任職期間，單記章與團隊共同研發了全球首款 PC 端攝像頭，并帶領團隊主導開發汽車級 HDR 算法和軟件，應用于超 90% 的高端汽車。汽車行業恰好是單記章比較熟悉的領域。
單記章是一個有長遠規劃眼光的人。他將汽車視為人工智能技術的載體，可承載傳感器、人機交互、機器人等多種人工智能技術。隨著新技術的崛起，車載行業作為全球經濟位居前列的產業，具備萬億市場空間，一旦 5G、物聯網等風口完全打開，智能駕駛將迎來新的變革，由人為駕駛過渡到機器輔助駕駛再到無人駕駛。
黑芝麻智能創始人兼 CEO 單記章
人工智能創業正熱，正值 50 歲的單記章想要牢牢把握創業的黃金時間，一旦錯過，只能等待下一次產業浪潮。
無人駕駛正好也是各路兵家看重之地，但進入這一領域并非易事。如果要搭建基于智能駕駛汽車的底層技術、芯片架構，需要長時間的積累。這難不倒擅長芯片技術與算法的黑芝麻智能。
黑芝麻智能的創始團隊大多畢業于清華大學，有超過 20 年在圖像處理、視覺算法，核心 IP 研發、芯片設計和車規級產品開發與應用方面的經驗，核心團隊來自于全球領先的智能駕駛，人工智能和芯片領域，包括博世、通用汽車、Marvel、英偉達、微軟、高通、安霸、豪威、Cadence、arm 等。
得益于創始團隊在相關領域的深厚積累，黑芝麻在短短的三年時間里，便亮出第一款芯片。黑芝麻智能團隊基于自動駕駛所需的感知算法、核心 IP、芯片系統架構、工具鏈、操作系統等，研制出華山一號芯片 A500 及解決方案，算力 5-10TOPS，能效比達到 4TOPS 每瓦，算力利用率可達 80%。
黑芝麻將自主研發的基于華山二號的 FAD 解決方案與特斯拉自主研發的 FSD 芯片進行對標。據介紹，黑芝麻智能華山系列芯片的算力利用率達到 80%，特斯拉是 55%，能效比遠超特斯拉的同時，成本卻只有特斯拉 FSD 的三分之一。
搭載華山一號 A500 芯片的 iECU
「我們從功耗、性能、成本各個方向去考慮，我們的功耗比特斯拉低很多，只需要簡單的被動散熱就可以達到同樣的計算能力�！箚斡浾抡f道。
與此同時，黑芝麻智能也在規劃「華山二號」AI 車規級芯片，采用 16 納米工藝，預計今年上半年發布并提供樣片。另外，預計至 2021 年，黑芝麻智能將會推出面向更高級別自動駕駛的「華山三號」芯片產品。
汽車產業尚處于轉型升級的關鍵時刻，自動駕駛等級每邁進一步，算力便提升一級，傳統芯片已無法滿足當下的算力需求，自動駕駛芯片正推動傳統汽車行業走向智能化。
2
從「看得清楚」到「看得懂」
在消費者看不到的地方，一枚小小的 AI 芯片隱藏在車載系統里，主要用于圖像感知識別與計算，并利用算法作出合理的決策。
單記章將黑芝麻智能的核心能力總結為「看得清」與「看得懂」。
所謂「看得清」指的是，面對復雜的外部環境，如車、人、道路、交通標識等，黑芝麻智能通過傳感器感知信號，利用控光技術把光場進行處理（攝像頭），使得攝像頭能夠在各種特殊工況條件下清晰成像。再通過毫米波雷達、超聲波雷達、GPS、IMU 與攝像頭融合，將這些信號傳入到黑芝麻智能感知系統。
「看得懂」指的是，基于優化的智能駕駛計算平臺，對傳感器感知到的數據進行識別，再將感知結果傳達給下游自動駕駛企業去做決策、控制。
黑芝麻智能科技擅長提供從基礎的控光技術，到面向 AI 的圖像處理技術出發來提高成像質量，以及應用深度神經網絡訓練，結合視頻處理和壓縮技術，形成從傳感器端到應用端的處理過程，提供各種光照環境條件下準確的感知結果。
為了在智能駕駛領域「修煉」這兩項能力，黑芝麻智能以兩款芯片作為依托。
黑芝麻針對自動駕駛芯片的解決方案
首先是目前已經量產的華山一號 A500AI 芯片，主要服務于駕乘輔助 L1/L2 級別。
L1 級別的輔助駕駛很早就已經出現，比如目前眾多車型都配備的定速巡航、車道保持、自動泊車等等。L2 級別則具備許多自動駕駛車輛的雛形功能，例如全速段自動輔助駕駛、擁堵時自動輔助駕駛、自動危險預判剎車等功能，但大部分情況下，駕駛員仍需主導車輛行駛，只有在特定情況下，駕駛員雙手才可暫時離開方向盤。
其次是計劃于今年上半年正式發布的「華山二號」AI 芯片，支持車規級 ISO26262 的標準，面向 L3 及以上級別。車規級芯片作為自動駕駛的關鍵，與消費級和工業級芯片相比，車規級 AI 芯片在安全性、可靠性和穩定性上都擁有更為嚴苛的要求。
L3 級別指的是有條件自動駕駛，在此級別下，車輛可以實現絕大部分路況的自動駕駛，接管汽車一大部分駕駛功能。不過駕駛員仍需時刻保持注意力，以便在出現緊急情況時及時接管車輛。L4 級別指的是高度自動駕駛，L5 級別則指的是完全自動駕駛。
單記章向機器之心強調，「無論華山一號、華山二號，其芯片都具備可擴展性，可以通過不同的組合方案，支持不同級別的自動駕駛�！�
3
今年成為落地之年
在 CES2020 上，自動駕駛成為一塊熱土。黑芝麻智能面臨來自國內外芯片公司的競爭。國外方面，多數車企正在研發的自動駕駛汽車中搭載的芯片大多被國外芯片公司壟斷，如 NVIDIA、英飛凌、瑞薩、TI、NXP、Mobileye 等。
前不久特斯拉還稱，旗下目前已經有超過 60 萬輛汽車配備了完全自動駕駛芯片，以及搭載其自主研發自動駕駛芯片 FSD 的 HW3.0 硬件 已經完全能夠應對 L5 級別自動駕駛所需的感知層數據量和計算能力。
隨著自動駕駛行業的火爆，國內新興的 AI 芯片公司也向此領域發力，但由于車規級的芯片研發難度極大，真正有實力做出產品的公司寥寥無幾。
整體來看，大多自動駕駛初創公司都會采用國外的車規級芯片和自身算法來提供不同場景下的 ADAS 和自動駕駛解決方案。
談及競爭，單記章表示，「現在已經不再是講故事的階段，落地最為重要�！顾�透露，目前一些搭載華山一號的汽車已經開始在各種各樣惡劣的天氣下進行測試。
落地、談合作，成為證明 AI 芯片公司技術落地的重要指標。
「2020 年是黑芝麻智能產品的落地之年」，在 2020 年開年之前，黑芝麻智能就紛紛與主機廠、上下游伙伴達成合作。
2019年12 月底，黑芝麻智能宣布同中國第一汽車集團有限公司達成戰略合作，雙方計劃在自動駕駛芯片、視覺感知算法和數據等領域展開全方位的合作。之后，黑芝麻智能還與智能操作系統產品和技術提供商中科創達簽署戰略合作協議，雙方將圍繞智能駕駛操作系統、算法和解決方案等領域展開全方位的合作。
單記章認為此次合作尤為重要，將推進自動駕駛技術在一汽系列車型中的量產應用，成為黑芝麻智能在產品技術量產落地里的重大突破。
4
智能駕駛加影像，「一快一慢」發展
圍繞視覺感知技術，除了面向智能駕駛之外，黑芝麻智能還有面向消費電子產品的智能影像。他指出，智能影像可理解為利用手機拍照，以達到單反相機的質量。
對于面向消費電子產品的智能影像，單記章向機器之心表示，黑芝麻智能的主要強項是對圖像的深度處理，與智能駕駛采用的核心技術相同。
在創立之初，黑芝麻智能就已經確立走智能駕駛與智能影像兩條路線。黑芝麻智能采用「一快一慢」的策略，以保持公司良好的發展節奏。
「這是我們最擅長的領域，布局智能駕駛業務，雖金額龐大，但所需周期漫長，而智能影像則不同，業務發展迅速，現金流循環快。」據他透露，目前智能駕駛與智能影像的營收占比比例為 5 比 1。
以后是否會拓展到其他領域？單記章向機器之心表示，現階段要聚焦現有業務，不排除以后以合作的形式拓展到智能船舶、機器人等領域。
隨著人工智能加速滲透汽車產業，汽車產業將迎來巨大的變革。這恰好也是單記章看重的領域，他表示，「2020 年預計會出現越來越多搭載黑芝麻智能芯片的汽車，2021 年將實現幾十萬量級后裝車的量產。」
目前，各國汽車廠商、新造車勢力、巨頭公司及初創 AI 芯片企業均在大力推動自動駕駛技術的研發和試驗，眼下，黑芝麻智能要面臨各方的競爭。無論哪一方，能否落地，是衡量技術公司發展的重要因素。
對于黑芝麻智能而言，與車企合作，推動產品技術量產，作為初創公司已是重大突破。自動駕駛芯片領域看似新鮮，卻依然逃不掉傳統半導體生意的做法，如何應對市場對自動駕駛的旺盛需求，以及綜合提升公司內核，在激烈的競爭中活下去，成為擺在黑芝麻智能等 AI 芯片公司面前的「算術題」。
機器之心Pro
追動態 | 查數據| 找資源 | 讀報告 | 產業分析new
機器之心Pro 是基于「機器之心團隊構建的百萬級規模人工智能知識圖譜及結構化數據庫」搭建的人工智能領域專業信息平臺。
目前已上線六個模塊：Dashboard、新聞數據庫、行業數據庫、人工智能知識庫、深度精選和智周分析new，覆蓋 40 個技術領域及 56 個智能應用領域。
