恩智浦CTO：改变对智能世界的认知，从架构开始

作为新冠疫情后的首次中国之行，从考察天津的人工智能应用创新中心，到北京与媒体展开交流对话，再到会后赶去机场飞往其他地区，恩智浦半导体执行副总裁兼首席技术官Lars Reger的行程安排的十分紧凑。“能在多年之后再次来到中国，切身感受中国近年来取得的非凡成就，真的非常高兴。”他在接受《电子工程专辑》采访时如是说。

恩智浦半导体执行副总裁兼首席技术官Lars Reger

“架构”，是Lars Reger媒体见面会演讲的核心，主要谈及自动驾驶和计算架构，以及边缘AI和机器学习对芯片架构的巨大影响。在他看来，当前的世界正从一个“点播的时代”向“安排的时代”转化，将会变得更加可以预测，更加自动化。

自动驾驶，不是“AI+汽车”

此前，人们对自动驾驶技术的前景相当乐观并寄予厚望。《福布斯》在2016年的新闻报道中就提到“2020年会有1000万台自动驾驶汽车”，也有其他媒体报道称，“2021年会有20家自动驾驶汽车的企业”。媒体和技术人员也都在问例如“什么时候才可以实现完全自动驾驶汽车？”、“什么时候孩子们上幼儿园不用父母接送？”、“什么时候车里不再有方向盘，而且汽车比人有更多的智能和情感？”这样的问题。

但实际上，当2020年真正来临的时候，人们才清醒地认识到，传说中的自动驾驶没有如约而至，这一年也不是自动驾驶汽车的元年。“这说明我们在转换中出现了迷失，说明将自动驾驶技术简单理解为AI技术加在汽车上是不可行的。”Lars认为，即便是有ChatGPT的加持，但如果一个人并非该领域的专家，那么他很容易被该工具误导。“难道你真的愿意未来由ChatGPT来给你开车？”

所以，在一个真正可以被预测、自动化的世界中，当我们准备把所有的任务都交给身边这些或大或小的智能设备，同时还要保证它们的功能安全和正确运行前，首先应该询问的，是类似“如何来建设智能关键基础设施？”、“如何能够防止生产成果对我们造成危害？”这样的问题。

Lars提到，“从马车到内燃机车，然后快速升级成一个带轮子的IT系统，这样的升级路径听起来确实颇具革命性，但‘太昂贵、太复杂，也太快’”。因此，从宏观角度和抽象层面来看，要实现自动驾驶，必须要从汽车架构开始改造，包括感知环境，芯片计算能力，以及信息安全和功能安全等技术能力的全面升级。

但生活从来没有说一说这么容易。从造车角度来看，没有哪个OEM厂商使用的是同样的架构，即使在同一家OEM内部，它也有不同的模式、车型和不同代的技术，哪怕针对同一个系列，从入门级到高端车型，几百种底层架构间有着很大的区别，是一个非常复杂的过程。

于是，为这些OEM和一级供应商提供标准化架构模块，从而帮助整车厂实现新技术应用，成为了恩智浦等芯片制造商的新使命。坦率地说，标准化架构模块对汽车行业来说并不新鲜，但当前最大的变化在于，汽车中95%的创新都是通过电子或者是软件实现的，只有5%是在机械方面实现的，所以芯片企业需要构建电子和软件平台，而非传统的机械平台。

微控制器与微处理器、车载以太网(开关)、网关、S32系列芯片，以及可复用的软件开发环境，构成了恩智浦所说的“汽车电子平台”。AI技术方面，Lars强调，恩智浦一直在拥抱AI和机器学习技术，与硬件产品结合提升汽车、工厂、家居、机器人的智能化、数字化水平。

“2018年，曾经有媒体问我：恩智浦未来会不会被大型AI算力公司边缘化？我回答他说，如果把智能汽车看成轮子上的大脑，就像把人看成是穿着鞋子的大脑一样”。Lars很形象的比喻说，这就像是人走路，看到路上有坑，会下意识跨过去，但跨过后大脑才开始进行判断与决策，就如汽车只有AI加速芯片没有感知反射系统是不够的。

2016年开始，恩智浦推出BlueBox开发平台，包括支持联网、性能高和功能安全等特性，而且内置AI加速器，数据处理速度可以达到400TOPS(即每秒钟可进行400万亿次计算）。

合作案例方面，Lars谈到了与大陆集团和零跑汽车的合作。与大陆的合作，恩智浦主要提供汽车的高性能计算单元，而与零跑汽车的合作，恩智浦为其提供了恩智浦S32G处理器、BlueBox平台等技术，帮助零跑汽车推出其中央集成式电子电气架构，使零跑产品的线束减少20%、控制单元数量减少三分之一。目前，恩智浦90%的客户都转向了这一新的架构。

实现智能的高能效

预计到2030年，全球会有750亿智能互联器件，如果不考虑能效问题，根据分析师预测，750亿器件所消耗的能量就是地球年产能源的3倍。因此，Lars认为，如果真的要实现一个可预测并且自动化的世界，必须要解决能耗挑战，必须要实现高度智能化和高能效，这一愿景实现的关键就是要实现智能的高能效，也就是使得“大脑”在绝大部分时间都能保持一个非常低的功耗。 

他强调说，AI和机器学习是必不可少的，但同时一定要提高它们的能效或者是要选择合适的技术。整体来看，目前AI芯片的应用主要在大型云系统、自动化和智能边缘三个领域，而恩智浦更需要的是探测感知的系统，这也是公司近年来陆续推出eIQ软件工具、硬件加速器Neutron、低功耗AI加速器Neutron-NANO、以及相关软件工具链的原因。

与其他生成式AI芯片公司不同，恩智浦更倾向于在边缘端AI和机器学习领域展开积极布局。为此，公司主要在两方面与众多AI公司展开合作与研究：一是在中低端找到最佳的AI加速器，并已取得显著成果；二是在高端与多个客户在软硬件方面进行合作。

“主要原因是恩智浦需要开发自有工具，这就有生成式AI的用武之地。“Lars解释说，恩智浦希望所有芯片都能使用这一工具，主要用于开发，包括编程、编码等。此外，在云连接解决方案方面，恩智浦提供了例如OrangeBox连接域开发平台，确保功能安全和信息安全，与云服务商如亚马逊云合作，使用其生成式系统开发智能机器人。

而作为CTO，Lars称他需要明确技术发展方向，确保公司了解哪些领域应加强、哪些应与合作伙伴协作、哪些不宜过度活动，以避免在热门 AI 领域迷失方向。有了清晰的路线图，恩智浦更能明确哪些领域应与合作伙伴合作，哪些领域虽然自己不会发力但可加以利用。

结语

Lars在最后一张PPT里放置了自己和变形金刚的合照，并说自己的个人梦想，是“制造未来机器人最成功的CTO”。而为了实现这个梦想，他强调称，以下三个条件缺一不可：首先，要有正确的架构。如果架构错误，在进化当中一定会失败；第二，要有可信任的稳定系统，保证功能安全和信息安全；第三，还需要可扩展，因为可能有昆虫机器人，也会有复杂的人形机器人。

“为此，我们将比以往任何时候都更需要依靠芯片和软件实现创新，更需要通过整合感知、思考、连接、行动、功能安全和信息安全，形成完整的产品组合，去创造更加多彩的未来。”Lars表示。