离开投入 20 多年的 CMOS 影像技术公司 OmniVision，不惑之年归国投身自动驾驶芯片创业。
称已量产的二代产品能效比远超特斯拉自研芯片，成本只有其三分之一。
撰文 | 力琴
「讲故事的时代已经过去了，现在是产品落地的重要节点。」
这是黑芝麻智能创始人单记章参加 CES 2020 之后最大的感受。他直言，「今年 CES 没有特别新意的地方。」
「无人驾驶反倒与前几年有所不同，更侧重落地。」前几年大家谈论无人驾驶更多强调概念、用户体验、试坐以及试乘，现在更侧重将技术转化为结果，往量产方向发展。
黑芝麻智能是一家专注在人工智能视觉感知核心技术和芯片开发与应用的提供商，主攻智能驾驶计算平台，为 ADAS 及智能驾驶提供包括芯片在内的落地解决方案。
成立四年的黑芝麻智能如今来到一个关键节点。它要在 2020 年实现产品技术的落地，又要围绕视觉感知技术，兼顾智能驾驶与面向消费电子产品的智能影像两条业务线。
1
50岁投身创业
2016 年，单记章离开投入 20 多年的 CMOS 影像技术公司 OmniVision，归国投入创业，瞄准智能驾驶领域。此前在 OmniVision 任职期间，单记章与团队共同研发了全球首款 PC 端摄像头，并带领团队主导开发汽车级 HDR 算法和软件，应用于超 90% 的高端汽车。汽车行业恰好是单记章比较熟悉的领域。
单记章是一个有长远规划眼光的人。他将汽车视为人工智能技术的载体，可承载传感器、人机交互、机器人等多种人工智能技术。随着新技术的崛起，车载行业作为全球经济位居前列的产业，具备万亿市场空间，一旦 5G、物联网等风口完全打开，智能驾驶将迎来新的变革，由人为驾驶过渡到机器辅助驾驶再到无人驾驶。

黑芝麻智能创始人兼 CEO 单记章
人工智能创业正热，正值 50 岁的单记章想要牢牢把握创业的黄金时间，一旦错过，只能等待下一次产业浪潮。
无人驾驶正好也是各路兵家看重之地，但进入这一领域并非易事。如果要搭建基于智能驾驶汽车的底层技术、芯片架构，需要长时间的积累。这难不倒擅长芯片技术与算法的黑芝麻智能。
黑芝麻智能的创始团队大多毕业于清华大学，有超过 20 年在图像处理、视觉算法，核心 IP 研发、芯片设计和车规级产品开发与应用方面的经验，核心团队来自于全球领先的智能驾驶，人工智能和芯片领域，包括博世、通用汽车、Marvel、英伟达、微软、高通、安霸、豪威、Cadence、arm 等。
得益于创始团队在相关领域的深厚积累，黑芝麻在短短的三年时间里，便亮出第一款芯片。黑芝麻智能团队基于自动驾驶所需的感知算法、核心 IP、芯片系统架构、工具链、操作系统等，研制出华山一号芯片 A500 及解决方案，算力 5-10TOPS，能效比达到 4TOPS 每瓦，算力利用率可达 80%。
黑芝麻将自主研发的基于华山二号的 FAD 解决方案与特斯拉自主研发的 FSD 芯片进行对标。据介绍，黑芝麻智能华山系列芯片的算力利用率达到 80%，特斯拉是 55%，能效比远超特斯拉的同时，成本却只有特斯拉 FSD 的三分之一。

搭载华山一号 A500 芯片的 iECU
「我们从功耗、性能、成本各个方向去考虑，我们的功耗比特斯拉低很多，只需要简单的被动散热就可以达到同样的计算能力。」单记章说道。
与此同时，黑芝麻智能也在规划「华山二号」AI 车规级芯片，采用 16 纳米工艺，预计今年上半年发布并提供样片。另外，预计至 2021 年，黑芝麻智能将会推出面向更高级别自动驾驶的「华山三号」芯片产品。
汽车产业尚处于转型升级的关键时刻，自动驾驶等级每迈进一步，算力便提升一级，传统芯片已无法满足当下的算力需求，自动驾驶芯片正推动传统汽车行业走向智能化。
2
从「看得清楚」到「看得懂」
在消费者看不到的地方，一枚小小的 AI 芯片隐藏在车载系统里，主要用于图像感知识别与计算，并利用算法作出合理的决策。
单记章将黑芝麻智能的核心能力总结为「看得清」与「看得懂」。
所谓「看得清」指的是，面对复杂的外部环境，如车、人、道路、交通标识等，黑芝麻智能通过传感器感知信号，利用控光技术把光场进行处理（摄像头），使得摄像头能够在各种特殊工况条件下清晰成像。再通过毫米波雷达、超声波雷达、GPS、IMU 与摄像头融合，将这些信号传入到黑芝麻智能感知系统。
「看得懂」指的是，基于优化的智能驾驶计算平台，对传感器感知到的数据进行识别，再将感知结果传达给下游自动驾驶企业去做决策、控制。
黑芝麻智能科技擅长提供从基础的控光技术，到面向 AI 的图像处理技术出发来提高成像质量，以及应用深度神经网络训练，结合视频处理和压缩技术，形成从传感器端到应用端的处理过程，提供各种光照环境条件下准确的感知结果。
为了在智能驾驶领域「修炼」这两项能力，黑芝麻智能以两款芯片作为依托。

黑芝麻针对自动驾驶芯片的解决方案
首先是目前已经量产的华山一号 A500AI 芯片，主要服务于驾乘辅助 L1/L2 级别。
L1 级别的辅助驾驶很早就已经出现，比如目前众多车型都配备的定速巡航、车道保持、自动泊车等等。L2 级别则具备许多自动驾驶车辆的雏形功能，例如全速段自动辅助驾驶、拥堵时自动辅助驾驶、自动危险预判刹车等功能，但大部分情况下，驾驶员仍需主导车辆行驶，只有在特定情况下，驾驶员双手才可暂时离开方向盘。
其次是计划于今年上半年正式发布的「华山二号」AI 芯片，支持车规级 ISO26262 的标准，面向 L3 及以上级别。车规级芯片作为自动驾驶的关键，与消费级和工业级芯片相比，车规级 AI 芯片在安全性、可靠性和稳定性上都拥有更为严苛的要求。
L3 级别指的是有条件自动驾驶，在此级别下，车辆可以实现绝大部分路况的自动驾驶，接管汽车一大部分驾驶功能。不过驾驶员仍需时刻保持注意力，以便在出现紧急情况时及时接管车辆。L4 级别指的是高度自动驾驶，L5 级别则指的是完全自动驾驶。
单记章向机器之心强调，「无论华山一号、华山二号，其芯片都具备可扩展性，可以通过不同的组合方案，支持不同级别的自动驾驶。」
3
今年成为落地之年
在 CES2020 上，自动驾驶成为一块热土。黑芝麻智能面临来自国内外芯片公司的竞争。国外方面，多数车企正在研发的自动驾驶汽车中搭载的芯片大多被国外芯片公司垄断，如 NVIDIA、英飞凌、瑞萨、TI、NXP、Mobileye 等。
前不久特斯拉还称，旗下目前已经有超过 60 万辆汽车配备了完全自动驾驶芯片，以及搭载其自主研发自动驾驶芯片 FSD 的 HW3.0 硬件 已经完全能够应对 L5 级别自动驾驶所需的感知层数据量和计算能力。
随着自动驾驶行业的火爆，国内新兴的 AI 芯片公司也向此领域发力，但由于车规级的芯片研发难度极大，真正有实力做出产品的公司寥寥无几。
整体来看，大多自动驾驶初创公司都会采用国外的车规级芯片和自身算法来提供不同场景下的 ADAS 和自动驾驶解决方案。
谈及竞争，单记章表示，「现在已经不再是讲故事的阶段，落地最为重要。」他还透露，目前一些搭载华山一号的汽车已经开始在各种各样恶劣的天气下进行测试。
落地、谈合作，成为证明 AI 芯片公司技术落地的重要指标。
「2020 年是黑芝麻智能产品的落地之年」，在 2020 年开年之前，黑芝麻智能就纷纷与主机厂、上下游伙伴达成合作。
2019年12 月底，黑芝麻智能宣布同中国第一汽车集团有限公司达成战略合作，双方计划在自动驾驶芯片、视觉感知算法和数据等领域展开全方位的合作。之后，黑芝麻智能还与智能操作系统产品和技术提供商中科创达签署战略合作协议，双方将围绕智能驾驶操作系统、算法和解决方案等领域展开全方位的合作。
单记章认为此次合作尤为重要，将推进自动驾驶技术在一汽系列车型中的量产应用，成为黑芝麻智能在产品技术量产落地里的重大突破。
4
智能驾驶加影像，「一快一慢」发展
围绕视觉感知技术，除了面向智能驾驶之外，黑芝麻智能还有面向消费电子产品的智能影像。他指出，智能影像可理解为利用手机拍照，以达到单反相机的质量。
对于面向消费电子产品的智能影像，单记章向机器之心表示，黑芝麻智能的主要强项是对图像的深度处理，与智能驾驶采用的核心技术相同。
在创立之初，黑芝麻智能就已经确立走智能驾驶与智能影像两条路线。黑芝麻智能采用「一快一慢」的策略，以保持公司良好的发展节奏。
「这是我们最擅长的领域，布局智能驾驶业务，虽金额庞大，但所需周期漫长，而智能影像则不同，业务发展迅速，现金流循环快。」据他透露，目前智能驾驶与智能影像的营收占比比例为 5 比 1。
以后是否会拓展到其他领域？单记章向机器之心表示，现阶段要聚焦现有业务，不排除以后以合作的形式拓展到智能船舶、机器人等领域。
随着人工智能加速渗透汽车产业，汽车产业将迎来巨大的变革。这恰好也是单记章看重的领域，他表示，「2020 年预计会出现越来越多搭载黑芝麻智能芯片的汽车，2021 年将实现几十万量级后装车的量产。」
目前，各国汽车厂商、新造车势力、巨头公司及初创 AI 芯片企业均在大力推动自动驾驶技术的研发和试验，眼下，黑芝麻智能要面临各方的竞争。无论哪一方，能否落地，是衡量技术公司发展的重要因素。
对于黑芝麻智能而言，与车企合作，推动产品技术量产，作为初创公司已是重大突破。自动驾驶芯片领域看似新鲜，却依然逃不掉传统半导体生意的做法，如何应对市场对自动驾驶的旺盛需求，以及综合提升公司内核，在激烈的竞争中活下去，成为摆在黑芝麻智能等 AI 芯片公司面前的「算术题」。
机器之心Pro
追动态 | 查数据| 找资源 | 读报告 | 产业分析new
机器之心Pro 是基于「机器之心团队构建的百万级规模人工智能知识图谱及结构化数据库」搭建的人工智能领域专业信息平台。
目前已上线六个模块：Dashboard、新闻数据库、行业数据库、人工智能知识库、深度精选和智周分析new，覆盖 40 个技术领域及 56 个智能应用领域。