本文来源：智车科技

／ 导读 ／

这次，传统芯片巨头英特尔不谈芯片，也不谈内核架构，在以“智车智驾 智创未来”为主题的2021中关村智能网联汽车国际创新论坛上，英特尔中国研究院院长宋继强讲的是另外一个故事：智能边缘计算与智能驾驶的关系。

他表示，开放的智能边缘是构筑未来智能驾驶系统的数字化基础，这是英特尔这几年逐渐探索的一个未来大趋势。趋势有了，还要有生态链的合作和统一的接口。

智能驾驶中国大有希望

宋继强表示，在推动经济发展的同时，中国的大规模基础设施建设也在扮演市场引领者的角色。中国的大基建古而有之，始建于春秋时期的京杭大运河，是世界上里程最长、工程最大的古代运河，也是最古老的运河之一。运河系统水运基础设施把中国从东到西的五条水系全连起来，曾经引领世界。今天的智能驾驶就和运输有关，还与能源、资源和算力有关。

工业革命开始之后，铁路基础设施不是中国发明的；电网输送能源也是在欧洲；公路体系、高速公路是在北美兴起的，二战时在德国开始使用；直到互联网时代，中国的信息基础设施一直在跟着美国走，差距大概是一二十年。但是，到了现在的云计算时代，算力基础设施的差距开始缩小了，差不多五年左右，而且现在全世界七座大型云计算中心，有三座在中国，四座在美国，所以我们的差距在逐渐缩小。

从古代曾经的领先，到后来落后，再到现在差不多能够齐头并进。未来，在智能驾驶领域，中国有很大的希望重新开始引领大规模基础设施建设，特别是正在同时推进的5G、人工智能建设和大规模的数字化转型，这就是我们的新基建。

最近中共中央、国务院印发的《交通强国建设纲要》指出，到2035年将基本建成交通强国，这一定要大力发展智能交通。所以，在这一领域中国有重新回到领跑地位的机会。

为什么是智能边缘？

宋继强指出，智能驾驶是一个非常需要传感和算力的时代，也需要网联。但这些传感和算力在哪里分布是一个问题。

传统意义上讲，传感和算力都是分布在车里，需要在本机上搭载足够的算力，才能实现人工智能（AI）。但是未来会发现，需要持续不断地扩展AI能力，同时要满足其他信息和更多功能的连接需求，这就决定了不能将传感和算力全部放在本机上，包括各种新的功能，因为车企不可能总是升级硬件。

事实上，硬件的迭代永远慢于软件的迭代，所以软件定义这件事情的发生实际上是要靠分级来构造基础设施。所以，尽管智能设备的本体一定是在逐步升级，但其构造更需要连续化扩展。

机会在哪里？传统观点认为，要通过网络把智能能力、软件能力融入在云端，这没有错。这在一些领域是可行的，因为升级数据就可以实现。但是，在与智能制造、智能驾驶、智能机器人相关的领域，是无法满足要求的。因为这些领域需要更低的延迟，因为传感器种类很多，数据又很大，难以满足时延要求，所以这种情况下就要靠边缘计算了。

边缘计算是这些年来非常重要的一个新兴领域，因为它带来了可以定制化的服务器、相应级别的算力资源，包括通信、网络带宽都可以定制，存储也可以定制。

所以，充分的定制化可以帮助垂直领域做很多软硬件协同优化的工作，满足不同领域的特殊要求。共性的定制化要求加上边缘计算与人工智能融合的新范式将给智能边缘以很大的发展空间，从而实现物理世界需求与数字世界需求的融合。

智能路口需要互操作性

十字路口就是一种边缘，其情况非常复杂，有一半的交通事故发生在这里。如果只靠车辆本身来提高感知能力和运算能力，永远会存在现在人类驾驶的问题，在视线被遮挡的情况下人没办法了解全局。

宋继强以一个早期开始还一直在做的案例解释说，在一个城市里，实际的交通路口安装了七个摄像头，分布于四个方向收集数据。加持了边缘计算后，就可以把传感器扩展到交通路口附近，包括各种各样传感器，再配合边缘计算就可以通过算法把不同摄像头检测到的物体运动轨迹合成在一起，形成一个全景视角，同时实时追踪车辆移动的轨迹，包括行人、电动车等交通参与者。

当算力再度增强的时候，就可以超实时运行，预测未来可能会发生什么样的碰撞。如果再将数据叠加到高精度数字地图上，车辆就可以实时知道前面可能会发生什么情况。这样等于扩展了车辆的自动驾驶软件系统进入路口的全景视角。

当然，这样做不能只靠摄像头，因为摄像头有自己的限制，还需要所以其他传感器。现在的毫米波雷达、激光雷达开始越来越便宜了，所以路侧设备也可以使用。

与此同时，由于需要很短的传输延时、计算延时，这些传感器之间还有同步的要求，系统能力一定要不断增强，所以需要定制服务器。另外，由于不同的摄像头分辨率不一样，帧率也有所不同，做同步所采用的规范也不一样，再加上其他传感器——毫米波雷达、激光雷达的帧率不同，同步是非常重要的要求。所以，未来构建一体化的智能交通基础设施，各种设备之间、各种模块之间的互操作性非常关键。

互操作性能够解决什么问题呢？有几个方面，首先是传感器供应商很多，包括多个Tier 1、Tier 2供应商。它们之间需要有互操作性，一定要像USB那样能够即插即用，大家才能互联互通。

第二是处理，分为计算、传输和存储，这些都要有相应的规范，模块之间要有一个接口协议来认证，以便模块之间约定如何衔接，以什么样的算力提供什么样的能力、什么样的延迟。互操作性还能够保证可靠性，比一般应用于其他领域（如娱乐、游戏）的一些服务器、边缘计算的要求高得多。

第三，数据也同样重要，因为很多与驾驶、交通相关的数据都是有隐私、安全要求的，所以需要有像私有云级别的安全和隐私保护机制。

最后一点也很重要，一旦部署了交通领域用的基础设施，就意味着不能经常挖开、拆了去更换设备。当硬件要升级或者软件要升级时，要能够很方便地实现升级换代。一套基础设施架构应该在长达10年、20年的时间内仍然可以升级，这些都是未来构建基础设施成功的关键。

成功案例

过去几十年来，英特尔一直致力于推动各种生态级别的互操作性标准。宋继强举了英特尔研究院亲自参与过的两个例子。一个是2009年发布的雷电接口（Thunderbolt），该连接技术融合了PCI Express数据传输技术和DisplayPort显示技术，可以同时传输数据和视频信号，且每条通道都可提供双向10Gbps带宽，最新的Thunderbolt 4已达到40Gbps。经过产业化并推出标准体系，苹果用一套Thunderbolt接口即可兼容多种不同设备，互操作性很强，速率也很高。

另一个例子跟边缘计算有关，是一个接入网标准。2010年前后，英特尔研究院和好几家通信合作伙伴，包括中国移动通信研究院，一起推出了CRAN无线接入网（Cloud Radio Access Network），也就是通常所说的云接入网。它将接入网由以前的纯硬件搭建（FPGA、DSP等）的固定功能转变为可以用软件来定义的更多接入网功能。因为CPU能力越来越强，可以在上面运行一些软件堆栈，同样可以达到延时的要求。目前，CRAN已变成一套软件定义的接入网体系，而且已经标准化，并已推向市场。

自动驾驶不是一家的事儿

宋继强表示，在定义各种设备互操作性和网络边缘的生态标准方面，英特尔一直不遗余力在做。在智慧交通和智能驾驶领域，英特尔与Mobileye一起推动了世界第一个、也是中国第一个自动驾驶安全标准。

自动驾驶不是一家企业的事儿，而是整个行业的事儿。当自动驾驶出了问题时，我们得知道责任怎么认定，大家是否同意认定的方式。所以要有一套形式化的方法，一套大家都认可的方法。

作为标准工作组的主席，2018年开始，英特尔和国内的一些大学，包括清华大学、同济大学、南方科大、中国科学院自动化研究所一起，在交通部公路科学研究院的支持下，在自主车辆的安全、数据集与评测、交通基础设施、前沿算法与系统架构、V2X以及标准等核心领域开展广泛和深入的合作。去年初，第一版团体标准《自动驾驶车辆决策的安全保障技术要求》发布，第二版将在今年发布。

在这些标准中，将会写入设备之间的互操作接口，也包括城市区域的整体基础设施，比如两公里路段要安装一些边缘计算设备。

车端和边缘计算需要开放合作

宋继强最后说，未来的工作也离不开车端，包括车端AI算力如何分布，如何与边缘计算进行协同。在这方面，英特尔将与车企密切合作，其子公司Mobileye也有很多积累。另外还有数据中心和云端，其两类基础设施是云计算基础设施和高性能计算中心。其中的一些不同编程接口都需要做统一化处理，因为未来云端计算资源将越来越多，种类也很多。

现在，我们已进入XPU时代，既有CPU、GPU，也有专门用来做神经网络加速的NPU、ASIC，还有其他各种处理器。所以它是一个混合的架构，需要有一个统一的接口来提供功能。在中间层，未来需要智能计算、边缘计算去处理的一些垂直领域，包括智能驾驶、智能机器人、智慧交通，还有些智能制造。从上层的开源边缘软件框架到下面的公共边缘服务，再到最下边的不同种类的软硬件加速器、处理器之间的调度和协同，都有很多工作要做。

总之，构建未来智能驾驶边缘领域的互操作体系，同时支持设备的升级换代，只有一条路，那就是：开放合作。