蹭到车库邀请地平线BPU算法负责人罗恒博士线下开展的“⾯向⾼阶智能驾驶的计算架构演进”沙龙 罗博对地平线如何打造自动驾驶“软硬结合”解决方案进行了解读。 在场参加沙龙的都提出了大量硬核问题，我这里简单记录一下我关注和我自己提的一些问题： 1. 地平线J5是否可以实现城市NOA? 可以实现体检不错的城市场景NOA功能，主要看主机厂的产品规划与落地需求 2. 地平线J6看参数可以支持16路800万像素的图像识别，J5是4路800万像素或者16路200万像素，那是否简单的对比，J6的算力是J5的4倍及以上？J6将会是一个产品家族，会有多个等级配置，这里的支持应该是最高等级的算力方案，地平线J6旗舰版的算力将做到和友商同期旗舰产品相同的表现；此外J6将实现智能驾驶与智能座舱用同一颗芯片打通。 3. 端到端大模型是否是目前看自动驾驶的最优解？是，目前看端到端大模型虽然可能存在一些缺陷，但是目前看是自动驾驶最优解的方案之一，但是现阶段地平线并没有采用“图像进决策出”的端到端方案，因为现阶段还需通过分配成“感知、规控、决策”等多个模型去调整算法，实现工程的落地。 4. 地平线如何看到端测和云端及数据采集？地平线本身不采集主机厂车队的数据，但是提供开发工具帮助主机厂对车队数据进行上云和分析，将极大的优化现有车队模型算法，进而提升实际效能 5. 为什么地平线J5芯片算力只有128T？这里地平线更多考虑的是主机厂和消费端的可接受价格和有效算力，再好的解决方案，如果不能落地就不是一个可以用的解决方案，例如特斯拉的HW3.0也是一个非常具有通用性、成本性、规模性的驾驶辅助解决方案。 6. 地平线J5对于BEV、Transformer等自动驾驶算法是否支持？支持，而且在J6里面将进一步支持占用格栅，实现对不规则物体的占用空间的准确识别 7. 基于不同平台算法之间的迁移成本是否很高？是，这里从英伟达、地平线之间的不同芯片的算法互相迁移是有很高的成本，这也是行业共同遇到的问题 8. 为什么现在在主机厂没有基于地平线J5的城市NOA方案？这里我们为主机厂提供了解决的可行性，具体要看主机厂的产品需求，我们这里更关注进一步提升用户体验。 9. 为什么地平线驾驶辅助的摄像头没有用类似大疆得双目前视实现深度感知？我门通过多焦段得前摄，基于BEV也同样能实现将多个视角内得移动物体统一到一个坐标系内进行测距、类型识别和运动状态预测，实施上实现的是相同的需求导向。 10. 未来是否可能存在因为芯片限制等原因影响地平线自动驾驶芯片的量产？可能，但是车端的芯片首先制程相对没有这么先进，因此可能不会优先被限制，此外这里也是行业的共同限制因素，而并非地平线一个公司的限制因素。