工信部消息，工信部办公厅印发《新一代人工智能产业创新重点任务揭榜工作方案》的通知，到2020年，突破自动驾驶智能芯片、车辆智能算法、自动驾驶、车载通信等关键技术，实现智能网联汽车达到有条件自动驾驶等级水平。
突破智能服务机器人环境感知、自然交互、自主学习、人机协作等关键技术，实现智能家庭服务机器人、智能公共服务机器人的批量生产及应用。智能消费级无人机三轴机械增稳云台精度达到0.005度，实现360度全向感知避障。全国90%以上地区的宽带接入速率和时延满足人工智能行业应用需求，在重点企业实现覆盖生产全流程的工业互联网示范建设，在重点区域初步建成车联网网络设施。
为什么自动驾驶芯片是AI芯片的珠穆朗玛峰？
今年，AI芯片是人工智能业界最大的主题，但是在AI芯片公司中，投身自动驾驶这一赛道的公司并不多。自动驾驶对算力的要求是最高的，对初创公司来说，是巨大的挑战。
在自动驾驶的算力需求下，芯片的设计很容易达到功耗、成本的极限，因此需要逆转设计理念，从算法出发，推导所需要的计算构架。跟GPU构架的性能相比，地平线第二代BPU的构架的优势非常显著。这种算法和计算构架的协同设计，使得地平线也极大地提高了计算能力的利用效率。
自动驾驶的设计首先面临的挑战就是计算构架，面对人工智能算法的高速演进，深厚的算法积累对芯片设计非常重要。
第二个挑战是功能安全。在汽车安全领域，要使自动驾驶达到ASIL-D的要求，流程上要符合ISO26262的全生命管理，就需要在开发流程设计、验证等所有步骤中做到符合规范。
第三个挑战是成套技术的开发难度高。不同的环境对系统架构的需求不同，因此需要开放的平台来支撑。但开放的平台需要完整的工具链，从云端的训练平台到端上的编译器，一套技术开发的难度可能是研发芯片的5倍甚至10倍。
其实很多领域都在探讨，自动驾驶领域中ASIC芯片是否为终极方案？
使用ASIC首先是出于成本，同样的算力，ASIC的成本要比GPU、FPGA、DSP要低。或许使用ASIC前期的投入较大，但量产后就能回收成本。第二，ASIC的运行效率要比其他的方案要高。这是自动驾驶的需要，因为自动驾驶称得上是对安全要求最高的一个行业。高盛最近的报告预测在2025年，FPGA、GPU和ASIC的比例。到2025年，GPU仍然占据2/3的市场，但是FPGA和ASIC的增长幅度较大。
