开放的感知中间结果助力国内的ADAS功能不断进化
目前，对于感知算法API，行业内还是较为封闭的。很多功能较难落地(比如信息娱乐域关于ADAS功能的增强现实显示功能)，部分原因是由于感知算法只提供给智能前视摄像头模块内部使用，不愿提供给其他子系统使用导致的。而地平线感知中间结果可以做到全开放。且由于地平线算法的低级语义非常丰富，全开放的感知中间结果能够支持客户在应用层开发更加复杂的功能。
截止目前，地平线算法可以支持10类动态目标和53类静态目标。其中动态目标包括：成年人、儿童、骑行者等3类行人，以及轿车、SUV、面包车、卡车、客车、摩托车以及老年代步车7类;而静态目标则包括8类车道线、2类红绿灯以及43类交通标识。比Mobileye更丰富的感知信息，给客户实现差异化功能提供了坚实的感知基础。
图1 地平线算法所提供的丰富感知信息
开放而全面的工具链，践行“深度赋能”理念
为了增加视觉算法迭代的敏捷性，能够更好地支持国内各种极端的感知场景，地平线推出了AI芯片工具链Horizon OpenExplorer(地平线“天工开物”)，包括数据、训练和设备部署工具，例如模型训练工具、检查验证工具、编译器、模拟器、嵌入式开发包等(图9)，形成闭环。数据产生模型，模型可以被部署到设备上运行，运行过程中又可以指导模型的调优，甚至收集新的数据。这样的一种自我进化的开发模式，可以提升开发速度，降低开发门槛，保证开发质量。基于这种模式可以减少约30%的开发人力，节省50%的开发时间，更重要的是，因为开发门槛被降低了，开发者的规模甚至可以扩大一个数量级。
地平线会持续对开发工具进行升级，为客户提供半自动化的处理流程。主要包括：数据工具与模型，模型与端上设备之间的闭环迭代;丰富的模型/系统参考原型，简洁易用直观方便的交互手段;标准化开发流程，加上持续的测试，集成，部署机制。
图9 地平线“天工开物”芯片工具链
更具体地将，地平线的模型训练工具能够支持TensorFlow等主流的深度学习框架，帮助用户自己训练模型;编译器支持将开源训练框架模型格式转换为芯片上的二进制格式;嵌入式开发包则能够支持客户调用算法库开发自己的应用，让客户自己在芯片商快速部署应用。整个工具链包能够覆盖完整的开发链路(图10)。而经过地平线编译器的优化，能够极大缓解算法的访存瓶颈，提高芯片的计算效率(图11)。
图10 基于“天工开物”工具链的开发流程
图11 经过地平线编译器自动优化的算法，性能提升巨大
近来，地平线与韩国SK电讯公司合作开发了动态众包高精地图解决方案。SK利用地平线的工具链，开发了韩国道路的视觉感知算法，证明了工具链的易用性和可靠性。
简言之，地平线的开放是从提供系统参考解决方案，到全面开放感知结果，再到工具链的全栈解决方案的深层次、多维度的全面开放，充分赋能汽车行业的智能化发展。如果客户主张效率最大化的分工合作理念，地平线就提供软硬件一体芯片方案;如果客户青睐能力最大化，希望使用自己的算法，地平线就为客户提供纯芯片和整套工具链，帮助客户实现足够深入的开发自由度，践行“深度赋能”的长期承诺。
