如果大家摸索过几种不同的编程语言时 ， 可以看到不管是C、C++、Java或Python ， 它的核心还是if-else、循环、跳转 ， 只不过在用途、编译计算等方面会有一些不同 ， 但基础东西是没有变的 。 但是到了自主机器人时代是完全不同的 ， 机器可以看懂和听懂周围的世界 ， 这是一个数据驱动的可微分编程方式 。 在贯穿在整个过程中 ， 应用场景和开发范式都在持续迭代 。
再回过头来看 ， 2.0时代越来越重要 ， 所以围绕着2.0时代的“好用” ， 就是2.0时代的开发 。 但会遇到一个问题 ， 到底应该做什么样的事情 ， 以什么样的标准来衡量 ， 才能把软件2.0时代的开发做得好 。 我请教了一个老师：C++之父 ， 他在2020年发表了一篇paper ， 这篇paper在讲2006年到2020年14年间C++的发展 。

文章图片

上图的纵坐标是C++社区的活跃程度 ， 横坐标是时间 ， 可以看到C++在一个很快速的上升期之后 ， 在2000年左右出现了下降 ， 在2006年出现了一个拐点 ， 之后推出了C++11 ， C++14 ， C++ 17， C++20 ， 软件开发者的数量开始有了非常大的提升 。
在这14年里 ， Bjarne带领整个C++标准委员会讨论究竟需要把什么样的内容放到C++标准里 ， 让全世界的C++开发工程师利用他们手上能拿到的编译器做好开发 ， 比如C++11在Windows下编程可能是Visual Studio， 在Linux下编程可能是GCC或LVM或者其他一些商用的编译器 ， 那究竟要增加什么样的特性 ， C++才能更好用？要用什么样的标准来衡量“好用”？
他总结了两个点：C++一定要让应用能够非常好的利用硬件性能特性来提升硬件效能 ， 同时更好的管控底层的编程复杂度 。 这两句话也很矛盾 ， 高效利用硬件 ， 像是某种形式的软硬结合 。 有效降低复杂度 ， 是某种情况下的软硬解耦 。 同时 ， 他也提出来一条原则 ， 要能够让程序员写出好的代码 ， 并创造出好的应用 ， 而不是预防程序员出bug 。 一种是补补丁 ， 一种是更好的牵引 ， 来成就更好的开发者 。
从这点让我们更加坚信AI芯片上的开发也需要充分释放硬件的性能 ， 降低开发的复杂度 ， 让AI开发者们在 AI芯片平台上开发自己最主要的应用 ， 并把它变成一个很好的产品 ， 推向客户、市场 。 结合C++ 14年的发展历史 ， 我们认为这样的平台才是一个“好用”的开发平台 。
3.用软件2.0基础设施、工具链、开放软件栈和丰富样例成就开发者结合软件2.0的编程模式和编程范式 ， 究竟应该怎么做才能做出一个好用的芯片、上层软件开发环境 。 在这方面地平线也在一直实践 ， 所以下面将结合地平线的实践 ， 从软件2.0的基础设施、工具链、开放软件栈和丰富样例几个层面来介绍一些相关的思考 ， 我们也相信这可能是通往好用芯片 ， 尤其是好用AI芯片、自动驾驶芯片 ， 一定要走的路 。
AI芯片需要一个工具链和软件2.0基础设施 ， 在基础设施方面要有数据标注、模型训练平台 ， 它可以支持算法开发和训练、算法评测、端到端的数据闭环 ， 这样才能把更多的数据回传到基础设施里做数据驱动的软件2.0开发 。 而软件1.0经过40多年的时间已经变得非常成熟 ， 我们在上面也会坚持做微创新 。
另外一方面是模型部署优化和性能分析 ， AI算法放在芯片上运行起来时要很快、性能要好、精度要高 ， 出问题后要知道怎样分析 。 当把算法用起来时是整套应用的开发 ， 它最终会帮助开发者达到最终产品的目标 。
首先讲下基础设施 ， 这里会结合地平线艾迪AI开发工具平台的实践 。 艾迪AI开发工具平台是一个高效的软件2.0训练、测试、管理的工具平台 。 它由有几部分组成 ， 比如在边缘侧有车、芯片 ， 通过加密传输把数据传过来 。 在云端也是一套完整的基础设施 ， 包括半/全自动的标注工具 ， 自动化模型训练 ， 长尾场景管理、软件自动集成、自动化回归测试 ， 最后这整套模型通过OTA升级部署到芯片上 。 同时 ， 在端上还有影子模式、量产相关的模型部署、功能安全和信息安全方面的工作 。