按手机行业标准，芯片出货量要达到千万级别，收入基本可以覆盖成本。在CES Asia 2019消费电子展期间，地平线联合创始人兼算法副总裁黄畅在接受第一财经记者专访时透露，去年地平线AI芯片的出货量达到10万片量级，“虽然这一数量还比较小，但在行业中走得已经比较靠前。未来2到3年，完全有信心上千万。”
近几年，包括云知声、依图科技、思必驰和Rokid等不少AI初创企业纷纷推出了自己的AI芯片。
2017年12月,地平线基于其人工智能专用处理器架构 BPU(Brain Processing Unit ) ，发布了第一代自动驾驶处理器征程1.0，可用于L2级别的高级驾驶辅助系统（ADAS)，并于2018年4月发布了地平线Matrix自动驾驶计算平台。据悉，搭载了地平线第二代BPU的车规级人工智能芯片也将于今年有突破性进展。
不过，黄畅也多次强调，地平线不是一家芯片公司，“我们实际上是一家AI计算平台解决方案公司，除了芯片，我们也做算法、工具链，还有软硬件的应用参考设计，方便客户在这个基础上快速进入产品开发阶段，本质上我们是一个平台公司。 ”
AI芯片的最关键指标：有效算力
从工业时代的用电量，到数字经济时代的用云量，到AI经济时代，可以用AI计算量去衡量其发展水平。地平线认为，有效算力才是衡量AI芯片的最关键指标。
传统芯片一直在优化PPA指标，即功耗、性能和面积，而AI时代各家都在拼算力，即以每秒钟进行多少次的乘法或者加法运算来评价一款AI芯片的优劣。黄畅指出，在AI时代，有效的算力才是最关键的，“算力通常来说只是它最大的可能性，但实际上很多时候是无效的。”
黄畅认为，在衡量AI芯片的真实性能时有四个关键指标，包括每瓦可以进行每秒多少次计算(TOPS/Watt，能源转化为计算的效率），每美元或者每元进行每秒多少次计算(TOPS/$，算力成本），算力的利用率（Utilization Rate），以及这些AI有效计算量最终以什么样的效率转化成AI的性能（AI Perf./TOPS，算力转化为AI性能输出的效率）。
其中，有效计算量的转换效率由算法所决定；而算力利用率则是由算法和架构共同决定的。一方面，随着算法快速演进，算法的精度不断提高，同时在达到相同的AI性能时，计算量会大幅降低，转换效率明显提升。但是另一方面，算法的演进对计算架构提出越来越高的挑战，过去GPU等通用芯片的计算架构并不能很好地适应算法的发展趋势，芯片的利用率下降，导致使用新算法反而得不偿失。这也是不少AI算法公司提出要造芯的原因之一。
黄畅指出，与纯算法公司和纯芯片公司相比，软件和硬件结合可以更好判断整个AI算法的发展趋势。“具体来说，我们面对未来重要场景中的关键算法有所取舍。如果还是寄希望于全场景覆盖所有的算法，走通用计算架构的路线，很难进行有效地系统提升。我们用产品驱动的思路对架构进行敏捷的迭代，更好地支持创新的AI算法。这是我们的基本技术理念，首重效能，兼顾灵活。”这其中有三个关键要素，包括芯片的架构、算法和编译器。
平台公司：不碰数据、不做应用
黄畅认为，目前大多数AI公司更多倾向于做Turn-key(交钥匙)解决方案，因为落地比较快，因此这些公司做AI芯片的主要目的，应该是为了进一步提升其在垂直领域中的竞争力。“地平线一开始就定位自己是平台公司，拿汽车行业来说：定位为Tier2，技术赋能，不碰数据、不做应用。我们在应用层面做了一些工作，只是为了提供更好的参考设计给我们的客户。人工智能的应用领域非常碎片化，任何一家公司都无法全面铺开。”
但是，即使不深入垂直领域做完整的产品，地平线仍然面临很多挑战。如何说服客户使用其解决方案是最大的挑战之一。“对于汽车行业来说尤其如此，因为汽车行业非常注重长期稳定可靠的供应商，要进入这一领域需要很多年的努力和积累，建立足够的信任关系，并且能持续服务多年。一辆车的生命周期非常长，不像手机一两年就行。”
针对这一问题，黄畅指出，地平线会针对重要客户建立销售服务团队，既做销售又提供前端支持服务，“销售人员要以比较高的频次拜访重要客户，沟通进展，了解近况，持续寻找商业落地的线索和机会；客户服务方面，一旦项目确定以后，尤其是alpha客户，几乎都是要以驻场开发的形式来提供服务。”
对于如何分配底层芯片与算法的投入，黄畅指出，在公司发展初期，在与芯片密切相关的硬件以及芯片底层软件的投入约占总的1/3，不到一半，剩下的主要是算法和应用软件，“当平台步入成熟，大多数的资源会被投入到软件方面的工作，包括更好的工具链，更好的参考方案设计，甚至更好的原型系统。而伴随着商业落地的拓展，会有更多的资源，放在客户支持服务上。这是平台ToB业务模式的固有规律。“
