来源:汽车公社
上周举办的科技创新日,蔚来发布智驾领域最新世界模型(NIO World Model,以下简称NWM),超越端到端模型部署,号称具备空间理解和时间理解的双重核心能力。
官宣流片成功的智驾芯片神玑NX9031,则是为蔚来世界模型量身设计。神玑NX9031是蔚来自研的全球首颗5纳米智驾芯片,按照蔚来的说法,一颗芯片相当于四颗业界旗舰芯片的性能(英伟达Orin X)。
过去两年,智驾芯片是车企重点破局的产品方向,蔚来和小鹏都在自研,理想的布局稍微晚一些。以龙鹰一号为基础,吉利旗下的芯擎科技也在自研的道路上走了多年。
李斌曾公开表态,去年蔚来购买了很多英伟达芯片,耗费公司不少钱,考虑到采购成本,公司决定转向自研芯片。官方的说法是,神玑NX9031大概一年左右可以回本。
自研芯片有很多理由,但目前芯片成功流片的“蔚小理”们,耗费巨资的目的之一,都是为了摆脱英伟达的束缚。从业界报道的信息看,大家自研的芯片都颇具前瞻性,将与智驾“端到端”等最新趋势相匹配。
不过,“围剿”英伟达的中国阵营,不止“蔚小理”。本土芯片供应商今年也“卷入”端到端的竞赛,上个月结束的中国汽车论坛上,地平线总裁陈黎明明确表态,端到端是目前通往自动驾驶终局的唯一可行方案。
爱芯元智车载事业部副总裁逯建枫认为,高阶智驾的端到端化是必由之路,芯片设计周期和研发周期比较长,爱芯元智的战略,是跳过其他模式,目前重点针对One Model模式来做,即布局类似UniAD的技术架构来实现NPU设计。
从行业层面看,外采的高成本,不确定的国际形势,以及此前特斯拉自研芯片尝到的降本甜头,都影响国内车企的芯片战略和供应模式。
而端到端大模型的火爆,不仅催化了新一轮智驾革命,也加速智驾芯片的产品和技术演进。这不仅对车企自研芯片提出更高的要求,也倒逼红海中的芯片供应商加速内卷。
自研潮,来了
车企为何自研?
一是,掌握核心技术,确保供应安全,不被供应商、特别是国外强势供应商“卡脖子”。
李斌在接受媒体采访时表示,芯片供给的国际影响,由于美国的限制,其实对中国的汽车行业已经形成了实际影响。
“我们在云端的训练芯片,去年10月以后,无法用到全球最先进的芯片。智驾团队不光看云端的能力,也看群体智能的能力,端侧推理芯片目前风险不大,但也要应对各种变化。”
二是,定制化。
业内专家告诉《汽车公社》/《C次元》,造车新势力自研智驾芯片,主要有几个重点考量。其中之一,是提升产品竞争力,有差异化,自研芯片有利于自定义功能。
对于汽车制造商来说,自研芯片耗资巨大,但可以减少海外芯片供应依赖,鸡蛋不用放在一个篮子里。当然,自研的芯片,和自家算法也能更匹配,这涉及算法和芯片平台的耦合度问题。
过去,特斯拉144TOPS算力性能可以优于市面上400-500TOPS算力芯片,计算效率高,主要原因之一,这是针对特斯拉自己算法设计。值得一提的是,特斯拉早在2019年发布的144TOPS算力芯片(Autopilot HW3.0),至今依然能支持智驾端到端落地。
三是,降低成本。
蔚来李斌在发布会上表示,去年购买了很多英伟达芯片,耗费公司不少钱,为此,蔚来决定转向自研芯片,一颗芯片可以顶采购英伟达四颗,能降低成本。按照李斌的说法,神玑NX9031大概一年左右可以回本。
还有其他维度的考量。
业内人士表示,宣传自研芯片,对外界进行承诺,立公司科技属性的flag,可以对二级市场和品牌有正向作用。此外,自研芯片的确能带来系统体验的有效提升,战略目的才能达成。
当然,更早一步布局的特斯拉,当时自研芯片的理由非常朴素,即增加算力,让方案更灵活。
据报道,小鹏自研智驾芯片的进程和紧跟蔚来,现阶段已经送去流片,预计可在8月回片。
理想启动芯片自研进程相对较晚,智驾芯片项目代号为“舒马赫”,预计同样在今年内完成流片。
“是手段,而非目的”
在英伟达掌舵自动驾驶业务的吴新宙提出,自动驾驶发展可以归纳为三个阶段,端到端是自动驾驶的最后一步。
第一阶段,完全基于规则;第二阶段,AI大模型慢慢取代人工规则,完成预测和规划;第三阶段,是彻底的端到端大模型,AI可以贯穿从感知到决策的全过程。
在自动驾驶的第三阶段,智驾芯片颇具挑战。爱芯元智车载事业部副总裁刘继锋,表达了同样的思考,在他看来,真正的端到端,云端用大模型进行训练和验证,训练的结果做推理,落地到车端,芯片公司将肩负重任。
在地平线看来,端到端是手段,而非目的,体验拟人、计算高效和交付敏捷,三者缺一不可。
端到端方面的积累,芯片公司需要从算法迭代、工程基础建设和软硬结合能力三方面发力。其中,软件和算法扮演了核心作用。
地平线算法平台总架构师穆黎森认为,端到端的本质能力,在于数据迭代。看上去,这是一种前瞻性的模型结构,但背后的数据迭代更为重要,能支持实验室技术,或是论文层面的算法,最终达到产品级的成熟度。
陈黎明也曾坦言,目前地平线遇到的困难,是很多车型和传感器的架构、传感器的布置和采用等都在不断变化。
虽然收集了很多数据,但这些数据不是高质量积累、且能持续使用的,这不是某家企业能解决的问题。
“特斯拉FSD V12.3版本,用了一千万个样本视频训练自动驾驶,这里的一千万个样本,是从100亿个样本里面提取出来的高质量数据,中国远远不够。而且,100亿的数据基于标准传感器的框架下收集,它有延续性,可以继续用来训练最新模型。”
还需要其它维度的护城河。
和地平线一样,爱芯元智也多次强调只做Tier 2。该公司认为,端到端算法对于智驾芯片的关键需求,主要有两个,高内存、和多核大算力。
而要实现端到端自动驾驶,离不开关键的计算芯片的支持,包括架构的创新、核心IP的突破以及在性能上的飞跃。
地平线穆黎森则告诉《汽车公社》/《C次元》,端到端算力竞争的技术门槛,主要在于能否适应模型结构变迁带来的算力需求,以及算子侧重点的改变。
一方面,模型会变大,算力也会变大;另一方民,模型结构会变迁,以前CNN(卷积神经网络)为主,端到端基本上以Transformer为主。
“Transformer是大类算法,用在大语言模型(如Chat GPT),或是智驾端到端,算子侧重点略有不同。自动驾驶的端到端,除了基础的矩阵运算等,都需要做算子支持,提出更高要求。”
还有华为系的势力。
即使智驾芯片被英伟达占据高地,我国依旧有一个庞大的群体,被华为赋能,如问界、阿维塔、极狐以及智界等品牌。旗下车型的智驾系统,大部分使用了华为MDC810/MDC610计算平台。
伴随着智驾芯片供应商的发力,以及蔚来们自研芯片加速落地,未来几年,从车企阵营到供应商阵营,国内智驾芯片“不受制于英伟达”的愿望,将慢慢部分实现。