丁丁:智能汽车“芯”平台“芯”思考
2024年7月11-13日,2024中国汽车论坛在上海嘉定举办。本届论坛以“引领新变革,共赢新未来”为主题,由“闭门峰会、大会论坛、10多场主题论坛、9场重磅发布、主题参观活动”等多场会议和若干配套活动构成,各场会议围绕汽车行业热点重点话题,探索方向,引领未来。其中,在7月13日上午举办的“主题论坛九:汽车芯片高质量发展,巩固智能网联新优势”上,黑芝麻智能产品副总裁丁丁发表精彩演讲。以下内容为现场演讲实录:
感谢秘书长,感谢协会的邀请,有机会和大家在这边分享交流。
过去十年在汽车智能化上,大家在行业里的每一个参与者都肯定有很深的体会,应该可以说是天翻地覆的变化。无论从技术上,还是从用户的体验角度,现在的智能化和十年前整车上的差别都非常大。我们对智能化这十年的变化,作为一个芯片的企业也有一些观察和体会,今天也借这个机会和大家分享一下我们对行业状态的理解以及我们的一些相应进展。
智能化主要跟技术相关的两部分,一部分在自动驾驶上,一部分在智能座舱上。自动驾驶方面,过去十年变化很大,初期的几年基本上发展的速度没有那么快,刚开始只是一些摄像头的应用,预警类的应用,真正的发展在过去五年左右的阶段,随着智能AI技术的突破逐步提速,现在最热应用的是NOA,行业也共识NOA是从中低阶自动驾驶向高阶跨越必经的技术阶段。
针对当下实际的现状,我们也收集数据做了一些分析,目前主要落地的是高速高架NOA,城市场景还没有完成突破。高速NOA过去3年内到现在,即使行业里面无论技术端、产业端还是市场端都很热,但实际的装配率并不高,这也是我们看到的一个现状。但好的一点是什么呢?现在可以看到在这种L2+及NOA层面的技术层面,一些功能性能边界和软硬件能力、原理性的东西都已经突破了。更好的方面目前已经上车的终端客户的体验,NOA这类功能所带给老百姓的体验,已经可以看到一个非常清晰的趋势,用户和市场已经开始真正接受这样一个功能的使用和体验。这是非常有意义的,因为这样可以看到在未来3-5年内,随着技术进一步突破,自动驾驶真正大规模应用和落地的趋势和可能性越来越清晰。
尽管现在装配率不高,但我们预测在未来3-5年内复合增长率在40%以上,实际落地量产的规模的增长也会进一步推动高阶智驾L3甚至Robotaxi上一些技术的突破。任何一个新的应用,通常我们讲从突破期到爆发期,最后到成熟期,现在在自动驾驶的发展正好处在非常好的突破期到爆发期转折和变化的阶段,在这个阶段里面跟住趋势,参与到行业的发展,一定在未来的商业上也会有很好的回报。
技术的角度来讲,看驱动自动驾驶进一步发展几个大的因素:
算法。算法从过去传统的CV到后来的深度学习,到大家讲得很多的BEV等等,算法实际是真正在应用上创新以及带来体验变化的真正原动力。芯片是相应的foundation,是重要的基础,是承载算法的演进的必备品。
数据,我理解为像能量一样,是营养,算法有突破以后,芯片能跟得上,有了硬件支撑之后,数据驱动了理论算法从原型到体验落地,是实际应用当中最重要的能量补充。
这里想讲的一点,传感器,大家经常讲算力、算法、算据,但实际上,可能在未来3-5年内,在自动驾驶的发展上面,传感器也会值得关注,因为可以看到我们现在停留在自动驾驶的典型传感器的配置上,包括种类、分布、已经停留了很长时间了,是不是支撑未来高阶自动驾驶最终落地的形态,在我们看来还是有很大的演进空间,所以在传感器上也值得技术产业方大家一起去看,如何在传感器上进一步去突破。
座舱也一样,最近AI方面的突破带来了大模型。我们也强烈感受到在座舱上面随着大模型能力的补充进来,现在会给整个智能座舱的体验带来一个新的变化。如果看过去十年,从当时行业第一辆互联网汽车为行业带来一波智能座舱体验升级之后,座舱变化没有那么大,不像自动驾驶可以看到很明显的变化。
随着大模型的加入,我们觉得座舱里面的智能化会有很多新的idea产生、应用和新的体验上的变化会随之而来。这也是我们从芯片厂商角度看一些基础技术的时候关注的一个重点。目前像3B、7B左右参数量的大模型,也在黑芝麻智能芯片上进行了移植,得到了非常好的技术可行性的支撑。
大模型在未来自动驾驶算法上面也已经有所尝试,虽然目前还有很多不确定性,无疑给高阶自动驾驶确定性带来很大的支撑。看过去十年甚至二十年,从传统的CV方案到后融合,到深度学习的介入已经跨过了一个很大的台阶。最近几年,端到端的算法出现,目前也可以很快看到它实际地落地在车上的体验。再往后看,随着大模型方法的介入,可以看到基于多模态的新的算法结构会出现,很可能会给后半程的智能化,终极智能化带来质的变化。
刚才讲了一些我们对行业应用的观察,我们是半导体企业。如果我们回顾过去100年,半导体是一个非常重要,在各个阶段人类生活、社会很大一些变化背后最大的推动力。关注过去20多年,这边我称作超越期,这个阶段很重要是处理器的出现,随着半导体制程的上升,处理器技术在过去20年推动了非常多传统行业、新兴行业。处理器里面当然有很多细分的技术,随着算力的提升,随着封装技术的改变,整体的计算能力会越来越强,这就是为什么刚才我们说芯片是支撑智能化很重要的一个基础。
在这个阶段当中,尤其是后面10年发展最快的是处理器上面的NPU,当AI计算能力加强了,才能承载更好的算法和功能。
回到汽车,芯片在汽车上也一样,李总也提到,“二战”之后尤其是80年代开始,随着军工上一些技术的导入,半导体真正进入到汽车。一开始涉及的东西肯定较简单,也是在过去十几年的过程中,随着芯片里面处理器的加入,可以看到大大推动了整车,大量应用和体验的变化。
如果讲车载计算,处理器在车里面承担计算的作用,车载计算主要有三个大的路径,一个是舱内人机交互的一些东西,可以看到最早我们CD机,DA,到后面中控大屏、触摸技术的介入,都是过去十几年在舱内发生的很大变化,背后也是处理器一代一代的迭代。在车身和控制领域也一样,最开始一些小的MCU,开始在一些小的控制节点,到后面随着数据量的上升,有了数据交换的系统,有了网关,有了区域控制器,包括一系列的底盘、车身上面的运算需求的提高,对本身控制类芯片、计算类芯片的需求也在大幅提升。
最重要的辅助驾驶方面,从开始的模拟摄像头,一个倒车后视,需要的计算力都不会太强。但是随着摄像头的增多,随着传感器计算的需求增多,随着AI的技术突破,计算能力的需求大幅提高,背后也是处理器一代一代在迭代。
说这么多,稍微介绍一下黑芝麻智能,我们就是一个致力于做计算类的处理器,专注在车载应用方向上的公司。我们定位是芯片的供应商,做行业里的Tier2,但是为了让客户更好、更快把我们的芯片用起来,能带给车端、客户端更好的体验,我们也会在芯片之上做的软件和算法开发,以助力整个行业往前推动,这是我们的定位。
基于刚才对行业的理解,转换成指导产品开发的逻辑,汇报一下我们的思考,基本上目前智能化阶段会看成两个方向:首先刚才看到无论舱还是驾,智能化的路径上还没有看到非常清晰的天花板,也就是说老百姓体验上还有很多路可以前进,终局行进过程中会看到算法会有变化、有提升、有创新。作为背后支撑的处理器芯片,面对未来5-10年的市场,也需要继续积极布局后面的更高性能,算力更高、更先进的芯片技术,以支撑持续向高阶、高端迈进的方向。
随着智能化一步步落地,可以看到无论舱内还是舱外有非常清晰的标准化智能化的功能,已经可以大规模带给客户上车,可以体验使用。当我们谈所谓智能化标准化的时候,基本上就意味着一个应用、一个功能已经被市场,被终端客户开始接受,开始大规模使用。转换成技术的语言就是它的成本,所需要用到的技术、算法,包括算力边界已经开始清晰。
当这些清晰后标准化的智能功能要普及大众的时候肯定会下探,下探到更低的车,20万以内,15万、10万以内,原来没有这些东西,车同样要卖这个价钱,如何让更低端的车可以享用到、装配到标准化智能化的功能,对从产业链到芯片都提出一个考验,如何才能保证体验上升的情况下把芯片成本,把域控成本、整车成本继续控制住,这就是另一个方向。原来可能是一个一个盒子,一个一个系统,通过芯片技术的创新,把更多智能化功能集成到一个芯片上,从而带给Tier1用一个域控,一套系统可以提高同时具备这样智能化的体验,对整车来说还是一个域控,但是所带给终端客户智能化的体验、功能都大幅上升。
基本上从做芯片的角度也是致力于这两个方向,高端继续演进IP,演进性能支撑更好算力的大芯片。同样架构上的创新,可以把更多标准化功能融合到单芯片里面,这是目前行业里比较热的融合方向,基本上是这样一个思考逻辑和心路历程。
基于这样一个逻辑,我们也对行业有后面一些思考,因为无论是哪一个方向,在中国市场智能化大芯片、大域控角度都面临一个问题,整体TAM不够大,这么多车再加上装配率没提高的情况下,算一算整体可应用落地的车辆并不多,对芯片厂来说整体量很难上去。另外对于整车厂、Tier1来说一个平台开发周期越来越短,投入非常大,怎么让投入持续对整车有持续帮助,也是我们在思考的逻辑。往高端走算力持续在上升,例如舱内要打游戏、语音交互、大模型等等。现在一代平台可能两年就要淘汰,整个平台又要大规模投入。汽车芯片周期和芯片域控开发周期不是特别匹配,整体车辆功能迭代的周期也越来越快。
如果我们看海外一些大厂,因为整个涉及的是全球市场,整体Car Line非常宽,可以从低端车到高端车共用一个平台,平台生命周期相对长,和中国的现状不太一样。我们也在想,有没有可能把以后的这种AI的大算力和舱内体验人机交互需求消费类化、舱内平板化,舱外智能驾驶算力化,Tops持续成倍上升,作为算力加速的角度演进,这样可以更好地加快本身迭代和演进的速度。
把跟车本身相关得非常根本的、非常可靠性要求高的东西,无论低端、高端车都需要的这一层功能,通过更合适的,多功能融合的芯片把它固定下来,当一个车厂不同的车型有低有高有中的时候,至少把一部分一致性比较高的功能可以稳定下来实现于一个域控平台,在不同的车型和不同档次的车平台上面可以重用,这样我觉得可能会对整个产业链,包括从整车到像芯片供应商Tier2都会有很大的帮助。
另一方面低端车可以通过成熟的技术,把更多功能融合到一个芯片里面。原来我们讲多个盒子、多个芯片、多个系统,现在可以尽量大规模做融合,从而产生更本质上的降本,不只是压榨供应商降价的降本,从系统上通过融合集成提高整车性价比更有意义。
基于刚才一些对行业的理解我们也产生自己产品的规划,黑芝麻智能主要做自动驾驶芯片起家的,最开始是华山系列,去年发布了武当系列,武当系列的命名也对应了我们想做的方向,就是融合和跨域计算,因为我们讲太极武当,就是平衡万物,当你做多功能融合的时候,不是说单点性能要做到最高顶尖,更多怎么能让这些预定义好的多功能需求和不同类型的计算需求,都能在一个芯片上完美地共同工作起来,这是我们新的武当系列追求的。
讲到新的芯片平台,是跨域融合的芯片,芯片架构上具备了多个不同计算类型的算力单元,目前推向市场的主要是两个方向,在C1200家族里面有C1296,主要面向舱驾行以及车载数据交换,多功能融合的芯片。C1236主打入门级城市NOA以及控制功能的融合角度。
芯片里面融合的功能很重要的一方面是内置了数据交换的Switch,通常系统里需要在板子上单独放以太网的交换芯片,现在可以外部做的事情也拿到里面去做,不仅仅是省成本因为最终在多功能融合的时候数据流动的效率是最重要的,也是我们把数据交换的能力放到芯片里面很重要的推动力。
从去年年底样片以来,整体进展还是比较快的,从今年年初CES开始,陆陆续续把一些软件和合作伙伴的一些东西都已经准备得比较好了,也开始推向市场、推向客户。可以看到无论舱外一些功能,像现在大家经常讲的BEV/Transformer都在芯片上有比较好的支撑,目前基于7路BEV轻图或者是无图NOA的方案也已经在实车上运行,也给各个客户在做推广和合作。尤其讲一下这个芯片对Transformer做了非常好的支持,包括BEVFomer、BEVDet、FastBEV在芯片上已经可以提供给客户做参考的参考模型,客户拿已经优化过的模型可以快速训练数据,达到产品化。
舱内也一样,像仪表、中控,包括副驾,流媒体后视镜,控制屏等等这些功能,我们都已经有完整的解决方案,在今年北京车展进一步和各种合作伙伴,对虚拟化,图像人机交互UI引擎等做了很多提前的适配,都是为了让终端客户、车厂和Tier1可以更快更好把这个芯片用起来。
最后讲一下在自动驾驶上的理解,当下高速高架的NOA已经开始大规模落地,在吉利、东风有不少车型已经可以把这样的体验基于我们量产一代的A1000芯片带给大家。这一代基本上在50T左右的算力,再看下一步的行业发展,基本上我们的判断会在两个方向上,一个基于在已有NOA突破期已经达到的一些体验,基于行业的共识基础上,下面要进入到爆发期,进入到爆发期很重要的开始要做性价比的提升,这也是我们今年一个重要的工作。在几十T算力上面要优化传感器的数量,从原来的高精地图到轻图到无图,在体验不变或体验更好的前提下,把性价比更高的NOA的方案和体验带给整个行业。
另外一条线是城市,这也是今年新一轮的热点,在高速高架NOA基本上成熟之后怎么往城市的场景里跨越。我们的看法这个过程会比前面几年的历程更复杂、更难,因为城市的场景有太大不确定性。基本说我们也会把它分成阶段1和阶段2,在未来3年内可以目标入门级、普惠级的城市场景,先把路口过好,无保护左转、环岛过路口场景相对MPI值在几十公里,我觉得这已经是很好的目标了,对整个行业来讲。完成这个阶段对算力要求也是有提高的,这也是我们推出C1236的重要原因,因为需要用到支持Transformer的算法,需要用到更大的逻辑算力,这款芯片可以更好地服务一阶段入门级城市的体验。
今年也会推出更大算力的A2000,基本面向几百T的区间,真正支撑复杂城市场景自动驾驶的实现。
最后介绍下A2000,作为我们最新一代的自动驾驶高算力的芯片,承载了新一代自研的神经网络加速器,这是一个原生支持Transformer计算的硬件单元,效率非常之高,对标在行业目前的主流产品,基本在10倍左右性能效率的提升,对于A2000的性能我们很有信心,也希望能在Q4阶段,在A2000上与行业各个伙伴、车厂客户有进一步探讨和合作,能助力行业参与到未来智能化下半场向终局的无人驾驶发展的过程当中。
谢谢,这是我今天的演讲内容!
(注:本文根据现场速记整理,未经演讲嘉宾审阅)
热门文章
更多精华美文扫码阅读
![焉知汽车](/style/home/tamplate3/images/Yanzhi-AutoPilot.jpg)
焉知汽车
![希骥电池与储能](/style/home/tamplate3/images/Yanzhi-PowerDrive.jpg)
希骥电池与储能
请先 登录 后再发表评论~