過去幾年智駕功能突飛猛進，從最初僅支持自適應巡航和全自動泊車到如今的城區(qū)無圖NOA，背后的驅(qū)動不僅得益于算法的持續(xù)迭代，也反映了智駕SOC芯片在性能上的不斷突破。
硬件+算法的不斷優(yōu)化為智駕功能的持續(xù)提升提供了堅實的基礎(chǔ)，但在兩者攜手向前的過程中，也出現(xiàn)了一些問題，比如新算法和傳統(tǒng)芯片架構(gòu)存在“隔閡”、外采芯片和自研算法不夠適配，進而導致芯片性能難以充分發(fā)揮的問題，這些問題的存在不僅會對算法迭代節(jié)奏和芯片架構(gòu)產(chǎn)生新的挑戰(zhàn)，并且在更廣層面上，對芯片廠、軟件Tier1以及整車廠所構(gòu)建的行業(yè)格局產(chǎn)生沖擊，這些企業(yè)如何應對，如何破局？
一、新算法與傳統(tǒng)芯片架構(gòu)的“隔閡” 雖然在宣傳口徑上，無論整車廠還是軟件Tier1都尋求著標新立異，不遺余力的吹捧自家技術(shù)的領(lǐng)先性和獨特性，但本質(zhì)來看，國內(nèi)智駕算法領(lǐng)域的技術(shù)路徑已經(jīng)逐漸趨于收斂。基于BEV+Transformer+OCC去實現(xiàn)城市NOA已經(jīng)成為主流的感知算法框架，感知、規(guī)劃一體化的端到端模式也逐漸成為共識，成為新的技術(shù)發(fā)力點。但在算法持續(xù)優(yōu)化的過程中，行業(yè)卻發(fā)現(xiàn)新的算法與過去的芯片架構(gòu)難以得到很好的匹配，比如Transformer網(wǎng)絡(luò)在一些智駕SOC芯片上就很難部署，究其原因主要在于過去傳統(tǒng)側(cè)的AI芯片更多的是針對CNN網(wǎng)絡(luò)去設(shè)計開發(fā)，而目前智駕算法卻以Transformer為主，在計算類型上兩者完全不同，體現(xiàn)在硬件要求上就是后者會需要更多的內(nèi)存容量和訪存帶寬。
針對上述問題，芯片廠的應對思路有三點： 1.增加具有匹配Transformer算法模型的專用引擎 2.針對特定算子進行優(yōu)化 3.改善內(nèi)存系統(tǒng)設(shè)計
英偉達最新一代的Thor芯片就專門為Transformer算法做了硬件優(yōu)化，它集合了新的Tensor Core、FP8和FP16精度計算，以及Transformer神經(jīng)網(wǎng)絡(luò)動態(tài)處理能力，旨在加速AI計算的效率。此外，Transformer引擎能夠在訓練神經(jīng)網(wǎng)絡(luò)的每個步驟中動態(tài)選擇神經(jīng)網(wǎng)絡(luò)中每一層所需的精度，可以協(xié)調(diào)動態(tài)范圍和準確度，比如，可以根據(jù)工作負載在FP8和FP16格式之間進行自動切換，使其在訓練模型時，跑的每一步都只用最低精度需求，但又不損失精度的效果，從而達到芯片最高的效率。
其次是針對特定算子進行優(yōu)化，Transformer模型中有一些非常關(guān)鍵的算子，雖然計算量不大，但很復雜，地平線的J6芯片就通過對硬件進行優(yōu)化，使得J6在運行這些超越函數(shù)算子的時候，計算效率得到大幅度提升。 最后是內(nèi)存系統(tǒng)的優(yōu)化，據(jù)相關(guān)數(shù)據(jù)顯示，處理器性能以每2年3.1倍的速度增長，而內(nèi)存性能以每2年1.4倍的速度提升。計算能力與帶寬能力之間的差距將會越拉越大，這就導致芯片的內(nèi)存容量和數(shù)據(jù)傳輸速度難以跟上芯片的計算速度。因此，車載SOC的性能與效率的發(fā)揮將受到嚴重制約，進而出現(xiàn)“存儲墻”問題。地平線J6內(nèi)部采用全新的存儲系統(tǒng)設(shè)計，片上包括L0M、L1M、L2M，共三級存儲系統(tǒng)，用于數(shù)據(jù)緩沖和交換。同時，先進的總線架構(gòu)配合高帶寬的DDR，可有效緩解內(nèi)存墻的問題。 二、車廠芯片自研 很多人將車廠自研芯片的目的歸因于供應鏈安全和成本考慮，毋庸置疑，這兩個因素是車廠決定是否自研時著重考量的點，不過除此之外整車廠有著更深層面的考慮。通過自研芯片，車廠可以針對自己的應用需求去對芯片的架構(gòu)做出更好的調(diào)整。由于這些車廠在算法端是采取的自研策略，那么其就可以在指令架構(gòu)、內(nèi)存帶寬配比、NPU支持的算子形態(tài)等方面從算法團隊獲得精確輸入，然后再針對自己的算法以及對于功能的理解去設(shè)計芯片。這種方式設(shè)計出來的芯片在運行自家的算法時，可以做到更低的成本和更高的運算效率。在當下汽車行業(yè)內(nèi)卷嚴重，終端價格戰(zhàn)競爭激烈，自研芯片所帶來的成本壓縮和效率提升對車廠的吸引力是巨大的。
特斯拉在與英偉達分道揚鑣之后，基于其自研的FSD芯片，做到了極致的軟硬一體化。它能非常高效地用處理硬件的算法去完成一些任務(wù)，從而極好地控制了芯片的功耗、面積及成本。類似于蘋果自研的M系列芯片，特斯拉針對自己的應用需求去對芯片做了架構(gòu)上的剪裁，從而使整個底層硬件的計算資源能夠做到更高的利用率。作為對比，特斯拉自研的FSD芯片盡管在工藝上跟英偉達orin具有一代的差距，芯片的代工成本上卻僅為后者的三分之一，并且整體功能實現(xiàn)效果上表現(xiàn)更優(yōu)（尤其是，在端到端領(lǐng)域，特斯拉在整體表現(xiàn)上更有優(yōu)勢）。
特斯拉是引領(lǐng)者但并不是獨行者，如同其算法架構(gòu)在國內(nèi)獲得一批擁躉者一樣，其自研智駕芯片的行動也響應者眾多，蔚來的5nm智能駕駛芯片神璣NX9031已于7月宣布流片成功，計劃明年一季度應用在ET9上。小鵬汽車自研的圖靈AI芯片，在10月已經(jīng)跑通智駕功能，除了AI汽車，這款芯片還可以應用在AI機器人和飛行汽車上。而理想汽車的智能駕駛芯片，據(jù)傳代號為“舒馬赫”，設(shè)計制程為5nm，由臺積電代工，預計將于2024年底前完成流片工作。
三、軟件Tier1追求軟硬一體 除了整車廠之外，軟件Tier1也在努力將芯片和算法的結(jié)合變得更加緊密。
過去軟件Tier1和芯片廠之間的合作有兩種模式，主要基于芯片產(chǎn)品的不同特點。對于像英偉達這樣的平臺型芯片廠商，其芯片具有更強的通用性，并且整體算力也比較強，所以軟件Tier1往往會采用較為領(lǐng)先和前瞻型的解決方案，在域控的設(shè)計上也會給算力留有比較多的余量。
而對于像地平線或者是Mobileye這樣的專用型芯片廠商，軟件Tier1可發(fā)揮的空間有限。芯片廠商往往會收集現(xiàn)行市場上所有客戶的需求，然后進行梳理，并提前幾年把所有的需求都匯總到芯片的研發(fā)計劃當中。然而，由于之前行業(yè)對自動駕駛算法的認知參差不齊，且基于當前需求進行未來產(chǎn)品設(shè)計具有明顯的滯后性，所以，芯片廠商的產(chǎn)品規(guī)劃思路對自動駕駛芯片廠商參考價值有限。雖然地平線會通過自研算法的方式來更好的理解智能駕駛對芯片的需求，但如果客戶整個網(wǎng)絡(luò)設(shè)計的架構(gòu)、算法的設(shè)計開發(fā)對芯片的需求與地平線設(shè)想的不一致，那么地平線的芯片就很難發(fā)揮完全的性能。
在這樣的背景下，軟件Tier1也正在嘗試自研芯片。比如Momenta，Momenta用的是英偉達和高通的芯片。之前據(jù)媒體報道，其正在瞄準走量的20-30萬車型開發(fā)中算力芯片，或?qū)擞ミ_的Orin-N和地平線的J6E，兩款對標芯片算力均在80TOPS左右。具體策略來看，Momenta先是利用英偉達的芯片使自己的算法落地，靠算法在主機廠贏得一定話語權(quán)，然后再做芯片，用算法帶著自研芯片上車。這樣的好處就是可以針對自家的算法做出適應性更高的芯片，一方面可以提高自身產(chǎn)品方案的性能，另外也可以壓縮成本以獲得更多的車型應用空間，進而獲得更多的數(shù)據(jù)來優(yōu)化模型，形成正向反饋循環(huán)。
四、自研僅僅只是為了車開的更好？ 正如硬幣有兩面，自研芯片可以提高自家算法的適配性和運算效率，但另一方面也意味著巨大的前期成本投入和漫長的回報周期。如辰韜資本報告中所提及，以7nm制程、100+TOPS的高性能SOC為例，其研發(fā)成本高于1億美元（包含人力成本、流片費用、封測費用、IP授權(quán)費用等等），若以售價100美元、毛利率50%計算，其盈虧平衡點為200萬片芯片出貨量。
并且從時間維度來看，自研一款全新的芯片，從研發(fā)到量產(chǎn)，需要依次經(jīng)歷：產(chǎn)品需求定義、系統(tǒng)架構(gòu)設(shè)計、前端設(shè)計、后端設(shè)計、流片與封測、車規(guī)可靠性認證、功能安全認證、量產(chǎn)等環(huán)節(jié)，至少需要3-5年的時間。并且，等到芯片可以量產(chǎn)上車時，它在市場上是否還有競爭力——不管是價格，還是產(chǎn)品性能，都非?？简炐酒瑘F隊的前瞻規(guī)劃能力和設(shè)計開發(fā)能力。這些對于自研芯片的廠商來說都是巨大的挑戰(zhàn)，但這是否意味著這是一場巨大的冒險呢？很難說。
首先要注意的是，智能駕駛并不僅僅局限于輔助駕駛市場，通過提高智駕能力賣出更多車是很多整車廠的關(guān)注焦點，但在輔助駕駛之外，還有龐大的Robotaxi市場，這個市場對于智能駕駛能力的需求是龐大和長期的。除此之外，人形機器人也將是整車廠視角的關(guān)注所在，畢竟汽車和人形機器人在許多方面有著共通之處，技術(shù)層面，自動駕駛所使用的視覺感知、傳感器融合以及路徑規(guī)劃等技術(shù)，同樣適用于人形機器人對環(huán)境的感知與交互；所以對于自研芯片的整車廠也好，軟件Tier1也罷，未來都是星辰大海，但在步入星辰大海之前，一定要想盡辦法讓自己依舊留在牌桌上。自研芯片就是他們要做的眾多步驟中的關(guān)鍵一步。
CONTACT US
ICC APP
