過去幾年智駕功能突飛猛進(jìn)，從最初僅支持自適應(yīng)巡航和全自動(dòng)泊車到如今的城區(qū)無圖NOA，背后的驅(qū)動(dòng)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(jiān)實(shí)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(jìn)而導(dǎo)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(huì)對(duì)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(duì)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(yīng)對(duì)，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(biāo)新立異，不遺余力的吹捧自家技術(shù)的領(lǐng)先性和獨(dú)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(shí)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(shí)，成為新的技術(shù)發(fā)力點(diǎn)。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(duì)CNN網(wǎng)絡(luò)去設(shè)計(jì)開發(fā)，而目前智駕算法卻以Transformer為主，在計(jì)算類型上兩者完全不同，體現(xiàn)在硬件要求上就是后者會(huì)需要更多的內(nèi)存容量和訪存帶寬。
針對(duì)上述問題，芯片廠的應(yīng)對(duì)思路有三點(diǎn)： 1.增加具有匹配Transformer算法模型的專用引擎 2.針對(duì)特定算子進(jìn)行優(yōu)化 3.改善內(nèi)存系統(tǒng)設(shè)計(jì)
英偉達(dá)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(jì)算，以及Transformer神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)處理能力，旨在加速AI計(jì)算的效率。此外，Transformer引擎能夠在訓(xùn)練神經(jīng)網(wǎng)絡(luò)的每個(gè)步驟中動(dòng)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(dòng)態(tài)范圍和準(zhǔn)確度，比如，可以根據(jù)工作負(fù)載在FP8和FP16格式之間進(jìn)行自動(dòng)切換，使其在訓(xùn)練模型時(shí)，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(dá)到芯片最高的效率。
其次是針對(duì)特定算子進(jìn)行優(yōu)化，Transformer模型中有一些非常關(guān)鍵的算子，雖然計(jì)算量不大，但很復(fù)雜，地平線的J6芯片就通過對(duì)硬件進(jìn)行優(yōu)化，使得J6在運(yùn)行這些超越函數(shù)算子的時(shí)候，計(jì)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(zhǎng)，而內(nèi)存性能以每2年1.4倍的速度提升。計(jì)算能力與帶寬能力之間的差距將會(huì)越拉越大，這就導(dǎo)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(jì)算速度。因此，車載SOC的性能與效率的發(fā)揮將受到嚴(yán)重制約，進(jìn)而出現(xiàn)“存儲(chǔ)墻”問題。地平線J6內(nèi)部采用全新的存儲(chǔ)系統(tǒng)設(shè)計(jì)，片上包括L0M、L1M、L2M，共三級(jí)存儲(chǔ)系統(tǒng)，用于數(shù)據(jù)緩沖和交換。同時(shí)，先進(jìn)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(yīng)鏈安全和成本考慮，毋庸置疑，這兩個(gè)因素是車廠決定是否自研時(shí)著重考量的點(diǎn)，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(duì)自己的應(yīng)用需求去對(duì)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(tuán)隊(duì)獲得精確輸入，然后再針對(duì)自己的算法以及對(duì)于功能的理解去設(shè)計(jì)芯片。這種方式設(shè)計(jì)出來的芯片在運(yùn)行自家的算法時(shí)，可以做到更低的成本和更高的運(yùn)算效率。在當(dāng)下汽車行業(yè)內(nèi)卷嚴(yán)重，終端價(jià)格戰(zhàn)競(jìng)爭(zhēng)激烈，自研芯片所帶來的成本壓縮和效率提升對(duì)車廠的吸引力是巨大的。
特斯拉在與英偉達(dá)分道揚(yáng)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(duì)自己的應(yīng)用需求去對(duì)芯片做了架構(gòu)上的剪裁，從而使整個(gè)底層硬件的計(jì)算資源能夠做到更高的利用率。作為對(duì)比，特斯拉自研的FSD芯片盡管在工藝上跟英偉達(dá)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(shí)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(shì)）。
特斯拉是引領(lǐng)者但并不是獨(dú)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(dòng)也響應(yīng)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(jì)劃明年一季度應(yīng)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(yīng)用在AI機(jī)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(hào)為“舒馬赫”，設(shè)計(jì)制程為5nm，由臺(tái)積電代工，預(yù)計(jì)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(diǎn)。對(duì)于像英偉達(dá)這樣的平臺(tái)型芯片廠商，其芯片具有更強(qiáng)的通用性，并且整體算力也比較強(qiáng)，所以軟件Tier1往往會(huì)采用較為領(lǐng)先和前瞻型的解決方案，在域控的設(shè)計(jì)上也會(huì)給算力留有比較多的余量。
而對(duì)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(huì)收集現(xiàn)行市場(chǎng)上所有客戶的需求，然后進(jìn)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(jì)劃當(dāng)中。然而，由于之前行業(yè)對(duì)自動(dòng)駕駛算法的認(rèn)知參差不齊，且基于當(dāng)前需求進(jìn)行未來產(chǎn)品設(shè)計(jì)具有明顯的滯后性，所以，芯片廠商的產(chǎn)品規(guī)劃思路對(duì)自動(dòng)駕駛芯片廠商參考價(jià)值有限。雖然地平線會(huì)通過自研算法的方式來更好的理解智能駕駛對(duì)芯片的需求，但如果客戶整個(gè)網(wǎng)絡(luò)設(shè)計(jì)的架構(gòu)、算法的設(shè)計(jì)開發(fā)對(duì)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(dá)和高通的芯片。之前據(jù)媒體報(bào)道，其正在瞄準(zhǔn)走量的20-30萬車型開發(fā)中算力芯片，或?qū)?biāo)英偉達(dá)的Orin-N和地平線的J6E，兩款對(duì)標(biāo)芯片算力均在80TOPS左右。具體策略來看，Momenta先是利用英偉達(dá)的芯片使自己的算法落地，靠算法在主機(jī)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(duì)自家的算法做出適應(yīng)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(yīng)用空間，進(jìn)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(yùn)算效率，但另一方面也意味著巨大的前期成本投入和漫長(zhǎng)的回報(bào)周期。如辰韜資本報(bào)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(fèi)用、封測(cè)費(fèi)用、IP授權(quán)費(fèi)用等等），若以售價(jià)100美元、毛利率50%計(jì)算，其盈虧平衡點(diǎn)為200萬片芯片出貨量。
并且從時(shí)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(jì)、前端設(shè)計(jì)、后端設(shè)計(jì)、流片與封測(cè)、車規(guī)可靠性認(rèn)證、功能安全認(rèn)證、量產(chǎn)等環(huán)節(jié)，至少需要3-5年的時(shí)間。并且，等到芯片可以量產(chǎn)上車時(shí)，它在市場(chǎng)上是否還有競(jìng)爭(zhēng)力——不管是價(jià)格，還是產(chǎn)品性能，都非常考驗(yàn)芯片團(tuán)隊(duì)的前瞻規(guī)劃能力和設(shè)計(jì)開發(fā)能力。這些對(duì)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(chǎng)巨大的冒險(xiǎn)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(chǎng)，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(diǎn)，但在輔助駕駛之外，還有龐大的Robotaxi市場(chǎng)，這個(gè)市場(chǎng)對(duì)于智能駕駛能力的需求是龐大和長(zhǎng)期的。除此之外，人形機(jī)器人也將是整車廠視角的關(guān)注所在，畢竟汽車和人形機(jī)器人在許多方面有著共通之處，技術(shù)層面，自動(dòng)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(jī)器人對(duì)環(huán)境的感知與交互；所以對(duì)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
