上周舉辦的科技創(chuàng)新日，蔚來發(fā)布智駕領(lǐng)域最新世界模型（NIO World Model，以下簡稱NWM），超越端到端模型部署，號稱具備空間理解和時間理解的雙重核心能力。

官宣流片成功的智駕芯片神璣NX9031，則是為蔚來世界模型量身設(shè)計。神璣NX9031是蔚來自研的全球首顆5納米智駕芯片，按照蔚來的說法，一顆芯片相當(dāng)于四顆業(yè)界旗艦芯片的性能（英偉達(dá)Orin X）。

過去兩年，智駕芯片是車企重點破局的產(chǎn)品方向，蔚來和小鵬都在自研，理想的布局稍微晚一些。以龍鷹一號為基礎(chǔ)，吉利旗下的芯擎科技也在自研的道路上走了多年。

李斌曾公開表態(tài)，去年蔚來購買了很多英偉達(dá)芯片，耗費公司不少錢，考慮到采購成本，公司決定轉(zhuǎn)向自研芯片。官方的說法是，神璣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”們，耗費巨資的目的之一，都是為了擺脫英偉達(dá)的束縛。從業(yè)界報道的信息看，大家自研的芯片都頗具前瞻性，將與智駕“端到端”等最新趨勢相匹配。

不過，“圍剿”英偉達(dá)的中國陣營，不止“蔚小理”。本土芯片供應(yīng)商今年也“卷入”端到端的競賽，上個月結(jié)束的中國汽車論壇上，地平線總裁陳黎明明確表態(tài)，端到端是目前通往自動駕駛終局的唯一可行方案。

愛芯元智車載事業(yè)部副總裁逯建楓認(rèn)為，高階智駕的端到端化是必由之路，芯片設(shè)計周期和研發(fā)周期比較長，愛芯元智的戰(zhàn)略，是跳過其他模式，目前重點針對One Model模式來做，即布局類似UniAD的技術(shù)架構(gòu)來實現(xiàn)NPU設(shè)計。

從行業(yè)層面看，外采的高成本，不確定的國際形勢，以及此前特斯拉自研芯片嘗到的降本甜頭，都影響國內(nèi)車企的芯片戰(zhàn)略和供應(yīng)模式。

而端到端大模型的火爆，不僅催化了新一輪智駕革命，也加速智駕芯片的產(chǎn)品和技術(shù)演進(jìn)。這不僅對車企自研芯片提出更高的要求，也倒逼紅海中的芯片供應(yīng)商加速內(nèi)卷。

自研潮，來了

車企為何自研？

一是，掌握核心技術(shù)，確保供應(yīng)安全，不被供應(yīng)商、特別是國外強(qiáng)勢供應(yīng)商“卡脖子”。

李斌在接受媒體采訪時表示，芯片供給的國際影響，由于美國的限制，其實對中國的汽車行業(yè)已經(jīng)形成了實際影響。

“我們在云端的訓(xùn)練芯片，去年10月以后，無法用到全球最先進(jìn)的芯片。智駕團(tuán)隊不光看云端的能力，也看群體智能的能力，端側(cè)推理芯片目前風(fēng)險不大，但也要應(yīng)對各種變化?！?/span>

二是，定制化。

業(yè)內(nèi)專家告訴《汽車公社》/《C次元》，造車新勢力自研智駕芯片，主要有幾個重點考量。其中之一，是提升產(chǎn)品競爭力，有差異化，自研芯片有利于自定義功能。

對于汽車制造商來說，自研芯片耗資巨大，但可以減少海外芯片供應(yīng)依賴，雞蛋不用放在一個籃子里。當(dāng)然，自研的芯片，和自家算法也能更匹配，這涉及算法和芯片平臺的耦合度問題。

過去，特斯拉144TOPS算力性能可以優(yōu)于市面上400-500TOPS算力芯片，計算效率高，主要原因之一，這是針對特斯拉自己算法設(shè)計。值得一提的是，特斯拉早在2019年發(fā)布的144TOPS算力芯片（Autopilot HW3.0），至今依然能支持智駕端到端落地。

三是，降低成本。

蔚來李斌在發(fā)布會上表示，去年購買了很多英偉達(dá)芯片，耗費公司不少錢，為此，蔚來決定轉(zhuǎn)向自研芯片，一顆芯片可以頂采購英偉達(dá)四顆，能降低成本。按照李斌的說法，神璣NX9031大概一年左右可以回本。

還有其他維度的考量。

業(yè)內(nèi)人士表示，宣傳自研芯片，對外界進(jìn)行承諾，立公司科技屬性的flag，可以對二級市場和品牌有正向作用。此外，自研芯片的確能帶來系統(tǒng)體驗的有效提升，戰(zhàn)略目的才能達(dá)成。

當(dāng)然，更早一步布局的特斯拉，當(dāng)時自研芯片的理由非常樸素，即增加算力，讓方案更靈活。

據(jù)報道，小鵬自研智駕芯片的進(jìn)程和緊跟蔚來，現(xiàn)階段已經(jīng)送去流片，預(yù)計可在8月回片。

理想啟動芯片自研進(jìn)程相對較晚，智駕芯片項目代號為“舒馬赫”，預(yù)計同樣在今年內(nèi)完成流片。

“是手段，而非目的”

“是手段，而非目的”

在英偉達(dá)掌舵自動駕駛業(yè)務(wù)的吳新宙提出，自動駕駛發(fā)展可以歸納為三個階段，端到端是自動駕駛的最后一步。

第一階段，完全基于規(guī)則；第二階段，AI大模型慢慢取代人工規(guī)則，完成預(yù)測和規(guī)劃；第三階段，是徹底的端到端大模型，AI可以貫穿從感知到?jīng)Q策的全過程。

在自動駕駛的第三階段，智駕芯片頗具挑戰(zhàn)。愛芯元智車載事業(yè)部副總裁劉繼鋒，表達(dá)了同樣的思考，在他看來，真正的端到端，云端用大模型進(jìn)行訓(xùn)練和驗證，訓(xùn)練的結(jié)果做推理，落地到車端，芯片公司將肩負(fù)重任。

在地平線看來，端到端是手段，而非目的，體驗擬人、計算高效和交付敏捷，三者缺一不可。

端到端方面的積累，芯片公司需要從算法迭代、工程基礎(chǔ)建設(shè)和軟硬結(jié)合能力三方面發(fā)力。其中，軟件和算法扮演了核心作用

地平線算法平臺總架構(gòu)師穆黎森認(rèn)為，端到端的本質(zhì)能力，在于數(shù)據(jù)迭代。看上去，這是一種前瞻性的模型結(jié)構(gòu)，但背后的數(shù)據(jù)迭代更為重要，能支持實驗室技術(shù)，或是論文層面的算法，最終達(dá)到產(chǎn)品級的成熟度。

陳黎明也曾坦言，目前地平線遇到的困難，是很多車型和傳感器的架構(gòu)、傳感器的布置和采用等都在不斷變化。

雖然收集了很多數(shù)據(jù)，但這些數(shù)據(jù)不是高質(zhì)量積累、且能持續(xù)使用的，這不是某家企業(yè)能解決的問題。

“特斯拉FSD V12.3版本，用了一千萬個樣本視頻訓(xùn)練自動駕駛，這里的一千萬個樣本，是從100億個樣本里面提取出來的高質(zhì)量數(shù)據(jù)，中國遠(yuǎn)遠(yuǎn)不夠。而且，100億的數(shù)據(jù)基于標(biāo)準(zhǔn)傳感器的框架下收集，它有延續(xù)性，可以繼續(xù)用來訓(xùn)練最新模型。”

還需要其它維度的護(hù)城河。

和地平線一樣，愛芯元智也多次強(qiáng)調(diào)只做Tier 2。該公司認(rèn)為，端到端算法對于智駕芯片的關(guān)鍵需求，主要有兩個，高內(nèi)存、和多核大算力。

而要實現(xiàn)端到端自動駕駛，離不開關(guān)鍵的計算芯片的支持，包括架構(gòu)的創(chuàng)新、核心IP的突破以及在性能上的飛躍。

地平線穆黎森則告訴《汽車公社》/《C次元》，端到端算力競爭的技術(shù)門檻，主要在于能否適應(yīng)模型結(jié)構(gòu)變遷帶來的算力需求，以及算子側(cè)重點的改變。

一方面，模型會變大，算力也會變大；另一方民，模型結(jié)構(gòu)會變遷，以前CNN（卷積神經(jīng)網(wǎng)絡(luò)）為主，端到端基本上以Transformer為主。

“Transformer是大類算法，用在大語言模型（如Chat GPT），或是智駕端到端，算子側(cè)重點略有不同。自動駕駛的端到端，除了基礎(chǔ)的矩陣運算等，都需要做算子支持，提出更高要求?！?/span>

還有華為系的勢力。

即使智駕芯片被英偉達(dá)占據(jù)高地，我國依舊有一個龐大的群體，被華為賦能，如問界、阿維塔、極狐以及智界等品牌。旗下車型的智駕系統(tǒng)，大部分使用了華為MDC810/MDC610計算平臺。

伴隨著智駕芯片供應(yīng)商的發(fā)力，以及蔚來們自研芯片加速落地，未來幾年，從車企陣營到供應(yīng)商陣營，國內(nèi)智駕芯片“不受制于英偉達(dá)”的愿望，將慢慢部分實現(xiàn)。

返回第一電動網(wǎng)首頁 >