На прошлой неделе на Дне технологических инноваций компания NIO представила новейшую модель NIO World Model (NWM) в области автономного вождения, заявив, что она обладает двойными базовыми возможностями пространственного и временного понимания, превосходящими развертывание сквозной модели.
Чип автономного вождения Shenzi NX9031, который был официально объявлен успешно выпущенным, разработан для NIO World Model. Shenzi NX9031 — первый в мире 5-нм чип автономного вождения, независимо разработанный NIO. По данным NIO, один чип имеет производительность, эквивалентную четырем флагманским чипам отрасли (Nvidia Orin X).
За последние два года чипы автономного вождения стали ключевым прорывным направлением продуктов для автопроизводителей. NIO и XPeng разрабатывают собственные чипы, а Li Auto начала немного позже. На основе Longying No. 1 дочерняя компания Geely, Xingjing Technology, также уже много лет идет по пути самостоятельной разработки.
Ли Бин публично заявил, что в прошлом году NIO приобрела много чипов Nvidia, что стоило компании больших денег. Учитывая расходы на закупку, компания решила обратиться к чипам собственной разработки. Официальное заявление заключается в том, что Shenzi NX9031 может окупиться примерно за год.
Существует много причин для разработки собственных чипов, но одна из главных целей "Wei Xiaoli" (собирательный термин для NIO, XPeng и Li Auto) — освободиться от ограничений Nvidia. Из отраслевых отчетов следует, что самостоятельно разработанные чипы весьма перспективны и будут соответствовать последним тенденциям, таким как сквозное автономное вождение.
Однако китайский контингент, окружающий Nvidia, не ограничивается «Вэй Сяоли». В этом году местные поставщики чипов также «втянулись» в конкуренцию end-to-end. На Китайском автофоруме в прошлом месяце президент Horizon Чэнь Лимин ясно заявил, что end-to-end в настоящее время является единственным возможным решением для финальной стадии автономного вождения.
Лу Цзяньфэн, вице-президент AIChip Intelligent Vehicle Division, считает, что сквозной подход — единственный путь для продвинутого автономного вождения. Из-за длительного цикла проектирования и разработки чипов стратегия AIChip заключается в том, чтобы пропустить другие модели и сосредоточиться на режиме One Model, аналогичном архитектуре технологии UniAD для проектирования NPU.
С точки зрения отрасли, высокая стоимость внешних закупок, неопределенная международная ситуация и преимущества снижения затрат, которые Tesla ранее получала за счет собственных чипов, оказали влияние на стратегии и модели поставок чипов отечественных автопроизводителей.
Популярность сквозных больших моделей не только стала катализатором нового витка революции автономного вождения, но и ускорила продуктовую и технологическую эволюцию чипов автономного вождения. Это не только предъявляет более высокие требования к автопроизводителям в отношении самостоятельно разработанных чипов, но и заставляет поставщиков чипов в красном океане ускорять внутреннюю конкуренцию.
Пришла волна саморазвития
Почему автопроизводители разрабатывают собственные чипы?
Освоение основных технологий: Обеспечение безопасности поставок и недопущение «душения» со стороны поставщиков, особенно влиятельных иностранных поставщиков.
Ли Бинь упомянул в интервью, что международное влияние на поставки микросхем из-за ограничений со стороны США уже оказало реальное влияние на автомобильную промышленность Китая.
«С октября прошлого года мы не могли использовать самые передовые в мире чипы для нашего облачного обучения. Команда по автономному вождению изучает не только возможности облака, но и возможности группового интеллекта. Хотя риск для чипов периферийного вывода в настоящее время невелик, нам все равно нужно быть готовыми к различным изменениям».
Настройка:
Эксперты отрасли рассказали «Auto Commune»/«C-Dimension», что одним из ключевых факторов для новых автопроизводителей, разрабатывающих собственные чипы, является повышение конкурентоспособности продукции за счет дифференциации, поскольку самостоятельно разработанные чипы позволяют реализовать индивидуальные функции.
Для автопроизводителей разработка собственных чипов обходится дорого, но может снизить зависимость от зарубежных поставщиков чипов, гарантируя, что «все яйца не в одной корзине». Кроме того, чипы собственной разработки могут лучше соответствовать собственным алгоритмам, решая проблему сопряжения между алгоритмами и платформами чипов.
В прошлом вычислительная мощность Tesla 144 TOPS превосходила чипы 400-500 TOPS, доступные на рынке, в основном потому, что чип был разработан для собственных алгоритмов Tesla. Примечательно, что чип Tesla 144 TOPS (Autopilot HW3.0), выпущенный в 2019 году, по-прежнему поддерживает автономное вождение от начала до конца сегодня.
Сокращение затрат:
Ли Бинь заявил на пресс-конференции, что в прошлом году NIO потратила много денег на чипы Nvidia. Чтобы сократить расходы, NIO решила разработать собственные чипы, один из которых эквивалентен четырем чипам Nvidia, тем самым снизив расходы. По словам Ли Бина, Shenzi NX9031 может окупиться примерно за год.
Есть и другие соображения. Инсайдеры отрасли отмечают, что продвижение чипов собственной разработки и принятие публичных обязательств может положительно повлиять на вторичный рынок и восприятие бренда. Кроме того, чипы собственной разработки могут значительно улучшить системный опыт, достигая стратегических целей.
Примечательно, что первые чипы собственной разработки Tesla были направлены на увеличение вычислительной мощности и гибкости.
Отчеты показывают, что самостоятельный процесс разработки чипов XPeng тесно связан с NIO, чипы отправляются на ленту, возвращение ожидается в августе. Разработка чипов Li Auto началась относительно поздно, проект автономного вождения под кодовым названием «Schumacher» должен завершить ленту в течение года.
«Средство, а не цель»
У Синьцзоу, глава подразделения автономного вождения компании Nvidia, отметил, что разработку автономного вождения можно разделить на три этапа, заключительным из которых является сквозной этап.
Первый этап: Полностью основан на правилах.
Второй этап: Крупные модели ИИ постепенно заменяют ручные правила, завершая прогнозирование и планирование.
Третий этап: Полностью сквозные большие модели с ИИ, охватывающим весь процесс от восприятия до принятия решений.
На третьем этапе автономного вождения чипы автономного вождения представляют собой сложную задачу. Вице-президент AIChip Лю Цзифэн выразил схожие мысли, заявив, что настоящий end-to-end подразумевает использование больших моделей для облачного обучения и проверки, а результаты применяются для вывода на периферии, что возлагает значительную ответственность на компании-производители чипов.
Horizon считает, что end-to-end — это средство, а не цель, требующее сочетания человеческого опыта, эффективных вычислений и гибкой доставки. Накопление возможностей end-to-end требует усилий в итерации алгоритмов, создании инженерной основы и интеграции программного обеспечения и оборудования, причем программное обеспечение и алгоритмы играют ключевую роль.
Главный архитектор платформы алгоритмов Horizon Му Лисен считает, что основная возможность сквозного подхода заключается в итерации данных. Хотя это кажется перспективной модельной структурой, итерационные данные, лежащие в ее основе, более важны, поддерживая переход от лабораторной технологии к зрелости на уровне продукта.
Чэнь Лимин также признал, что Horizon сталкивается с трудностями из-за постоянно меняющейся архитектуры транспортных средств и датчиков, компоновки датчиков и внедрения. Несмотря на сбор большого количества данных, большая их часть не является высококачественной или не может быть использована непрерывно, что выходит за рамки решения этой проблемы какой-либо одной компанией.
«Версия FSD V12.3 от Tesla была обучена с использованием 10 миллионов образцов видео, извлеченных из 10 миллиардов высококачественных образцов. Китай все еще отстает. Более того, 10 миллиардов образцов были собраны в рамках стандартной сенсорной структуры, что обеспечивает непрерывность обучения новейших моделей».
Как и Horizon, AIChip подчеркивает свою роль как Tier 2, полагая, что основными требованиями к микросхемам для автономного вождения в сквозных алгоритмах являются большой объем памяти и большая вычислительная мощность многоядерных вычислений.
Достижение сквозного автономного вождения зависит от поддержки критически важных вычислительных микросхем, включая архитектурные инновации, основные прорывы в области интеллектуальной собственности и скачки производительности.
Му Лисен из Horizon объяснил «Auto Commune»/«C-Dimension», что технический порог для сквозной конкуренции вычислительной мощности заключается в адаптации к вычислительным требованиям, вызванным изменениями структуры модели и изменениями в фокусе внимания оператора.
С одной стороны, модели будут становиться больше, а вместе с ними и вычислительная мощность; с другой стороны, структуры моделей будут развиваться, переходя в основном от сверточных нейронных сетей (CNN) к сквозным моделям на основе Transformer.
«Трансформеры — это широкая категория алгоритмов, используемых в больших языковых моделях (например, ChatGPT) и сквозном автономном вождении с различными фокусами оператора. Сквозное автономное вождение требует базовых матричных операций и дополнительной поддержки оператора, что предъявляет более высокие требования».
Лагерь Huawei также имеет значительное влияние. Несмотря на то, что Nvidia доминирует на рынке чипов автономного вождения, в Китае есть большой контингент, работающий на базе Huawei, включая такие бренды, как AITO, Avatr, Jihu и Zhijie. Системы автономного вождения их транспортных средств в основном используют вычислительные платформы MDC810/MDC610 от Huawei.
Благодаря усилиям поставщиков микросхем для автономного вождения и ускоренному внедрению микросхем собственной разработки такими компаниями, как NIO, в ближайшие годы стремление «не зависеть от Nvidia» в отечественном секторе микросхем для автономного вождения постепенно будет частично реализовано.
