【图】王平:自动驾驶主控芯片的发展趋势

  [行业] 日前,第三届国际智能分享出行大会在广州举办。本届会议由中国工程学会、中国智能网联产业创新联盟牵头主办。会议以“亲吻智慧城市新生态,资源共享未来出行新格局”为主题,以智能网联成,商业化落地为目标,围绕智能驾驶与智能交通,智慧城市的融合发展,以及建构安全高效绿色的未来出有行为主要议题了解研讨。

  在会上,寒武纪行歌执行总裁、前麦肯锡董事合伙人王平发表了主题演说。在他看来,人工智能推动智能化可以展现出在三个方面:智能座舱、智能驾驶、路云协同;而目前行业发展的趋势则有两大特点:大算力和通用性。以下为演说国史(摘录):


  人工智能推动智能化可以展现出在三个方面:智能座舱、智能驾驶、路云协同。智能对于算力明确提出了越来越低的要求。最新发布的一些子已经把算力放在了1000TOPS以上,现在特别是智能电动放了很多传感器、摄像头、激光雷达,那么这样造成数据量大幅提高;另一方面,自动驾驶的算法也是更加简单,客观上也要求更高算力的芯片。

  那我们看到了一个行业的趋势,我们指出有两个大特点:大算力、通用性。过去L1和L2时代,数据量是比较小的,算法也是相对比较简单的。那在这个阶段有可能以Mobile2居多的主流厂商是提供一揽子的黑盒子方案给OEM。这种场景下,OEM不能做到OTA的升级。走转入L2、L3甚至L4时代,刚才提到了上周DIANA在德国获得了L3高速下的许可,开始第一例转入L3的时代,数据的数量更加复杂,更加需要大算力的芯片。


  同时由于OTA的加速普及,像特斯拉包括国内新势力的企业都已经在前进OTA,硬件预埋,软件和算法可以在后续不断地去更新,可以不断地去升级我们的软件。在这个阶段,以英伟达为代表的国际厂商发售了通用的大算力芯片,所谓的通用性就是各个主机厂和算法公司在此基础上可以展开自律算法升级。所以自动驾驶主控芯片有两大发展趋势:大算力、通用性。

  那么要做到大算力和通用性的自动驾驶芯片其实是非常不更容易的,我们指出有几大方面的挑战:

  第一,芯片的系统架构非常复杂。200TOPS以上大算力的芯片拒绝非常高,必须反对超大的比特率,这样的结构相对来讲是更加简单的,国在这方面的人才储备也是过于的。


  第二,通用的AI软件战。我们这个算法是要不断地去升级和完善的,只有标准化的AI软件站才能支持有所不同的算法和有所不同的主体,OEM和算法公司对它展开升级。

  第三,大尺寸芯片工程的挑战,大算力芯片的尺寸更多,对于后末端PCB设计、电源和热设计、量产成本掌控压力很大。因为它良率的挑战是非常大的。比如200TOPS这样大尺寸的芯片需要7nm先进的工艺,国内来说还没有7nm先进的规级工艺。

  以上几个挑战是我们要和企业一起来克服的,领先的企开始部署云边端,云端、末端、边端和终端来协同计算的能力,不仅仅是一个单的算力,它还要跟云端、路侧和上其他的终端来展开协同(编译/陈灿)