603
随着汽车智能化、数字化技术的逐渐成熟，汽车自动驾驶芯片这一关键市场也成为了汽车行业的焦点之一。近日，在一个人工智能相关大会上，人工智能（AI）芯片公司寒武纪首次披露其车载智能芯片的关键数据。据悉，这款芯片采用 7nm 制程，符合车规级标准，其定位为“高等级自动驾驶芯片”，同时，“云边端车”的概念也再次走入了人们的视野。然而，不仅仅是寒武纪，随着自动驾驶市场的不断孵化，自动驾驶芯片似乎已经成为了AI供应商们的必争之地。
AI供应商纷纷涉足自动驾驶芯片
近年来，包括寒武纪在内的多家供应商，特别是AI厂商，均开始涉足自动驾驶芯片，智能汽车将成为下一个人工智能落地的重要场景。除了作为科创版AI芯片第一股的寒武纪开始大力开发自动驾驶AI芯片外，致力于打造人工智能核心算法和计算平台的黑芝麻智能科技如今也在扎根于智能驾驶领域，其发布的黑芝麻华山二号甚至实现了接近特斯拉FSD芯片的算力。
可见，比起前几年国际巨头车厂的“群雄争霸”，如今自动驾驶领域的“主角”似乎也已经被AI供应商占据。人们不禁感叹，汽车产业要“变天了”，供应商已经开始“喧宾夺主”。
可以看见，如今AI厂商都“嗅”到了自动驾驶领域的巨大市场商机。据了解，预计到2030年，自动驾驶汽车将占据整体出行里程的40％以上，完全自动驾驶新车渗透率将达到10％。乘用车市场信息联席会数据显示，预计未来五年自动驾驶市场规模将持续保持增长态势，到2024年有望突破1000亿元。
“随着自动驾驶与新能源汽车技术的快速发展，未来的汽车将由以车为中心转变为以人为中心的移动智能空间，智能汽车将成为下一个人工智能落地的重要场景。” 寒武纪创始人、CEO陈天石说道。
在巨大的市场红利驱动下，AI供应商们纷纷开始在“AI赛道”上展开竞技，显示出人工智能技术在出行中的多种可能性。之所以供应商能够在智能驾驶领域占据如此多的席位，是由于车载AI芯片、自动驾驶系统已经成为定义智能汽车时代的核心技术，亦是未来汽车产业竞争的制高点。
自动驾驶软硬件一体化对AI芯片要求更高
随着自动驾驶业态的加速壮大与成熟，自动驾驶各个技术领域也越愈发细分化。在这种背景之下，汽车芯片也不仅仅是底层支持的硬件产品，而是成为和软件、系统以及整个生态紧密相连的关键一环。
据了解，此次寒武纪披露的车载智能芯片已经覆盖云、边、端三个领域，包括训练、推理等不同品类的 AI 芯片，完成了“云边端一体化”以及软硬件协同的建设。面对不同场景的算力需求，需要有不同品类的智能芯片产品，以此来覆盖人工智能领域高度多样化的应用场景。此外，从某种程度上来说，硬件、软件、算法等不同参与者之间的融合程度决定了自动驾驶水平的高低。随着自动驾驶呈软硬件一体化发展趋势，对AI芯片多了更多新的需求。
赛迪顾问人工智能产业研究中心副总经理邹德宝同《中国电子报》记者说：“自动驾驶呈软硬一体化发展，是由于汽车正由分布式架构向中央集中式架构方向发展。传统分布式硬件架构在智能汽车时代，面临的是多维感知需求和海量非结构化数据处理的需求，一般每新增一个应用功能，便新增对应的感知传感器、决策和执行。而中央集中式架构所产生的数据量是呈指数级增长，对AI算力的需求提出了更高要求，需要有更加实时、准确的算力能力和基础，对AI芯片性能的需求更加严苛，因此ASIC、N-SOC等高性能芯片也将成为新的需求产品。”
硬件架构的升级也使得芯片的算力需求呈现指数级增长。据了解，传统汽车功能简单，与外界交互较少。而对于智能网联汽车而言，不仅需要与人交互，也需要大量与外界环境甚至云数据中心交互，未来将面临海量的非结构化数据处理需求，车端中央计算平台将需要500+百万条指令/秒的控制指令运算能力、300+TOPS（即为300*1012次每秒）的AI算力，这对于芯片的算力也有着不小的挑战。
AI芯片“上车”还需打破重重枷锁
“智能驾驶是一个复杂的系统，对于车载芯片的算力、云端训练、边缘端推理性能都提出了更大的挑战。” 陈天石说道。因此，尽管如今AI芯片“上车”已经成为了如今AI供应商们的重点努力方向，但是随着自动驾驶的加速落地，对AI芯片的需求越来越多，也使得各个方面的挑战随之而来。
“人工智能的首要要素是算力，随着深度学习的兴起，尤其是大模型，像自然语言处理模型，其算力已经达到了一个很高的量级。要对这样复杂的模型进行训练，所耗费的时间和能源、设备成本是非常昂贵的。”陈天石说道。如何获得更加廉价、能效更高的算力是行业中众多智能芯片厂商关注的焦点，也是智能芯片行业长期努力的方向。
同时，车规级AI芯片对于安全性、功耗等方面的要求非常严格，这也为AI芯片生态的搭建以及芯片的认证带来了不小的挑战。邹德宝认为，由于车规级AI芯片生态较为封闭，个性化定制特征明显，因此难以建立完善的生态体系。此外，AI芯片的研发需要投入大量资金，软硬件开发的成本难以通过大规模使用来降低，导致生态体系难以在短时间内建立。此外，车规级芯片的认证时间较长，一款芯片一般需要2 年左右时间完成车规级认证，进入车企供应链后一般拥有5~10 年的供货周期，这些为AI自动驾驶芯片的落地带上了很多“枷锁”。
邹德宝认为，对于车规级AI芯片而言，若想打破这些“枷锁”，AI供应商可以做两点工作。邹德宝告诉《中国电子报》记者：“首先，AI供应商可以厂商构建全栈式综合解决方案，从而帮助AI生态能够实现全场景涵盖，打破如‘孤岛’般零碎的功能属性。其次，供应商也可以尝试将自我学习的AI技术应用到自动驾驶复杂系统中，持续积累周围的环境信息和驾驶习惯，使得系统能够每时每刻都能在自我学习，同时车辆之间也可以对不同的应用进行自动交互，不断优化算法，若能实现，可有效缩短AI芯片的认证时间。”
尽管如今AI芯片“上车”已经是大势所趋，但是在未来，包括寒武纪在内的AI供应商们能否交出一份亮眼的成绩单，还需拭目以待。
下载ECAD模型
