存算一體闖入智能駕駛芯片“江湖”，五類玩家誰會最先勝出？
沒錯，后摩智能瞄準萬物智能亮相的第一張王牌，就是一款智能駕駛芯片，劍指自動駕駛市場。
也許在一些人看來，2023年的智駕芯片已處于爭搶上車的關鍵階段，而此時向市場拋出一款新產品，后摩智能是否抓得住落地窗口？挑戰叢生的行業環境，對后摩智能而言，這無疑是一場關鍵的自駕芯片市場搶位戰。
押寶智駕芯片，后摩鴻途?H30應運而生
基于存算一體重構智能駕駛芯片，是后摩智能面向萬物智能未來的第一階段目標，亦是早期戰略聚焦方向。
原因無他，需求是最為關鍵的決定性因素。在吳強看來，人們平均每天將近1/8的時間都是在駕駛場景，智能駕駛無疑將成為未來智能生活最重要的組成部分之一，“智能駕駛的終局是要替代人類駕駛，用傳感器替代眼睛，用各式各樣的算法填補意識與靈魂，而底層智駕芯片則扮演著人類大腦的角色。”他說。
從這一角度看，智駕芯片一定需要無限接近人腦的計算方式和效率，而存算一體所擁有遠超傳統芯片架構的高計算效率，這點技術優勢正與未來智駕芯片的關鍵需求高度吻合。
在這個機遇下，鴻途?H30芯片應運而生。
作為后摩智能首款存算一體大算力AI芯片，H30芯片采用12nm制程工藝，在Int8精度下最高物理算力可達256Tops，典型功耗不超過35W。在相同工藝下，基于傳統架構的AI芯片SoC能效比多為2Tops/W，而基于存算一體架構的H30 SoC能效比高達7.3Tops/W，整體具有高計算效率、低計算延時、低工藝依賴等特點。
實際上，H30頗具差異化的特點其實是底層架構創新所帶來的優勢。
簡單來說，過去傳統架構芯片產品的效率提升多采用算法和芯片的深度耦合，將算法固化到芯片中，這一定程度上損失了芯片的通用性。而基于存算一體技術，H30能夠從底層架構進行創新，在不損失通用性的情況下，實現性價比更高的效率提升。
也就是說，盡管H30是一款相對通用的智能駕駛芯片，但它與其他大部分專用智駕芯片相比，不僅實現了性能和計算效率翻倍，支持更多算法模型，同時功耗卻只有它們的二分之一。
為了保證H30的核心競爭力，提高產品的易用性、降低客戶遷移門檻并加速落地，后摩智能還基于H30推出了智能駕駛硬件平臺力馭，以及軟件開發工具鏈后摩大道兩款產品。
其中，力馭平臺作為一款域控制器，主要面向末端物流無人小車、乘用車智能駕駛、車路協同等場景。其CPU算力為200Kdmips，AI算力為256Tops，支持多傳感器輸入，系統可靠性進一步提升。同時，力馭平臺功耗僅為85W，支持靈活散熱方式，便捷部署成本大大降低。
后摩大道則支持Pytorch、TensorFlow、ONNX等主流開源框架，編程兼容CUDA前端語法，并支持SIMD和SIMT兩種編程模型，無侵入式的底層架構創新設計也使H30更為高效、易用。
綜合來看，力馭平臺和后摩大道兩款產品更多是解決H30的易用性和快速遷移性問題，在這兩款產品的輔助下，H30也將實現更快速的應用落地，從而進一步推動大算力智能駕駛場景的普及應用。
比亞迪或要成立單獨的智能駕駛芯片研發部門
據國內媒體報道，比亞迪規劃院的智能駕駛研發負責人王歡已經離職，其負責的智能駕駛開發部被分拆整合，該部門超500名員工，大部分被分流進韓冰負責的電子集成部。此次調整完成后，電子集成部總監韓冰已經成為比亞迪規劃院的智能駕駛研發負責人。
不過，編者從比亞迪方面了解到，王歡并非智能駕駛研發部責任，且目前并未出現人員分流。
據報道，韓冰還在同步籌備比亞迪的智能駕駛芯片設計團隊。編者了解到，目前比亞迪內部并未成立智能駕駛芯片團隊。
雖然比亞迪董事長王傳福曾表示，自動駕駛是被資本裹挾、是忽悠。但是比亞迪還是在智能化領域加速投入。
今年3月，比亞迪曾宣布與人工智能芯片制造商NVIDIA深化合作，拓寬NVDIA DRIVE Orin中央計算平臺的應用范圍。雙方相信，未來汽車將具有可編程的能力，汽車整個生命周期內可通過軟件更新帶來新功能和服務。
同時，DRIVE Orin集中式計算平臺將被應用到下一代王朝以及海洋系列車型中。資料顯示，作為NVIDIA的最新一代智能汽車中央電腦，單Orin即可提供高達254TOPS的性能，能夠處理同時運行的大量應用程序和深度神經網絡。
為何是存算一體？
后摩采用了存算一體這種新的底層架構來設計芯片。
所謂存算一體，從字面意思上來說，就是存儲和計算融為一體。
首先需要明確的一點是，所有的 AI 算法包括深度學習，本質上是在下達指令，做大量的乘加計算，體現在芯片層面，則是一大堆晶體管的開開閉閉。
在過去按照馮·諾依曼架構設計的芯片下，AI 計算過程簡單理解是這樣的：數據通過設備輸入到存儲器，處理器（計算單元）從存儲器中獲取指令和數據，進行計算，處理完后輸出結果，寫回存儲器。
這種架構的顯著特點是計算單元與存儲單元分離，在執行計算時，數據在二者之間高頻地遷移，在面對常規計算量時，這樣做尚足以勝任工作，然而隨著自動駕駛、ChatGPT 等大數據模型出現，對于算力需求急劇提升，馮·諾依曼架構開始遭遇瓶頸。
舉例來說，以矩陣乘法為主的 Transformer 類計算，大多數的步驟是在訪問內存，而非執行計算，盡管大量數據頻繁在計算單元與存儲單元之間移動，但由于存儲器讀寫的速度不夠快，導致數據被「堵塞」在訪存過程中，并未真正投入計算，由此使得計算系統的有效帶寬大大降低，系統算力的增長舉步維艱。
盡管可以通過多核 (如 CPU)/眾核 (如 GPU) 并行加速技術提升算力，但這將帶來功耗和成本的提升。
應用存算一體新架構，可以解決這個難題，其底層邏輯是將 AI 計算中大量乘加計算的權重部分，直接留在存儲單元中計算，以優化數據傳輸路徑，從而大幅提升計算效率。
而這正是后摩智能設計智能駕駛芯片 IP 的思路，公司聯合創始人兼研發副總裁陳亮分享道，通過在傳統的 SRAM 電路旁，加入包括 Activation Driver、乘法器、加法樹、累加器等定制化電路結構，后摩成功實現高能效的存內并行乘加運算。
「計算電路緊挨著存儲單元，數據被讀出的同時可以在原地進行乘加計算，相較于（馮·諾伊曼架構下）Row by Row 的數據讀取方式，極大地提高了并行性。」
這樣的 IP 設計擁有超高的計算密度，使得「大算力」得以實現；基于 SRAM 的純數字設計，還滿足全精度要求；架構上是完全的存內計算，也減少了訪存功耗。
基于此，后摩面向智能駕駛場景打造了專用 IPU（Intelligence Processing Unit，處理器架構）——天樞架構。
陳亮表示，取名「天樞」在于其設計理念借鑒融合了庭院式的中國傳統住宅和現代高層公寓樓的不同風格。
在他看來，庭院式代表著集中式的存儲和計算架構，特斯拉 FSD 芯片正是如此，通過堆積大量芯片資源以及高并行性，帶來性能提升。
然而，這在遇到算力要求更大、計算靈活性要求更高的場景下，容易受到數據規模的限制，此時計算效率急劇下降，數據的并行性和計算資源的并行性無法匹配。
「這樣的架構設計類似于古典中式庭院，它向內合圍成一個小的院子，集各種功能于一身，使得人與人、人和自然之間可以非常高效溝通，但是因為院落面積終究有限，所能容納的居住人數也有限，且設計和建造這樣的庭院難度和成本極大，所以它的可拓展性就比較差。」
而現代西式的高層公寓就截然不同，其采用完全相同的獨立小單元，可以在三維空間中自由拓展，以容納更多的人，類比芯片結構，就是將一個算力很大的核切分成若干個小核，細分到極致。「不過這樣的架構下，人和自然之間、人和人之間的溝通效率就會變得很低。」
后摩的做法是融合了中式庭院和西式高樓的特點，陳亮解釋道，先打造一個優美的庭院，以大布局設計保障計算資源利用效率，在此基礎上，再借鑒現代高層建筑的方式，以多核/多硬件線程的方式靈活擴展算力，「這樣我們就實現了芯片效率、靈活性和可擴展性的完美平衡。」
五類玩家角逐智駕芯片市場
對于當前的智駕芯片競爭格局，主要包括5類玩家。先將視野聚焦于國內市場，第一類為地平線、黑芝麻智能、芯礪智能、后摩智能等國內初創型玩家，其中芯礪智能、后摩智能的技術路線又較為不同。
值得注意的是，芯片一直是國內汽車產業鏈中的薄弱環節。根據公開信息顯示，汽車芯片國產化率不足5%。這也意味著，破局一直是產業界和資本市場的聚焦點。
地平線智能駕駛產品規劃與市場總經理呂鵬認為，芯片賽道破局確實難度較高，但智駕芯片正處于高速發展期，迭代速度很快，每一代智駕芯片其實都有一個相應的市場窗口期。「初創型玩家破局的關鍵，是抓住窗口期推出合適的產品，且能確保產品達到一定的成熟度（包括芯片可靠性、穩定性，工具鏈的成熟性等）。」
額日特則強調，黑芝麻智能作為Tier2，在做好硬件設計的同時，積極尋求和軟件算法公司的合作，以此構建更加健全的生態體系，增加客戶的使用粘性，為現階段競爭的關鍵點。
從產品上來看，2016年成立的黑芝麻智能，2019年8月發布華山一號自動駕駛芯片A500，算力5-10TOPS；2020年6月發布華山二號A1000L、A1000，算力分別達16TOPS、58TOPS，16nm制程。根據披露的信息，其已經與江淮、吉利，東風等多家車企達成量產合作。
“國內智能電動汽車的崛起，一定會帶來供應鏈的崛起。”后摩智能產品副總裁信曉旭表達了這樣的觀點。
回溯汽車產業發展歷史，美日汽車產業的興盛均帶動了本土供應鏈的崛起。而在傳統燃油車時代，國內主機廠話語權低，但在智能電動變革浪潮中，自主品牌已經占據先機，這也有利于本土tier1、芯片廠商的快速成長。
第二類玩家，為華為、寒武紀行歌等跨界玩家。
華為方面，作為ICT領域的巨頭，其開展智能汽車業務最早可追溯至2012年，2019年5月正式成立一級部門智能汽車解決方案事業部，2020年發布MDC610計算平臺，采用晟騰610芯片，單片算力可達 200 TOPS。
高工智能汽車研究院監測數據顯示，目前，華為智駕芯片已經在北汽極狐、問界（今年4月）、阿維塔、廣汽埃安、哪吒等品牌實現上車。
寒武紀行歌方面，其母公司為2016年成立的AI芯片廠商寒武紀，2020年7月成為“國內AI芯片第一股”，2021年1月成立寒武紀行歌，專注智能駕駛芯片。
產品方面，根據對外披露的信息，寒武紀行歌將于2022-2023年，面向行泊一體市場、L4市場，分別推出SD5223、SD5226，算力分別為16TOPS、400+TOPS，后者為7nm制程。
將視野轉至國際市場，第三類玩家為最被市場矚目的英偉達、高通、英特爾（2017年收購Mobileye）、安霸等消費電子、AI視覺芯片巨頭。
高工智能汽車注意到，當智駕、座艙的大算力需求浪潮涌來，這些在PC、手機賽道長期深耕，擁有強大護城河的巨頭們，旋即將觸手伸向這一想象力巨大的新興細分賽道，意圖復制其在原有領域的地位。
以英偉達為例，作為全球頭部智能計算平臺型公司，2015年開始發力汽車領域，2020年上車的Xavier，16nm制程，算力30TOPS；2022年上車的orin，7nm制程，算力254TOPS；計劃在2024年量產的thor，4nm制程，算力達到2000TFLOPS@FP8，支撐下一代中央計算架構。
高通，作為手機芯片巨頭，其在汽車領域的切入點為通訊和座艙芯片，從820A到8155、8295，占據中高端智能座艙市場的主要份額。
2020年1月，高通發布Snapdragon Ride自動駕駛計算平臺，含5nm驍龍8540、7nm驍龍9000，單板算力360TOPS，去年開始陸續上車；計劃于2024年量產的Snapdragon Ride Flex，綜合AI算力可達2000TOPS，同樣支持中央計算架構。
英特爾方面，作為PC芯片巨頭，2017年以153億美元收購Mobileye，后者為視覺ADAS領域的開拓者，憑借“視覺算法+芯片”方案在L0-L2市場位居頭部地位。根據披露的信息，截至2022年底，Mobileye的SoC及方案累積搭載1.35億輛汽車，2022年，其出貨量約為3370萬套。
安霸方面，作為AI視覺芯片玩家，根據對外披露的信息，其2021年收購4D毫米波雷達算法公司傲酷。2022年1月，安霸發布AI域控制器CV3系列芯片，5nm制程、算力高達500 eTOPS。
第四類玩家，為TI、瑞薩等傳統汽車芯片巨頭。
瑞薩，2018年2月發布R-CAR V3H，并借助博世、電裝等Tier1在智能前視一體機放量；2022年3月，發布R-Car V4H，7nm制程，深度學習性能達34 TOPS，用于ADAS和AD解決方案的中央處理，計劃于2024年二季度開始量產。
TI主流的智駕產品包括TDA4 VL、TDA4 VM、TDA4 VH，算力分別為 4TOPS、8TOPS、32 TOPS，其中8TOPS的TDA4 VM已經量產，在輕量級行泊一體域控賽道成為主流選擇。
智駕芯片的第五類玩家，為特斯拉、大華股份（持股零跑汽車）、芯擎科技（吉利系）等車企自研玩家。后續，還會有不少車企會涉足芯片定制甚至是自研。
特斯拉方面，其經歷了從外購到自研芯片的歷程。2014-2016年采用Mobileye EyeQ3芯片，2016年~2019年基于DRIVE PX 2 AI計算平臺，2017年開啟芯片自研，2019年自研的FSD芯片上車，14nm制程，搭載2顆，算力達到144TOPS。
大華股份方面，其持股零跑汽車，后者也被稱為“大華系”的第二次創業。根據公開信息，2017年，零跑汽車決定自研智駕芯片，2020年10月，凌芯01發布，該芯片由零跑提出主體需求、主體架構，由芯昇科技（脫胎于大華股份芯片研究院）設計，28nm制程，單芯片4.2TOPS。
結語
就在鴻途?H30 正待上車的時間節點，后摩智能又開啟了第二代智能駕駛芯片產品鴻途?H50 的研發，后者基于新一代更先進的天璇架構設計，支持自然散熱條件，整體計算效率更高，預計將于 2024 年推出，支持客戶 2025 年的量產車型。
隨著后摩在存算一體方向持續發力，悄然間，一個新的智能駕駛芯片時代開啟了。
