Минулого тижня на Дні технологічних інновацій NIO представила останню модель NIO World Model (NWM) у сфері автономного водіння, стверджуючи, що вона володіє двоядерними можливостями просторового та часового розуміння, що перевершує наскрізне розгортання моделі.
Чіп автономного водіння Shenzi NX9031, про який було офіційно оголошено про успішне створення, розроблено для світової моделі NIO. Shenzi NX9031 — це перший у світі 5-нм чіп автономного керування, незалежно розроблений NIO. За даними NIO, один чіп має продуктивність, еквівалентну чотирьом флагманським чіпам галузі (Nvidia Orin X).
За останні два роки чіпи для автономного водіння стали ключовим проривним напрямком продукції для автовиробників. NIO та XPeng розробляли власні мікросхеми, а Li Auto почала трохи пізніше. Створена на основі Longying № 1, дочірня компанія Geely, Xingjing Technology, також роками йде шляхом саморозвитку.
Лі Бінь публічно заявив, що минулого року NIO придбала багато мікросхем Nvidia, що коштувало компанії великих грошей. Враховуючи витрати на закупівлю, компанія вирішила звернутися до мікросхем власної розробки. Офіційна заява полягає в тому, що Shenzi NX9031 може окупитися приблизно за рік.
Існує багато причин для розробки власних чіпів, але одна з головних цілей «Wei Xiaoli» (загальний термін для NIO, XPeng і Li Auto) — звільнитися від обмежень Nvidia. З галузевих звітів випливає, що мікросхеми власної розробки є досить перспективними та відповідатимуть останнім тенденціям, таким як наскрізне автономне водіння.
Однак китайський контингент, який оточує Nvidia, не обмежується лише «Вей Сяолі». Цього року наскрізну конкуренцію «підтягнули» і місцеві постачальники чіпів. На Китайському автомобільному форумі минулого місяця президент Horizon Чень Лімін чітко заявив, що наразі єдиним можливим рішенням для завершення автономного водіння є наскрізне керування.
Лу Цзяньфен, віце-президент відділу інтелектуальних транспортних засобів AIChip, вважає, що наскрізний шлях — це єдиний спосіб розширеного автономного водіння. Через тривалий цикл проектування та розробки чіпів стратегія AIChip полягає в тому, щоб пропустити інші моделі та зосередитися на режимі One Model, подібному до технологічної архітектури UniAD для розробки NPU.
З точки зору промисловості, висока вартість зовнішніх закупівель, невизначена міжнародна ситуація та переваги скорочення витрат, якими Tesla раніше користувалася своїми мікросхемами власної розробки, вплинули на стратегії вітчизняних автовиробників чипів і моделі постачання.
Популярність наскрізних великих моделей не тільки стала каталізатором нового витка революції автономного водіння, але й прискорила продуктову та технологічну еволюцію чіпів автономного водіння. Це не тільки висуває підвищені вимоги до автовиробників щодо мікросхем власної розробки, але й змушує постачальників мікросхем у Червоному океані пришвидшити свою внутрішню конкуренцію.
Настала хвиля саморозвитку
Чому автовиробники розробляють власні чіпи?
Освоєння основної технології: Забезпечити безпеку поставок і не бути "задушеним" постачальниками, особливо потужними іноземними постачальниками.
Лі Бінь зазначив в інтерв’ю, що міжнародний вплив на постачання чіпів через обмеження США вже справді вплинув на автомобільну промисловість Китаю.
«З жовтня минулого року ми не можемо використовувати найсучасніші чіпи у світі для нашого хмарного навчання. Команда автономного водіння розглядає не лише можливості хмари, але й можливості групового інтелекту. Хоча ризик для чіпів периферійного висновку наразі низький , нам ще потрібно бути готовим до різних змін».
Налаштування:
Експерти галузі розповіли «Auto Commune»/«C-Dimension», що одним із ключових міркувань для нових автовиробників, які розробляють власні мікросхеми, є підвищення конкурентоспроможності продукту за рахунок диференціації, оскільки мікросхеми самостійної розробки дозволяють налаштовувати функції.
Для автовиробників розробка власних чіпів коштує дорого, але може зменшити залежність від закордонних постачальників чіпів, гарантуючи, що «всі яйця не в один кошик». Крім того, мікросхеми самостійної розробки можуть краще відповідати власним алгоритмам, вирішуючи проблему зв’язку між алгоритмами та платформами мікросхем.
У минулому обчислювальна потужність Tesla 144 TOPS перевершувала 400-500 чіпи TOPS, доступні на ринку, головним чином тому, що чіп був розроблений для власних алгоритмів Tesla. Зокрема, чіп обчислювальної потужності Tesla 144 TOPS (Autopilot HW3.0), випущений у 2019 році, все ще підтримує наскрізне автономне водіння сьогодні.
Зниження витрат:
На прес-конференції Лі Бінь заявив, що минулого року NIO витратила багато грошей на чіпи Nvidia. Щоб зменшити витрати, NIO вирішила розробити власні мікросхеми, причому одна мікросхема еквівалентна чотирьом мікросхемам Nvidia, що знизило витрати. За словами Лі Біна, Shenzi NX9031 може окупитися приблизно за рік.
Є й інші міркування. Інсайдери галузі відзначають, що просування мікросхем власної розробки та публічні зобов’язання можуть позитивно вплинути на вторинний ринок і сприйняття бренду. Крім того, мікросхеми власної розробки можуть значно покращити роботу системи, досягаючи стратегічних цілей.
Примітно, що ранні мікросхеми власної розробки Tesla мали на меті збільшити обчислювальну потужність і гнучкість.
Звіти свідчать про те, що XPeng самостійно розробляє мікросхеми, що нагадують NIO, і очікується, що мікросхеми будуть відправлені на запис у серпні. Розробка чіпів Li Auto почалася відносно пізно, а проект чіпів для автономного водіння під кодовою назвою «Шумахер», як очікується, завершиться протягом року.
«Засіб, а не мета»
Ву Сіньзоу, керівник відділу автономного водіння Nvidia, підкреслив, що розвиток автономного водіння можна підсумувати в три етапи, причому наскрізний етап є останнім.
Перший етап: повністю засноване на правилах.
Другий етап: великі моделі ШІ поступово замінюють ручні правила, завершуючи прогнозування та планування.
Третій етап: Повністю наскрізні великі моделі з штучним інтелектом, що охоплює весь процес від сприйняття до прийняття рішень.
На третьому етапі автономного водіння чіпи автономного водіння є дуже складним завданням. Віце-президент AIChip Лю Цзіфен висловив подібні думки, заявивши, що справжнє наскрізне передбачає використання великих моделей для хмарного навчання та перевірки, із застосуванням результатів для визначення меж, що покладає значну відповідальність на компанії-виробники чіпів.
Horizon вважає, що наскрізне — це засіб, а не мета, що потребує поєднання людського досвіду, ефективних обчислень і гнучкої доставки. Накопичення наскрізних можливостей вимагає зусиль у повторенні алгоритмів, створенні інженерної основи та інтеграції програмно-апаратного забезпечення, при цьому програмне забезпечення та алгоритми відіграють основну роль.
Головний архітектор платформи Horizon Algorithm Му Лісен вважає, що основна можливість наскрізного використання даних полягає в ітерації даних. Хоча це здається перспективною структурою моделі, ітераційні дані, що стоять за нею, є більш важливими, підтримуючи перехід від лабораторної технології до зрілості на рівні продукту.
Чень Лімін також визнав, що Horizon стикається з труднощами через постійну зміну архітектур транспортних засобів і датчиків, макетів датчиків і впровадження. Незважаючи на збір великої кількості даних, значна їх частина не є високоякісною або непридатною для постійного використання, що виходить за рамки жодної окремої компанії.
«Версія Tesla FSD V12.3 була навчена за допомогою 10 мільйонів зразків відео, витягнутих з 10 мільярдів високоякісних зразків. Китай все ще не встигає. Крім того, 10 мільярдів зразків було зібрано в стандартній структурі датчиків, що забезпечує безперервність навчання останніх моделей. ."
Як і Horizon, AIChip підкреслює свою роль Tier 2, вважаючи, що ключовими вимогами до чіпів з автономним керуванням у наскрізних алгоритмах є великий обсяг пам’яті та багатоядерна обчислювальна потужність.
Досягнення наскрізного автономного водіння залежить від підтримки критично важливих обчислювальних чіпів, включаючи архітектурні інновації, основні прориви IP та стрибки продуктивності.
Му Лісен з Horizon пояснив «Auto Commune»/«C-Dimension», що технічний поріг для наскрізної конкуренції за обчислювальну потужність полягає в адаптації до обчислювальних вимог, викликаних змінами структури моделі та змінами у фокусі оператора.
З одного боку, моделі збільшаться, а також обчислювальна потужність; з іншого боку, модельні структури будуть розвиватися, переходячи від переважно CNN (згорткових нейронних мереж) до наскрізних моделей, що базуються переважно на Transformer.
«Трансформатори — це широка категорія алгоритмів, яка використовується у великих мовних моделях (наприклад, ChatGPT) і наскрізному автономному керуванні з різними фокусами операторів. Наскрізне автономне водіння вимагає базових матричних операцій і додаткової підтримки оператора, що пред’являє вищі вимоги. "
Табір Huawei також має значний вплив. Незважаючи на те, що Nvidia домінує на ринку чіпів для автономного водіння, Китай має великий контингент, який підтримується Huawei, включаючи такі бренди, як AITO, Avatr, Jihu та Zhijie. Системи автономного водіння їхніх автомобілів переважно використовують обчислювальні платформи Huawei MDC810/MDC610.
Завдяки зусиллям постачальників чіпів для автономного водіння та прискореному розгортанню чіпів власної розробки такими компаніями, як NIO, у найближчі роки прагнення «не підпорядковуватися Nvidia» у вітчизняному секторі чіпів для автономного водіння поступово буде частково реалізовано.
