黑芝麻智能CMO杨宇欣:如何面对硬件成本瓶颈?

简介: 黑芝麻智能CMO杨宇欣:如何面对硬件成本瓶颈?


作者 / 曹锦4月份的上海车展,让世界对中国汽车产品和市场有了更加直观的认知。中国供应链的初创企业们,已经成为主流汽车品牌在本土发展中无法绕过的一环。

时隔三年再度抵华的海外车企高管们,纷纷趁机与本土供应商接洽交流,黑芝麻智能自然也在其中。

就在上海车展前期,黑芝麻智能发布了支持跨域计算平台——武当系列,以及产品线的首款芯片C1200。中国芯片企业对于跨域融合趋势的认知及反应速度,都令人更加清晰地意识到,尽管赛道仍然障碍重重,但超车的时机已经到来。

近日,黑芝麻智能CMO杨宇欣,与「首席智行官」分享了他对中国智能车发展趋势的见解,以及黑芝麻智能作为车载芯片企业的应对方案。

坚持自研已成共识

早在国内芯片企业刚迎来风口时,有部分业内人士曾表示,如果芯片危机解除了,或许大家又会中止芯片自研,主机厂也继续用海外成熟的芯片了。杨宇欣也曾多次听到过此类预测,但他保持乐观态度。

如今,缺芯状况正在逐渐好转,但「自研芯片」的共识却留了下来。杨宇欣从两个维度分析了这一共识的背景原因:市场因素和危机意识。

「首先,从行业发展规律来看,欧美日的头部供应商之所以能成长为全球领军型企业,还是依托于本土市场的快速发展。」他认为,汽车行业经历了五波浪潮:前四波浪潮分别是美国、欧洲、日本和韩国,而第五波就是中国。在这波浪潮的推动下,本土供应商必然将迎来质变。

「从车展就能看出,中国车企在技术、设计和体验方面都有了长足的进步,并开始在全球市场上拥有独特的位置和优势。」杨宇欣认为,在这样的市场背景下,中国车企要想实现快速技术迭代,当与本土供应商最为契合;且双方在进行共同技术攻关时,利益也是一致的。

另外,从危机意识层面来看,芯片或者原材料的短缺都是周期性的,不可能只出现一次。「现在国内车企基本上已经认定了一点,就是一定要扶持本土供应链,即便现在外资供应商恢复供货或者降价了,对国内供应链的培育也不会减速。」

从强调性能

转向强调性价比

对于杨宇欣来说,缺芯缓解后的芯片降价,和车企的降价,都形成了今年内卷的升级,但二者并非一回事。

而也是从这个节点开始,黑芝麻智能从强调「性能技术」变成了强调「性价比」。

「顺应市场发展,我们进入了一个新阶段——当新技术开始进入大规模量产、变为标配时,客户一定会开始考虑成本,更注重性价比。」

而成本内卷带给供应商的压力,体现在方方面面:运营效率、供应链管理,研发……降本是贯穿整个公司经营的命题。

杨宇欣表示,成本优化是渐进式的过程,一般都是通过器件的成本优化,再跟随出货量的增加,以及软件开发成本的下降,5%、5%地逐步下降。

但是,成本的下降终究会触底,因为硬件存在无法跨越的成本。」在这种背景下,为了使基于黑芝麻芯片解决方案的成本结构发生质变,7nm智能汽车芯片——武当C1200应运而生。

杨宇欣介绍称,黑芝麻智能从整个技术架构入手,在原来域控架构的自动驾驶芯片基础上增加了一条产品线,也就是武当系列的跨域融合产品线。「我们从芯片产品的角度,将原本需要3-4个系统解决的问题,改为用一个系统解决,以形成结构性降本。」

让算力需求回归理性

尽管城市NOA已开始逐步落地,且对应方案的传感器数量只增不减,但在杨宇欣的判断中,算力需求并不像想象中的那样大。

去年,英伟达发布了70 TOPS的Orin Nano;今年,TI发布了32TOPS的TDA4 VH。在大家动辄鼓吹上千TOPS算力之后,数十TOPS的区间似乎又将成为主流趋势。

「对于类似高速NOA的L2++,几十TOPS的算力就已足够,而城市NOA则需要100 TOPS左右的算力。前者的方案目前更为主流,成本也更加可控。」所以,黑芝麻智能今年发布的产品也是50 TOPS区间中,这是杨宇欣认为「L2+标配时代」的理性方案。

他也表示,尽管车企也会考虑未来的升级和冗余,但都仅限于在同等级别内进行算法和体验优化,而不是跨级。「就像15万的车后续并不能被迭代为40万的车一样。」

至于城市NOA的算力需求,杨宇欣认为100 TOPS左右也已足够。「现在城市NOA及高阶自动驾驶的瓶颈不在硬件,而是在于长尾难题。面对大量的corner case,算法需要的数据量才是影响自动驾驶进化的关键。」

不过,对于芯片硬件自身的进化而言,杨宇欣又带来了另一种思路。

更新迭代的「HARD模式」

和汽车OTA一样,当一款芯片产品推出后,性能并不是就此固定的,还会经历持续迭代。只是有的企业选择提升帧率,有的则直观地继续提升物理算力,而黑芝麻智能则属于后者。

据杨宇欣介绍,在A1000刚发布时,其INT8精度的物理算力是40 TOPS。在经过一年的优化后,这一数字被提升为58 TOPS。

他表示,做芯片的和做算法的两种路线,性能优化的角度是不一样的。前者注重物理算力,后者注重帧率,但都是殊途同归。

就像是同样一个鱼池,别人擅长科学调整养鱼的数量和种类,以优化产出,而我们则直接选择扩大池子。」杨宇欣认为,虽然从硬件优化的门槛更高,但却是一劳永逸的。

「舱泊一体」只是过渡方案

在此前黑芝麻智能发布武当系列的沟通会上,「驾舱一体」的话题反复被提及。在中央计算架构的必然趋势下,适应这样的演进速度也成为车规级芯片企业都需要应对的事情,黑芝麻智能的C1200也正是为了步入跨域融合的领域所推出的产品。

其实,去年黑芝麻只能就已基于单芯片A1000 50 TOPS以上算力做了行泊一体方案,因为他们在两年前就已认为该技术将成为市场主流。

「行泊一体对芯片的功能完整性要求比较高。比如说原来只做行车的话,是不需要芯片具备3D图形渲染能力的,也就是GPU的能力,但是泊车需要把3D全景的算法进行拼接,同时还要渲染三维的车模,所以我们需要将所有涉及的功能都在芯片里预先配置进去。」

此外,除了行泊一体,还有企业提出了「舱泊一体」的概念。在杨宇欣看来,舱泊一体是舱驾演进过程中的一个过渡阶段。「因为现在座舱芯片的性能有限,所以只能集成有限的泊车功能,以此降低成本,但单纯的舱泊一体车辆并不具备高速NOA等辅助驾驶功能。」杨宇欣说道,舱泊一体应该很快就会过渡至舱驾一体,如果芯片的性能覆盖面够广,这就不会是一个主要方案。

「中央计算」仍遥不可及

和伴随GPT大模型火热起来的AI行业不同,今年的自动驾驶显得较为低调。不过杨宇欣觉得,这种现象是由于一方急需热点增势,而另一方是已经将热点转化为了标配。

他认为,辅助驾驶现在就像车里的座椅桌板一样普通——当其卖点属性开始下降,这恰恰意味着它已经进入主流阶段,并形成了用户的购买认知。

「这就像早年间手机都会宣传多核CPU,但当该配置普及后,大家就又转而宣传摄像头了。」

不过,虽然大家对自动驾驶基本已经达成了统一认知,并认可了渐进式路线的主导,但仍有一些概念仍然遥不可及。

例如,中央计算平台的概念虽然反复出现,但其仍然还只停留在概念阶段。杨宇欣称,现在每个人所描述的中央计算几乎都不一样,例如到底哪些计算的功能会放到中央,哪些放在下层,现在行业没有共识。「它到底长啥样还不清楚,也无从预测。」

黑芝麻智能对C1200的SOP预期是:2025年。但是,这样并不意味着跨域融合届时就能成为主流。

「SOP首先代表的是客户的认可,但是技术的普及不能只靠一家芯片公司,它需要更多芯片公司发布类似的产品。」他认为,跨域融合的发展就和自动驾驶一样,大方向是确定的,但都要经历「各种观点满天飞」的阶段。

而中央中央计算的架构虽然还没有踪影,但也会经历这样的过程——域和域之间的逐渐集成,一步步走向中央计算,这是必然规律。

在4月的上海车展上,黑芝麻智能也与多家一线海外品牌进行了一对一沟通,就合作意向进行了严肃讨论。「如果想减缓中在中国市场份额被不断挤压的情况,可能确实要开始考虑依赖本土供应链来增加竞争力了。」

当中国汽车供应商面临更多的机遇时,更苛刻的要求也随之而来,除了要在成本方面提供更多的价值,还要需要通过多层面、全方位的能力才能保持客户粘性。「我们很难通过某一点来真正把客户黏住…所以其实芯片公司不好干,因为既得上得了厅堂,也得下得了厨房。」杨宇欣说道。

不过,随着对技术潮流的预判和跟进,以及定点车企及量产体量的逐步增加,黑芝麻智能的潜能无疑还将被持续激发。

相关文章
|
3月前
|
供应链 安全 机器人
管理能力跟不上扩张规模,库迪正在拖垮自己?
许多昙花一现的消费品牌,根源都是管理能力跟不上扩张规模,被联营商、内部员工都在吐槽的库迪咖啡,显然面临着同样的挑战。
|
11月前
|
供应链 图形学 智能硬件
|
12月前
|
机器学习/深度学习 存储 人工智能
以大模型加速新药研发,成本降低70%:一家大厂的「云端」实战
以大模型加速新药研发,成本降低70%:一家大厂的「云端」实战
135 0
以大模型加速新药研发,成本降低70%:一家大厂的「云端」实战
|
机器学习/深度学习 传感器 存储
|
机器学习/深度学习 人工智能 数据中心