在近日舉行的“2024年度智能汽車產業(yè)鏈「硬科技」趨勢峰會”上，愛芯元智車載事業(yè)部（愛芯元速）技術副總裁逯建楓發(fā)表了《駛向未來：AI芯片如何助力AI汽車時代的加速到來》的主題演講。

逯建楓認為，隨著AI技術的持續(xù)擴散以及相關企業(yè)的AI研發(fā)能力逐步提升，智能汽車的AI應用將不再局限于智能駕駛域和智能座艙域兩個功能域中，而是會逐步擴散到智慧動力域、智能底盤域、被動安全域等不同功能域，支撐“AI汽車”概念的全面落地。

這與早些年行業(yè)普遍認為的“AI計算將在汽車中會逐步集中化”判斷截然相反。

逯建楓表示，智能駕駛域與智能座艙域當前的SoC，都在獨立地、逐步強化各自領域的AI計算性能，并沒有合并的趨勢?？赡苁怯捎趦蓚€不同領域都面臨著快速的技術迭代和高強度的行業(yè)競爭，相互之間的迭代節(jié)奏又不一致，難以統(tǒng)一步調。強行將AI計算統(tǒng)一，反而影響了各自領域在項目時間、項目成功率等維度的競爭訴求，拖累商業(yè)成功。

相對應的，AI技術的分散化，能夠更好的支撐AI能力在不同功能域的快速落地。

為了更好的支撐AI汽車時代的加速到來，愛芯元智自研了M55、M57、M76等一系列車載SoC。其中，M55和M57可在一體機智駕方案、CMS方案、增程式動力系統(tǒng)、被動安全系統(tǒng)等不同應用場景，提供高效的AI計算能力；M76則可在中階7V域控（7顆攝像頭域控制器）智駕方案、座艙大模型協(xié)處理器等不同應用場景提供先進的AI運算能力。

以下為演講實錄：

AI技術在整車功能域的擴散，迎來發(fā)展機遇

今天想跟大家一起探討一個問題，就是"AI芯片如何助力AI汽車時代的加速到來”。

這里面可能牽扯到一個新的概念，就是AI汽車。行業(yè)這幾年蓬勃發(fā)展，每年都有幾個新概念，從集中式EEA，到人機共駕，再到SDA（軟件定義汽車），再到今年的端到端……今年年底有些企業(yè)拋出來AI汽車，它跟智能汽車是什么差別？還是僅僅是營銷上的概念？我們稍后一起來探討。

關于AI技術在整車功能域的落地，近幾年來形成了一定的行業(yè)共識。大多數(shù)人認為，AI技術主要適用于智能駕駛域和智能座艙域兩個功能域。主要原因在于，兩者在早期發(fā)展過程中，都有明確的環(huán)境感知訴求。而且兩者在EEA集中化的大背景下，未來最終會走向合并的趨勢。這就是艙駕一體的前身。更有甚者，基于該趨勢，提出了AI算力集中化的趨勢。這種觀點，從計算類型的角度看，認為過去的車輛控制器以標量計算為主，不少關聯(lián)ECU合并成為整車控制器或者區(qū)域控制器是合理的。而智駕域控制器與座艙域控制器由于有較多的AI算力（矩陣計算），需要增量芯片加入到控制器中；且由于AI芯片的功耗大，可能需要主動散熱設計，因此分散化會導致不少控制器增加散熱設計成本和變得不合理，提出了“AI計算集中化”的趨勢，認為艙駕一體域控制器將獨享AI計算，甚至最終會演變?yōu)檐囕d中央計算機。

但是，時過境遷。按照這種技術思維去執(zhí)行，也忽略了很多其他因素。艙駕融合的趨勢本沒有問題，但也導致其他功能域一直沒有享受到AI技術紅利，錯失了發(fā)展良機。由于以上的技術認知，導致大家都認為只有智駕域才享有環(huán)境感知能力，以及只有ADAS域控制器具備驅動攝像頭、毫米波雷達、激光雷達等傳感器的“資格”，其他功能域一旦有感知需求，只能向智駕域或座艙域的團隊提需求。主機廠的朋友應該更清楚，首先，最近幾年的智駕競爭有多么激烈。智駕團隊的項目壓力大，時間緊任務急，年初立項，年中就要有產出；甚至要立軍令狀。這樣的競爭壓力，其他功能域提出的感知需求，智駕域的同學是很難給予高優(yōu)先級響應的。絕大部分情況，就是拒絕承接需求。好在當前AI芯片的運算性能和算法不斷升級，較小的散熱功耗以及較低的成本，就能在其他控制器中Design-Win；且AI能力也已廣泛擴散至各個OEM和Tier1，這給其他功能域的AI技術滲透，帶來切實的發(fā)展機遇。

AI技術在智駕域的突進狂奔

AI技術在智駕域的迭代速度非常迅速，競爭也異常激烈。不到十年時間，就從傳統(tǒng)的CV（計算機視覺），迭代到DL（深度學習），再到BEV&Transformer，直到今年的端到端&生成式AI。可見技術創(chuàng)新的活力和競爭之激烈。

對主流的智駕方案，我們也快速回顧下。首先，在一體機方案中，目前還是處于比較傳統(tǒng)的深度學習加傳統(tǒng)CV的方式，穩(wěn)定性也還可以。當然現(xiàn)在也有人在討論是不是要上BEV，我個人看可能優(yōu)先級沒有那么高，值得探索一下。我這里更想探討一下6/7V中型ADAS域控。以前這個方案用的還是最傳統(tǒng)的單攝感知+跨攝像頭跟蹤的方式，如果去看一下它們的滲透率和整車裝配率，其實現(xiàn)在低階比較多，高階比較多，反而中間配置率沒有上去，也可能很多在研車型銷量沒有被統(tǒng)計，沒有體現(xiàn)出來；我個人認為，更大可能在于中型ADAS域控處于中間狀態(tài)，比較尷尬，雖然在研項目很多，可能也搭上了車，最后銷量不能起來。因此，提升性價比，應該是關鍵。技術方案上，至少在感知方面，要切換成BEV感知；同時，SoC和整機價格，又要足夠低。而11-13V的大型域控方面，一定是端到端化。因為它的性能目前是被證明了的，國內這波熱潮也在拼命去追。

AI技術在其他功能域的初試牛刀

今年以來，隨著AI汽車概念的提出，行業(yè)也有不少思考。最大的感受就是對過去認為“AI計算一定會集中化”的修正，很多其他功能域的系統(tǒng)，都在尋求AI技術的賦能。比如，動力域在對發(fā)動機進行控制時，也需要環(huán)境感知信息來幫助系統(tǒng)進行更加精細化的狀態(tài)控制，以此提升用戶體驗。

另外一個案例，就是座艙大模型的應用。至少未來兩到三年內，基于生成式AI的協(xié)處理器也會是一個需求爆發(fā)點。當前基于聯(lián)網的生成式AI智能助理，在響應用戶的問題時，有時會長達6-7秒的請求等待時間，嚴重影響用戶體驗。AI協(xié)處理器能夠極大提升響應實時性。

愛芯元智車載芯片適配AI技術擴散化趨勢

轉換一下視角，剛才探討的是從主機廠或者整車角度去看待AI技術在整車的發(fā)展趨勢?，F(xiàn)在，我們再從AI芯片角度觀察這個趨勢。從NPU（神經網絡處理單元）視角來看，愛芯的NPU與車相關的領域已經迭代了四個版本，從V2版本到V3、V5，最新是VX版本。V2版本相對來說算力沒有那么高，比較適合做ADAS一體機、智能動力系統(tǒng)的AI加速需求。V3版本在智駕域適合做高速的NOA，同時在座艙大模型VLM這塊場景比較多，有很多合作伙伴有對應的合作項目在做。V5版本到VX版本，在ADAS域有兩個方案的拆分，但是從AI汽車角度來說，都屬于AI Agent。

介紹一下愛芯元智的NPU架構。為了更好的支持算力性能的發(fā)揮，愛芯理解AI芯片要具備以下特點：一是近存計算特點；二是有比較好的片間互聯(lián)技術，方便拓展，比如做協(xié)處理器；三是要做異構多核，既要支持Transformer，也要兼顧原來CNN架構，也就是分布式架構。同時，我們也自研了很多指令集來支撐更高效的計算能力。除此之外還有工具鏈，在工具鏈上也能夠比較好支持智駕功能域的端到端，座艙LLM大語言模型的AI加速。

隨著AI技術在車領域的發(fā)展變革，愛芯的車載芯片一直是順應這個趨勢來推出的。我們目前產品組合是規(guī)劃了6顆芯片。其中，M55、M76已經量產；M57和M77正在緊鑼密鼓地開發(fā)中；M9和M10在規(guī)劃中。M55算力適中，性價比高，適合應用在智駕域的一體機、安全域的氣囊控制器等場景中。M76算力強勁，且支持BEV&Transformer，適合應用在智駕域的高速NOA域控、座艙域的協(xié)處理器場景中。M57是明年要推出的芯片，它能夠進一步降本，提高運算效率；同時把MCU整合到SoC中，單芯片驅動智駕一體機方案。M77算力相比M76更加充沛，且支持端到端算法，適合應用在城市NOA的SoC。

在商業(yè)進展方面，愛芯的M55H車規(guī)芯片從去年到現(xiàn)在，已有零跑、廣汽埃安、商用車頭部廠商的多款車型量產。未來將會有更多的自主&合資車型量產。愛芯的M76H車規(guī)芯片，也將在明年Q3進行車型量產。

最后，愛芯元智致力于探索邊緣側AI計算芯片的持續(xù)發(fā)展。在車載領域，我們也在不斷進行技術創(chuàng)新，推動AI計算在智能汽車方面的落地。在此，也希望行業(yè)同仁們持續(xù)關注愛芯元智的最新動態(tài)，一同致力于AI計算在汽車工業(yè)的持續(xù)賦能。