未来几年 , 智能汽车市场将进一步向‘纺锤形’的成熟结构演变 , 从旗舰市场下探到 10-25 万的高性价比市场。同时 , 跨域融合的 E/E 架构、行泊一体的智驾方案、城市 NOA 功能、包含 LiDAR、4D 毫米波的多模态三维感知方案、Transformer 大模型都将快速落地。随着摩尔定律放缓 , 引入系统级思维、软硬件协同的高能效计算将是赋能新一代智能驾驶的基石。
近日 , 超星未来创始人、CEO 梁爽博士出席中国电动汽车百人会论坛 ( 2023 ) 智能汽车论坛 , 发表题为《软硬件协同 赋能新一代智能驾驶计算》的演讲 , 并透露了下一代感知计算架构对多模态感知、Transformer 的支持。
首先 , 智能驾驶功能最早从 30-40 万以上的旗舰车型开始落地 ; 超星未来观察到 , 智驾功能开始向 10-30 万的车型区间下探 , 未来几年这部分大众市场有更大的放量空间 , 更加强调性价比 , 也因此在计算层面更需要软硬件的极致优化。
这就引出 增效 和 降本 两个趋势。 增效体现在 NOA 功能从 1.0 阶段的高速半封闭场景 , 加快向更复杂的城市道路场景推进 , 未来几年会进入一个落地高峰。降本体现在传感器的复用 , 芯片成本的进一步控制 , 以及整车电子电气架构的更为集中化等等 , 行泊一体、驾舱一体的域控系统纷纷开始出现2023-04-10。。
在智能驾驶渐进式发展路线上 , 特斯拉作为智驾感知技术的引领者 , 一直在非常激进地推进纯视觉路线 , 也给行业带来不小的争议与讨论 : 多模态融合感知是否还有必要存在。
经过这几年的观察发现 ,纯视觉方案目前仍存在一定的局限, 比如著名的白色卡车魔咒 ; 特斯拉最新曝光的 HW4.0 方案也重新把 4D 毫米波成像雷达引入到传感器配置中 ; 另外 , 观察激光雷达的发展趋势 , 可以看到 LiDAR 的成本已经下探到千元量级 , 进入到批量前装交付的起量爬坡期。相信随着硬件的持续降本 , 要实现安全可靠的智能驾驶系统 , 多模态融合感知方案将会成为主流选项。
可以看到 , 因为 Transformer 有更强的全局感知能力、更好的泛化性鲁棒性、便于做多模态融合等优点 , 国内外诸多领先的玩家 , 都已经逐步官宣了在智能驾驶的感知系统中对 Transformer 的应用。
另外 ,Transformer自监督学习训练成本低、能在超大数据集上体现出更明显的优势, 大家可以观察到 , 越来越多的行业玩家开始布局智算中心和数据闭环系统 , 这也是大模型往智能驾驶落地的一个重要基础和信号。
第四个思考回归到计算和算力上。可以说整个智能驾驶乃至人工智能技术的发展 , 都离不开算力或者说计算技术的支撑。
然而也要看到 , 摩尔定律的发展速度已经趋缓2023-04-08，。技术层面制程已经在逼近物理极限 ; 层面 , 剧烈的国际形势变化也会带来一系列不确定性 ; 最重要的是 , 经济层面上 , 盲目 拼工艺 的经济账很可能算不过来。因此 , 考虑产业发展的客观规律 ,盲目靠拼工艺堆叠算力 , 一定不是解决智驾计算问题的最合理路径。
超星未来选择的路径是软硬件协同优化, 针对智能驾驶域的计算任务需求 , 从软件、硬件、平台、应用的整体角度提升系统计算效率。可以看到国际学术界工业界公认的行业顶会 ISSCC 上 , 越来越多的巨头也开始强调 System-level Thinking 的观点 , 这也是超星未来坚持的核心思想。
基于对以上降本增效、融合感知、大模型应用、软硬件协同趋势的思考和分析 , 超星未来做出了以下实践。
针对降本增效的大众市场需求, 超星未来去年底正式发布了新的战略和产品 , 包括智能驾驶计算芯片「惊蛰 R1」、高能效 AI 处理架构「平湖」、全流程开发工具链「鲁班」, 相关指标也都已达到国际领先水平。我们同时还能够提供智能计算开发套件 NE100、高可靠系统软件、智能驾驶三维感知参考方案, 形成以智能驾驶计算芯片为核心的交付矩阵 , 面向各类场景、多样化的客户需求提供灵活组合的交付方式。
我们相信在智能汽车的领域里 , 做一家单纯bbv体育app官网下载的芯片公司远远不够, 必须要深刻理解智能驾驶的系统和场景 , 构建出完整易用的软件生态 , 坚持开放合作 , 才能适应快速迭代的应用方案和客户需求。
结合对前装市场的观察 , 超星未来预测未来几年最具潜力的智驾车型会收敛到 一头一尾 , 其中 一头 是面向高端用户的旗舰车型 , 一尾 是面向大众用户的平价车型。梁爽指出 , 智能驾驶计算芯片的发展不仅仅是一个 拼算力 的前后替代关系 , 而是综合考虑算力、成本、面积、功耗、软件生态 , 分层定位的共存关系 , 分别是匹配不同下游客户的需要。
到整个产品矩阵的实践上 , 超星未来对应规划了 一高一快 两条产品路线。其中 R 系列惊蛰产品线将专注于未来几年高性价比的高速行车 + 自动泊车一体方案 , 面向大众车型区间快速推进 , 辐射包括路侧感知、移动机器人在内的其他边缘侧需求。此外 , 超星未来还规划了高阶的 A 系列产品线T 以上的算力以及雷达点云和 Transformer 的加速支持 , 以支撑 30 万以上高端车型的城区复杂方案计算需求。
梁爽表示 , 智能驾驶的计算供应商一定要保持理性 ,把握行业节奏和实际需求 , 量产落地为王、完善生态为王, 攀登珠峰的过程中 , 一定要沿途下蛋。
第一点 , 面向多模态融合感知 , 不论未来主流采用激光雷达还是 4D 成像雷达 , 最终都会输出三维无序、稀疏的点云数据。目前超星未来开发的面向稀疏点云处理的专用架构 SPU, 可以将计算延时控制在 10ms 延迟 , 用极小的面积资源代价实现 3 倍于英伟达 Orin 的性能表现。这也属于业内的首创。
另外 , 超星未来还提供结合视觉、点云的三维感知参考方案, 方便客户快速开发原型系统 , 加速车端集成。梁爽表示 , 公司现在已和多家主机厂、激光雷达厂商开展合作 , 目前也正在承担某量产车型的激光雷达感知方案定点开发工作 ,IP 和芯片的进一步合作也正在推广落地的过程中。
第二点 , 面向 Transformer 大模型 , 超星未来也已经有软硬件两方面的技术布局。
一是硬件 IP 层面 , 梁爽透露 , 超星未来下一代 NPU 架构将在今年年中发布 , 将支持 Transformer 硬件的硬件级加速。目前大部分已有的竞品方案都在使用通用处理逻辑进行处理 , 这种方式将很难应对更大规模的 Transformer 计算任务需求。目前超星未来能够通过硬件级加速和软件的协同优化 , 实现至多 20 倍的端到端性能提升。
另外软件层面 , 超星未来可提供三维感知优化加速部署工具 NOVA-3D, 来支持基于 Transformer 的三维感知方案优化部署。
目前公司已经与多家行业领先的合作伙伴开展了开发适配的工作 , 来加速包括 BEV 在内的下一代智驾方案的量产落地 , 今年也会有对外正式的发布。
目前超星未来已经与二十余家汽车领域的合作伙伴及客户展开具体合作。梁爽表示 , 希望能够利用团队在智能驾驶域积累的计算核心技术 , 更好地服务于行业应用需求 , 也期待能和产业链上下游的伙伴企业更多交流、更多合作 , 构建开放共赢的新生态 , 共同为中国的智能网联汽车事业发展助力。
