[[433508]]

引言

2021年10月12日，中國電動車百人會在南京舉辦的“推動車用半導體產業可持續發展”的峰會上，寒武紀行歌執行總裁-王平發表了主題為“單車智能突破，云邊端車協同”的演講。

演講中提到：“寒武紀行歌在正在研發一款基于7nm制程的、算力大于200TOPS的SoC產品，未來還會通過各種車規認證，在車上實現SOP。”

寒武紀行歌剛成立，首款產品就是7nm制程，算力大于200TOPS智能駕駛AI芯片。帶著很多的疑問，九章智駕近日專訪了寒武紀行歌執行總裁王平先生。

正文：

九章智駕：寒武紀本身是做云邊端芯片相關業務的，又是出于什么樣的考慮，成立子公司寒武紀行歌入局車載領域，開始去做智能駕駛AI芯片的？

寒武紀行歌：首先，我們認為車載領域是一個很有前景的市場。汽車產業體量很大，自動駕駛領域是AI的很好的一個落地場景；從人工智能的產業應用來講的話，自動駕駛是一個不可或缺的市場。

這個領域對于國家和社會的戰略意義是不一樣的，智能汽車不僅僅是一個消費品，還會涉及到數據安全、社會安全等方面的因素，因此智能駕駛的大算力、先進制程芯片很有必要國產化。

最后，主要從寒武紀自身來講，在寒武紀沒有上市之前，主要還是專注于把云邊端的AI芯片做出來。成立行歌科技入局這個領域，是因為無論從知識的積累，人才的積累，還是財力的積累上，都已經達到了能夠支撐我們進入該領域的條件，所以我們覺得是在合適的時間做了一個正確的選擇。

九章智駕：車載領域AI芯片從體量來講，相比手機芯片要小不少，市場上已有多家有實力的廠商，并且一些OEM又打算自研AI芯片，行歌直接入局車載領域會不會有些冒險，您是如何考慮這個事情或者去評估這種風險的？

寒武紀行歌：第一點：我認為車載領域芯片市場，如果單從片數來講，也許比不過手機市場的。但是單車上芯片所占的價值量每年都是在增長的，這是一個很大的增量市場。比如，高端的大算力芯片-英偉達的OrinX，幾百美元一顆，蔚來ET7單車就要裝配4顆這樣的智能駕駛芯片。

智能駕駛主控芯片這個市場還是非常可觀的一個市場，全球新車一年銷量差不多9000萬輛左右吧，中國銷量接近3000萬輛，未來智能駕駛AI芯片應該會是標配，所以滲透率會越來越高。

第二點，我認為主機廠自研AI芯片這件事情并不容易。雖然說特斯拉現在已經自研出AI芯片了，但畢竟是專供自己使用的，相對整個汽車行業的規模而言，占比還是很小的。

未來能夠像特斯拉這樣把芯片自研出來，并且成功運用的OEM，我認為會很少。因為芯片也需要人才和相關技術的積累，這個是需要很長時間的。我覺得應該是由專業的人去做專業的事兒，產業鏈有分工才更有利于整個汽車行業的發展。

九章智駕：寒武紀行歌的定位是去做通用、大算力芯片；大算力好理解，那么通用化是怎么理解的？通用到什么程度，有哪些通用性特征？

寒武紀行歌：說我們的車載智能駕駛芯片是通用芯片，嚴格來講這個也是不準確的。準確來講，應該叫車載SoC芯片，它是一個異構芯片，不僅包括AI模塊，還包括CPU、GPU、DSP以及ISP等其它處理模塊。

我們講所謂的通用性，指得是SoC上AI模塊的通用性；它具有一個通用的AI軟件棧或者說基礎軟件平臺，可以讓OEM車廠或者算法公司在上面比較靈活的、方便地移植或者開發他們自己的算法。也就是說，它的靈活性和兼容性比較好。

反之，所謂的專用AI模塊，它的軟件平臺不具有通用性。它的軟件棧是專門針對某一種芯片或者說某種算法進行了專門的定制優化，雖然可以在一定程度上降低功耗，提升性能，但是它也會導致一個不好的后果。

因為它是專用的，所以能夠適配的算法受到局限，這就導致當OEM或者算法公司要去移植或者是開發其他算法的時候，需要重新花大量的時間和精力去做適配工作，投入到軟件開發的工作量會非常大，甚至無法實現。比如Mobileye的芯片即使開放AI部分給OEM廠商，也很難有人能把感知算法在它上面跑起來。

九章智駕：寒武紀行歌在車載領域這塊起步較晚，國內一些芯片公司，有的現在已經具有量產裝車經驗，并且也在打造生態，行歌有哪些需要追趕的地方，或者說會面臨哪些挑戰？

寒武紀行歌：第一點，雖然我們真正開始做車載芯片在時間上是晚一些，但是寒武紀之前是做云邊端芯片的，很多能力是可以遷移到車端上去應用，也就是說我們是具備一定的技術基礎的。說起步早或起步晚，其實只是相對的，或者說只是針對不同的模塊來說的。

第二點，我認為車載智能駕駛AI芯片這個賽道很長，從輔助駕駛到真正的無人駕駛還有很長的路要走，我們預計至少10-20年甚至更長的時間。

剛才問寒武紀行歌現在的差距是什么？首先，關于大算力、通用性AI架構設計能力，我們可以基于母公司的云端及邊緣端芯片架構設計能力直接搭建。其次，在基礎軟件這部分，我們的積累也是夠的。現在唯一不足的地方，我覺得是在車規級要求、可靠性和功能安全方面。這塊是一個新的課題，需要我們抓緊時間去提升。雖然說做云端和做車端對能力的要求是不太一樣的，難度是有的，但是我們有信心去克服這樣的一個挑戰。

九章智駕：剛才您也講了，寒武紀行歌做車載AI芯片，母公司寒武紀做云邊端AI芯片的一些能力是可以直接遷移過來復用的，能具體講一講，具體都有哪些能力能遷移過來復用么？

寒武紀行歌：實際上，我們可以把車規芯片的設計分三大部分來看：第一部分：芯片架構設計；第二部分：基礎軟件平臺設計；第三部分：車規級設計要求。

我們一開始的定位就是做一款大尺寸、大算力的智能駕駛芯片。大尺寸和大算力芯片的架構設計能力，以及基礎軟件開發這兩部分的能力是寒武紀之前就具備的，這兩部分能力我們大多可以直接遷移過來復用。

當然了，母公司之前的產品主要是針對工業產品來設計的，或者說高端的工業產品，工業級規格；車規級芯片有更高的一個要求，比如在可靠性和功能安全等方面，它是需要根據車規級要求具體去調整和優化的，但核心的基礎模塊是一樣的。

九章智駕：前面您說了，寒武紀行歌的車載智能駕駛AI芯片的通用性主要是體現在AI模塊，那么把AI模塊做成通用型的技術壁壘和挑戰是什么？

寒武紀行歌：首先，需要大量的軟件人員，寒武紀現在約1500人，大概60%的人是軟件人員，為什么？因為做一套通用的AI硬件架構去適應不同的網絡，就需要對不同的算子去做適配，所有做通用AI處理器的都要面對這個問題。

關于視覺感知的算子是大概有1000個，如果做成通用的，這1000個算子便都需要投入人力去做適配，這需要很大的工作量。如果是做專用的AI感知模塊，就無需這么麻煩，因為它只使用一部分網絡，也許只用到了幾十種算子，那么只需要針對這幾十種算子做適配就好了，其他的900多種都不用管。做AI模塊本身的技術原理很簡單，難的是怎么把那些千奇百怪的算法適配到我們的硬件上來。把通用性和網絡利用率做好的同時，還能兼顧低功耗，這是關鍵，也是困難的部分。

這個通用型，考驗兩方面的能力，一方面是處理器架構能力，如何用一個處理器架構支持好不同類型的眾多算法和算子。另外一個就是算法工具鏈的能力，如何做一個好用易用的SDK，快速適配新的算法算子。

其次是工藝，要把算力做大，性能做強，最主要的就是工藝方面的限制。高制程的芯片，不僅制造工藝難，而且設計也比成熟制程難得多。以7nm制程為例，需要芯片設計公司和晶圓廠家協作把所有7nm相關的、所能用到的IP全部都得驗證一遍。每前進一個工藝節點是需要花費很長時間努力以及大量人力、財力等資源的投入。

九章智駕：提升AI芯片算力的方案，除了工藝手段，通過采用先進制程能提升算力外，通過改進架構是否能夠提升算力？目前的芯片架構大多還是馮若依曼架構，未來會不會出現一種新的架構會顛覆這種傳統架構？比如說存算一體芯片，未來的前景如何？

寒武紀行歌：從本質上講，提升算力的方法就是增加晶體管數量，增加里面乘法器的和累加器的數量；在傳統的架構下，無論如何改進軟件架構，只能提升硬件利用率，提升不了實際算力。硬件不會隨著的軟件變化而變化，芯片流片出來就固定了，里面有多少個乘加器，有多少個晶體管是可以數出來的。

從宏觀的角度看，想要大幅度提升算力就一個辦法，就是提升工藝。除非不用深度學習，不用CNN網絡，那是另外一個概念了；改變AI處理器架構只是改變了對不同網絡的適應程度；

有可能出現新的架構，不過至少目前還沒有看到批量應用或者是實際產品落地的。

傳統的架構處理器跟存儲器分離，中間需要通過總線來通信，性能受到限制；所謂的存算一體，就是要把計算單元和存儲器一體化的。也就是說同一個處理單元既可以做計算，又可以存儲；這種設計相比之前，整個架構將會產生很大的一個變化。這不是一個簡單的事情，所有的上層的軟件以及系統都得跟著改變和調整。

九章智駕：對于乘用車來說，L4有點遙遙無期，中短期內車上的智能駕駛配置還會是以L2級為主，對于該級別來講，14nm或者16nm制程的高性價比芯片基本已經滿足需求了。為什么行歌還要選擇從7nm制程的大算力芯片入局？行歌在7nm制程上的優勢在L2級別這個市場會不會反而成了成本上的劣勢？

寒武紀行歌：首先，之所以我們從做大算力芯片開始，是因為我們看到OEM對大算力芯片有比較強烈的需求。尤其是新能源車，由于它的電池和電動機是用液冷，大算力域控制器的散熱問題相對來說要好解決；其次，電動車上用“數字發動機”-大算力芯片代替了燃油車的發動機”，OEM都需要在這個地方下功夫去實現差異化，給消費者更好的駕乘體驗。

第三，從做大算力開始，可以更好搶得市場，更快塑造我們的品牌力。很明顯，當前做低算力的芯片廠商相對較多，市場競爭也比較激烈，做大算力、先進制程這種技術壁壘更高的智能駕駛芯片更符合我們品牌的定位，也更容易切入車載領域市場。

在L2這個級別上，用7nm制程的話，成本上的劣勢也許會比較明顯，所以我們也會準備好低一些的工藝制程的。只是我們的產品計劃是一步一步來的，先從做大算力芯片開始，然后再往下探。

小結：

未來很長一段時間內，算力的比拼將是智能汽車重點比拼的性能參數之一；大算力AI芯片的需求也會越來越高；針對車用半導體及其供應鏈痛點，需要整個產業同心協力，分工合作，讓國內的大算力、先進制程的AI芯片在未來也能盡早的實現國產化。