Na minulotýždňovom Dni technologických inovácií NIO predstavilo najnovší svetový model NIO (NWM) v oblasti autonómnej jazdy, ktorý tvrdí, že má dve základné schopnosti priestorového a časového porozumenia, čím prevyšuje nasadenie modelu typu end-to-end.
Čip pre autonómne riadenie, Shenzi NX9031, o ktorom bolo oficiálne oznámené, že bol úspešne odstránený, je prispôsobený pre svetový model NIO. Shenzi NX9031 je svetovo prvý 5nm autonómny riadiaci čip nezávisle vyvinutý spoločnosťou NIO. Podľa NIO má jeden čip výkon ekvivalentný štyrom vlajkovým čipom odvetvia (Nvidia Orin X).

V posledných dvoch rokoch boli čipy pre autonómnu jazdu kľúčovým prelomovým produktovým smerom pre výrobcov automobilov. NIO a XPeng vyvíjali svoje vlastné čipy, pričom Li Auto začalo o niečo neskôr. Na základe Longying No. 1, dcérska spoločnosť Geely, Xingjing Technology, je tiež na ceste vlastného rozvoja už roky.
Li Bin verejne vyhlásil, že NIO minulý rok zakúpilo veľa čipov Nvidia, čo ju stálo veľa peňazí. Vzhľadom na obstarávacie náklady sa spoločnosť rozhodla pre čipy, ktoré si sama vyvinula. Oficiálne vyhlásenie je, že Shenzi NX9031 sa môže zaplatiť približne za rok.
Existuje veľa dôvodov na vývoj vlastných čipov, ale jedným z hlavných cieľov pre „Wei Xiaoli“ (spoločný termín pre NIO, XPeng a Li Auto) je oslobodiť sa od obmedzení Nvidie. Zo správ z odvetvia sa zdá, že čipy, ktoré si sami vyvinuli, sú celkom progresívne a budú zodpovedať najnovším trendom, ako je napríklad komplexné autonómne riadenie.
Čínsky kontingent obkľučujúci Nvidiu sa však neobmedzuje len na „Wei Xiaoli“. V end-to-end konkurencii sú tento rok „chytení“ aj lokálni dodávatelia čipov. Na China Auto Forum minulý mesiac prezident Horizon Chen Liming jasne uviedol, že end-to-end je v súčasnosti jediným možným riešením koncovej hry autonómneho riadenia.
Lu Jianfeng, viceprezident divízie AIChip Intelligent Vehicle Division, verí, že end-to-end je jediná cesta pre pokročilé autonómne riadenie. Vzhľadom na dlhý cyklus návrhu a vývoja čipov je stratégiou AIChip preskočiť ostatné modely a zamerať sa na režim One Model, podobný technologickej architektúre UniAD pre návrh NPU.
Z pohľadu odvetvia vysoké náklady na externé obstarávanie, neistá medzinárodná situácia a výhody znižovania nákladov, ktoré si Tesla už predtým užívala so svojimi vlastnoručne vyvinutými čipmi, to všetko ovplyvnilo čipové stratégie a modely dodávok domácich výrobcov automobilov.
Popularita komplexných veľkých modelov nielenže katalyzovala nové kolo revolúcie autonómneho riadenia, ale aj urýchlila vývoj produktov a technológií čipov pre autonómne riadenie. To nielenže kladie na výrobcov automobilov vyššie nároky na čipy, ktoré si sami vyvinuli, ale núti to aj dodávateľov čipov v červenom oceáne, aby urýchlili svoju vnútornú konkurenciu.

Vlna sebarozvoja prišla
Prečo automobilky vyvíjajú vlastné čipy?
Zvládnutie základnej technológie: Zabezpečiť bezpečnosť dodávok a nenechať sa „dusiť“ dodávateľmi, najmä silnými zahraničnými dodávateľmi.
Li Bin v rozhovore spomenul, že medzinárodný vplyv na dodávky čipov v dôsledku amerických obmedzení už mal skutočný vplyv na čínsky automobilový priemysel.
"Od vlaňajšieho októbra nemôžeme používať najpokročilejšie čipy na svete pre naše školenia v cloude. Tím autonómneho riadenia sa nepozerá len na možnosti cloudu, ale aj na možnosti skupinovej inteligencie. Zatiaľ čo riziko čipov na odvodenie okrajov je v súčasnosti nízke , stále musíme byť pripravení na rôzne zmeny.“
Prispôsobenie:
Odborníci z odvetvia pre "Auto Commune"/"C-Dimension" povedali, že jedným z kľúčových aspektov pre nových výrobcov automobilov, ktorí vyvíjajú svoje vlastné čipy, je zvýšiť konkurencieschopnosť produktov prostredníctvom diferenciácie, pretože čipy, ktoré si sami vyvinuli, umožňujú prispôsobené funkcie.
Pre výrobcov automobilov je vývoj vlastných čipov nákladný, ale môže znížiť závislosť od zahraničných dodávateľov čipov, čím sa zabezpečí, že „všetky vajcia nebudú v jednom košíku“. Samostatne vyvinuté čipy môžu navyše lepšie zodpovedať svojim vlastným algoritmom, čím riešia problém prepojenia medzi algoritmami a čipovými platformami.
V minulosti výpočtový výkon 144 TOPS spoločnosti Tesla prekonal 400-500 čipy TOPS dostupné na trhu, hlavne preto, že čip bol navrhnutý pre vlastné algoritmy spoločnosti Tesla. Predovšetkým čip výpočtového výkonu 144 TOPS (Autopilot HW3.0), ktorý bol vydaný v roku 2019, aj dnes stále podporuje komplexné autonómne riadenie.
Zníženie nákladov:
Li Bin na tlačovej konferencii uviedol, že NIO minulý rok minulo veľa peňazí na čipy Nvidia. Na zníženie nákladov sa NIO rozhodlo vyvinúť vlastné čipy, pričom jeden čip zodpovedá štyrom čipom Nvidia, čím sa znížia náklady. Podľa Li Bin sa Shenzi NX9031 môže zaplatiť približne za rok.
Existujú aj iné úvahy. Odborníci z odvetvia poznamenávajú, že propagácia čipov, ktoré si sami vyvinuli, a prijímanie verejných záväzkov môže pozitívne ovplyvniť sekundárny trh a vnímanie značky. Vlastnoručne vyvinuté čipy navyše môžu výrazne zlepšiť zážitok zo systému a dosiahnuť strategické ciele.
Najmä prvé čipy vyvinuté spoločnosťou Tesla mali za cieľ zvýšiť výpočtový výkon a flexibilitu.
Správy naznačujú, že samostatne vyvinutý čipový proces XPeng tesne nasleduje NIO, pričom čipy sa odosielajú na pásku a očakáva sa, že sa vrátia v auguste. Vývoj čipu Li Auto sa začal pomerne neskoro, projekt čipu s autonómnym riadením s kódovým označením „Schumacher“ by mal byť dokončený v priebehu roka.
"Prostriedok, nie koniec"
Wu Xinzou, šéf divízie autonómneho riadenia spoločnosti Nvidia, načrtol, že vývoj autonómneho riadenia možno zhrnúť do troch etáp, pričom posledným krokom je end-to-end.
Prvá etapa: Úplne založené na pravidlách.
Druhá etapa: Veľké modely AI postupne nahrádzajú manuálne pravidlá, dokončujú predikciu a plánovanie.
Tretia etapa: Kompletné veľké modely, s AI pokrývajúc celý proces od vnímania až po rozhodovanie.
V tretej fáze autonómneho riadenia sú čipy autonómneho riadenia veľmi náročné. Viceprezident AIChip Liu Jifeng vyjadril podobné myšlienky a uviedol, že skutočný end-to-end zahŕňa použitie veľkých modelov na školenie a overovanie v cloude, pričom výsledky sa aplikujú na vyvodzovanie okrajov, čím sa na spoločnosti vyrábajúce čipy kladie významná zodpovednosť.
Horizon verí, že end-to-end je prostriedkom, nie cieľom, ktorý si vyžaduje kombináciu ľudských skúseností, efektívnej výpočtovej techniky a agilného poskytovania. Komplexná akumulácia schopností si vyžaduje úsilie v oblasti iterácie algoritmov, konštrukcie inžinierskych základov a integrácie softvéru a hardvéru, pričom kľúčovú úlohu zohrávajú softvér a algoritmy.
Hlavný architekt platformy Horizon Algorithm Platform Mu Lisen verí, že základná schopnosť end-to-end spočíva v iterácii údajov. Hoci sa zdá, že ide o modelovú štruktúru orientovanú na budúcnosť, dôležitejšie sú iteratívne údaje, ktoré sa za ňou skrývajú, pretože podporujú prechod od laboratórnej technológie k vyspelosti na úrovni produktu.
Chen Liming tiež uznal, že Horizon čelí ťažkostiam s neustále sa meniacou architektúrou vozidiel a senzorov, usporiadaním senzorov a ich prijatím. Napriek tomu, že sa zbiera veľké množstvo údajov, mnohé z nich nie sú kvalitné alebo nepretržite použiteľné, čo je problém, ktorý nemôže vyriešiť žiadna jednotlivá spoločnosť.
"Verzia FSD V12.3 od Tesly bola trénovaná s 10 miliónmi ukážkových videí extrahovaných z 10 miliárd vysokokvalitných vzoriek. Čína stále zaostáva. Navyše, 10 miliárd vzoriek bolo zhromaždených v rámci štandardného senzorového rámca, čo zaisťuje kontinuitu tréningu najnovších modelov." ."
Podobne ako Horizon, aj AIChip zdôrazňuje svoju úlohu úrovne 2 a verí, že kľúčovými požiadavkami na čipy s autonómnym riadením v end-to-end algoritmoch sú vysoká pamäť a viacjadrový veľký výpočtový výkon.
Dosiahnutie komplexného autonómneho riadenia závisí od podpory kritických výpočtových čipov, vrátane architektonických inovácií, prelomových prelomov v oblasti IP a skokov vo výkone.
Mu Lisen z Horizon pre "Auto Commune"/"C-Dimension" vysvetlil, že technický prah pre konkurenciu v oblasti end-to-end výpočtového výkonu spočíva v prispôsobení sa výpočtovým požiadavkám, ktoré prinášajú zmeny štruktúry modelu a zmeny zamerania operátorov.
Na jednej strane sa modely zväčšia a tým aj výpočtový výkon; na druhej strane sa budú vyvíjať modelové štruktúry, ktoré sa presunú od primárne CNN (konvolučných neurónových sietí) k hlavne modelom typu end-to-end založeným na transformátoroch.
"Transformátory sú rozsiahlou kategóriou algoritmov používanou vo veľkých jazykových modeloch (ako ChatGPT) a autonómnom riadení typu end-to-end s rôznym zameraním operátora. Komplexné autonómne riadenie vyžaduje operácie základnej matice a dodatočnú podporu operátora, čo predstavuje vyššie nároky. "
Významný vplyv má aj tábor Huawei. Napriek tomu, že Nvidia dominuje na trhu s čipmi pre autonómne riadenie, Čína má veľký kontingent poháňaný spoločnosťou Huawei, vrátane značiek ako AITO, Avatr, Jihu a Zhijie. Systémy autonómneho riadenia ich vozidiel vo veľkej miere využívajú výpočtové platformy Huawei MDC810/MDC610.
S úsilím dodávateľov čipov pre autonómne riadenie a zrýchleným zavádzaním čipov, ktoré si sami vyvinuli spoločnosti ako NIO, sa v nadchádzajúcich rokoch postupne čiastočne naplní túžba „nepodliehať spoločnosti Nvidia“ v domácom sektore čipov pre autonómne riadenie.





