Na Dni technologických inovací minulý týden NIO představilo nejnovější světový model NIO (NWM) v oblasti autonomního řízení, který prohlašuje, že disponuje dvěma základními schopnostmi prostorového a časového porozumění, které překonávají nasazení modelu end-to-end.
Čip pro autonomní řízení, Shenzi NX9031, o kterém bylo oficiálně oznámeno, že byl úspěšně odstraněn, je přizpůsoben pro světový model NIO. Shenzi NX9031 je světově první 5nm čip pro autonomní řízení nezávisle vyvinutý společností NIO. Podle NIO má jeden čip výkon ekvivalentní čtyřem vlajkovým čipům odvětví (Nvidia Orin X).
V posledních dvou letech byly čipy pro autonomní řízení pro automobilky klíčovým průlomovým produktovým směrem. NIO a XPeng vyvíjejí své vlastní čipy, přičemž Li Auto začíná o něco později. Dceřiná společnost Geely, Xingjing Technology, založená na Longying č. 1, je také na cestě seberozvoje již roky.
Li Bin veřejně prohlásil, že NIO v loňském roce zakoupilo mnoho čipů Nvidia, což společnost stálo spoustu peněz. Vzhledem k pořizovacím nákladům se společnost rozhodla přejít na čipy vlastní výroby. Oficiální prohlášení je, že Shenzi NX9031 se může zaplatit přibližně za rok.
Existuje mnoho důvodů pro vývoj vlastních čipů, ale jedním z hlavních cílů pro „Wei Xiaoli“ (souhrnný termín pro NIO, XPeng a Li Auto) je osvobodit se od omezení Nvidie. Z průmyslových zpráv se zdá, že čipy, které si sami vyvinuli, jsou docela perspektivní a budou odpovídat nejnovějším trendům, jako je autonomní řízení typu end-to-end.
Čínský kontingent obkličující Nvidii se však neomezuje pouze na „Wei Xiaoli“. V soutěži end-to-end jsou letos „dohnáni“ i místní dodavatelé čipů. Na China Auto Forum minulý měsíc prezident Horizon Chen Liming jasně prohlásil, že end-to-end je v současné době jediným proveditelným řešením koncové hry autonomního řízení.
Lu Jianfeng, viceprezident divize AIChip Intelligent Vehicle Division, věří, že end-to-end je jediná cesta pro pokročilé autonomní řízení. Vzhledem k dlouhému cyklu návrhu a vývoje čipů je strategií AIChipu přeskočit jiné modely a zaměřit se na režim One Model, podobný technologické architektuře UniAD pro návrh NPU.
Z pohledu odvětví ovlivnily čipové strategie a modely dodávek domácích výrobců automobilů vysoké náklady na externí nákupy, nejistá mezinárodní situace a výhody snížení nákladů, kterých se Tesla dříve těšila se svými vlastními vyvinutými čipy.
Popularita komplexních velkých modelů nejen katalyzovala nové kolo revoluce autonomního řízení, ale také urychlila produktový a technologický vývoj čipů pro autonomní řízení. To nejen klade na výrobce automobilů vyšší nároky na čipy vyvinuté vlastními silami, ale také nutí dodavatele čipů v rudém oceánu urychlit svou vnitřní konkurenci.
Vlna seberozvoje dorazila
Proč automobilky vyvíjejí vlastní čipy?
Zvládnutí základní technologie: Zajištění bezpečnosti dodávek a nenechání se „škrtit“ dodavateli, zejména silnými zahraničními dodavateli.
Li Bin v rozhovoru zmínil, že mezinárodní dopad na dodávky čipů, kvůli omezením USA, již měl skutečný dopad na čínský automobilový průmysl.
"Od loňského října jsme nebyli schopni používat nejpokročilejší čipy na světě pro naše cloudové školení. Tým autonomního řízení se nezabývá pouze schopnostmi cloudu, ale také schopnostmi skupinové inteligence. Zatímco riziko čipů pro odvozování okrajů je v současnosti nízké , stále musíme být připraveni na různé změny.“
Přizpůsobení:
Odborníci z oboru řekli "Auto Commune"/"C-Dimension", že jedním z klíčových aspektů pro nové výrobce automobilů vyvíjejících své vlastní čipy je zvýšení konkurenceschopnosti produktů prostřednictvím diferenciace, protože čipy vyvinuté vlastními silami umožňují přizpůsobené funkce.
Pro výrobce automobilů je vývoj vlastních čipů nákladný, ale může snížit závislost na zahraničních dodavatelích čipů a zajistit, že „všechna vejce nebudou v jednom košíku“. Samostatně vyvinuté čipy navíc mohou lépe odpovídat svým vlastním algoritmům, čímž řeší problém propojení mezi algoritmy a čipovými platformami.
V minulosti výpočetní výkon 144 TOPS společnosti Tesla předčil 400-500 čipy TOPS dostupné na trhu, hlavně proto, že čip byl navržen pro vlastní algoritmy společnosti Tesla. Je pozoruhodné, že čip Tesla 144 TOPS pro výpočetní výkon (Autopilot HW3.{4}}), vydaný v roce 2019, i dnes stále podporuje úplné autonomní řízení.
Snížení nákladů:
Li Bin na tiskové konferenci uvedl, že NIO loni utratilo za čipy Nvidia hodně peněz. Pro snížení nákladů se NIO rozhodlo vyvinout vlastní čipy, přičemž jeden čip odpovídá čtyřem čipům Nvidia, čímž se snížily náklady. Podle Li Bin se Shenzi NX9031 může zaplatit přibližně za rok.
Existují i další úvahy. Zasvěcenci z oboru poznamenávají, že propagace samostatně vyvinutých čipů a přijímání veřejných závazků může pozitivně ovlivnit sekundární trh a vnímání značky. Samostatně vyvinuté čipy navíc mohou výrazně zlepšit systémový zážitek a dosáhnout strategických cílů.
Pozoruhodné je, že první čipy vyvinuté společností Tesla měly za cíl zvýšit výpočetní výkon a flexibilitu.
Zprávy naznačují, že samostatně vyvinutý čipový proces XPeng těsně následuje NIO, přičemž čipy byly odeslány na pásku a očekává se, že se vrátí v srpnu. Vývoj čipu Li Auto začal relativně pozdě, projekt čipu pro autonomní řízení s kódovým označením „Schumacher“, který by měl být dokončen během roku.
„Prostředek, ne konec“
Wu Xinzou, vedoucí obchodu s autonomním řízením společnosti Nvidia, nastínil, že vývoj autonomního řízení lze shrnout do tří fází, přičemž konečným krokem je end-to-end.
První etapa: Zcela založené na pravidlech.
Druhá etapa: Velké modely umělé inteligence postupně nahrazují manuální pravidla, dokončují predikci a plánování.
Třetí etapa: Kompletně komplexní velké modely s umělou inteligencí, která pokrývá celý proces od vnímání až po rozhodování.
Ve třetí fázi autonomního řízení jsou čipy pro autonomní řízení velmi náročné. Viceprezident AIChip Liu Jifeng vyjádřil podobné myšlenky a uvedl, že skutečný end-to-end zahrnuje použití velkých modelů pro cloudové školení a ověřování, přičemž výsledky jsou aplikovány na okrajové odvození, což klade významnou odpovědnost na společnosti vyrábějící čipy.
Horizon věří, že end-to-end je prostředek, nikoli cíl, který vyžaduje kombinaci lidských zkušeností, efektivní výpočetní techniky a agilní dodávky. Komplexní akumulace schopností vyžaduje úsilí při iteraci algoritmů, konstrukci inženýrských základů a integraci softwaru a hardwaru, přičemž klíčovou roli hraje software a algoritmy.
Hlavní architekt platformy Horizon Algorithm Platform Mu Lisen věří, že základní schopnost end-to-end spočívá v iteraci dat. Ačkoli se zdá, že jde o modelovou strukturu zaměřenou na budoucnost, iterativní data za ní jsou důležitější, protože podporují přechod od laboratorní technologie k vyspělosti na úrovni produktu.
Chen Liming také uznal, že Horizon čelí problémům s neustále se měnící architekturou vozidel a senzorů, rozložením senzorů a jejich přijetím. Navzdory tomu, že se shromažďuje velké množství dat, velká část z nich není kvalitní nebo trvale použitelná, což je problém, který nemůže vyřešit žádná jednotlivá společnost.
"Verze FSD V12.3 společnosti Tesla byla trénována s 10 miliony ukázkových videí extrahovaných z 10 miliard vysoce kvalitních vzorků. Čína stále zaostává. Navíc bylo 10 miliard vzorků shromážděno v rámci standardního senzorového rámce, což zajišťuje kontinuitu pro školení nejnovějších modelů. ."
Stejně jako Horizon i AIChip zdůrazňuje svou roli jako Tier 2 a věří, že klíčovými požadavky na čipy s autonomním řízením v end-to-end algoritmech jsou vysoká paměť a vícejádrový velký výpočetní výkon.
Dosažení autonomního řízení typu end-to-end závisí na podpoře kritických počítačových čipů, včetně architektonických inovací, zásadních průlomů v oblasti IP a skoků ve výkonu.
Mu Lisen z Horizon pro "Auto Commune"/"C-Dimension" vysvětlil, že technický práh pro konkurenci v oblasti výpočetního výkonu mezi koncovými body spočívá v přizpůsobení se výpočetním požadavkům, které přináší změny struktury modelu a změny zaměření operátorů.
Na jedné straně se modely zvětší a tím i výpočetní výkon; na druhé straně se budou vyvíjet modelové struktury, které se posunou od primárně CNN (konvolučních neuronových sítí) k převážně modelům typu end-to-end založeným na transformátorech.
"Transformátory jsou širokou kategorií algoritmů používaných ve velkých jazykových modelech (jako je ChatGPT) a end-to-end autonomním řízení s různým zaměřením operátora. End-to-end autonomní řízení vyžaduje základní maticové operace a další podporu operátora, což představuje vyšší nároky. "
Významný vliv má také tábor Huawei. Přestože Nvidia dominuje na trhu s čipy pro autonomní řízení, Čína má velký kontingent poháněný Huawei, včetně značek jako AITO, Avatr, Jihu a Zhijie. Systémy autonomního řízení jejich vozidel z velké části využívají výpočetní platformy Huawei MDC810/MDC610.
S úsilím dodavatelů čipů pro autonomní řízení a zrychleným zaváděním čipů, které si vlastními silami vyvinuly společnosti jako NIO, se v nadcházejících letech postupně částečně naplní touha „nepodléhat Nvidii“ v domácím sektoru čipů pro autonomní řízení.
