沙龙机甲杨继峰：从功能车时代到智能车时代，对芯片依赖的变化｜汽车芯片应对战略研讨会

汽车评价： 公开数据显示，截至今年上半年，国内具备L2级别功能的智能汽车渗透率已突破32.4%。随着智能汽车的深化演进，整车通讯能力、计算能力、存储能力、感知能力等的实现，均需要软硬件的高度协同配合。这当中，芯片承担着打通软件和硬件的关键任务，重要性不言而喻。

然而，受疫情影响，全球的汽车芯片供应爆发供需矛盾，国际形势的变化，也为汽车芯片产业的稳定供应再添变数。今年8月，美国总统拜登签署了《2022年芯片和科学法案》，引发全球热议。美国围绕着芯片展开的一系列动作，意在卡住芯片算力的“脖子”，这不仅会阻碍中国云计算、AI产业发展，也将直接波及到智能汽车产业。

在此背景下，中国汽车芯片产业该如何突破围追堵截？如何确保汽车芯片产业安全自主可控，建立有效机制促进汽车芯片自主创新？如何避免“卡脖子”问题发生？如何构建中国智能汽车开放创新生态圈？这一系列的问题，成为了业内持续热议的焦点话题。

9月17日，由汽车评价研究院主办、国际金融研究院协办、中国半导体行业协会设计分会与中国发明协会独角兽企业创新分会支持举办的“中国汽车芯片应对战略闭门研讨会”在京召开，智加科技对于研讨会给予了大力支持。会上，来自行业协会和企业的近40余位代表出席会议，对上述问题进行深度研讨。

沙龙机甲科技智能化高级总监 杨继峰

沙龙汽车是长城集团的高端智能电动汽车品牌，在2021年广州车展发布了沙龙的首款车型机甲龙，搭载了高阶的智能化系统，作为芯片产业链的下游，沙龙机甲科技智能化高级总监杨继峰从软件开发的视角,阐述了功能车时代到智能车时代，对芯片依赖的变化。

在传统ADAS的功能车时代，功能的交付是以“Service Pack”的形式，或者说是以“某些传感器+某些控制器=某些特定的功能”组合的形式。功能的开发是以车型的SOP时间为节点的，有明确的设计运行范围、驾驶策略、测试验证方法，这也导致了技术方案以更集成的方式表现，比如用Mobileye的盒子做视觉处理，用毫米波雷达控制器做点云处理，然后控制器是以逻辑计算为主的计算架构和安全MCU。在功能车时代，芯片问题的核心是供应链问题，比如供应链的供货能力、成本等等，这是因为在功能车时代，OEM对解决方案的掌控主要是在功能层面和系统层面，比如功能的逻辑、状态机、交互、对于周边系统的依赖、系统安全、测试验证；大部分对于模块级的算法层面和软件层面由合作伙伴去实现。

但是到了智能车时代，产品的形态从“Function as product” 变成了 “Stack as product”，或者叫做平台型产品，这是与功能车时代最本质的区别。销售给用户的不再是确定的功能，而是一个全生命周期迭代和持续研发交付的平台，要实现的是全生命周期的系统能力预埋，全生命周期的场景持续拓展，全生命周期的体验持续优化，全生命周期的OTA服务。

最直观的体现是，对智能驾驶的描述不再是1R1V\3R1V\5R1V这样的系统描述，而是变成了XX Pilot 1.0、2.0、3.0，这种平台性的描述了。这体现在系统层面变成了软硬解耦、软软解耦这样的理念。比如在系统架构层面的ISP集成到计算平台里来，4D毫米波点云的处理基于原始点云信号，而不是目标物输出结果，前融合感知和中融合感知的应用。体现在软件算法层面的是基于多个算法模块的设计，大量的数据驱动模型在感知、融合、规划当中的应用，代码量大幅度降低。同时面临整个生命周期内的持续开发，这意味着这个平台从交付客户使用以后，算法可能会调整（最典型的比如从基于点云的感知变成BEV感知），模型、软件架构会调整。产品开发目标表现在计算平台上就是高AI算力的SOC，NPU为主的计算能力，加上逻辑计算的能力，加上MCU，然后从系统架构上做多个计算平台的架构设计。

生态构建是中国智能汽车产业发展的核心问题，因为芯片的使用者不是Tier1了，是OEM或者解决方案提供商，在这一代智能车平台上，OEM才真正变成了芯片上的开发者。

所以核心专业知识建立的过程是从应用层的算法软件到与芯片的计算架构的适配，特别是算法架构、软件架构和计算架构之间的适配。以自动驾驶为例比如ResNet、Transformer、GNN、BERT等这些主干网络的适配，我们用同样的算法模型、ImageNet数据集，跑在不同的芯片上，1 TOPS的算力能力，用FPS去衡量，差距有3-5倍。所以什么样的算法匹配计算架构是开发中的核心。另外发展国产芯片需要足够完善的工具链，包括算子开发的能力、灵活的工程支持，以及更密切的软硬件合作，需要足够多的人去使用，生态的构建离不开芯片厂商、操作系统、整车企业一起的努力，在二次开发的过程中不断完善。

我们不能孤立的把芯片理解成车端的某个零部件，事实上芯片是研发过程中最重要的生产工具。比如在开发环境里，云端大量的CPU算力和GPU算力支撑，整个超算中心的服务器上应用的都是英伟达的A100。对于云端训练算力的高度依赖，A100的出口限制直接导致研发效率的下降。

迭代速度是第一个差异化的竞争点，数据处理的速度、算法能力提升的速度，二是成本，整个算法周期迭代中，海量数据处理消耗的流量资源、计算资源、存储资源、带宽资源。所以芯片法案带来的影响是体系性的，不夸张的说英伟达是如今全球AI开发的底座。几乎所有的开发都采取的在线模型，再做离线的嵌入式转换，除了特斯拉。特斯拉是唯一一家突破了英伟达封锁的企业，他的超算中心Dojo用的是D1，有专门的计算架构、专门的软件栈。标量方面还是RISC-V的比较多，但是矢量方面的架构都是定制的，所以特斯拉的AI从算法到芯片到超算中心，直到2022年才是全面突破了英伟达的基座。

目前，沙龙汽车与国内的芯片企业和半导体企业展开了密切的合作，无论是处于供应链安全的角度，还是技术的开放性角度，沙龙汽车希望能够与业界同仁一起去共同构建智能汽车的产业生态。比如国产芯片的探索、形成技术共识和标准化、构建应用生态、共同完善和丰富国产芯片的工具链，培养更多的基于国产芯片的开发者，不断地把有竞争力的智能化的产品交付给用户和市场去检验。