“未來幾年,智能汽車市場將進一步向‘紡錘形’的成熟結構演變,從旗艦市場下探到10-25萬的高性價比市場。同時,跨域融合的E/E架構、行泊一體的智駕方案、城市NOA功能、包含LiDAR、4D毫米波的多模態三維感知方案、Transformer大模型都將快速落地。隨著摩爾定律放緩,引入系統級思維、軟硬件協同的高能效計算將是賦能新一代智能駕駛的基石。”
近日,超星未來創始人、CEO梁爽博士出席中國電動汽車百人會論壇(2023)智能汽車論壇,發表題為《軟硬件協同 賦能新一代智能駕駛計算》的演講,并透露了下一代感知計算架構對多模態感知、Transformer的支持。
超星未來是一家源自清華車輛學院和電子系的創業公司,以軟硬件協同優化為核心思想,提供以計算芯片為核心的智能駕駛高能效計算解決方案。
大眾市場、城市道路是未來幾年智能駕駛前裝量產的焦點
第一個思考聚焦在未來幾年智能駕駛前裝量產市場的熱點上。
首先,智能駕駛功能最早從30-40萬以上的旗艦車型開始落地;超星未來觀察到,智駕功能開始向10-30萬的車型區間下探,未來幾年這部分“大眾市場”有更大的放量空間,更加強調性價比,也因此在計算層面更需要軟硬件的極致優化。
這就引出“增效”和“降本”兩個趨勢。“增效”體現在NOA功能從1.0階段的高速半封閉場景,加快向更復雜的城市道路場景推進,未來幾年會進入一個落地高峰。“降本”體現在傳感器的復用,芯片成本的進一步控制,以及整車電子電氣架構的更為集中化等等,行泊一體、駕艙一體的域控系統紛紛開始出現。
融合LiDAR、4D成像雷達的車端多模態冗余感知獲得行業實踐認可
第二個思考建立在對感知需求的理解上。
在智能駕駛漸進式發展路線上,特斯拉作為智駕感知技術的引領者,一直在非常激進地推進純視覺路線,也給行業帶來不小的爭議與討論:多模態融合感知是否還有必要存在。
經過這幾年的觀察發現,純視覺方案目前仍存在一定的局限,比如著名的白色卡車魔咒;特斯拉最新曝光的HW4.0方案也重新把4D毫米波成像雷達引入到傳感器配置中;另外,觀察激光雷達的發展趨勢,可以看到LiDAR的成本已經下探到千元量級,進入到批量前裝交付的起量爬坡期。相信隨著硬件的持續降本,要實現安全可靠的智能駕駛系統,多模態融合感知方案將會成為主流選項。
Transformer大模型加數據閉環,大幅提升智能駕駛三維感知能力
第三個思考是對于應用算法方案的觀察。
前一陣ChatGPT特別火爆,很多人都會關注諸如ChatGPT這種大模型能夠和車能產生什么聯系。GPT本質上是Foundation Model,其中Transformer的應用非常廣泛。
可以看到,因為Transformer有更強的全局感知能力、更好的泛化性魯棒性、便于做多模態融合等優點,國內外諸多領先的玩家,都已經逐步官宣了在智能駕駛的感知系統中對Transformer的應用。
另外,Transformer自監督學習訓練成本低、能在超大數據集上體現出更明顯的優勢,大家可以觀察到,越來越多的行業玩家開始布局智算中心和數據閉環系統,這也是大模型往智能駕駛落地的一個重要基礎和信號。
系統級優化、軟硬件協同的高能效計算是新一代智能駕駛的基石
第四個思考回歸到計算和算力上。可以說整個智能駕駛乃至人工智能技術的發展,都離不開算力或者說計算技術的支撐。
然而也要看到,摩爾定律的發展速度已經趨緩。技術層面制程已經在逼近物理極限;政治層面,劇烈的國際形勢變化也會帶來一系列不確定性;最重要的是,經濟層面上,盲目“拼工藝”的經濟賬很可能算不過來。因此,考慮產業發展的客觀規律,盲目靠拼工藝堆疊算力,一定不是解決智駕計算問題的最合理路徑。
超星未來選擇的路徑是軟硬件協同優化,針對智能駕駛域的計算任務需求,從軟件、硬件、平臺、應用的整體角度提升系統計算效率。可以看到國際學術界工業界公認的行業頂會ISSCC上,越來越多的巨頭也開始強調System-level Thinking的觀點,這也是超星未來堅持的核心思想。
以智能駕駛計算芯片為核心、軟硬件協同的高能效計算解決方案
基于對以上“降本增效、融合感知、大模型應用、軟硬件協同”趨勢的思考和分析,超星未來做出了以下實踐。
針對降本增效的大眾市場需求,超星未來去年底正式發布了新的戰略和產品,包括智能駕駛計算芯片「驚蟄R1」、高能效AI處理架構「平湖」、全流程開發工具鏈「魯班」,相關指標也都已達到國際領先水平。我們同時還能夠提供智能計算開發套件NE100、高可靠系統軟件、智能駕駛三維感知參考方案,形成以智能駕駛計算芯片為核心的交付矩陣,面向各類場景、多樣化的客戶需求提供靈活組合的交付方式。
我們相信在智能汽車的領域里,做一家單純的芯片公司遠遠不夠,必須要深刻理解智能駕駛的系統和場景,構建出完整易用的軟件生態,堅持開放合作,才能適應快速迭代的應用方案和客戶需求。
把握行業節奏、量產落地為王,“一高一快”的產品規劃
結合對前裝市場的觀察,超星未來預測未來幾年最具潛力的智駕車型會收斂到“一頭一尾”,其中“一頭”是面向高端用戶的旗艦車型,“一尾”是面向大眾用戶的平價車型。梁爽指出,智能駕駛計算芯片的發展不僅僅是一個“拼算力”的前后替代關系,而是綜合考慮算力、成本、面積、功耗、軟件生態,分層定位的共存關系,分別是匹配不同下游客戶的需要。
到整個產品矩陣的實踐上,超星未來對應規劃了“一高一快”兩條產品路線。其中R系列驚蟄產品線將專注于未來幾年高性價比的高速行車+自動泊車一體方案,面向大眾車型區間快速推進,輻射包括路側感知、移動機器人在內的其他邊緣側需求。此外,超星未來還規劃了高階的A系列產品線,提供100T以上的算力以及雷達點云和Transformer的加速支持,以支撐30萬以上高端車型的城區復雜方案計算需求。
梁爽表示,智能駕駛的計算供應商一定要保持理性,把握行業節奏和實際需求,量產落地為王、完善生態為王,攀登珠峰的過程中,一定要沿途下蛋。
面向多模態感知,極致高效的點云處理能力
針對下一代的智能駕駛系統,具體到計算架構的創新上,超星未來也做出了兩點實踐。
第一點,面向多模態融合感知,不論未來主流采用激光雷達還是4D成像雷達,最終都會輸出三維無序、稀疏的點云數據。目前超星未來開發的面向稀疏點云處理的專用架構SPU,可以將計算延時控制在10ms延遲,用極小的面積資源代價實現3倍于英偉達Orin的性能表現。這也屬于業內的首創。
另外,超星未來還提供結合視覺、點云的三維感知參考方案,方便客戶快速開發原型系統,加速車端集成。梁爽表示,公司現在已和多家主機廠、激光雷達廠商開展合作,目前也正在承擔某量產車型的激光雷達感知方案定點開發工作,IP和芯片的進一步合作也正在推廣落地的過程中。
底層架構加軟件工具,迎接Transformer感知計算“新范式”
第二點,面向Transformer大模型,超星未來也已經有軟硬件兩方面的技術布局。
一是硬件IP層面,梁爽透露,超星未來下一代NPU架構將在今年年中發布,將支持Transformer硬件的硬件級加速。目前大部分已有的競品方案都在使用通用處理邏輯進行處理,這種方式將很難應對更大規模的Transformer計算任務需求。目前超星未來能夠通過硬件級加速和軟件的協同優化,實現至多20倍的端到端性能提升。
另外軟件層面,超星未來可提供三維感知優化加速部署工具NOVA-3D,來支持基于Transformer的三維感知方案優化部署。
目前公司已經與多家行業領先的合作伙伴開展了開發適配的工作,來加速包括BEV在內的下一代智駕方案的量產落地,今年也會有對外正式的發布。
目前超星未來已經與二十余家汽車領域的合作伙伴及客戶展開具體合作。梁爽表示,希望能夠利用團隊在智能駕駛域積累的計算核心技術,更好地服務于行業應用需求,也期待能和產業鏈上下游的伙伴企業更多交流、更多合作,構建開放共贏的新生態,共同為中國的智能網聯汽車事業發展助力。
