Na prošlonedeljnom Danu tehnoloških inovacija, NIO je predstavio najnoviji NIO svetski model (NWM) u oblasti autonomne vožnje, tvrdeći da poseduje dual-core sposobnosti prostornog i vremenskog razumevanja, nadmašujući implementaciju modela od kraja do kraja.
Čip za autonomnu vožnju, Shenzi NX9031, za koji je službeno objavljeno da je uspješno snimljen, skrojen je za NIO World Model. Shenzi NX9031 je prvi 5nm čip za autonomnu vožnju na svijetu koji je nezavisno razvio NIO. Prema NIO-u, jedan čip ima performanse ekvivalentne četiri vodeća čipa u industriji (Nvidia Orin X).
U protekle dvije godine čipovi za autonomnu vožnju bili su ključni probojni pravac proizvoda za proizvođače automobila. NIO i XPeng razvijaju sopstvene čipove, a Li Auto je počeo nešto kasnije. Zasnovana na Longyingu broj 1, Geelyjeva podružnica, Xingjing Technology, također je godinama na putu samorazvoja.
Li Bin je javno izjavio da je NIO prošle godine kupio mnogo Nvidia čipova, što je kompaniju koštalo mnogo novca. S obzirom na troškove nabavke, kompanija je odlučila da se okrene čipovima koji su sami razvili. Zvanična izjava je da se Shenzi NX9031 može isplatiti za otprilike godinu dana.
Postoji mnogo razloga za razvoj vlastitih čipova, ali jedan od glavnih ciljeva za "Wei Xiaoli" (zbirni naziv za NIO, XPeng i Li Auto) je da se oslobode Nvidijinih ograničenja. Iz industrijskih izvještaja, čini se da su čipovi koji su sami razvili prilično okrenuti budućnosti i da će odgovarati najnovijim trendovima kao što je autonomna vožnja od kraja do kraja.
Međutim, kineski kontingent koji okružuje Nvidiju nije ograničen na "Wei Xiaoli". Ove godine, lokalni dobavljači čipova su takođe "uhvaćeni" u konkurenciji od kraja do kraja. Na China Auto Forumu prošlog mjeseca, predsjednik Horizon-a Chen Liming jasno je izjavio da je end-to-end trenutno jedino izvodljivo rješenje za kraj autonomne vožnje.
Lu Jianfeng, potpredsjednik odjela AIChip Intelligent Vehicle Division, vjeruje da je end-to-end jedini način za naprednu autonomnu vožnju. Zbog dugog ciklusa dizajna i razvoja čipova, AIChip-ova strategija je da preskoči druge modele i fokusira se na režim One Model, sličan UniAD tehnološkoj arhitekturi za NPU dizajn.
Iz perspektive industrije, visoki troškovi eksterne nabavke, neizvjesna međunarodna situacija i beneficije smanjenja troškova koje je Tesla ranije imala sa svojim čipovima koji su sami razvili uticali su na strategije čipova i modele nabavke domaćih proizvođača automobila.
Popularnost velikih modela od kraja do kraja ne samo da je katalizirala novu rundu revolucije autonomne vožnje, već je i ubrzala proizvodnu i tehnološku evoluciju čipova za autonomnu vožnju. Ovo ne samo da postavlja veće zahtjeve proizvođačima automobila za čipove koji su sami razvili, već i prisiljava dobavljače čipova u crvenom okeanu da ubrzaju svoju internu konkurenciju.
Val samorazvoja je stigao
Zašto proizvođači automobila razvijaju sopstvene čipove?
Savladavanje osnovne tehnologije: Osiguravanje sigurnosti snabdijevanja i izbjegavanje "davljenja" od strane dobavljača, posebno moćnih stranih dobavljača.
Li Bin je u intervjuu spomenuo da je međunarodni uticaj na snabdevanje čipovima, zbog američkih ograničenja, već imao pravi uticaj na kinesku automobilsku industriju.
"Od prošlog oktobra nismo bili u mogućnosti da koristimo najnaprednije čipove na svetu za našu obuku u oblaku. Tim za autonomnu vožnju ne gleda samo na mogućnosti oblaka već i na sposobnosti grupne inteligencije. Iako je rizik od čipova za zaključivanje rubova trenutno nizak , još uvijek moramo biti spremni za razne promjene."
Prilagodba:
Stručnjaci iz industrije rekli su za "Auto Commune"/"C-Dimension" da je jedno od ključnih razmatranja za nove proizvođače automobila koji razvijaju vlastite čipove povećanje konkurentnosti proizvoda kroz diferencijaciju, jer čipovi koji su sami razvili omogućavaju prilagođene funkcije.
Za proizvođače automobila, razvoj vlastitih čipova je skup, ali može smanjiti ovisnost o inozemnim dobavljačima čipova, osiguravajući da "sva jaja ne budu u jednoj korpi". Nadalje, čipovi koji su sami razvili mogu bolje odgovarati vlastitim algoritmima, rješavajući problem spajanja algoritama i platformi čipova.
U prošlosti, Teslina računarska snaga od 144 TOPS nadmašila je 400-500 TOPS čipove dostupne na tržištu, uglavnom zato što je čip dizajniran za Tesline vlastite algoritme. Značajno je da Teslin 144 TOPS čip za računarsku snagu (Autopilot HW3.0), objavljen 2019. godine, i danas podržava autonomnu vožnju od kraja do kraja.
Smanjenje troškova:
Li Bin je na konferenciji za novinare izjavio da je NIO prošle godine potrošio mnogo novca na Nvidia čipove. Kako bi smanjio troškove, NIO je odlučio razviti vlastite čipove, s jednim čipom koji je ekvivalentan četiri Nvidia čipa, čime je smanjio troškove. Prema Li Binu, Shenzi NX9031 se može isplatiti za otprilike godinu dana.
Postoje i druga razmatranja. Insajderi iz industrije primjećuju da promoviranje čipova koji su sami razvili i preuzimanje javnih obaveza mogu pozitivno utjecati na sekundarno tržište i percepciju brenda. Dodatno, čipovi koji su sami razvili mogu značajno poboljšati sistemsko iskustvo, postižući strateške ciljeve.
Posebno, Teslini rani samorazvijeni čipovi imali su za cilj povećanje računarske snage i fleksibilnosti.
Izveštaji pokazuju da XPeng-ov samorazvijeni čip proces usko prati NIO, sa čipovima poslanim na traku, a očekuje se da će se vratiti u avgustu. Li Auto-ov razvoj čipa počeo je relativno kasno, sa projektom čipa za autonomnu vožnju kodnog naziva "Schumacher", za koji se očekuje da će se završiti u toku godine.
"Sredstvo, a ne cilj"
Wu Xinzou, šef Nvidijinog poslovanja za autonomnu vožnju, istaknuo je da se razvoj autonomne vožnje može sažeti u tri faze, pri čemu je kraj do kraja posljednji korak.
Prva faza: Potpuno zasnovan na pravilima.
Druga faza: AI veliki modeli postepeno zamjenjuju ručna pravila, dovršavajući predviđanje i planiranje.
Treća faza: Potpuno veliki modeli od kraja do kraja, s AI koji pokriva cijeli proces od percepcije do donošenja odluka.
U trećoj fazi autonomne vožnje čipovi za autonomnu vožnju predstavljaju veliki izazov. Potpredsjednik AIChip-a Liu Jifeng je izrazio slična razmišljanja, navodeći da pravi end-to-end uključuje korištenje velikih modela za obuku u oblaku i validaciju, s rezultatima primijenjenim na zaključivanje rubova, stavljajući značajnu odgovornost na kompanije koje se bave čipovima.
Horizon vjeruje da je end-to-end sredstvo, a ne cilj, koji zahtijeva kombinaciju ljudskog iskustva, efikasnog računarstva i agilne isporuke. Akumulacija kapaciteta od kraja do kraja zahtijeva napore u iteraciji algoritama, konstrukciji inženjerske osnove i softversko-hardverskoj integraciji, pri čemu softver i algoritmi igraju ključnu ulogu.
Glavni arhitekta Horizon Algorithm platforme Mu Lisen vjeruje da suštinska sposobnost end-to-end leži u iteraciji podataka. Iako se čini da se radi o strukturi modela koji gleda u budućnost, iterativni podaci koji stoje iza nje su važniji, podržavajući prijelaz sa laboratorijske tehnologije na zrelost na nivou proizvoda.
Chen Liming je također priznao da se Horizon suočava sa poteškoćama sa stalnom promjenom arhitekture vozila i senzora, rasporeda senzora i usvajanja. Unatoč prikupljanju puno podataka, veliki dio njih nije kvalitetan ili kontinuirano upotrebljiv, što je problem koji je izvan okvira bilo koje kompanije za rješavanje.
"Teslina FSD V12.3 verzija je obučena sa 10 miliona video snimaka uzoraka, ekstrahovanih iz 10 milijardi visokokvalitetnih uzoraka. Kina i dalje ne uspeva. Štaviše, 10 milijardi uzoraka je prikupljeno u okviru standardnog senzorskog okvira, osiguravajući kontinuitet za obuku najnovijih modela ."
Kao i Horizon, AIChip naglašava svoju ulogu kao Tier 2, vjerujući da su ključni zahtjevi za autonomne pogonske čipove u end-to-end algoritmima visoka memorija i višejezgarna velika računarska snaga.
Postizanje autonomne vožnje od kraja do kraja oslanja se na kritičnu podršku računarskih čipova, uključujući arhitektonske inovacije, prodore u jezgru IP-a i skokove u performansama.
Mu Lisen iz Horizon-a je objasnio za "Auto Commune"/"C-Dimension" da tehnički prag za end-to-end takmičenje u računarskoj snazi leži u prilagođavanju računskim zahtjevima koje donose promjene strukture modela i promjene u fokusu operatera.
S jedne strane, modeli će rasti, a samim tim i računska snaga; s druge strane, strukture modela će evoluirati, prelazeći sa primarno CNN-a (konvolucione neuronske mreže) na uglavnom zasnovane na transformatorima end-to-end modele.
"Transformatori su široka kategorija algoritama koja se koristi u velikim jezičkim modelima (kao što je ChatGPT) i autonomnoj vožnji od kraja do kraja, s različitim fokusom operatera. Autonomna vožnja s kraja na kraj zahtijeva temeljne matrične operacije i dodatnu podršku operatera, što predstavlja veće zahtjeve. "
Huawei kamp takođe ima značajan uticaj. Uprkos tome što Nvidia dominira tržištem čipova za autonomnu vožnju, Kina ima veliki kontingent koji pokreće Huawei, uključujući brendove kao što su AITO, Avatr, Jihu i Zhijie. Sistemi autonomne vožnje njihovih vozila uglavnom koriste Huawei MDC810/MDC610 računarske platforme.
Uz napore dobavljača čipova za autonomnu vožnju i ubrzano uvođenje čipova koji su sami razvili od strane kompanija poput NIO-a, u narednim godinama, težnja da "ne bude podložna Nvidiji" u domaćem sektoru čipova za autonomnu vožnju postepeno će biti djelimično ostvarena.
