[汽车之家 行业] 日前，第三届国际汽车智能共享出行大会在广州举办。本届会议由中国汽车工程学会、中国智能网联汽车产业创新联盟联合主办。会议以“拥抱智慧城市新生态，共建未来出行新格局”为主题，以智能网联汽车，商业化落地为目标，围绕智能驾驶与智能交通，智慧城市的融合发展，以及构建安全高效绿色的未来出行为主要议题深入研讨。
在会上，寒武纪行歌执行总裁、前麦肯锡董事合伙人王平发表了主题演讲。在他看来，人工智能推动汽车智能化可以表现在三个方面：智能座舱、智能驾驶、车路云协同；而目前行业发展的趋势则有两大特点：大算力和通用性。以下为演讲实录（节选）：
人工智能推动汽车智能化可以表现在三个方面：智能座舱、智能驾驶、车路云协同。智能汽车对于算力提出了越来越高的要求。最新发布的一些车子已经把算力放到了1000TOPS以上，现在特别是智能电动汽车放了很多传感器、摄像头、激光雷达，那么这样导致数据量大幅提升；另一方面，自动驾驶的算法也是更加复杂，客观上也要求更高算力的芯片。
那我们看到了一个行业的趋势，我们认为有两个大特点：大算力、通用性。过去L1和L2时代，数据量是比较小的，算法也是相对比较简单的。那在这个阶段可能以Mobile2为主的主流厂商是提供一揽子的黑盒子方案给OEM。这种场景下，OEM不能做OTA的升级。往前走进入L2、L3甚至L4时代，刚才提到了上周DIANA在德国拿到了L3高速下的许可，开始第一例进入L3的时代，汽车数据的数量更加复杂，更加需要大算力的芯片。
同时由于OTA的加速普及，像特斯拉包括国内新势力的汽车企业都已经在推进OTA，硬件预埋，软件和算法可以在后续不断地去更新，可以不断地去升级我们的软件。在这个阶段，以英伟达为代表的国际厂商推出了通用的大算力芯片，所谓的通用性就是各个主机厂和算法公司在此基础上可以进行自主算法升级。所以自动驾驶主控芯片有两大发展趋势：大算力、通用性。
那么要做大算力和通用性的自动驾驶芯片其实是非常不容易的，我们认为有几大方面的挑战：
第一，芯片的系统架构非常复杂。200TOPS以上大算力的芯片要求非常高，需要支持超大的带宽，这样的结构相对来讲是更加复杂的，国家在这方面的人才储备也是不够的。
第二，通用的AI软件战。我们这个算法是要不断地去升级和完善的，只有通用的AI软件站才能支持不同的算法和不同的主体，OEM和算法公司对它进行升级。
第三，大尺寸芯片工程的挑战，大算力芯片的尺寸更多，对于后端封装设计、电源和热设计、量产成本控制压力很大。因为它良率的挑战是非常大的。比如200TOPS这样大尺寸的芯片需要7nm先进的工艺，国内来说还没有7nm先进的车规级工艺。
以上几个挑战是我们要和企业一起来克服的，领先的车企开始部署云边车端，云端、车端、边端和终端来协同计算的能力，不仅仅是一个单车的算力，它还要跟云端、路侧和车上其他的终端来进行协同（编译/汽车之家 陈灿）
加载中
