如果供应商的方案能用一半的价格提供3倍的性能，我们确实没必要自己做——但现实是做不到的，供应商必须满足所有客户，很难为单一客户做非常极致的定制化需求。在架构选择上，马赫100芯片是一颗大的SoC，并没有使用Chiplet技术。对于AI推理芯片来说，内存带宽至关重要。我们在片上设计了非常大的分布式SRAM。这决定了我们并不需要去片外的DDR大量搬运数据，因为一旦走DDR，性能就会下降。媒体：从2021年决定自研芯片，到现在马赫100芯片要搭载于全新一代理想L9，研发的节奏是不是符合预期？谢炎：实际花费了3年半时间。基本符合预期，甚至在某些节点上比预期更快。从2022年11月正式立项，到2024年完成流片，再到2026年上车量产，整个周期是3年多——对于一颗全新架构的车规级芯片来说，这个速度在行业里并不常见。另外值得一提的是，在5nm这种先进制程上，我们实现了一次流片成功，这在复杂芯片的开发历史上也是相对少见的。媒体：在具体的执行过程中，团队能在3年半内取得量产速度优势的核心原因是什么？未来又该如何平衡高昂的研发成本？谢炎：最关键的是软硬联合设计。设计芯片最耗时的不是物理层面的实现，而是对需求的理解与分析。一颗全新架构的复杂SoC，业内通常需要4至6年；我们能做到3年多，背后最关键的是软硬联合设计的模式——芯片团队和模型团队、智驾团队从第一天就在一起工作，不是芯片设计完了再去适配软件，而是边定义架构边跑模型、边验证性能。例如2024年大模型时代全面到来，我们看准了Transformer的重要性，内部团队仅用了一个月就完成了底层针对性优化。如果是外部供应商或外包公司，根本不会接这种临时改变技术路线的需求。这种极其紧密、跨部门的高密度协同，是我们在研发上取得速度优势的根本原因。在成本方面，业界常讲芯片论“颗”算，但这掩盖了硅片面积的差异。正确的成本计算，应该是出货量×单个芯片面积。当单车对AI算力的面积需求成倍增长时，只有达到几十万台甚至更高的量级，自研芯片才能大幅摊薄高额成本。我们测算过，当汽车产量达到一定规模，其所需的AI计算硅片总面积会超过手机行业，此时头部车企自研芯片在经济上是非常划算的。媒体：用了自研智驾芯片以后，对用户来说会有什么实质性感受？谢炎：更大的芯片算力配合更高效的推理，会让这辆车开起来“更像一个人”，表现在几个具体方面。首先是看得更远、更准，让自动驾驶
=*=*=*=*=*=
当前为第3/5页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页