在近日舉行的“2024年度智能汽車產業鏈「硬科技」趨勢峰會”上，愛芯元智車載事業部（愛芯元速）技術副總裁逯建楓發表了《駛向未來：AI芯片如何助力AI汽車時代的加速到來》的主題演講。

逯建楓認為，隨著AI技術的持續擴散以及相關企業的AI研發能力逐步提升，智能汽車的AI應用將不再局限于智能駕駛域和智能座艙域兩個功能域中，而是會逐步擴散到智慧動力域、智能底盤域、被動安全域等不同功能域，支撐“AI汽車”概念的全面落地。

這與早些年行業普遍認為的“AI計算將在汽車中會逐步集中化”判斷截然相反。

逯建楓表示，智能駕駛域與智能座艙域當前的SoC，都在獨立地、逐步強化各自領域的AI計算性能，并沒有合并的趨勢。可能是由于兩個不同領域都面臨著快速的技術迭代和高強度的行業競爭，相互之間的迭代節奏又不一致，難以統一步調。強行將AI計算統一，反而影響了各自領域在項目時間、項目成功率等維度的競爭訴求，拖累商業成功。

相對應的，AI技術的分散化，能夠更好的支撐AI能力在不同功能域的快速落地。

為了更好的支撐AI汽車時代的加速到來，愛芯元智自研了M55、M57、M76等一系列車載SoC。其中，M55和M57可在一體機智駕方案、CMS方案、增程式動力系統、被動安全系統等不同應用場景，提供高效的AI計算能力；M76則可在中階7V域控（7顆攝像頭域控制器）智駕方案、座艙大模型協處理器等不同應用場景提供先進的AI運算能力。

以下為演講實錄：

AI技術在整車功能域的擴散，迎來發展機遇

今天想跟大家一起探討一個問題，就是"AI芯片如何助力AI汽車時代的加速到來”。

這里面可能牽扯到一個新的概念，就是AI汽車。行業這幾年蓬勃發展，每年都有幾個新概念，從集中式EEA，到人機共駕，再到SDA（軟件定義汽車），再到今年的端到端……今年年底有些企業拋出來AI汽車，它跟智能汽車是什么差別？還是僅僅是營銷上的概念？我們稍后一起來探討。

關于AI技術在整車功能域的落地，近幾年來形成了一定的行業共識。大多數人認為，AI技術主要適用于智能駕駛域和智能座艙域兩個功能域。主要原因在于，兩者在早期發展過程中，都有明確的環境感知訴求。而且兩者在EEA集中化的大背景下，未來最終會走向合并的趨勢。這就是艙駕一體的前身。更有甚者，基于該趨勢，提出了AI算力集中化的趨勢。這種觀點，從計算類型的角度看，認為過去的車輛控制器以標量計算為主，不少關聯ECU合并成為整車控制器或者區域控制器是合理的。而智駕域控制器與座艙域控制器由于有較多的AI算力（矩陣計算），需要增量芯片加入到控制器中；且由于AI芯片的功耗大，可能需要主動散熱設計，因此分散化會導致不少控制器增加散熱設計成本和變得不合理，提出了“AI計算集中化”的趨勢，認為艙駕一體域控制器將獨享AI計算，甚至最終會演變為車載中央計算機。

但是，時過境遷。按照這種技術思維去執行，也忽略了很多其他因素。艙駕融合的趨勢本沒有問題，但也導致其他功能域一直沒有享受到AI技術紅利，錯失了發展良機。由于以上的技術認知，導致大家都認為只有智駕域才享有環境感知能力，以及只有ADAS域控制器具備驅動攝像頭、毫米波雷達、激光雷達等傳感器的“資格”，其他功能域一旦有感知需求，只能向智駕域或座艙域的團隊提需求。主機廠的朋友應該更清楚，首先，最近幾年的智駕競爭有多么激烈。智駕團隊的項目壓力大，時間緊任務急，年初立項，年中就要有產出；甚至要立軍令狀。這樣的競爭壓力，其他功能域提出的感知需求，智駕域的同學是很難給予高優先級響應的。絕大部分情況，就是拒絕承接需求。好在當前AI芯片的運算性能和算法不斷升級，較小的散熱功耗以及較低的成本，就能在其他控制器中Design-Win；且AI能力也已廣泛擴散至各個OEM和Tier1，這給其他功能域的AI技術滲透，帶來切實的發展機遇。

AI技術在智駕域的突進狂奔

AI技術在智駕域的迭代速度非常迅速，競爭也異常激烈。不到十年時間，就從傳統的CV（計算機視覺），迭代到DL（深度學習），再到BEV&Transformer，直到今年的端到端&生成式AI。可見技術創新的活力和競爭之激烈。

對主流的智駕方案，我們也快速回顧下。首先，在一體機方案中，目前還是處于比較傳統的深度學習加傳統CV的方式，穩定性也還可以。當然現在也有人在討論是不是要上BEV，我個人看可能優先級沒有那么高，值得探索一下。我這里更想探討一下6/7V中型ADAS域控。以前這個方案用的還是最傳統的單攝感知+跨攝像頭跟蹤的方式，如果去看一下它們的滲透率和整車裝配率，其實現在低階比較多，高階比較多，反而中間配置率沒有上去，也可能很多在研車型銷量沒有被統計，沒有體現出來；我個人認為，更大可能在于中型ADAS域控處于中間狀態，比較尷尬，雖然在研項目很多，可能也搭上了車，最后銷量不能起來。因此，提升性價比，應該是關鍵。技術方案上，至少在感知方面，要切換成BEV感知；同時，SoC和整機價格，又要足夠低。而11-13V的大型域控方面，一定是端到端化。因為它的性能目前是被證明了的，國內這波熱潮也在拼命去追。

AI技術在其他功能域的初試牛刀

今年以來，隨著AI汽車概念的提出，行業也有不少思考。最大的感受就是對過去認為“AI計算一定會集中化”的修正，很多其他功能域的系統，都在尋求AI技術的賦能。比如，動力域在對發動機進行控制時，也需要環境感知信息來幫助系統進行更加精細化的狀態控制，以此提升用戶體驗。

另外一個案例，就是座艙大模型的應用。至少未來兩到三年內，基于生成式AI的協處理器也會是一個需求爆發點。當前基于聯網的生成式AI智能助理，在響應用戶的問題時，有時會長達6-7秒的請求等待時間，嚴重影響用戶體驗。AI協處理器能夠極大提升響應實時性。

愛芯元智車載芯片適配AI技術擴散化趨勢

轉換一下視角，剛才探討的是從主機廠或者整車角度去看待AI技術在整車的發展趨勢。現在，我們再從AI芯片角度觀察這個趨勢。從NPU（神經網絡處理單元）視角來看，愛芯的NPU與車相關的領域已經迭代了四個版本，從V2版本到V3、V5，最新是VX版本。V2版本相對來說算力沒有那么高，比較適合做ADAS一體機、智能動力系統的AI加速需求。V3版本在智駕域適合做高速的NOA，同時在座艙大模型VLM這塊場景比較多，有很多合作伙伴有對應的合作項目在做。V5版本到VX版本，在ADAS域有兩個方案的拆分，但是從AI汽車角度來說，都屬于AI Agent。

介紹一下愛芯元智的NPU架構。為了更好的支持算力性能的發揮，愛芯理解AI芯片要具備以下特點：一是近存計算特點；二是有比較好的片間互聯技術，方便拓展，比如做協處理器；三是要做異構多核，既要支持Transformer，也要兼顧原來CNN架構，也就是分布式架構。同時，我們也自研了很多指令集來支撐更高效的計算能力。除此之外還有工具鏈，在工具鏈上也能夠比較好支持智駕功能域的端到端，座艙LLM大語言模型的AI加速。

隨著AI技術在車領域的發展變革，愛芯的車載芯片一直是順應這個趨勢來推出的。我們目前產品組合是規劃了6顆芯片。其中，M55、M76已經量產；M57和M77正在緊鑼密鼓地開發中；M9和M10在規劃中。M55算力適中，性價比高，適合應用在智駕域的一體機、安全域的氣囊控制器等場景中。M76算力強勁，且支持BEV&Transformer，適合應用在智駕域的高速NOA域控、座艙域的協處理器場景中。M57是明年要推出的芯片，它能夠進一步降本，提高運算效率；同時把MCU整合到SoC中，單芯片驅動智駕一體機方案。M77算力相比M76更加充沛，且支持端到端算法，適合應用在城市NOA的SoC。

在商業進展方面，愛芯的M55H車規芯片從去年到現在，已有零跑、廣汽埃安、商用車頭部廠商的多款車型量產。未來將會有更多的自主&合資車型量產。愛芯的M76H車規芯片，也將在明年Q3進行車型量產。

最后，愛芯元智致力于探索邊緣側AI計算芯片的持續發展。在車載領域，我們也在不斷進行技術創新，推動AI計算在智能汽車方面的落地。在此，也希望行業同仁們持續關注愛芯元智的最新動態，一同致力于AI計算在汽車工業的持續賦能。