[汽車之家 行業] 日前，第三屆國際汽車智能共享出行大會在廣州舉辦。本屆會議由中國汽車工程學會、中國智能網聯汽車產業創新聯盟聯合主辦。會議以“擁抱智慧城市新生態，共建未來出行新格局”為主題，以智能網聯汽車，商業化落地為目標，圍繞智能駕駛與智能交通，智慧城市的融合發展，以及構建安全高效綠色的未來出行為主要議題深入研討。
在會上，寒武紀行歌執行總裁、前麥肯錫董事合伙人王平發表了主題演講。在他看來，人工智能推動汽車智能化可以表現在三個方面：智能座艙、智能駕駛、車路云協同；而目前行業發展的趨勢則有兩大特點：大算力和通用性。以下為演講實錄（節選）：
人工智能推動汽車智能化可以表現在三個方面：智能座艙、智能駕駛、車路云協同。智能汽車對于算力提出了越來越高的要求。最新發布的一些車子已經把算力放到了1000TOPS以上，現在特別是智能電動汽車放了很多傳感器、攝像頭、激光雷達，那么這樣導致數據量大幅提升；另一方面，自動駕駛的算法也是更加復雜，客觀上也要求更高算力的芯片。
那我們看到了一個行業的趨勢，我們認為有兩個大特點：大算力、通用性。過去L1和L2時代，數據量是比較小的，算法也是相對比較簡單的。那在這個階段可能以Mobile2為主的主流廠商是提供一攬子的黑盒子方案給OEM。這種場景下，OEM不能做OTA的升級。往前走進入L2、L3甚至L4時代，剛才提到了上周DIANA在德國拿到了L3高速下的許可，開始第一例進入L3的時代，汽車數據的數量更加復雜，更加需要大算力的芯片。
同時由于OTA的加速普及，像特斯拉包括國內新勢力的汽車企業都已經在推進OTA，硬件預埋，軟件和算法可以在后續不斷地去更新，可以不斷地去升級我們的軟件。在這個階段，以英偉達為代表的國際廠商推出了通用的大算力芯片，所謂的通用性就是各個主機廠和算法公司在此基礎上可以進行自主算法升級。所以自動駕駛主控芯片有兩大發展趨勢：大算力、通用性。
那么要做大算力和通用性的自動駕駛芯片其實是非常不容易的，我們認為有幾大方面的挑戰：
第一，芯片的系統架構非常復雜。200TOPS以上大算力的芯片要求非常高，需要支持超大的帶寬，這樣的結構相對來講是更加復雜的，國家在這方面的人才儲備也是不夠的。
第二，通用的AI軟件戰。我們這個算法是要不斷地去升級和完善的，只有通用的AI軟件站才能支持不同的算法和不同的主體，OEM和算法公司對它進行升級。
第三，大尺寸芯片工程的挑戰，大算力芯片的尺寸更多，對于后端封裝設計、電源和熱設計、量產成本控制壓力很大。因為它良率的挑戰是非常大的。比如200TOPS這樣大尺寸的芯片需要7nm先進的工藝，國內來說還沒有7nm先進的車規級工藝。
以上幾個挑戰是我們要和企業一起來克服的，領先的車企開始部署云邊車端，云端、車端、邊端和終端來協同計算的能力，不僅僅是一個單車的算力，它還要跟云端、路側和車上其他的終端來進行協同（編譯/汽車之家 陳燦）
