En el Día de Innovación Tecnológica de la semana pasada, NIO presentó el último Modelo Mundial NIO (NWM) en el campo de la conducción autónoma, afirmando poseer capacidades de doble núcleo de comprensión espacial y temporal, superando la implementación de modelos de extremo a extremo.
El chip de conducción autónoma, Shenzi NX9031, que se anunció oficialmente que se había lanzado con éxito, está diseñado para el modelo NIO World. El Shenzi NX9031 es el primer chip de conducción autónoma de 5 nm del mundo desarrollado independientemente por NIO. Según NIO, un chip tiene el rendimiento equivalente a cuatro chips emblemáticos de la industria (Nvidia Orin X).
En los últimos dos años, los chips de conducción autónoma han sido una de las líneas de productos más innovadoras para los fabricantes de automóviles. NIO y XPeng han estado desarrollando sus propios chips, y Li Auto comenzó un poco más tarde. Basándose en el Longying No. 1, la subsidiaria de Geely, Xingjing Technology, también ha estado en el camino del desarrollo propio durante años.
Li Bin ha declarado públicamente que NIO compró muchos chips de Nvidia el año pasado, lo que le costó mucho dinero a la empresa. Teniendo en cuenta los costes de adquisición, la empresa decidió recurrir a chips de desarrollo propio. La declaración oficial es que el Shenzi NX9031 puede amortizarse en aproximadamente un año.
Existen muchas razones para desarrollar sus propios chips, pero uno de los principales objetivos de "Wei Xiaoli" (un término colectivo para NIO, XPeng y Li Auto) es liberarse de las limitaciones de Nvidia. Según los informes de la industria, parece que los chips desarrollados por ellos mismos son bastante vanguardistas y estarán a la altura de las últimas tendencias, como la conducción autónoma de extremo a extremo.
Sin embargo, el contingente chino que rodea a Nvidia no se limita a "Wei Xiaoli". Este año, los proveedores de chips locales también se han visto "atrapados" en la competencia de extremo a extremo. En el Foro Automotriz de China el mes pasado, el presidente de Horizon, Chen Liming, afirmó claramente que el extremo a extremo es actualmente la única solución viable para el juego final de la conducción autónoma.
Lu Jianfeng, vicepresidente de la división de vehículos inteligentes de AIChip, cree que la conducción autónoma avanzada solo puede lograrse de principio a fin. Debido al largo ciclo de diseño y desarrollo de los chips, la estrategia de AIChip es obviar otros modelos y centrarse en el modo de modelo único, similar a la arquitectura de tecnología UniAD para el diseño de NPU.
Desde la perspectiva de la industria, el alto costo de las compras externas, la situación internacional incierta y los beneficios de reducción de costos que Tesla ha disfrutado anteriormente con sus chips de desarrollo propio han influido en las estrategias de chips y los modelos de suministro de los fabricantes de automóviles nacionales.
La popularidad de los modelos de gran tamaño de extremo a extremo no solo catalizó una nueva ronda de revolución en materia de conducción autónoma, sino que también aceleró la evolución tecnológica y de productos de los chips de conducción autónoma. Esto no solo impone mayores exigencias a los fabricantes de automóviles en cuanto a chips desarrollados internamente, sino que también obliga a los proveedores de chips en el océano rojo a acelerar su competencia interna.
La ola del autodesarrollo ha llegado
¿Por qué los fabricantes de automóviles están desarrollando sus propios chips?
Dominando la tecnología central:Garantizar la seguridad del suministro y no ser “estrangulado” por los proveedores, especialmente los proveedores extranjeros poderosos.
Li Bin mencionó en una entrevista que el impacto internacional en el suministro de chips, debido a las restricciones estadounidenses, ya ha tenido un impacto real en la industria automotriz de China.
"Desde octubre pasado, no hemos podido utilizar los chips más avanzados del mundo para nuestro entrenamiento en la nube. El equipo de conducción autónoma no solo analiza las capacidades de la nube, sino también las capacidades de inteligencia grupal. Si bien el riesgo de los chips de inferencia de borde es actualmente bajo, aún debemos estar preparados para varios cambios".
Personalización:
Los expertos de la industria dijeron a "Auto Commune"/"C-Dimension" que una de las consideraciones clave para los nuevos fabricantes de automóviles que desarrollan sus propios chips es mejorar la competitividad del producto a través de la diferenciación, ya que los chips desarrollados internamente permiten funciones personalizadas.
Para los fabricantes de automóviles, desarrollar sus propios chips es costoso, pero puede reducir la dependencia de los proveedores extranjeros, lo que garantiza que "no se pongan todos los huevos en la misma canasta". Además, los chips desarrollados internamente pueden adaptarse mejor a sus propios algoritmos, lo que resuelve el problema de acoplamiento entre algoritmos y plataformas de chips.
En el pasado, la potencia de cálculo de 144 TOPS de Tesla superó a los chips TOPS de 400-500 disponibles en el mercado, principalmente porque el chip estaba diseñado para los propios algoritmos de Tesla. Cabe destacar que el chip de potencia de cálculo de 144 TOPS de Tesla (Autopilot HW3.0), lanzado en 2019, todavía admite la conducción autónoma de extremo a extremo en la actualidad.
Reducción de costos:
Li Bin afirmó en la conferencia de prensa que NIO gastó mucho dinero en chips Nvidia el año pasado. Para reducir costos, NIO decidió desarrollar sus propios chips, de modo que un chip equivale a cuatro chips Nvidia, lo que reduce los costos. Según Li Bin, el Shenzi NX9031 puede amortizarse en aproximadamente un año.
También hay otras consideraciones. Los expertos del sector señalan que la promoción de chips de desarrollo propio y la asunción de compromisos públicos pueden tener un impacto positivo en el mercado secundario y en la percepción de la marca. Además, los chips de desarrollo propio pueden mejorar significativamente la experiencia del sistema y lograr objetivos estratégicos.
En particular, los primeros chips desarrollados por Tesla tenían como objetivo aumentar la potencia de procesamiento y la flexibilidad.
Los informes indican que el proceso de desarrollo de chips de XPeng sigue de cerca al de NIO, con chips enviados para su producción en serie, que se espera que regresen en agosto. El desarrollo de chips de Li Auto comenzó relativamente tarde, y se espera que el proyecto de chip de conducción autónoma, cuyo nombre en código es "Schumacher", complete su producción en serie dentro de un año.
“Un medio, no un fin”
Wu Xinzou, director del negocio de conducción autónoma de Nvidia, destacó que el desarrollo de la conducción autónoma se puede resumir en tres etapas, siendo el paso final el de extremo a extremo.
Primera etapa:Completamente basado en reglas.
Segunda etapa:Los grandes modelos de IA reemplazan gradualmente las reglas manuales, completando la predicción y la planificación.
Tercera etapa:Modelos grandes completamente de extremo a extremo, con IA que cubre todo el proceso desde la percepción hasta la toma de decisiones.
En la tercera etapa de la conducción autónoma, los chips de conducción autónoma suponen un gran desafío. El vicepresidente de AIChip, Liu Jifeng, expresó pensamientos similares y afirmó que la verdadera integración de extremo a extremo implica el uso de grandes modelos para el entrenamiento y la validación en la nube, y la aplicación de los resultados a la inferencia de borde, lo que impone importantes responsabilidades a las empresas de chips.
Horizon cree que el proceso de extremo a extremo es un medio, no un fin, y que requiere una combinación de experiencia similar a la humana, computación eficiente y entrega ágil. La acumulación de capacidad de extremo a extremo requiere esfuerzos en la iteración de algoritmos, la construcción de bases de ingeniería y la integración de software y hardware, donde el software y los algoritmos desempeñan un papel central.
Mu Lisen, arquitecto jefe de la plataforma de algoritmos Horizon, cree que la capacidad esencial de la solución de extremo a extremo reside en la iteración de datos. Aunque parece una estructura de modelo con visión de futuro, los datos iterativos que la sustentan son más cruciales, ya que respaldan la transición de la tecnología de laboratorio a la madurez a nivel de producto.
Chen Liming también reconoció que Horizon enfrenta dificultades con los cambios constantes en las arquitecturas de los vehículos y los sensores, los diseños de los sensores y la adopción de los mismos. A pesar de recopilar una gran cantidad de datos, gran parte de ellos no son de alta calidad ni se pueden utilizar de forma continua, un problema que está fuera del alcance de cualquier empresa.
"La versión FSD V12.3 de Tesla se entrenó con 10 millones de videos de muestra, extraídos de 10 mil millones de muestras de alta calidad. China aún no está a la altura. Además, los 10 mil millones de muestras se recopilaron bajo un marco de sensores estándar, lo que garantiza la continuidad para el entrenamiento de los modelos más recientes".
Al igual que Horizon, AIChip enfatiza su rol como Tier 2, creyendo que las demandas clave para los chips de conducción autónoma en algoritmos de extremo a extremo son alta memoria y gran poder de cómputo de múltiples núcleos.
Para lograr una conducción autónoma de extremo a extremo es necesario contar con un soporte crítico de chips informáticos, que incluya innovación arquitectónica, avances en propiedad intelectual y avances en el rendimiento.
Mu Lisen de Horizon explicó a "Auto Commune"/"C-Dimension" que el umbral técnico para la competencia en potencia computacional de extremo a extremo radica en adaptarse a las demandas computacionales generadas por los cambios en la estructura del modelo y los cambios en el enfoque del operador.
Por un lado, los modelos crecerán y, con ellos, el poder computacional; por otro lado, las estructuras de los modelos evolucionarán, pasando de ser principalmente CNN (redes neuronales convolucionales) a modelos de extremo a extremo basados principalmente en Transformers.
"Los transformadores son una categoría amplia de algoritmos que se utilizan en modelos de lenguaje de gran tamaño (como ChatGPT) y en la conducción autónoma de extremo a extremo, con diferentes enfoques para el operador. La conducción autónoma de extremo a extremo requiere operaciones matriciales fundamentales y soporte adicional del operador, lo que presenta mayores demandas".
El bando de Huawei también tiene una influencia significativa. A pesar de que Nvidia domina el mercado de chips para conducción autónoma, China tiene un gran contingente impulsado por Huawei, incluidas marcas como AITO, Avatr, Jihu y Zhijie. Los sistemas de conducción autónoma de sus vehículos utilizan en gran medida las plataformas informáticas MDC810/MDC610 de Huawei.
Con los esfuerzos de los proveedores de chips de conducción autónoma y el lanzamiento acelerado de chips desarrollados internamente por empresas como NIO, en los próximos años, la aspiración de "no estar sujeto a Nvidia" en el sector nacional de chips de conducción autónoma se hará realidad gradualmente de forma parcial.
