飞机先生

{{detailStore.create_time}} {{item.series_title}}

{{detailStore.author.is_follow?'已关注':'关注'}}

原创文章

日榜 TOP{{detailStore.day_rank}} 月榜 TOP{{detailStore.week_rank}}

AI 、自动驾驶以及芯片，这三者组合成了当前智能化的一大高光赛道。

推动智能汽车演进的是汽车电子架构的变革，而这背后是汽车“大脑”的算力变革，也是 AI 芯片以及域控制器的变革。

成立五周年的黑芝麻智能，在智能汽车爆发的前夜，选择了以感知为核心的赛道，也因此叩响了自动驾驶的芝麻大门。

而在五年之际，看似沉默的黑芝麻在这五年间发生了什么？

一、智能驾驶芯片的蓝海：大算力。

“软件定义汽车”这几个字看似只是一场关乎汽车的变革，但实际上背后的连锁反应是带来新的供应链变化。

例如智能驾驶赛道中对算力需求的增长，而决定算力变化的背后是芯片。

在软件定义汽车的时代，如何让汽车像手机一样支持 OTA 的进化，高算力芯片的预埋则更为重要。因此我们也牵出了黑芝麻与当前国内大部分芯片公司不同的打法，就是要做大算力，做大冗余。

我们曾和大家举例一个比喻。

计算平台就如同一个地基，地基多大决定了车企所计划的上层建筑有多大。

所以当前部分车企会先占据一个较大的地基，盖一个大的毛坯房，根据需求做房子空间的分布（算力分布）以及软硬装饰（软件迭代），空余的面积还可做备用房（冗余）。

面对市场需求，在探索系统功能边界时，黑芝麻认为功能性硬件需「先行」， 黑芝麻智能 CMO 杨宇欣提到一个关键词，「堆料」。

而硬件先行，软件后续开发、迭代或者付费、免费，对于车企或者芯片公司而言都是一件好事。

二、大算力不是看 TOPS，看什么？

顺着大算力，我们来看看如何定义真正的大算力？是一味的建大房子吗？

非也。

正如我们选择房子时不只看面积，还会看朝向、看地段、看周边环境。而车企在选择一家计算平台时，也是同样的思路。

首先市场主流的方向是先看 GPU ，先看 TOPS。

自动驾驶中的深度学习中分布着几百上层的神经网络，对高性能计算要求非常高，而 GPU 对多个计算具备优势，而且又懂得训练和推理。

这样例子就如同「我们用眼睛看一个东西，再利用推理来得出结论得知我们看到的是什么」同个道理。

这样的逻辑放在自动驾驶场景训练中再合适不过。目前业内的 TOPS 指的就是 GPU 的计算性能，而 GPU 也逐步从专用芯片步入通用芯片。

但黑芝麻认为伴随着 AI 计算演进，芯片单凭借 GPU 算力也是不够的。

从市场中我们看到宣布上千 TOPS 的平台车企已有三家，包括智己 L7 、飞凡汽车 R7 以及 蔚来 ET7 。

黑芝麻则更加注重综合算力的竞争，所以黑芝麻更多强调自己是 计算芯片，而不是 AI 芯片。

如何理解呢？

如果自动驾驶的分工是一个部队的话，那么 CPU 则是指挥官，GPU 则是专注于某一个技能的兵团，比如炮兵。而 NPU （ 神经网络处理器 ）则是士兵，它们更多做的是在系统发出指令后，NPU 会统计所有路线后得出一个最佳的路线，大大提高神经网络效率。

而黑芝麻则更注重协同作战， 例如 CPU 可以做自动驾驶的路径规划算法计算，GPU 可以提供在泊车全景拼接或者 3D 模型渲染、NPU 提供感知计算，ISP 提供了图象处理的计算能力等等。

各自分工，协同作战。

黑芝麻在成立之初，黑芝麻则坚持了 ISP 和 NPU 这两个 IP 的自研，我们可以分别对应为「看得清」、「算得快」。

我们看一个华山二号 A1000 的官方数据助于我们理解：

• 其中 ISP 的能力是 1.5Gpps，也就是每秒处理 1.5G 像素的处理能力，同时可以支持十路以上的高清摄像头输入，能够降低噪声、让图像看的更清；
• NPU 则具有 58 TOPS (INT8) 算力，也支持十路摄像头（包括前后、侧前后），每个摄像头大概分配有 5 TOPS 算力，处理效率更高。

5 年的发展，黑芝麻打造了上面提及的两大核心 IP，也推出了华山系列 2 代 4 款自动驾驶计算芯片，以及一款山海人工智能开发平台，同时也获得了车规认证体系。

其中主流的包括

• A1000 的算力为 58 TOPS ；
• A1000 L 是 A1000 一款轻量化后的芯片，算力为 16 TOPS，可以满足更低级别的场景，覆盖售价低的市场；
• A1000 Pro，则面向大算力平台的计算芯片，算力为 106 TOPS，可面向 L3 级的智能驾驶高级市场。

而 A1000 Pro 目前已经获得车型定点，将会在明年量产上车。

三、芯片背后的背后 是生态之争

过去传统的汽车架构搭载超过上百颗芯片，但传统芯片较为封闭并且分散，无需要太多扩展的空间，如同我们讲的「一个萝卜一个坑」。

而新市场的需求是利用一个大算力计算芯片平台去承担一个类似大脑的角色，也就是从我们过去的分散式步入集成式。

但大算力芯片要卖的好的一个前提是如何打造一个适应市场需求的生态，比如我们在手机时代已有略闻。改变手机的不是既不是内存还是 CPU ，而是 OS，是生态。

所以芯片公司要做的事需要把软硬件解耦，才能满足开放，而不像过去传统汽车上的封闭性。

除了我们刚刚提的芯片往下的硬件布局，芯片上软件的模块化需要根据客户需求自由替换，可以兼容客户自己的操作系统以及算法。

而延续我们的房子理论，生态的丰富度就像房子周边的环境，既有医院、学校、市场等，生态越丰富成熟度越高，自然住户的凝聚度则会越高。

这也是目前国内芯片厂商走的更远的第一步。

另一个维度，芯片公司还需要提供工具链实现算法移植，例如注重自研算法的车企可以保留自研的能力，而需要培养算法的车企则可以在黑芝麻算法的基础上培养自身的能力。

包括对于目标物的识别、人脸识别以及车道线识别等，当然黑芝麻也能够提供全量产式的智能驾驶算法，包括数据的采集以及处理，帮助车企达到数据的闭环。

另外关于静态物体的标注、众包地图也能够通过上传云端服务器，来满足系统的训练、地图更新，待云端处理后再通过 OTA 为用户升级。

四、总结

市场定位上黑芝麻的定位是 Tier 2 ，由车企向 Tier 1 公司采购，而黑芝麻再与 Tier 1 合作。

但随着更多样化的合作模式，我们也看到芯片供应商的合作模式更为灵活，芯片供应商深入车企需求做芯片规划与设计，同时也能够支持定制化。

新的芯片之争已不仅仅围绕芯片本身，还需要有一个高效芯片架构、丰富生态、兼容算法、多元的合作模式等等。而黑芝麻通过深耕大算力计算芯片与平台、提供软硬件解耦能力，打造一个开放式的生态。

杨宇欣坚信：“行业芯片的格局来不可能只有一家能吃掉这个市场，至少需要两三家，大家都有机会。”

在黑芝麻成立五周年之际，大多数人认为这是黑芝麻沉默的五年，也是人说这正是黑芝麻发力的五年。

而更加值得思考的是，黑芝麻的下一个五年，又会走向何方？