大模型都进化几代了，终于有人开始换个思路造智驾芯片。
不知道大家发现没有，这两年车企去搞自研芯片的越来越多。 一开始是特斯拉去搞 FSD 芯片，然后蔚小理这边，也纷纷从外购转自研，这兄弟仨的智驾芯片现在都已经上车了。 而在今年，比亚迪和小米更是前后脚下场。比亚迪先甩出了 4nm 的璇玑 A3，小米马上跟牌，说 3nm 的玄戒 D100 智驾芯片已经研发完了，明年就能用。 原来还是个别车企才会自研芯片，现在已经快搞成头部玩家标配了。 不少人都在说，明明芯片这玩意儿是费时又费钱， 车企们放着英伟达、高通手里的货不要，干嘛非得自己搞芯片呢？ 我举个不恰当的例子哈，大伙还记得一代神车丰田 Supra 吗？早期 A70 和 A80 时代的 Supra，用的是丰田自研的发动机 1JZ / 2JZ 系列，这两代累计销量快 30 万辆，即便是 A80 那代碰到上了日本经济的大泡沫时代，人依然卖了 4.5 万辆。 但 A80 的下一代，也就是用了宝马 B 系列发动机的 Supra A90 这一代，从诞生至今累计销量也只有区区 3 万辆，咱抛开 JDM 图腾那些不谈，这一代失败最大的原因就是车型溢价太高，但丰田也没辙啊，用了别人的东西自己的成本本身就高了。 其实放到自研芯片这头也是一回事， 用别人的芯片贵了不说，还不一定有自研的好 。 常见的智驾芯片，像英伟达 Orin 这种，属于通用芯片。它为了要吃百家饭，会在芯片里塞各种各样的通用计算模块，CPU、GPU 还有深度学习加速器 DLA 等等全安排。 这样显而易见的好处是兼容性强，不管你车企走的是纯视觉派还是融合感知派，也不管你什么模型，算法拿过来都能跑。 但另一方面， 谁也没法把这颗芯片的算力真正榨干。 你看 Orin-X，单颗算力 254 TOPS，很多车一下整两颗，还有四颗的，算力干到上千 TOPS 了。而真正用智驾的时候，芯片的算力利用率可能也就 30% 左右，因为芯片里适合跑你这个算法的就那么多，其他部分也用不上。 更要命的是 迭代速度。 车企的智驾模型，现在几个月就更新，一两年就大升级。但供应商那边的智驾芯片开发周期很长，往往跟不上。之前，英伟达 Thor 一推再推，不少车企只能 “ 等米下锅 ”，新车型也跟着耽误。 再加上，现在智驾基本都从原来的规则+小模型，转到了端到端大模型，模型越来越大，对芯片的需求也不一样，比如更注重 AI 推理能力。 如果还是用通用芯片去跑大模型，就得堆芯片，不光成本吃不消，车上就那么点地方，总不能塞个服务器吧。 所以车企们干着干着，就玩起了自研芯片。 但话说回来，其实造芯片不是目的，车企们的核心需求还是想选出适合自己算法的芯片。也没必要所有车企都成立芯片部门，大部分车企也没这个团队和预算啊。 最近，有家新的芯片公司 XHEART 新芯航途 ，就是奔着解决这个矛盾来的。 这家 XHEART 动作挺快，不到 3 年就把芯片做出来了。前两天，XHEART 开了个发布会，发布了最新的 X7 Ultra 芯片。脖子哥也去现场围观了一波。 参数上，这颗 X7 Ultra 有 700 TOPS 的大模型算力，非常适合跑智驾。因为这家公司做芯片的特点，就是 大模型定义芯片 ，正中车企下怀。 啥意思呢？就说别人做芯片，是先把硬件做出来，再想办法让模型适配。XHEART 是反过来——先看大模型需要什么样的计算，再倒推着设计芯片架构。 这就好比买鞋子，别人是去店里从现成的尺码里挑，你是直接量脚型，定制一双，肯定会更合脚。 我们看一下这颗芯片的特点就知道了。 首先，X7 Ultra 给了一个 超大核 NPU 。 之前的通用芯片，主要靠一堆小核心并行干活，应对规控算法里那些小模型还行。 但现在发展到大模型，要从传感器数据直接生成结果，这里头主要是连续的大数据计算。你还用一堆小核处理，就得不停在核之间搬运数据，效率自然不高。 X7 Ultra 上的超大核，就不用来回倒腾，直接把内部数据互联速率从上百 GB/s 提升到 TB/s。 同时，这颗超大核 NPU 里还有 高精度专用算子加速。 原来的 NPU，主要是面向卷积神经网络设计。但后面大家做大模型，都去搞 Transformer 架构后，这种运算它搞不定，就得去求助 CPU。这一来一回的，不但算得慢，还把内存通道给占了。 XHEART 就是针对 Transformer 的一些关键运算，做对应的硬件加速。 我打个比方，以前好比是手工做月饼，要一个一个捏成对应形状，慢得很。现在是直接开个模具，咔哒一下就好了，又快又标准。 然后是 硬件并行度解锁 。 这个听着绕，其实就是让更多计算单元协同工作。 大家应该玩过 Overcooked 分手厨房吧，这游戏通关的诀窍就是一个人做菜的时候，另一个要提前把菜备好，锅里不能停。 硬件并行差不多就是这意思，当这批数据在计算的时候，下一批数据已经准备好，让芯片
