<mark id="oztn4"></mark>
0
2016年，AI芯片公司黑芝麻智能成立。四年之后，黑芝麻智能A1000正式發布。這是本土的第一款16納米、稠密算力超過50TOPS的劃時代產品。當時，智能駕駛行業仍處于低谷，A1000的出現既是機遇也有風險。
風險在于，如果沒有車企敢用，前期的巨額投入將把公司帶入死胡同。如果能提前踩準車企和智駕的演進方向，那將會直接填補行業的需求空白。
2022年，A1000開始量產。在車企尚未完全建立智能化團隊、積累足夠量產經驗時，黑芝麻智能決定與車企進行“聯合開發”。
黑芝麻智能CMO楊宇欣向雷峰網回憶，“發揮一顆AI芯片的作用很復雜，如果不具備完整的整套解決方案能力，很難說服合作伙伴和客戶在你的芯片上投入開發，所以需要先要證明自己。”
吉利是黑芝麻智能的早期客戶之一。
在吉利量產的最后三個月，億咖通、吉利和黑芝麻智能的三方團隊在杭州灣共同攻關。白天研發團隊進行開發，夜里測試團隊加緊測試。第二天一早，研發工程師起床后收到新的問題，再繼續開發和調試。
在這樣的開發節奏下，黑芝麻智能在領克08這款使用全新智駕方案的車型上只用了12個月，就完成了基于A1000的高速NOA智駕方案研發落地。
也正是從2023年開始，智駕方案的迭代進程更加迅速。從無圖方案到端到端再到大模型的上車，考驗的是對于新技術的敏銳判斷和堅決押注。
2025年底，黑芝麻智能的A2000系列發布。A2000采用自研九韶NPU架構，專為全場景通識智駕設計，并且有A2000 Lite、A2000和A2000 Pro三個梯隊型產品。除了面向智駕的城區NOA等，還可以應用于Robotaxi，且支持機器人和通用推理計算等多個領域。
楊宇欣表示，“A2000的理念就是通過對大模型的支持，來增加落地場景的通用性。”
今年3月，黑芝麻智能與武漢大學相關團隊達成戰略合作，基于武漢大學研發的“天問”人形機器人，以黑芝麻智能的華山A2000芯片和武當C1236芯片打造機器人“大腦”和“小腦”平臺方案，并圍繞人形機器人量產的芯片解決方案深入合作。
在楊宇欣看來，“芯片是長坡厚雪，需要踏實走好每一步。不管怎么樣，我們已經走到了行業頭部。”
問：能否聊聊您當時加入黑芝麻智能的契機？
我以前在中科創達，2016年代表中科創達投資了黑芝麻智能。2019年正式加入。我在手機和芯片行業工作多年，當時，新能源汽車和自動駕駛沒有很火，但我認為中國半導體行業的黃金十年即將到來，希望能加入一家芯片創業公司，做一些能夠改變行業的事。
2019年，第一代AI芯片創業公司已經慢慢跑出來。大家都是瞄著做通用AI，但并沒有很好的落地場景。所以第二波AI芯片的創業者開始更專注落地的場景。
自動駕駛是垂直領域的AI芯片，從出生就帶著場景。
自動駕駛的發展是從2014年左右開始。2018年是谷底。因為芯片的AI計算能力指數級提升，很多在學術圈研究AI的人“從山洞里”出來了，有機會將理論上的東西去落地到具體應用場景，自動駕駛就是其中一個場景。
但這個時候有兩派別。一派尋求跨越式發展直接進入L4；另一派是漸進式發展路線，知道這件事不可能一蹴而就，但是發展都沒達行業的預期。因為漸進式路線需要車企資源的大量投入，觀望者居多，不愿意吃螃蟹。
2019年是智能駕駛行業的谷底，很多公司關門或者把技術打包賣掉。直到特斯拉發布FSD，行業才全面抬頭，開始摸著特斯拉過河，從純視覺、BEV到端到端。再加上從2020年開始，市場對半導體的投資加大，由此形成技術和資本的兩股春風。
問：誰是黑芝麻智能第一個吃螃蟹的客戶？
最早是和一汽合作，對我們的幫助很大。我記得很清楚，2019年我到黑芝麻智能后的第一件事，就是12月跑到長春，零下35度，跟一汽簽戰略合作。另外是上汽，在2017年左右通過旗下一支基金投資我們。
A1000的第一個定點是江淮。真正開始大放量是吉利的車型，跟江淮前腳后腳。從2022年底開始，我們就從領克系列開始合作，后來又拓展到銀河系列和星耀系列。
因為黑芝麻智能這種AI芯片公司，和傳統芯片公司的團隊配置不太一樣。傳統芯片公司以芯片設計為主，搭配底層的驅動和軟件開發人員。
但是黑芝麻智能除了這些配置之外，上層的操作系統、工具鏈、模型都有相應的團隊。
要發揮一顆AI芯片的作用很復雜，如果不具備完整的整套解決方案能力，很難說服合作伙伴和客戶在你的芯片上投入開發，所以需要先證明自己。
吉利和東風的前兩款車都是我們自己的感知算法，我們是最早在國內實現高速NOA方案量產的幾個平臺之一。一旦證明了能力后，后續的上車就變成一個工程化scaling的過程，問題就變成“是否有足夠多的團隊幫客戶進行工程化”。車型的傳感器配置、角度不一樣，就會有大量工程開發工作，我們會與合作伙伴一起配合。
所以，到了銀河星耀系列就切換到了吉利與第三方算法合作伙伴共同開發的算法。我們也證明了黑芝麻智能芯片的開放性和量產能力。
黑芝麻智能還是始終堅持開放平臺的商業模式，這也是國際巨頭多年驗證成熟的模式，雖然我們具備模型和算法，但是不能單純靠算法和工程交付掙錢，要依靠標準化的解決方案、依靠生態客戶和一級供應商（Tier1)來做。
這也體現在黑芝麻智能的人員規模上。我入職時不到300人，接來量產的落地三四年之間人員快速擴大，最高峰到1200人，現在穩定在1000人，已經形成完整穩定研發和商業化組織。
問：當時在一汽、東風遇到了哪些競對？
我們早期的競對還是海外的芯片巨頭為主，像英偉達、德州儀器、高通也在迅速追趕。
低算力平臺其實有很多選擇，瑞薩、安霸、Mobileye，但是逐漸成為主流的中高算力平臺的玩家在逐漸變少。
新的智駕功能剛開始開發的時候客戶的平臺都會考慮到算力冗余，功能收斂之后，性價比這件事就很重要。
我們在吉利量產的最后三個月，美國和中國團隊同事24小時協同支持。億咖通、吉利和我們在杭州灣共同攻關。白天研發團隊進行開發，夜里測試團隊加緊測試。第二天一早，研發工程師起床后收到新的問題，再繼續開發和調試。
領克08這款車比較特殊，因為所有的平臺都是新的，沒有沿用任何吉利已有的平臺，留給輔助駕駛方案的研發只有12個月，我們都認為是不可能完成的任務，但是通過與客戶和合作伙伴的通力合作，我們創造了奇跡。
回頭來看，2023年A1000開始大規模量產，當時國內沒有幾家可以真正量產高速NOA，我們絕對是前幾個。
現在，城市NOA又成為了新的賣點，大概需要500TOPS以上的算力。目前業內有這個能力，只有Thor、黑芝麻智能A2000、地平線J6P。
問：但是現在大算力智駕芯片還是英偉達的天下。
大家在做算法訓練時都是用英偉達的服務器，部署到英偉達的推理芯片上的遷移成本比較低。但一旦車子的銷量提升后，遷移成本相比于平攤到每輛車的硬件成本就變得微不足道了。我認為隨著場景的成熟和方案的普及，芯片以及方案的成本將成為客戶決策的關鍵因素。
回過頭來，我們還是認為ASIC架構的芯片會逐漸成為主流，出貨量足夠大、場景相對收斂后， ASIC芯片的性價比優勢會凸顯。
問：2020年A1000發布到2023年落地，這三年的節奏是在預期之內嗎？
在我們預期之內。
2020年以前，中國很多芯片設計的創業公司不愿意開發車規芯片，因為落地周期長，客戶準入門檻高。車規芯片相比于一般的消費級芯片有更多的要求。
第一個是團隊要通過車規認證，團隊要基于車規芯片的設計流程來設計芯片，比消規芯片更嚴格。
第二個是研發流程的車規級認證，整個公司的設計流程是不是按照車規流程來。
第三個是產品的車規認證。芯片設計一年半到兩年的時間，A1000是國內第一個高算力的車規級智能駕駛芯片，我們又是一家新公司，所以客戶的驗證周期更長。
2020年A1000出來之后整整一年的時間，我們一邊是給客戶推廣產品，一邊完成芯片產品的車規認證。完成芯片的 ACQ100認證、ISO 26262認證等，也花了大半年的時間。
我們的第一個定點其實是從2021年下半年開始。只是到了2022年5月，我們才官宣了戰略合作。這些時間和節點的推進，都在預期范圍內。隨著量產芯片上車越來越多，交付流程也更加成熟，design in的周期會相對變短。
問：2020年底發布的A1000是2017年開始籌劃的？
楊宇欣：是的，一般芯片公司為了盡快推出芯片會盡量基于第三方的IP進行開發，我們的判斷是，核心IP是產品差異化的根本，特別是在新的技術領域，因此我們的技術戰略是ISP、NPU一定要自研。經歷過芯片技術周期的人，對芯片的定義會有自己的理解。
但我們的判斷是算力的需求迭代會非常快， A1000設計的是58TOPS的稠密算力，2020年發布的時候是16nm工藝下最高的算力。
現在來看，這個路徑選擇還是正確的。我們從中也得到了相應的回報，直到現在A1000仍然有新的定點持續出貨，是算力和市場化表現最好的之一，也是高速NOA的一個主流芯片平臺。
問：A2000系列的A200Lite、A2000、A2000 Pro的設計邏輯是什么？
設計思路主要是兩個維度，技術與場景。
隨著大模型的普及，芯片底層的差異化變小。很多算法的底層架構都是基于Transformer。所以，需要把芯片的定位做得更“精準”。我們不是加速算法，而是加速模型框架，對Transformer的支持足夠越好，越能支持算法在輔助駕駛和座艙等等算法和應用快速迭代。
A2000的理念就是通過對大模型的支持，來增加通用性。
過去大家都說ASIC芯片是雙刃劍，一方面是成本功耗有優勢，但是通用性不足。但是隨著底層模型的標準化，ASIC芯片的通用性會進一步提升。
另一個維度是，端側會出現更多的場景。所以，A2000也在觀察通用端側推理市場的應用前景。
回到這三款產品。三個不同的產品定位，還是與算力關聯。一項技術從出現到成熟，需要不斷去驗證場景來實現功能的收斂。之前說到，算力的需求是逐漸收斂的。所以，A2000要先提供足夠的算力冗余去覆蓋需求，接下來才是圍繞性能和成本優化。
而A2000 Lite要實現在算力需求收斂后進一步提高性價比的目標，A2000 Pro會面向Robotaxi方面的應用。
我的觀點是，L3和L4會長期共存。因為兩者的商業模式出現了本質區別。L3屬于人機共駕，而L4是人機分離。L3為什么會長期存在，因為短期內“買車”這件事不會消失。
隨著Robotaxi的試點范圍和運營逐漸成熟，未來會進入L4的時代，年輕人不再買車了。A2000 Pro就是面向L4級別市場，提供更高算力的維度來定義。
問：前段時間黑芝麻智能和奇瑞、太保的戰略合作也是基于L3來考慮的？
是的。我們和奇瑞以及太保的合作，是基于商業模式和場景拓展兩個維度。很重要一點是，L3開始在商用車領域落地。其次，商用車大量都是運營車輛，輔助駕駛在運營車輛里能夠起到提高安全性、降低運營成本的作用，這一點被車企所認可。
我們和太保交流，50%投保的商用車會有索賠記錄，目前商用車的保險模型是虧錢的。所以我們現在的方式是“技術降本”，經過初步估算和試點，我們可以將保險賠付率下降20%。
問：前一段時間，有高通的高管公開表態，芯片的內存帶寬比NPU算力更重要，從您的角度怎么評價這個觀點？
楊：為什么這幾年AI芯片大家除了算力越來約關注帶寬，是因為大語言模型隨著參數量的不斷增加，除了計算，對于數據的搬運的需求也大大增加。
純粹的算力增加已經不是特別高的技術瓶頸。說實話，堆砌算力只是量變不是質變。實際在運算模型的過程中，數據搬運的不及時會造成算力無法發揮。
這也是為什么近幾年針對HBM（高帶寬內存）的管制越來越多。
從黑芝麻智能的角度看，一味增加帶寬意味著芯片面積會增加，也就帶來成本的增加。A2000在設計之初就考慮到大模型的數據搬運問題。因為我們用了最新一代的IP，原生支持大模型。
我們希望通過整體的架構創新，去找到帶寬、計算性能、價格的平衡，最新一代九韶架構的NPU通過架構創新提高計算效率同時降低對帶寬的依賴。
問：能否談談工具鏈的問題？其實此前會有用戶反映黑芝麻智能的工具鏈不好用，開發難度大。
所有的像黑芝麻智能這樣自研NPU的芯片廠商都需要配套自研工具鏈。我們工具鏈起步偏晚，直到A1000出來后才開始大規模投入工具鏈。
但是經過這么多年的量產，我們的工具鏈已經能夠符合客戶的使用要求，實現了大規模的量產交付，同時還在快速迭代，支持更多的第三方的算法也可以在我們芯片上量產。
A1000是我們第二代NPU，A2000是第三代NPU。所以我們的工具鏈是有延續性的，這個非常重要，客戶在升級黑芝麻智能芯片平臺的時候不需要重新適應新的開發環境。現在我們公司有1000人，80%的人是研發背景。研發團隊里軟件和硬件比是1:4。軟件里面包括了驅動、底軟、工具鏈、模型等。
問：這幾年，智駕方案的迭代速度非常快，但是芯片是一個長周期行業，可能3年前的需求定義已經與現在脫節。另一方面，Tier2廠商下場做交付也越來越多。行業現在有哪些問題要解決？
輔助駕駛的變化很快，但是客戶希望加量不加價。我們的挑戰仍然在于，技術迭代要足夠快，但又要兼顧成本的壓力。
其實到今天，不同的芯片公司已經演化出不同的發展路徑。有的芯片公司已經成為解決方案公司，成為了Tier1直接給客戶交付兜底。但我們仍然是堅持做Tier2。
AI 芯片公司需要完整的解決方案能力，大家都講軟硬一體，我們也贊同芯片要和模型的發展緊密匹配。但是我們很重要的一個觀點是，軟硬一體是技術趨勢而不是商業模式，如果是一個黑盒的商務模式就很難了，方案仍然需要開放。
過去的手機、消費電子行業都是這種模式，英偉達、高通也都是開放平臺。
當然，黑盒模式需要結合公司的發展階段。有的公司是先有算法再有芯片，因為芯片完全是為了自己的算法需求設計。但是每一家方案公司的算法框架、技術路線都不同，對別人的支持就會弱。
你照著自己的樣子打造的一件衣服，穿在別人身上就不太合適，而我們是做“均碼”的。
黑芝麻智能現在有紐勱等算法合作伙伴。智駕和艙駕一體在與國內和海外頭部的Tier1德賽西威、均勝電子、斑馬和安波福等合作。
現在城市NOA已經逐漸成為主流，車企都在紛紛加大智駕方案的自研力度，隨著技術的進一步成熟，我們相信產業鏈分工也會逐漸清晰。
作為終端廠商，車企會非常重視用戶體驗。你看所有的手機廠商，UI和交互都是自己做。輔助駕駛離用戶體驗最近的就是算法，用戶對芯片反而感知不強。
我們一直認為，芯片是長坡厚雪，需要踏實走好每一步。不管怎么樣，我們起碼是走到了行業頭部。
問：當下最前沿、討論最多的一個概念是VLA，怎么看VLA的上車前景？
我們看到VLA已經逐漸成為智駕行業技術發展的一個共識，我們也在加速這方面的研發。而對于算力的需求也會有一個變化的過程。
回顧過往，大家都經歷了從場景收斂、方案收斂再到成本收斂的是那個階段。等到最后城市NOA大規模普及時，是否需要那么大算力，很難確定，一開始高速NOA的設想是1000 TOPS，現在只需要50 TOPS。城市NOA也會經歷這個過程。
我們判斷，未來三年內，支持基本城市NOA的功能的芯片算力會有望收斂到300 TOPS以內。
等城市NOA逐漸收斂之后，下一步就是要往L4去卷了。
問：今年6月，高通的發布會有一系列芯片和新的理念，其中就有艙駕融合。黑芝麻智能的武當系列是面向這一理念，目前你們的艙駕融合進程如何？
目前市面上能夠提供艙駕一體芯片的主要就兩家供應商，一個高通的8775，一個是我們。但是兩者的定位會有區別。
黑芝麻智能的C1296會更針對10萬左右的入門級車型。它的優勢是可以進行結構性降本。
但是問題在于，一旦上了這顆芯片，座艙和輔助駕駛的功能就固化下來了，無法差異化升級，所以適合需要標配智能化功能以及高性價比的入門級車型。中國汽車的迭代速度太快，10萬元的車都有智駕或座艙。
問：高通是先有智艙后進入智駕，而英偉達是先從智駕再到座艙。艙與駕的相互融合，布局的難度是否有差異？
我們一直認為駕進艙容易，艙進駕難。因為座艙主要是基于安卓生態，座艙的合作伙伴很多，而輔助駕駛公司需要有垂直的全棧能力。所以高通進入智艙領域的進展比較快，但是進入駕駛就會比較難。
問：之前有車企從業者跟我們提過。如果安全件的等級分為ABCD，你不能同時管AC，只能管AB或者CD。高等級的邏輯和低等級的邏輯是不一樣的。智駕屬于A類件，座艙可以算是C類件。這兩個部門的工作規范不一樣，所以艙駕的融合就會有推動難度。您怎么看這個非技術性問題？
艙駕的技術問題會被優先解決。但是艙和駕兩個部門確實存在合作上的調整。
我們認為艙駕一體會率先在入門級車型上落地，而不是中高端車。因為智能化已經成為標配。現在，我們也可以通過一個方案替代原先的3-4個方案，可以做到四芯合一。對于入門級車型的智能化來說，核心就是如何用更低的成本搭載智能化。
當然，艙和駕的安全等級不一樣，我們加入了硬隔離技術，把芯片里的不同算力單元，通過硬件層面的隔離讓其互不影響。即便是某些應用死機了，也不會影響高安全等級的應用。硬隔離的弊端在于，損失了一定的靈活性，因為在相同安全等級之下，只能調用相同安全等級的算力。
也有廠商試圖在軟件層面實現不同等級應用之間的算力調度，好處是可以任意調配所有算力，但是軟件工作量極大，且沒有特別成功的案例。
回到非技術問題的因素上。我認為內部協作問題不會影響大趨勢，這個過程可能會痛苦。另一方面，我們認為艙駕一體定位于10萬元左右的車，甚至還有下探空間。
因為這一價格等級，用戶不會有明顯的功能差異化需求。但是15萬元左右的車，則希望有輔助駕駛和座艙的差異化。我們現在有艙駕一體的定點車型，高通也有，我相信這個市場趨勢很快就會到來。
問：現在博世在和高通合作，艙駕融合的概念會搭載在現代車型上。
面對中國車企的競爭，海外車企也在積極布局新的智能化應用和方案。
我們認為國際化很重要，用在中國市場卷出來的能力去海外掙錢。我們今年拿的好幾個車型都是海外車型。東風是我們艙駕一體的第一個客戶，車型就是在10萬塊錢，只有這個價位做了才有價值。
所謂的艙駕融合，是中央計算的第一個落地場景，未來還會融合更多的域。這個趨勢大家是認可的。
所以我們是兩條產品線定義，華山系列走算力增加，武當系列走功能融合。不能無限擴大芯片面積，要不就是給性能，要不就是給功能。中央計算是有方向，但是沒共識。比如中央計算的功能如何切分。
問：你們投資具身智能創業公司深庭紀是什么邏輯？
具身智能不局限于形態，四足是具身，兩足也是具身。所以，深庭紀現在是兩條腿走路，一條是做產品，開發類似于家庭的陪伴機器人，另一條是做具身的算法開發，面向未來更復雜的場景。創始人王弢最早是吳恩達的學生，在美國創業，后來去了小鵬做輔助駕駛和機器人，所以是經歷了完整的過程。
車就是某種程度的機器人。很多AI背景的輔助駕駛公司在完成階段性的商業化后，一定會去做具身智能。因為底層技術是相通的，只是傳感器會更復雜，模型更大更復雜。
現在輔助駕駛的牌桌上留不下很多家。現在第一第二梯隊的標準很簡單：賬上有錢，有量產項目。
問：你們從什么時候開始談的？
我們在4月份左右談的，很早就認識他。我們的核心戰略是一橫一縱。
橫向是我們的中高算力AI芯片，面向汽車以外的應用場景，邊緣計算、機器人是我們比較篤定的。因為機器人和汽車的產業鏈承接度比較高，所以我們會進行一些小股權投資。
縱向是用AI芯片跑通汽車行業以內場景，拓展更多的芯片品類來增加單車價值。
現在汽車的增量已經到了瓶頸，市場空間來自于新功能的滲透率。機器人未來5到10年的總量可能是汽車的5到10倍，這不只是人形機器人。
不光是和王弢，我們也和很多頭部的機器人公司談合作，后續會有發布。
我們的方案比較靈活。現在具身智能的問題在于，技術邊界的探索還沒完成，到底什么場景需要什么技術還沒有定論。
現在很多人投上游供應鏈，就是基于這個邏輯。有些公司的機器狗的關節設計壽命只有一年，這都是無法滿足需求的地方。
問：黑芝麻智能未來也會發布發機器人產品線，這是一個“自研+投資“的雙線并行邏輯嗎？
我們要培育自己的生態，需要有人跟我們一起在場景上進行拓展。黑芝麻畢竟是一個底層的技術供應商和平臺供應商，需要拓展場景。我們在看的是嫁接在汽車行業之上的產業。機器人和汽車的產業鏈重疊度極高，很多技術方案可以很快落地。
其次，大模型在訓練端的成熟，接下來就是在各個場景落地，推理就變得更重要。從我們擅長的角度來看，我們會更加專注在端側推理，A2000也考慮到了更多通用場景的推理能力。雷峰網(公眾號：雷峰網)
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
