在近日举行的“2024年度智能汽车产业链「硬科技」趋势峰会”上，爱芯元智车载事业部（爱芯元速）技术副总裁逯建枫发表了《驶向未来：AI芯片如何助力AI汽车时代的加速到来》的主题演讲。

逯建枫认为，随着AI技术的持续扩散以及相关企业的AI研发能力逐步提升，智能汽车的AI应用将不再局限于智能驾驶域和智能座舱域两个功能域中，而是会逐步扩散到智慧动力域、智能底盘域、被动安全域等不同功能域，支撑“AI汽车”概念的全面落地。

这与早些年行业普遍认为的“AI计算将在汽车中会逐步集中化”判断截然相反。

逯建枫表示，智能驾驶域与智能座舱域当前的SoC，都在独立地、逐步强化各自领域的AI计算性能，并没有合并的趋势。可能是由于两个不同领域都面临着快速的技术迭代和高强度的行业竞争，相互之间的迭代节奏又不一致，难以统一步调。强行将AI计算统一，反而影响了各自领域在项目时间、项目成功率等维度的竞争诉求，拖累商业成功。

相对应的，AI技术的分散化，能够更好的支撑AI能力在不同功能域的快速落地。

为了更好的支撑AI汽车时代的加速到来，爱芯元智自研了M55、M57、M76等一系列车载SoC。其中，M55和M57可在一体机智驾方案、CMS方案、增程式动力系统、被动安全系统等不同应用场景，提供高效的AI计算能力；M76则可在中阶7V域控（7颗摄像头域控制器）智驾方案、座舱大模型协处理器等不同应用场景提供先进的AI运算能力。

以下为演讲实录：

AI技术在整车功能域的扩散，迎来发展机遇

今天想跟大家一起探讨一个问题，就是"AI芯片如何助力AI汽车时代的加速到来”。

这里面可能牵扯到一个新的概念，就是AI汽车。行业这几年蓬勃发展，每年都有几个新概念，从集中式EEA，到人机共驾，再到SDA（软件定义汽车），再到今年的端到端……今年年底有些企业抛出来AI汽车，它跟智能汽车是什么差别？还是仅仅是营销上的概念？我们稍后一起来探讨。

关于AI技术在整车功能域的落地，近几年来形成了一定的行业共识。大多数人认为，AI技术主要适用于智能驾驶域和智能座舱域两个功能域。主要原因在于，两者在早期发展过程中，都有明确的环境感知诉求。而且两者在EEA集中化的大背景下，未来最终会走向合并的趋势。这就是舱驾一体的前身。更有甚者，基于该趋势，提出了AI算力集中化的趋势。这种观点，从计算类型的角度看，认为过去的车辆控制器以标量计算为主，不少关联ECU合并成为整车控制器或者区域控制器是合理的。而智驾域控制器与座舱域控制器由于有较多的AI算力（矩阵计算），需要增量芯片加入到控制器中；且由于AI芯片的功耗大，可能需要主动散热设计，因此分散化会导致不少控制器增加散热设计成本和变得不合理，提出了“AI计算集中化”的趋势，认为舱驾一体域控制器将独享AI计算，甚至最终会演变为车载中央计算机。

但是，时过境迁。按照这种技术思维去执行，也忽略了很多其他因素。舱驾融合的趋势本没有问题，但也导致其他功能域一直没有享受到AI技术红利，错失了发展良机。由于以上的技术认知，导致大家都认为只有智驾域才享有环境感知能力，以及只有ADAS域控制器具备驱动摄像头、毫米波雷达、激光雷达等传感器的“资格”，其他功能域一旦有感知需求，只能向智驾域或座舱域的团队提需求。主机厂的朋友应该更清楚，首先，最近几年的智驾竞争有多么激烈。智驾团队的项目压力大，时间紧任务急，年初立项，年中就要有产出；甚至要立军令状。这样的竞争压力，其他功能域提出的感知需求，智驾域的同学是很难给予高优先级响应的。绝大部分情况，就是拒绝承接需求。好在当前AI芯片的运算性能和算法不断升级，较小的散热功耗以及较低的成本，就能在其他控制器中Design-Win；且AI能力也已广泛扩散至各个OEM和Tier1，这给其他功能域的AI技术渗透，带来切实的发展机遇。

AI技术在智驾域的突进狂奔

AI技术在智驾域的迭代速度非常迅速，竞争也异常激烈。不到十年时间，就从传统的CV（计算机视觉），迭代到DL（深度学习），再到BEV&Transformer，直到今年的端到端&生成式AI。可见技术创新的活力和竞争之激烈。

对主流的智驾方案，我们也快速回顾下。首先，在一体机方案中，目前还是处于比较传统的深度学习加传统CV的方式，稳定性也还可以。当然现在也有人在讨论是不是要上BEV，我个人看可能优先级没有那么高，值得探索一下。我这里更想探讨一下6/7V中型ADAS域控。以前这个方案用的还是最传统的单摄感知+跨摄像头跟踪的方式，如果去看一下它们的渗透率和整车装配率，其实现在低阶比较多，高阶比较多，反而中间配置率没有上去，也可能很多在研车型销量没有被统计，没有体现出来；我个人认为，更大可能在于中型ADAS域控处于中间状态，比较尴尬，虽然在研项目很多，可能也搭上了车，最后销量不能起来。因此，提升性价比，应该是关键。技术方案上，至少在感知方面，要切换成BEV感知；同时，SoC和整机价格，又要足够低。而11-13V的大型域控方面，一定是端到端化。因为它的性能目前是被证明了的，国内这波热潮也在拼命去追。

AI技术在其他功能域的初试牛刀

今年以来，随着AI汽车概念的提出，行业也有不少思考。最大的感受就是对过去认为“AI计算一定会集中化”的修正，很多其他功能域的系统，都在寻求AI技术的赋能。比如，动力域在对发动机进行控制时，也需要环境感知信息来帮助系统进行更加精细化的状态控制，以此提升用户体验。

另外一个案例，就是座舱大模型的应用。至少未来两到三年内，基于生成式AI的协处理器也会是一个需求爆发点。当前基于联网的生成式AI智能助理，在响应用户的问题时，有时会长达6-7秒的请求等待时间，严重影响用户体验。AI协处理器能够极大提升响应实时性。

爱芯元智车载芯片适配AI技术扩散化趋势

转换一下视角，刚才探讨的是从主机厂或者整车角度去看待AI技术在整车的发展趋势。现在，我们再从AI芯片角度观察这个趋势。从NPU（神经网络处理单元）视角来看，爱芯的NPU与车相关的领域已经迭代了四个版本，从V2版本到V3、V5，最新是VX版本。V2版本相对来说算力没有那么高，比较适合做ADAS一体机、智能动力系统的AI加速需求。V3版本在智驾域适合做高速的NOA，同时在座舱大模型VLM这块场景比较多，有很多合作伙伴有对应的合作项目在做。V5版本到VX版本，在ADAS域有两个方案的拆分，但是从AI汽车角度来说，都属于AI Agent。

介绍一下爱芯元智的NPU架构。为了更好的支持算力性能的发挥，爱芯理解AI芯片要具备以下特点：一是近存计算特点；二是有比较好的片间互联技术，方便拓展，比如做协处理器；三是要做异构多核，既要支持Transformer，也要兼顾原来CNN架构，也就是分布式架构。同时，我们也自研了很多指令集来支撑更高效的计算能力。除此之外还有工具链，在工具链上也能够比较好支持智驾功能域的端到端，座舱LLM大语言模型的AI加速。

随着AI技术在车领域的发展变革，爱芯的车载芯片一直是顺应这个趋势来推出的。我们目前产品组合是规划了6颗芯片。其中，M55、M76已经量产；M57和M77正在紧锣密鼓地开发中；M9和M10在规划中。M55算力适中，性价比高，适合应用在智驾域的一体机、安全域的气囊控制器等场景中。M76算力强劲，且支持BEV&Transformer，适合应用在智驾域的高速NOA域控、座舱域的协处理器场景中。M57是明年要推出的芯片，它能够进一步降本，提高运算效率；同时把MCU整合到SoC中，单芯片驱动智驾一体机方案。M77算力相比M76更加充沛，且支持端到端算法，适合应用在城市NOA的SoC。

在商业进展方面，爱芯的M55H车规芯片从去年到现在，已有零跑、广汽埃安、商用车头部厂商的多款车型量产。未来将会有更多的自主&合资车型量产。爱芯的M76H车规芯片，也将在明年Q3进行车型量产。

最后，爱芯元智致力于探索边缘侧AI计算芯片的持续发展。在车载领域，我们也在不断进行技术创新，推动AI计算在智能汽车方面的落地。在此，也希望行业同仁们持续关注爱芯元智的最新动态，一同致力于AI计算在汽车工业的持续赋能。