转载：https://www.toutiao.com/article/7363964613023531520/
2024-04-30 17:27·智能车参考
贾浩楠 发自 副驾寺智能车参考 | 公众号 AI4Auto
北京车展比车企竞争更激烈的，恐怕就是车的供应链了。
两个大趋势：所有玩家集体拥抱大模型；以及所有品类关键零部件，都在上演和整车一样的“自主超车、替代。”
新的趋势下，有一家公司格外与众不同——
芯驰科技，刚刚坐上了国内智舱芯片“一哥”的位置，还发布了一系列确保持续领先的黑科技。
十亿级参数大模型，怎么上车？
芯驰最新座舱芯片X9CC，以及明年的X10产品，最主要的优势是面向中央计算，并支持大模型的车端本地化部署。
芯驰给出的具体数字，是十亿级别参数的大模型，直接上车。
所以这就有两个问题，首先是为什么大模型要在车端本地部署，以及为什么是十亿级参数？
分别来看，大模型车端直接部署，可以带来座舱交互体验的直接提升。
比如更强大的语音助手直接部署在车端，体验上不再区分“在线”和“离线”，任何时间任何地点，都能做到“有问必答”的强大交互能力。
或者你在车上点燃一支烟，座舱摄像头捕捉到信息后，图像模型首先调用X9CC的计算资源，识别并理解你的动作，之后再由座舱“大脑”（通常是一个多模态大模型）做出决策，向不同MCU给出指令，执行一系列打开天窗、开启空气净化、弹出烟灰缸等等动作，一气呵成，不需要用户单独给出指令。
第二个问题，为什么是十亿级参数模型上车？而不是像ChatGPT那样千亿级参数大模型？
实际上，千亿参数级别的通识类大模型，用户一侧任何终端设备，都没办法配备如此强大的计算资源，能耗受不了，成本也受不了。
你体验的“大模型”，其实都是依赖网络的应用，从来没有任何一个是直接加载在你的设备上的。
智能汽车也是同理，但面临更复杂的问题。首先是任务更复杂，需要综合语音、文字、图像等等；第二是汽车难以保证永久稳定的网络连接。
所以车端大模型本地化、专用化（小型化）和云端配合部署，就成了一个大趋势。
而AI算法公司们在研发过程中发现，几个billion或十几个billion参数的专有模型，处理特定任务其实比规模巨大的通识模型效果更好。
而这样规模的模型，目前对应的就是几十TOPS算力芯片。
所以这也基本确定了芯驰X9CC的参数：上一代X9SP的NPU算力为8 TOPS，而最新的X9CC，算力扩大了3-5倍。
实际上，芯驰CTO孙鸣乐认为，首先是芯片架构、算力的发展促成了大模型的上车趋势，但随后会进入一个软件定义芯片的时代。
即用户、车企对智能座舱的功能需求，以及智能汽车底层电子电气架构的演变，共同决定芯片性能参数。
这也是为何X9CC还在NPU外，还在单个芯片中集成多种高性能计算内核：
24个Cortex-A55 CPU，12个Cortex-R5F CPU，2个NPU，4个GPU，4个Vision DSP，以及支持国密算法的Crypto引擎。
所以，X9CC不仅是一款座舱芯片，更重要的角色是中央计算处理器。
一芯6系统
这也是芯驰X9CC产品的一大独特亮点：
单芯片可支持运行六个独立的系统。根据软件部署，X9CC可以支持各个运算内核在不同系统的灵活配置，合理分配算力资源。
具体来说，这6个不同系统分别是：
负责娱乐导航的安卓、负责液晶仪表的QNX、负责
相关论坛
相关广告
拨打电话