一、禁令加碼給智能汽車業(yè)的沖擊
6月末大洋彼岸的一則新聞再次觸動了cnAI產業(yè)界的神經。
據(jù)《華爾街日報》援引消息人士透露，美國正在醞釀新一輪的AI芯片禁令，在去年禁令的基礎上，進一步擴大限制范圍。新禁令最快可能7月落地，屆時cn公司極有可能連A800等性能閹割版AI芯片都無法獲得，目的就是為了進一步減緩國內通用AI算力的發(fā)展速度，在AI賽道持續(xù)打壓國內科技產業(yè)。
上一輪禁令出臺于去年9月。當時美國商務部發(fā)布了對華半導體出口限制新規(guī)，以英偉達A100為基線，要求限制超過基線性能的AI芯片對華出口，英偉達A100/H100和AMD公司的MI100/MI200等大算力GPU芯片均在限制范圍內，這些芯片均是云端數(shù)據(jù)中心的主流加速卡（GPGPU）。為了減少業(yè)務沖擊，英偉達迅速調整產品策略，相繼推出了A800和H800兩款cn特供版芯片，以滿足合規(guī)要求。雖然兩款芯片的紙面算力與A100/H100無異，但互聯(lián)帶寬只有后者的一半，意味著集群后的算力規(guī)模會受制于卡間互聯(lián)的帶寬。
自去年底以來，以ChatGPT為代表的AIGC大模型賽道突然崛起，導致高性能GPU芯片需求暴漲。產業(yè)界普遍認為，大模型是繼智能駕駛之后又一個具有廣闊市場前景的科技主賽道，中美兩國都在積極布局搶占先機。在此背景下，美國可能意識到此前的芯片禁令力度不夠，需要追加新禁令，核心是幫助美國公司在核心AI賽道對cn公司保持絕對領先地位。AI芯片不僅是大模型的基石，也是推動智能駕駛落地和進化的核心“生產力工具”，潛在新禁令將對智能駕駛產業(yè)產生哪些影響，是智駕從業(yè)者需要認真評估的課題。更令人擔心的是，如果禁令繼續(xù)加碼，AI芯片限制范圍不斷擴大，將對智能駕駛行業(yè)產生哪些新的沖擊。在回答這兩個問題之前，需要對AI芯片類別及其智駕應用場景做一些基礎梳理。
二、AI芯片分類：云端與邊緣、訓練與推理
AI芯片也被稱為AI加速器或計算卡，即專門用于處理人工智能應用中的大量計算任務的模塊（其他非計算任務通常由CPU負責）。AI芯片產品種類繁多，通常有三大分類維度：應用場景、部署位置以及芯片架構。應用場景：分為訓練（Training）和推理（Inference）。
訓練芯片是用于構建AI神經網絡模型的高性能算力芯片，主打高并行數(shù)據(jù)吞吐率和低功耗；而推理芯片，則是利用已訓練完成的AI模型進行推理預測，基于輸入數(shù)據(jù)輸出推測結果，側重低延遲和低功耗，對算力要求偏低。部署位置：分為云端（數(shù)據(jù)中心）和邊緣端。
云端數(shù)據(jù)中心具有強大的計算能力和海量的數(shù)據(jù)，承擔模型訓練以及推理任務（例如目前爆火的AIGC大模型），對AI芯片要求是高性能和高吞吐量，數(shù)據(jù)中心是目前高性能計算AI芯片核心應用場景；邊緣端則使用訓練好的模型進行直接推理，更加注重實時性和低功耗，主要應用場景包括機器人、智能駕駛、手機、物聯(lián)網設備等。芯片架構：分為GPU（一般特指GPGPU）、ASIC和FPGA。
GPU 作為最早從事并行加速計算的處理器，具有高并行結構，在處理圖形數(shù)據(jù)和復雜算法方面擁有比 CPU 更高的效率。ASIC是一種面向特定應用場景的專有AI芯片，通過算法固化實現(xiàn)極致的性能和能效，平均性能強、功耗低和性價比高，但前期投入大、研發(fā)時間較長。FPGA是一種半定制化芯片，在制造完成后仍然可以對芯片進行靈活軟件功能配置，以滿足用戶獨特需求，具有可編程性、高并行性、低延遲和低功耗等特點，在云端和邊緣端的推理領域具有很高的應用潛力。
三、AI芯片在智能駕駛中的應用
GPU作為通用大算力芯片一般應用于智駕數(shù)據(jù)中心，賦能智能駕駛神經網絡訓練，包括數(shù)據(jù)自動標注、環(huán)境感知、多模態(tài)融合以及規(guī)劃控制等各個環(huán)節(jié)。隨著智駕滲透率的提升，車端采集并上傳到云端的各類信息數(shù)據(jù)量快速上升，亟需具有大規(guī)模AI處理能力的數(shù)據(jù)中心支撐。去年10月的Tesla AI Day曾透露其超算中心擁有14000個GPU, 共30PB的數(shù)據(jù)緩存,每天有500000個新的視頻流入。比亞迪也特別注重云端海量數(shù)據(jù)采集，目前已經積累了150PB以上的數(shù)據(jù)，并且每天新增1PB數(shù)據(jù)，這些數(shù)據(jù)被用于下游的訓練任務，而且預計今年還會累計有6億公里的數(shù)據(jù)，并在未來幾年通過研采車輛以及量產車隊實現(xiàn)指數(shù)級的數(shù)據(jù)儲備，以解決智駕的長尾問題。目前國內多家OEM和Tier 1均在積極建設智駕數(shù)據(jù)中心。
蔚來2022年就曾宣布與英偉達合作，基于A100打造自己的數(shù)據(jù)中心；
小鵬汽車與阿里云合作在烏蘭察布建設了智算中心“扶搖”，宣稱云端算力可達600 PFLOPS；
毫末智行發(fā)布了和火山引擎合作的“雪湖·綠洲”智算中心，稱其算力規(guī)模為670 PFLOPS；
理想汽車同樣宣布了與火山引擎合作在山西打造智算中心，采購的公有云服務算力達750P FLOPS；
吉利汽車則和阿里云在湖州成立了星睿智算中心，擁有810 PFLOPS（F的算力。
上述智駕數(shù)據(jù)中心的核心AI芯片基本都是基于GPGPU（以英偉達A100/A800為主）。
行業(yè)標桿Tesla的規(guī)劃則有所不同，Tesla正在基于其自研的ASIC訓練芯片D1來打造專屬的Dojo超級計算機，每個訓練模塊將由25個D1芯片組成，計算能力將達到每秒9千萬億次（9PFLOPS），數(shù)據(jù)帶寬可達36TB/s，基本上實現(xiàn)了算力密度和數(shù)據(jù)吞吐能力的最大化。
ASIC作為專用大算力AI芯片，雖然被Tesla選擇用于構建數(shù)據(jù)中心，但其核心場景仍是車載邊緣推理端—域控制器。目前域控制器中大量使用ASIC AI芯片，提供大算力高能效比的推理能力。車端智能駕駛的實現(xiàn)需要依靠激光雷達、毫米波、攝像頭等多種傳感器對道路信息進行感知，將感知數(shù)據(jù)上傳到域控制器進行綜合處理，以識別各類動靜態(tài)道路參與者、道路結構化信息和可行駛區(qū)域，控制車輛以規(guī)劃好的路徑進行自主行駛。整個過程對數(shù)據(jù)處理的要求非常高，不僅需要應對海量的環(huán)境實時信息，還要在極低時延和較低功耗下進行，時延事關行車安全，功耗則會影響續(xù)航，同時域控平臺的成本需匹配車輛售價，芯片成本約束較大。這些因素導致GPGPU無法部署在車端，只能使用專有ASIC AI芯片。面向域控制器的ASIC AI芯片中屬英偉達布局最早，生態(tài)打造也最為全面和成熟。目前其車載端量產芯片包括Xavier、Orin X。其中Orin X是目前最具代表性的域控主流芯片，于2022年量產，OrinX SoC包含170億晶體管，提供254TOPS（INT8）性能，基于7nm的制程工藝，功耗僅為50W，憑借英偉達CUDA出色的生態(tài)支持，Orin X在過去一段時間成為眾多國內車企的首選。英偉達已經官宣了下一代車載自動駕駛芯片平臺Thor，算力達到恐怖的2000TOPS（INT8），預計2024年量產。另外國外如高通、Mobileye也提供大算力車載AI芯片，但量產時間偏晚。國產域控制器AI芯片這幾年發(fā)展也非常迅速，成果喜人，代表公司有地平線、黑芝麻智能等。其中地平線產品商業(yè)化進展頗為迅速，其明星產品J5采用臺積電16nm工藝，單芯片算力128TOPS（INT8）、35W功耗、支持16+路攝像頭，是目前量產產品中性能僅次于英偉達的智能駕駛域控芯片平臺。黑芝麻智能則主打華山系列AI芯片家族，包括A1000、A1000L和A1000 Pro，提供不同的算力等級匹配各類用戶需求，針對L3及以上，正在開發(fā)目標算力為250+TOPS的A2000，黑芝麻智能近期已經向港股提交了上市申請。
FPGA在智駕領域有兩重應用身份。第一重應用是作為AI芯片起加速硬件的作用，面向推理階段，F(xiàn)PGA相比GPU具有低延遲、高并發(fā)的優(yōu)勢，但是智駕云端的實時性要求并不高，更多是離線處理，所以FPGA的獨特價值并不明顯，這和IT公司的實時推理系統(tǒng)并不一樣。而在車載域控制器（邊緣推理）領域，F(xiàn)PGA高性能推理加速優(yōu)勢較為明顯，針對不同的量產車型項目配置靈活。以宏景智駕為例，基于賽靈思的車規(guī)級XA Zynq UltraScale+MPSoC平臺，推出了具備多核異構架構的高級自動駕駛域控制器—Gemini ADCU，主打高性能邊緣計算。但受制于成本和綜合指標，F(xiàn)PGA域控平臺目前并不是主流選擇。第二重應用是作為智駕傳感器SoC對原始傳感信號進行高速實時處理，發(fā)揮其實時性好、配置靈活、開發(fā)友好度高等優(yōu)勢，目前主流雙目感知系統(tǒng)、激光雷達以及4D Radar等ADAS硬件系統(tǒng)均有FPGA嵌入式應用的案例，Xilinx和Altera占據(jù)車載FPGA絕對主導地位。以激光雷達為例，F(xiàn)PGA用來對光電信號進行實時運算處理，基于ToF原理計算出每秒上百萬個點云，整個過程要在極短的時延下達成。目前禾賽、速騰、圖達通皆選用Xilinx的ZynQ系列車規(guī)芯片。實際上，作為車載傳感器SoC處理器的FPGA，其車規(guī)等級、功能安全等級及開發(fā)生態(tài)相比于計算指標反而更加重要。
四、AI芯片禁令對智能駕駛的影響
先說說FPGA，基于客觀審慎分析，新禁令對車載FPGA的影響并不大。雖然目前車規(guī)級FPGA基本來自于美國的Xilinx和Altera，但車載FPGA算力較低，屬于大消費電子領域范疇，且種類型號繁多，戰(zhàn)略性不像其他大算力AI芯片那么突出，所以美國尚不會有特別的針對性禁令。而且國產FPGA替代已經開始了，雖有些差距，并不是0和1的代際差別，關鍵時候是可以頂上去的。但是禁令下的GPU和ASIC芯片的處境就沒那么樂觀了。隨著美國新禁令可能到來，智駕數(shù)據(jù)中心能力的建設將受到負面影響，很多高性能的GPGPU芯片無法正常采購。雖然國產GPGPU公司從之前禁令中受益，并在“國產替代”概念下得到了格外關注，如天數(shù)智芯、寒武紀、黑芝麻智能、墨芯人工智能、燧原科技、壁仞科技、沐曦集成電路等，不管是迎合客戶市場還是配合產業(yè)政策，聚光燈下的產品策略顯得較為激進，而整體芯片設計能力、生態(tài)體系以及系統(tǒng)可靠性距英偉達還有較大差距（英偉達的核心算力壁壘是由GPU+ CUDA所組成的，近17年積累，軟硬件生態(tài)共生發(fā)展），迎頭趕上并非一朝一夕的事情，遠水解不了近渴，智駕數(shù)據(jù)中心的算力升級必然會被遲滯。不幸的是，行業(yè)內卷加劇了智駕數(shù)據(jù)中心目前的算力瓶頸，尤其是隨著BEV-Transformer架構的引入以及大模型與智駕領域相結合，進一步推升了智駕數(shù)據(jù)中心的算力規(guī)模，以小鵬“扶搖”智算中心為例，其算力規(guī)模達到600PFLOPS，換算成A100芯片大約需要至少1000片。當然這個量級和大模型算力規(guī)模相比，仍是小巫見大巫，后者一般1-2萬片A100起步，據(jù)報道年初字節(jié)跳動向英偉達下單了10億美金合同用于采購10萬片A100。
雖然手握鈔票無法買到高性能GPU芯片確實令人憋屈。但是好消息是，一方面智駕模型訓練并沒有大模型苛刻，訓練參量規(guī)模小很多，所以算力不夠時間來湊的策略尚還可行，或者采用更多的稍低一些的算力芯片組合的方式緩解算力焦慮，或者租借其他公有云服務來補充，總能找到靈活的backup方案。另一方面智駕訓練的核心難點在于城市道路場景，尤其是城市NOA下的非結構化長尾場景催生了更大的算力需求。有別于Tesla基于純視覺路線的強數(shù)據(jù)驅動，國內絕大多數(shù)城市NOA選擇搭載LiDAR，LiDAR作為3D高精度傳感器，核心的優(yōu)勢是直接映射3D環(huán)境結構化信息和目標3D尺寸位置，為降低視覺等訓練算力要求提供了潛在機會。所以關于禁令對智駕云端數(shù)據(jù)中心的影響評估總結是：有影響，但影響可控，可以通過調整建設策略、優(yōu)化訓練策略和采用差異化智駕技術路線抵消部分負面影響。
至于車載端ASIC AI芯片，目前并不在新禁令限制范圍內。此類芯片算力相比GPGPU算力偏小，更側重推理階段。雖然英偉達在綜合實力上仍是行業(yè)龍頭，但沒有完全碾壓，國內諸多等位替換的公司對其形成了較好牽制。如地平線J5也拿下了不少主流車型訂單，雖然算力有一定差距，但并不是代差，加上主機廠對域控平臺的選擇不僅看算力，還看工具鏈生態(tài)、算法支持和本土客戶服務，這一點對于時間計劃非常敏感的車型開發(fā)異常重要，此外算力差距還可以靠增加SOC芯片數(shù)量或優(yōu)化算法功能來間接彌補。幸運的是，目前最大的智駕域控芯片需求市場正是cn，英偉達車載邊緣ASIC芯片絕大部分都賣給了cn公司；谝酝慕涷，一旦cn占據(jù)絕對市場地位，奉行現(xiàn)實主義路線的美國是不敢輕易發(fā)布此類禁令的。此外，考慮到智能駕駛功能從屬于車整體，地位目前不及三電，尚未到靠智能駕駛能力爭奪全球市場的階段，所以車載ASIC AI芯片還沒有進入到美國的視野，如果未來有一天智駕成為乘用車的核心競爭力和絕對賣點，而屆時美國企業(yè)在核心產業(yè)鏈上有絕對的優(yōu)勢，不排除會有相關的禁令發(fā)布（禁令的前提是美國企業(yè)在產業(yè)鏈核心環(huán)節(jié)掌握絕對優(yōu)勢，否則像cn新能源三電系統(tǒng)這樣的賽道早就被美國盯上了）。但是汽車整車制造天然厭惡供應鏈風險，因為整車因供應鏈問題導致無法下線，損失是以分鐘計，這是無法承受之重，比智算中心缺芯的后果要嚴重得多。所以一旦存在供應不確定性，必然會提前采取保供策略（缺芯導致），疫情期間缺芯的慘痛教訓還歷歷在目。在多輪芯片禁令的影響下，敏感且老辣的主機廠肯定會做兩手準備，積極尋找國產替代，其實很多主機廠在域控芯片的選擇上已經考慮多種路線并行，國外+國產雙備份。例如比亞迪新一代王朝和海洋系列的部分車型以及仰望U8選擇搭載Orin X計算平臺，而新發(fā)布的海獅將會搭載J5計算平臺。理想L9/L8/L7的AD Max是基于Orin X開發(fā)，而L8/L7的AD Pro均基于J5。比亞迪和理想的雙域控平臺戰(zhàn)略應該不是簡單基于芯片功能參數(shù)的商業(yè)選擇，大概率還有基于供應鏈風險管控的深層考量。更有甚者當屬蔚來，NT2.0車型全系智駕平臺均選擇Orin X獨供，但其實早在2020年就悄悄組建了芯片團隊自研域控算力芯片，重金投入，進展不俗。
五、禁令風險以后會不會繼續(xù)擴大？
目前來看是極有可能的，這很大程度上取決于中美兩國通用AI大模型的發(fā)展速度。如果cn的發(fā)展速度并沒有得到預期的延緩，美國可能會出臺進一步的限制措施，比如直接切斷美國公司的GPU供貨，甚至要求臺積電停止面向cn公司的代工服務、禁止向cn公司授權ARM架構等等，極有可能讓國產GPU公司停擺，徹底阻止cn公司獲得高性能計算芯片。另外隨著智能駕駛滲透率不斷提升和顯性化價值持續(xù)增強，也會影響美國對該領域戰(zhàn)略地位的觀點和判斷，以決定是否加強遏制。果真如此，無異于脫鉤斷鏈，意味著中美的全面攤牌，近期cn對鎵鍺實施出口管制讓全球半導體產業(yè)鏈為之震動，這正是對美國系列禁令的強硬反擊，相信務實的美國在下一步行動上定會異常謹慎抉擇。除了對某類行業(yè)的制裁外，美國還會對單個cn公司進行精準打擊，比如大疆、華為、中芯國際等。當某個cn公司已經威脅了美國的科技和市場戰(zhàn)略地位時，美國會毫不猶豫進行封殺，近年來屢試不爽。未來一段時間達摩克里斯之劍會一直懸在cnAI芯片產業(yè)頭上，打鐵還需自身硬，唯有掌握核心能力才能行穩(wěn)致遠。
2025-4-27
2025-4-27
2025-4-27
2025-4-27
2025-4-27
2025-4-02
2025-4-13