Pada Hari Inovasi Teknologi minggu lalu, NIO meluncurkan Model Dunia NIO (NWM) terbaru di bidang pengemudian otonom, yang mengklaim memiliki kemampuan inti ganda dalam pemahaman spasial dan temporal, melampaui penerapan model menyeluruh.
Chip penggerak otonom, Shenzi NX9031, yang secara resmi diumumkan telah berhasil diproduksi, dirancang khusus untuk NIO World Model. Shenzi NX9031 adalah chip penggerak otonom 5nm pertama di dunia yang dikembangkan secara independen oleh NIO. Menurut NIO, satu chip memiliki kinerja yang setara dengan empat chip andalan industri (Nvidia Orin X).
Dalam dua tahun terakhir, chip kendaraan otonom telah menjadi terobosan utama bagi produsen mobil. NIO dan XPeng telah mengembangkan chip mereka sendiri, dengan Li Auto memulai sedikit kemudian. Berdasarkan Longying No. 1, anak perusahaan Geely, Xingjing Technology, juga telah berada di jalur pengembangan mandiri selama bertahun-tahun.
Li Bin telah menyatakan secara terbuka bahwa NIO membeli banyak chip Nvidia tahun lalu, yang membuat perusahaan mengeluarkan banyak uang. Mempertimbangkan biaya pengadaan, perusahaan memutuskan untuk beralih ke chip yang dikembangkan sendiri. Pernyataan resminya adalah bahwa Shenzi NX9031 dapat melunasi biaya produksinya sendiri dalam waktu sekitar satu tahun.
Ada banyak alasan untuk mengembangkan chip mereka sendiri, tetapi salah satu tujuan utama "Wei Xiaoli" (istilah kolektif untuk NIO, XPeng, dan Li Auto) adalah untuk membebaskan diri dari batasan Nvidia. Dari laporan industri, tampaknya chip yang dikembangkan sendiri cukup berwawasan ke depan dan akan sesuai dengan tren terbaru seperti mengemudi otonom menyeluruh.
Namun, kontingen Tiongkok yang mengepung Nvidia tidak terbatas pada "Wei Xiaoli." Tahun ini, pemasok chip lokal juga "terjebak" dalam persaingan menyeluruh. Pada Forum Otomotif Tiongkok bulan lalu, Presiden Horizon Chen Liming dengan jelas menyatakan bahwa menyeluruh saat ini merupakan satu-satunya solusi yang layak untuk tujuan akhir dari kendaraan otonom.
Lu Jianfeng, Wakil Presiden Divisi Kendaraan Cerdas AIChip, meyakini bahwa teknologi menyeluruh adalah satu-satunya cara untuk berkendara otonom tingkat lanjut. Karena siklus desain dan pengembangan chip yang panjang, strategi AIChip adalah mengabaikan model lain dan berfokus pada mode One Model, mirip dengan arsitektur teknologi UniAD untuk desain NPU.
Dari sudut pandang industri, tingginya biaya pengadaan eksternal, situasi internasional yang tidak menentu, dan manfaat pengurangan biaya yang sebelumnya dinikmati Tesla dengan chip yang dikembangkannya sendiri, semuanya telah memengaruhi strategi chip dan model pasokan produsen mobil dalam negeri.
Popularitas model besar end-to-end tidak hanya memicu revolusi baru dalam mengemudi otonom, tetapi juga mempercepat evolusi produk dan teknologi chip mengemudi otonom. Hal ini tidak hanya meningkatkan permintaan chip yang dikembangkan sendiri oleh produsen mobil, tetapi juga memaksa pemasok chip di red ocean untuk mempercepat persaingan internal mereka.
Gelombang Pengembangan Diri Telah Tiba
Mengapa produsen mobil mengembangkan chip mereka sendiri?
Menguasai Teknologi Inti: Memastikan keamanan pasokan dan tidak "dicekik" oleh pemasok, terutama pemasok asing yang kuat.
Li Bin menyebutkan dalam sebuah wawancara bahwa dampak internasional pada pasokan chip, karena pembatasan AS, telah memberikan dampak nyata pada industri otomotif China.
"Sejak Oktober lalu, kami belum dapat menggunakan chip tercanggih di dunia untuk pelatihan cloud kami. Tim pengemudian otonom tidak hanya melihat kemampuan cloud tetapi juga kemampuan kecerdasan kelompok. Meskipun risiko untuk chip inferensi tepi saat ini rendah, kami masih perlu bersiap untuk berbagai perubahan."
Kustomisasi:
Para pakar industri mengatakan kepada "Auto Commune"/"C-Dimension" bahwa salah satu pertimbangan utama bagi produsen mobil baru yang mengembangkan chip mereka sendiri adalah untuk meningkatkan daya saing produk melalui diferensiasi, karena chip yang dikembangkan sendiri memungkinkan fungsi yang disesuaikan.
Bagi produsen mobil, mengembangkan chip mereka sendiri memang mahal, tetapi dapat mengurangi ketergantungan pada pemasok chip luar negeri, sehingga memastikan bahwa "tidak ada yang salah." Lebih jauh lagi, chip yang dikembangkan sendiri dapat lebih sesuai dengan algoritma mereka sendiri, sehingga dapat mengatasi masalah keterkaitan antara algoritma dan platform chip.
Di masa lalu, daya komputasi 144 TOPS Tesla mengungguli chip 400-500 TOPS yang tersedia di pasaran, terutama karena chip tersebut dirancang untuk algoritma Tesla sendiri. Khususnya, chip daya komputasi 144 TOPS Tesla (Autopilot HW3.0), yang dirilis pada tahun 2019, masih mendukung pengemudian otonom menyeluruh saat ini.
Pengurangan Biaya:
Li Bin menyatakan pada konferensi pers bahwa NIO menghabiskan banyak uang untuk chip Nvidia tahun lalu. Untuk mengurangi biaya, NIO memutuskan untuk mengembangkan chipnya sendiri, dengan satu chip setara dengan empat chip Nvidia, sehingga menurunkan biaya. Menurut Li Bin, Shenzi NX9031 dapat melunasi biayanya sendiri dalam waktu sekitar satu tahun.
Ada pula pertimbangan lain. Para pelaku industri mencatat bahwa mempromosikan chip yang dikembangkan sendiri dan membuat komitmen publik dapat berdampak positif pada pasar sekunder dan persepsi merek. Selain itu, chip yang dikembangkan sendiri dapat meningkatkan pengalaman sistem secara signifikan, sehingga mencapai tujuan strategis.
Khususnya, chip awal yang dikembangkan sendiri oleh Tesla bertujuan untuk meningkatkan daya komputasi dan fleksibilitas.
Laporan menunjukkan bahwa proses pengembangan chip XPeng sendiri mengikuti NIO, dengan chip yang dikirim untuk tape-out, diharapkan akan kembali pada bulan Agustus. Pengembangan chip Li Auto dimulai relatif terlambat, dengan proyek chip pengemudian otonom dengan nama kode "Schumacher," diharapkan akan menyelesaikan tape-out dalam tahun ini.
“Sebuah Cara, Bukan Tujuan”
Wu Xinzou, kepala bisnis pengemudian otonom Nvidia, menguraikan bahwa pengembangan pengemudian otonom dapat diringkas dalam tiga tahap, dengan tahap menyeluruh menjadi langkah terakhir.
Tahap Pertama: Sepenuhnya berbasis aturan.
Tahap Kedua: Model besar AI secara bertahap menggantikan aturan manual, melengkapi prediksi dan perencanaan.
Tahap Ketiga: Model besar yang sepenuhnya menyeluruh, dengan AI yang mencakup seluruh proses dari persepsi hingga pengambilan keputusan.
Pada tahap ketiga mengemudi secara otonom, chip mengemudi secara otonom sangat menantang. Wakil Presiden AIChip Liu Jifeng mengungkapkan pemikiran serupa, yang menyatakan bahwa end-to-end yang sesungguhnya melibatkan penggunaan model besar untuk pelatihan dan validasi cloud, dengan hasil yang diterapkan pada inferensi tepi, yang menempatkan tanggung jawab yang signifikan pada perusahaan chip.
Horizon percaya bahwa end-to-end adalah sarana, bukan tujuan akhir, yang membutuhkan kombinasi pengalaman seperti manusia, komputasi yang efisien, dan pengiriman yang gesit. Akumulasi kapabilitas end-to-end membutuhkan upaya dalam iterasi algoritma, konstruksi fondasi teknik, dan integrasi perangkat lunak-perangkat keras, dengan perangkat lunak dan algoritma memainkan peran inti.
Kepala Arsitek Platform Algoritma Horizon Mu Lisen percaya bahwa kemampuan penting dari ujung ke ujung terletak pada iterasi data. Meskipun tampak seperti struktur model yang berwawasan ke depan, data iteratif di baliknya lebih penting, mendukung transisi dari teknologi laboratorium ke kematangan tingkat produk.
Chen Liming juga mengakui bahwa Horizon menghadapi kesulitan dengan arsitektur kendaraan dan sensor, tata letak sensor, dan adopsi yang terus berubah. Meskipun telah mengumpulkan banyak data, sebagian besar data tersebut tidak berkualitas tinggi atau dapat digunakan terus-menerus, suatu masalah yang berada di luar jangkauan satu perusahaan untuk dipecahkan.
"Versi FSD V12.3 Tesla dilatih dengan 10 juta sampel video, yang diekstrak dari 10 miliar sampel berkualitas tinggi. China masih kurang. Selain itu, 10 miliar sampel dikumpulkan di bawah kerangka sensor standar, yang memastikan keberlanjutan untuk melatih model terbaru."
Seperti Horizon, AIChip menekankan perannya sebagai Tier 2, meyakini bahwa tuntutan utama untuk chip penggerak otonom dalam algoritma ujung ke ujung adalah memori tinggi dan daya komputasi multi-inti yang besar.
Pencapaian pengemudian otonom menyeluruh bergantung pada dukungan chip komputasi yang krusial, termasuk inovasi arsitektur, terobosan IP inti, dan lompatan kinerja.
Mu Lisen dari Horizon menjelaskan kepada "Auto Commune"/"C-Dimension" bahwa ambang batas teknis untuk persaingan daya komputasi menyeluruh terletak pada adaptasi terhadap tuntutan komputasi yang dibawa oleh perubahan struktur model dan perubahan fokus operator.
Di satu sisi, model akan tumbuh lebih besar, dan begitu pula daya komputasi; di sisi lain, struktur model akan berevolusi, bergeser dari yang terutama CNN (jaringan saraf konvolusional) menjadi terutama model ujung-ke-ujung berbasis Transformer.
"Transformer adalah kategori algoritma luas yang digunakan dalam model bahasa besar (seperti ChatGPT) dan pengemudian otonom menyeluruh, dengan fokus operator yang berbeda. Pengemudian otonom menyeluruh memerlukan operasi matriks dasar dan dukungan operator tambahan, yang menghadirkan tuntutan yang lebih tinggi."
Kubu Huawei juga memiliki pengaruh yang signifikan. Meskipun Nvidia mendominasi pasar chip pengemudian otonom, Tiongkok memiliki kontingen besar yang didukung oleh Huawei, termasuk merek-merek seperti AITO, Avatr, Jihu, dan Zhijie. Sistem pengemudian otonom kendaraan mereka sebagian besar menggunakan platform komputasi MDC810/MDC610 milik Huawei.
Dengan upaya para pemasok chip pengemudian otonom dan peluncuran chip yang dikembangkan sendiri oleh perusahaan-perusahaan seperti NIO, dalam beberapa tahun mendatang, aspirasi "tidak tunduk pada Nvidia" di sektor chip pengemudian otonom domestik secara bertahap akan terwujud sebagian.
