ในงาน Technology Innovation Day เมื่อสัปดาห์ที่แล้ว บริษัท NIO ได้เปิดตัว NIO World Model (NWM) รุ่นล่าสุดในด้านการขับขี่อัตโนมัติ โดยอ้างว่ามีศักยภาพแบบดูอัลคอร์ในการทำความเข้าใจเชิงพื้นที่และเวลา ซึ่งเหนือกว่าการปรับใช้โมเดลแบบครบวงจร
ชิปขับเคลื่อนอัตโนมัติ Shenzi NX9031 ซึ่งประกาศอย่างเป็นทางการว่าผลิตสำเร็จแล้วนั้น ได้รับการออกแบบมาโดยเฉพาะสำหรับ NIO World Model โดย Shenzi NX9031 เป็นชิปขับเคลื่อนอัตโนมัติขนาด 5 นาโนเมตรตัวแรกของโลกที่ NIO พัฒนาขึ้นเอง โดย NIO ระบุว่าชิปหนึ่งตัวมีประสิทธิภาพเทียบเท่ากับชิปเรือธงของอุตสาหกรรมสี่ตัว (Nvidia Orin X)
ในช่วง 2 ปีที่ผ่านมา ชิปสำหรับการขับขี่อัตโนมัติถือเป็นผลิตภัณฑ์สำคัญที่ผู้ผลิตรถยนต์ต่างให้ความสนใจ NIO และ XPeng ต่างก็พัฒนาชิปของตนเอง โดย Li Auto เริ่มพัฒนาในภายหลังเล็กน้อย Xingjing Technology ซึ่งเป็นบริษัทในเครือของ Geely ที่มีพื้นฐานมาจาก Longying No. 1 ก็ได้พัฒนาชิปดังกล่าวมาเป็นเวลาหลายปีแล้ว
Li Bin ได้ออกมาประกาศต่อสาธารณะว่า NIO ได้ซื้อชิป Nvidia จำนวนมากเมื่อปีที่แล้ว ซึ่งทำให้บริษัทต้องสูญเสียเงินจำนวนมาก เมื่อพิจารณาถึงต้นทุนการจัดหา บริษัทจึงตัดสินใจหันมาใช้ชิปที่พัฒนาขึ้นเอง โดยคำแถลงอย่างเป็นทางการระบุว่า Shenzi NX9031 สามารถคืนทุนได้ภายในเวลาประมาณหนึ่งปี
มีหลายเหตุผลในการพัฒนาชิปของตัวเอง แต่เป้าหมายหลักประการหนึ่งของ "Wei Xiaoli" (คำเรียกรวมของ NIO, XPeng และ Li Auto) คือการปลดปล่อยตัวเองจากข้อจำกัดของ Nvidia จากรายงานของอุตสาหกรรม ดูเหมือนว่าชิปที่พัฒนาขึ้นเองนั้นค่อนข้างมองไปข้างหน้าและจะสอดคล้องกับเทรนด์ล่าสุด เช่น การขับขี่อัตโนมัติแบบครบวงจร
อย่างไรก็ตาม กองกำลังจีนที่ล้อม Nvidia ไม่ได้จำกัดอยู่แค่ "Wei Xiaoli" เท่านั้น ในปีนี้ ซัพพลายเออร์ชิปในประเทศก็ "ถูกจับ" ในการแข่งขันแบบ end-to-end เช่นกัน ในงาน China Auto Forum เมื่อเดือนที่แล้ว Chen Liming ประธานบริษัท Horizon กล่าวอย่างชัดเจนว่าในปัจจุบัน แบบ end-to-end เป็นโซลูชันเดียวที่เป็นไปได้สำหรับเป้าหมายสุดท้ายของการขับขี่อัตโนมัติ
Lu Jianfeng รองประธานฝ่ายยานยนต์อัจฉริยะของ AIChip เชื่อว่าระบบ end-to-end คือวิธีเดียวสำหรับการขับขี่อัตโนมัติขั้นสูง เนื่องจากวงจรการออกแบบและการพัฒนาชิปที่ยาวนาน กลยุทธ์ของ AIChip จึงคือการข้ามโมเดลอื่นๆ และมุ่งเน้นไปที่โหมด One Model ซึ่งคล้ายกับสถาปัตยกรรมเทคโนโลยี UniAD สำหรับการออกแบบ NPU
จากมุมมองของอุตสาหกรรม ต้นทุนการจัดซื้อจากภายนอกที่สูง สถานการณ์ระหว่างประเทศที่ไม่แน่นอน และผลประโยชน์จากการลดต้นทุนที่ Tesla ได้รับจากชิปที่พัฒนาขึ้นเองก่อนหน้านี้ ล้วนส่งผลต่อกลยุทธ์ชิปและรูปแบบการจัดหาของผู้ผลิตรถยนต์ในประเทศ
ความนิยมของโมเดลขนาดใหญ่แบบครบวงจรไม่เพียงแต่เป็นตัวเร่งให้เกิดการปฏิวัติระบบขับขี่อัตโนมัติรอบใหม่เท่านั้น แต่ยังเร่งให้เกิดการพัฒนาผลิตภัณฑ์และเทคโนโลยีของชิประบบขับขี่อัตโนมัติด้วย ซึ่งไม่เพียงแต่ทำให้ผู้ผลิตรถยนต์มีความต้องการชิปที่พัฒนาขึ้นเองมากขึ้นเท่านั้น แต่ยังบังคับให้ซัพพลายเออร์ชิปในมหาสมุทรแดงเร่งการแข่งขันภายในของตนอีกด้วย
คลื่นแห่งการพัฒนาตนเองมาถึงแล้ว
ทำไมผู้ผลิตรถยนต์จึงพัฒนาชิปของตัวเอง?
การเรียนรู้เทคโนโลยีหลัก:การสร้างหลักประกันความมั่นคงด้านอุปทาน และไม่โดน “บีบคั้น” จากซัพพลายเออร์ โดยเฉพาะซัพพลายเออร์ต่างชาติที่มีอำนาจ
หลี่ ปินกล่าวในการสัมภาษณ์ว่าผลกระทบต่ออุปทานชิปในระดับนานาชาติอันเนื่องมาจากข้อจำกัดของสหรัฐฯ ได้สร้างผลกระทบที่แท้จริงต่ออุตสาหกรรมยานยนต์ของจีนแล้ว
"ตั้งแต่เดือนตุลาคมปีที่แล้ว เราไม่สามารถใช้ชิปที่ล้ำหน้าที่สุดในโลกสำหรับการฝึกอบรมด้านคลาวด์ได้ ทีมขับขี่อัตโนมัติไม่เพียงแต่พิจารณาถึงความสามารถของคลาวด์เท่านั้น แต่ยังพิจารณาถึงความสามารถของระบบปัญญาประดิษฐ์แบบกลุ่มด้วย แม้ว่าความเสี่ยงสำหรับชิปอนุมานขอบจะต่ำในปัจจุบัน แต่เราก็ยังต้องเตรียมพร้อมสำหรับการเปลี่ยนแปลงต่างๆ"
การปรับแต่ง:
ผู้เชี่ยวชาญในอุตสาหกรรมบอกกับ "Auto Commune" / "C-Dimension" ว่าข้อพิจารณาหลักประการหนึ่งสำหรับผู้ผลิตรถยนต์รายใหม่ที่พัฒนาชิปของตัวเองคือการเพิ่มความสามารถในการแข่งขันของผลิตภัณฑ์ผ่านการสร้างความแตกต่าง เนื่องจากชิปที่พัฒนาขึ้นเองนั้นอนุญาตให้มีฟังก์ชันที่ปรับแต่งได้
สำหรับผู้ผลิตยานยนต์ การพัฒนาชิปของตนเองนั้นมีค่าใช้จ่ายสูง แต่สามารถลดการพึ่งพาซัพพลายเออร์ชิปจากต่างประเทศได้ ทำให้มั่นใจได้ว่า "ไข่ทุกฟองไม่ได้อยู่ในตะกร้าใบเดียว" ยิ่งไปกว่านั้น ชิปที่พัฒนาขึ้นเองนั้นสามารถจับคู่กับอัลกอริทึมของตนเองได้ดีขึ้น ซึ่งจะช่วยแก้ไขปัญหาการเชื่อมโยงระหว่างอัลกอริทึมและแพลตฟอร์มชิป
ในอดีต พลังประมวลผล 144 TOPS ของ Tesla มีประสิทธิภาพเหนือกว่าชิป 400-500 TOPS ที่มีจำหน่ายในท้องตลาด โดยสาเหตุหลักคือชิปดังกล่าวได้รับการออกแบบมาสำหรับอัลกอริทึมของ Tesla เอง โดยเฉพาะอย่างยิ่ง ชิปพลังประมวลผล 144 TOPS ของ Tesla (Autopilot HW3.0) ที่เปิดตัวในปี 2019 ยังคงรองรับการขับขี่อัตโนมัติแบบครบวงจรในปัจจุบัน
การลดต้นทุน:
Li Bin กล่าวในการแถลงข่าวว่า NIO ใช้เงินจำนวนมากกับชิป Nvidia เมื่อปีที่แล้ว เพื่อลดต้นทุน NIO จึงตัดสินใจพัฒนาชิปของตัวเอง โดยชิป 1 ตัวเทียบเท่ากับชิป Nvidia 4 ตัว จึงช่วยลดต้นทุนได้ Li Bin กล่าวว่า Shenzi NX9031 สามารถคืนทุนได้ภายในเวลาประมาณ 1 ปี
นอกจากนี้ยังมีข้อควรพิจารณาอื่นๆ อีกด้วย ผู้เชี่ยวชาญในอุตสาหกรรมทราบดีว่าการส่งเสริมชิปที่พัฒนาขึ้นเองและการประกาศให้คำมั่นสัญญาต่อสาธารณะสามารถส่งผลดีต่อตลาดรองและการรับรู้ของแบรนด์ นอกจากนี้ ชิปที่พัฒนาขึ้นเองยังสามารถปรับปรุงประสบการณ์ของระบบได้อย่างมากและบรรลุเป้าหมายเชิงกลยุทธ์
ที่น่าสังเกตคือชิปที่ Tesla พัฒนาขึ้นเองในช่วงแรกมีจุดมุ่งหมายเพื่อเพิ่มพลังการประมวลผลและความยืดหยุ่น
รายงานระบุว่ากระบวนการพัฒนาชิปของ XPeng นั้นดำเนินตาม NIO อย่างใกล้ชิด โดยชิปจะถูกส่งไปทำเทปเอาต์ ซึ่งคาดว่าจะส่งกลับมาในเดือนสิงหาคม การพัฒนาชิปของ Li Auto เริ่มต้นค่อนข้างช้า โดยโครงการชิปสำหรับการขับขี่อัตโนมัติที่มีชื่อรหัสว่า "Schumacher" คาดว่าจะทำเทปเอาต์เสร็จสิ้นภายในปีนี้
“วิธีการ ไม่ใช่จุดสิ้นสุด”
Wu Xinzou หัวหน้าธุรกิจการขับขี่อัตโนมัติของ Nvidia ระบุว่าการพัฒนาการขับขี่อัตโนมัติสามารถสรุปได้เป็น 3 ขั้นตอน โดยขั้นตอนสุดท้ายคือตั้งแต่ต้นจนจบ
ระยะที่ 1: เป็นไปตามกฎโดยสมบูรณ์
ระยะที่ 2:โมเดล AI ขนาดใหญ่ค่อย ๆ เข้ามาแทนที่กฎเกณฑ์ด้วยมือ ทำให้การคาดการณ์และการวางแผนเสร็จสมบูรณ์
ระยะที่ 3:โมเดลขนาดใหญ่ครบวงจรโดย AI ครอบคลุมกระบวนการทั้งหมดตั้งแต่การรับรู้จนถึงการตัดสินใจ
ในขั้นที่สามของการขับขี่อัตโนมัติ ชิปขับขี่อัตโนมัติถือเป็นความท้าทายอย่างยิ่ง Liu Jifeng รองประธาน AIChip แสดงความเห็นที่คล้ายกัน โดยระบุว่าการทำงานแบบครบวงจรที่แท้จริงเกี่ยวข้องกับการใช้โมเดลขนาดใหญ่สำหรับการฝึกอบรมและการตรวจสอบความถูกต้องของคลาวด์ โดยนำผลลัพธ์ไปใช้กับอนุมานขอบ ซึ่งทำให้บริษัทชิปต้องรับผิดชอบอย่างมาก
Horizon เชื่อว่าการทำงานแบบครบวงจรเป็นวิธีการ ไม่ใช่เป้าหมาย โดยต้องอาศัยการผสมผสานระหว่างประสบการณ์แบบมนุษย์ การประมวลผลที่มีประสิทธิภาพ และการส่งมอบที่คล่องตัว การสะสมความสามารถแบบครบวงจรต้องใช้ความพยายามในการวนซ้ำอัลกอริทึม การสร้างรากฐานทางวิศวกรรม และการรวมซอฟต์แวร์และฮาร์ดแวร์ โดยซอฟต์แวร์และอัลกอริทึมมีบทบาทหลัก
Mu Lisen หัวหน้าสถาปนิกของ Horizon Algorithm Platform เชื่อว่าความสามารถที่สำคัญของการทำงานแบบครบวงจรอยู่ที่การวนซ้ำข้อมูล แม้ว่าจะดูเหมือนเป็นโครงสร้างแบบจำลองที่มองไปข้างหน้า แต่ข้อมูลแบบวนซ้ำที่อยู่เบื้องหลังนั้นมีความสำคัญยิ่งกว่า โดยรองรับการเปลี่ยนผ่านจากเทคโนโลยีในห้องทดลองไปสู่ความสมบูรณ์แบบในระดับผลิตภัณฑ์
นอกจากนี้ Chen Liming ยังยอมรับว่า Horizon เผชิญกับความยากลำบากกับสถาปัตยกรรมยานยนต์และเซ็นเซอร์ที่เปลี่ยนแปลงอยู่ตลอดเวลา การจัดวางเซ็นเซอร์ และการนำไปใช้งาน แม้จะรวบรวมข้อมูลจำนวนมาก แต่ข้อมูลส่วนใหญ่ก็ไม่มีคุณภาพสูงหรือใช้งานได้อย่างต่อเนื่อง ซึ่งเป็นปัญหาที่เกินขอบเขตที่บริษัทใดบริษัทหนึ่งจะแก้ไขได้
"FSD V12.3 ของ Tesla ได้รับการฝึกด้วยวิดีโอตัวอย่าง 10 ล้านรายการ ซึ่งแยกมาจากตัวอย่างคุณภาพสูง 10,000 ล้านรายการ ซึ่งจีนยังคงทำได้ไม่ดีพอ นอกจากนี้ ตัวอย่าง 10,000 ล้านรายการยังได้รับการรวบรวมภายใต้กรอบงานเซ็นเซอร์มาตรฐาน ซึ่งช่วยให้มั่นใจได้ถึงความต่อเนื่องในการฝึกรุ่นล่าสุด"
เช่นเดียวกับ Horizon, AIChip เน้นย้ำบทบาทของตนในฐานะระดับ 2 โดยเชื่อว่าความต้องการหลักสำหรับชิปขับเคลื่อนอัตโนมัติในอัลกอริทึมแบบครบวงจรคือหน่วยความจำสูงและพลังการประมวลผลขนาดใหญ่แบบมัลติคอร์
การบรรลุการขับขี่อัตโนมัติแบบครบวงจรต้องอาศัยการสนับสนุนชิปคอมพิวเตอร์ที่สำคัญ รวมไปถึงนวัตกรรมทางสถาปัตยกรรม ความก้าวหน้าทาง IP หลัก และการก้าวกระโดดของประสิทธิภาพ
Mu Lisen จาก Horizon อธิบายแก่ "Auto Commune" / "C-Dimension" ว่าขีดจำกัดทางเทคนิคสำหรับการแข่งขันด้านพลังการประมวลผลแบบครบวงจรอยู่ที่การปรับตัวให้เข้ากับความต้องการในการประมวลผลที่เกิดจากการเปลี่ยนแปลงโครงสร้างโมเดลและการเปลี่ยนแปลงในโฟกัสของผู้ปฏิบัติงาน
ในขณะที่โมเดลต่างๆ จะมีขนาดใหญ่ขึ้น และพลังในการคำนวณก็จะเพิ่มขึ้นตามไปด้วย ในขณะเดียวกัน โครงสร้างโมเดลก็จะพัฒนาไป โดยเปลี่ยนจากการใช้ CNN (เครือข่ายประสาทเทียมแบบ Convolutional) เป็นหลัก ไปเป็นโมเดลแบบครบวงจรที่ใช้ Transformer เป็นหลัก
“หม้อแปลงเป็นหมวดหมู่อัลกอริทึมกว้างๆ ที่ใช้ในโมเดลภาษาขนาดใหญ่ (เช่น ChatGPT) และการขับขี่อัตโนมัติแบบครบวงจร โดยมีจุดเน้นที่ตัวดำเนินการที่แตกต่างกัน การขับขี่อัตโนมัติแบบครบวงจรต้องการการดำเนินการเมทริกซ์พื้นฐานและการสนับสนุนตัวดำเนินการเพิ่มเติม ซึ่งทำให้มีความต้องการที่มากขึ้น”
ค่าย Huawei ก็มีอิทธิพลอย่างมากเช่นกัน แม้ว่า Nvidia จะครองตลาดชิปสำหรับการขับขี่อัตโนมัติ แต่จีนก็มีผู้ผลิตชิปจาก Huawei จำนวนมาก เช่น AITO, Avatr, Jihu และ Zhijie ระบบขับขี่อัตโนมัติในรถยนต์ของผู้ผลิตเหล่านี้ใช้แพลตฟอร์มคอมพิวเตอร์ MDC810/MDC610 ของ Huawei เป็นหลัก
ด้วยความพยายามของซัพพลายเออร์ชิปการขับขี่อัตโนมัติและการเร่งเปิดตัวชิปที่พัฒนาขึ้นเองโดยบริษัทต่างๆ เช่น NIO ในปีต่อๆ ไป ความปรารถนาที่จะ "ไม่ต้องขึ้นอยู่กับ Nvidia" ในภาคส่วนชิปการขับขี่อัตโนมัติในประเทศจะค่อยๆ กลายเป็นจริงบางส่วนในที่สุด
