[汽車之家 行業(yè)] 10月21日～24日，第三十二屆中國汽車工程學會年會暨展覽會（SAECCE 2025）在中國重慶·科學會堂召開。SAECCE 2025通過匯聚行業(yè)智慧、展示前沿技術(shù)、搭建合作橋梁，并攜手全球汽車科技力量，服務全球汽車科技發(fā)展，共創(chuàng)世界級汽車科技創(chuàng)新平臺。
在SAECCE 2025于10月22日下午召開的“第十二屆國際智能網(wǎng)聯(lián)汽車技術(shù)年會全體會議暨智能網(wǎng)聯(lián)主論壇”上，重慶長安汽車股份有限公司副總裁 賀剛、北京芯馳半導體科技股份有限公司董事長、創(chuàng)始人仇雨菁、芯擎科技創(chuàng)始人、聯(lián)系董事長 汪凱先生、斑馬智行高級副總裁 蔡明圍繞《構(gòu)建智能網(wǎng)聯(lián)汽車“軟硬協(xié)同”的開放生態(tài)與技術(shù)路徑》主題展開圓桌對話。國家智能網(wǎng)聯(lián)汽車創(chuàng)新中心常務副主任郭磊擔任本場圓桌對話的主持人。
賀剛認為，未來的AI將聚焦“1+N+X”。1是指一個持續(xù)學習的云端Agent，N是指智能家居、智能手表等所有物理載體，X是指可鏈接的無窮多的其他Agent，而未來的人工智能時代將會是“ont Agent+私人N的物品+一大堆行業(yè)服務生態(tài)Agent”共存的形態(tài)。在他看來，這樣的人工智能時代會很快到來，2028年或?qū)⒊霈F(xiàn)大批量應用，2030年將實現(xiàn)one Agent握手各種各樣的Agent。
汪凱表示，電子架構(gòu)從分布式到集中式轉(zhuǎn)變過程中，對芯片的要求越來越高，需要真正做到中央處理器解耦。這不僅需要先進制程來保證更大的算力，還需要通過模塊化將軟硬件進行分離，此外還要有大算力高速的級聯(lián)讓產(chǎn)品根據(jù)不同需求做出不同響應，最后還需要有標準的接口讓不同的軟硬件充分解耦。最終，芯片企業(yè)要給到企業(yè)的應是算力結(jié)構(gòu)，而不僅是單一芯片的算力。
仇雨菁預計，大模型在未來有可能顛覆掉騰訊微信等入口，因為大模型在車上讓他們看到了在智能座艙方面非常強的應用可能性。芯片企業(yè)在設計芯片時不應僅看重芯片的算力，還需要重視帶寬的設計，讓芯片算力真正發(fā)揮價值。同時，芯片企業(yè)還需要做好工具鏈的適配，支持好軟硬件的結(jié)合，幫助客戶把大模型的算力發(fā)揮出來。
蔡明認為，在AI的時代，核心是做能力。在他看來，大模型的未來很有可能是one model，智艙和智駕大模型最終會整合。 AI核心成長的三個維度，分別是思考、感知和記憶。在傳統(tǒng)智艙AI里面，思考能力比較強，但感知和記憶能力非常薄弱。未來，AI將處于一直在聽、一直在看的狀態(tài)，所有數(shù)據(jù)不上云，所以記憶變得更有意義。感知和思考能夠讓AI變得更聰明，感知和記憶讓AI變得更敏銳，記憶和思考讓AI可以學習和成長。只有這三個維度都能平衡發(fā)展，AI才能真正向剛才想象那樣成為類人的AI助理。
以下為對話實錄（汽車之家精編）：
郭磊：尊敬的各位來賓大家上午好！我是來自國家智能網(wǎng)聯(lián)汽車創(chuàng)新中心的郭磊，很榮幸將由我來主持下面這場高端的對話環(huán)節(jié)。今天我們的對話主題是：構(gòu)建智能網(wǎng)聯(lián)汽車“軟硬協(xié)同”的開放生態(tài)與技術(shù)路徑。
大家都知道，隨著人工智能、信息通信這些技術(shù)和汽車工業(yè)的深度融合，汽車這個產(chǎn)品已經(jīng)從傳統(tǒng)印象中只是一個交通運輸工具，慢慢地升級迭代成智能化的移動空間。在這個產(chǎn)業(yè)升級轉(zhuǎn)型的過程當中，我們其實可以看到芯片、操作系統(tǒng)、電子電氣架構(gòu)，這些核心的共性技術(shù)已經(jīng)慢慢變成我們推動電動化、網(wǎng)聯(lián)化發(fā)展的技術(shù)底座。今天我們很榮幸地邀請整車廠、芯片和操作系統(tǒng)等領(lǐng)域的四位行業(yè)專家，我們共同去探討怎么去推動軟硬件的協(xié)同，怎么去構(gòu)建一個更加健康、美好的生態(tài)。
今天我們邀請到四位對話的嘉賓分別是：重慶長安汽車股份有限公司副總裁賀剛先生；北京芯馳半導體科技股份有限公司董事長、創(chuàng)始人仇雨菁女士；芯擎科技創(chuàng)始人、聯(lián)系董事長汪凱先生；斑馬智行高級副總裁蔡明先生。
本場對話分成三個核心的議題來展開。第一議題咱們聊一聊中央計算架構(gòu)。其實我們都能觀察到一個趨勢，智能網(wǎng)聯(lián)汽車系統(tǒng)集成度是越來越高的，從最早的分布式系統(tǒng)到今天域集中、域控制器已經(jīng)慢慢變成了一個標配。站在今天的時點，我們能感受到向中央計算架構(gòu)集中慢慢會變成一個行業(yè)的共識和趨勢。
第一個問題我想請教來自主機廠來自長安汽車的賀剛總。從您眼中看，從主機廠的視角，您覺得中央計算架構(gòu)在量產(chǎn)車型落地過程中目前還面臨著哪些挑戰(zhàn)？
賀剛：第一個問題是整個汽車行業(yè)都遇到的問題。我也親身經(jīng)歷過從最早的分布式，也就是一個整車上面有100多個控制器，到后面集成完做了預控，大概節(jié)約了四五十個，到目前中央控再加區(qū)域控制這種方式，大概還剩下20來個控制器。這其實是一個演進的過程，這也是一個趨勢，目前來說幾乎所有的主機廠都走了這條路。
我記得2021年，當時跟華為一起研究下一代架構(gòu)的時候，我們也提出來中央+區(qū)域能解決目前控制器數(shù)量多的問題、協(xié)同不好的問題，但是不太好解決一個安全性冗余的問題。所以當時考慮未來L3、L4以及安全性冗余的問題，我們又加了一個管網(wǎng)，那是要增加成本的，同時也做了千兆以太網(wǎng)為了增加通訊的效率。2024年，長安第一個長安啟源E07和特斯拉的Cybertruck(參數(shù)|詢價)同一時間上。當時也沒交流過特斯拉怎么做的，出來之后發(fā)現(xiàn)大家走了同一條路線，中央+區(qū)域+管網(wǎng)的路線，他們也是奔著L1、L2、L3、L4去的。
在座幾位，我們在這個過程中重新構(gòu)建了很多，從芯片到硬件到軟件到通信協(xié)議全部進行了構(gòu)建重組，重組出來幾個事，我們?nèi)绾未髱捊鉀Q智駕問題、座艙通信問題以及服務原子化的問題以及安全的問題。
第二如何解決成本的問題，這里都遇到了很多坎坷，到最后能夠留下來、能夠走下來，到目前幾乎全系都把整個SDA架構(gòu)上去是很艱難的。這個過程中，感謝芯片企業(yè)芯馳、芯擎、斑馬，還有英偉達等很多公司跟我們一起合作，做出來這樣的架構(gòu)進行推介。后面類似的架構(gòu)也會在全行業(yè)進行鋪開，因為大家對于安全的重視會越來越重。后面，我們也會保持一種開放的心態(tài)，也可以跟主機廠們甚至合作伙伴們進行一些合作，共同探討未來下一代的架構(gòu)以及能夠賦能于飛行汽車、機器人等等的架構(gòu)。
郭磊：謝謝賀總，這是來自主機廠的視角。下面我們想聽聽來自芯片企業(yè)的看法，我們下面想請教合芯擎的汪總，芯片企業(yè)怎么通過中央計算架構(gòu)的設計實現(xiàn)硬件的解耦，能夠更好地、更靈活地支撐智能汽車算力的需求。
汪凱：謝謝！剛剛嘉賓演講時講了一個非常重要的趨勢，汽車從油車到電車轉(zhuǎn)變的時候，我們發(fā)現(xiàn)電子架構(gòu)發(fā)生了非常大的變化，那就是由分布式到集中式的轉(zhuǎn)變。我們發(fā)現(xiàn)，它對芯片的要求越來越高，就講到中央域控制器或者說控制器的要求，這里就牽扯一個非常重要的命題：算力以及制程都需要采用最好的。
芯擎科技2019年做國內(nèi)首款7納米車規(guī)芯片的設計，現(xiàn)在也是唯一一款能夠大批量生產(chǎn)7納米的車規(guī)芯片。設計過程中幾方面跟大家分享一下，怎么能夠真正做到中央處理器解耦。
第一，我們要看到的一定是先進的制程。你只有先進的制程才有機會保證更大的算力。所以我們在做的過程中，首先采用了多核異構(gòu)的架構(gòu)，在多核異構(gòu)中你可以有不同的處理器，比如我們有CPU、MPU、MCU、GPU等等，這樣它能夠處理不同的功能、不同的需求。在這個過程中，當然也需要非常多的knowhow解決里面的內(nèi)部結(jié)構(gòu)，尤其是總線和數(shù)據(jù)流，這是必須的。
第二，一定要模塊化。在芯片里面你需要有不同的模塊來解決不同的問題，不僅僅是從多核異構(gòu)角度來處理，而且要從模塊化，比如監(jiān)視處理、決策處理等等，這樣我們才能把軟硬件進行分離。
第三，在這個過程中一定要有大算力的級聯(lián)，過程中怎么采用高速的級聯(lián)讓產(chǎn)品不斷地分級化。我們看到，L2+到更高的L3、L4、L5，它的算力是不一樣的，你不可能由單一芯片完成所有的性能。所以，我們在設計過程中包括推出來的星辰一號大算力的自動駕駛芯片也是一樣，我們能夠根據(jù)不同的需求做出不同的響應。比如你可以有128tops到256tops到512tops的算力，這樣你才能滿足不同的需求。
第四，一定要有標準的接口。這樣你可以有不同的軟硬件，在上面可以充分地解耦，能夠根據(jù)你的需求，而不需要根據(jù)特定的接口解決問題。我們需要把硬件和軟件協(xié)調(diào)起來，這里很重要的是平臺的建設，所以我們在整個過程中也看到了，我們不僅要提供一個芯片給主機廠、給Tier1，同時還要把中間件、SDK、算子、算法，把整個參考設計一體給客戶，這樣很快能夠進到市場中去。
最終，我們要給出的是算力結(jié)構(gòu)中，不僅僅是單一芯片的算力。比如，我們在星辰一號里基本算力可以達到512tops，我們可以2—4個級聯(lián)做到1000個tops，4個可以到2000個tops。這意味著，可以給整個產(chǎn)品線，是一系列的產(chǎn)品而不是單一的產(chǎn)品，讓我們有機會在中央處理器融合基礎(chǔ)上做到硬件的解耦。謝謝！
郭磊：謝謝汪總。下一個問題想提給芯馳科技的仇總。作為國內(nèi)非常卓越的一家芯片企業(yè)，芯馳肯定跟很多主機廠都有合作。我們跟各家主機廠開發(fā)新一代電子電氣架構(gòu)過程中，您覺得現(xiàn)在還有哪些挑戰(zhàn)？如何去面對如何去突破？謝謝。
仇雨菁：我們跟長安汽車、斑馬都已經(jīng)有很多的合作。我覺得，中國汽車的電子電氣架構(gòu)的演進比我們想象的還要快。2年前大家都在往這個方向去做，今年陸續(xù)有開始落地，2027年、2028年架構(gòu)轉(zhuǎn)型大家都會在這個階段完成。
2年前，產(chǎn)業(yè)趨勢還沒有這么清楚。當時還有各種中間態(tài)的架構(gòu)，現(xiàn)在看起來已經(jīng)相對比較清晰。一是全區(qū)意識的，一個是區(qū)域加上功能，比如動力域、底盤域，這是我們看到兩種比較多的架構(gòu)。
芯片從產(chǎn)品定義到研發(fā)出來到流片到量產(chǎn)，至少需要2年的時間，2年以前當趨勢沒有那么明確時，我們跟非常多的主機廠做了交流，我們也結(jié)合自己的判斷，就是未來什么樣的架構(gòu)對車是最友好的，在成本上、在算力的布置上是最合理的，我們通過結(jié)合自己的判斷定義了新一代的產(chǎn)品，現(xiàn)在看起來大家也特別認可，是最符合現(xiàn)在異架構(gòu)的產(chǎn)品。
這中間有很多的交流，我們在架構(gòu)上怎么來分布算力，有些實時性的算力需要單核來控制，有些需要更大單核的算力但要跑更多的任務，這個其實是很多深入的交流。
現(xiàn)在芯片廠商和車企和Tier1不再是原來鏈條式的關(guān)系，大家是共創(chuàng)下一代產(chǎn)品。因為車的異架構(gòu)它的能力很大程度上取決于芯片的能力，而芯片的能力又來自于車的需求，所以我覺得這個結(jié)合比以往要緊密的多得多。謝謝！
郭磊：謝謝仇總。咱們講到，中央計算架構(gòu)有一個話題是規(guī)避不開的，是關(guān)于軟件、硬件怎么去協(xié)同的問題。我感覺，汽車工業(yè)在不同的發(fā)展階段對軟件、對硬件的認知也有不同的認識。最早期的時候，汽車在大家眼中就是純硬件，軟件占的比重非常低。有一個時期又提出一個口號，叫軟件定義汽車。感覺那個時期大家普遍覺得軟件的產(chǎn)值可能在汽車里馬上要超過50%，硬件都不太重要了。最近又有一個說法，隨著人工智能時代的來臨算力的競爭，現(xiàn)在大家有一種感受是硬件性能有些過剩，但軟件的體驗又沒有那么好。我們第二個核心議題是關(guān)于軟件硬件的協(xié)同，這個話題里面第一個問題想拋給斑馬智行的蔡總。從您的角度怎么更好地推動軟件硬件的協(xié)同？我們也知道阿里OS服務于整個行業(yè)，阿里OS怎么跟底層不同的芯片平臺更好地適配，從而打造更好的用戶體驗？
蔡明：這好像是個新問題，實際上是個老問題，本質(zhì)上還是硬件配置價值最大化的問題，只不過是在人工智能時代重新面臨一些新的問題。我簡單說說，在原來傳統(tǒng)車時候硬件配置價值釋放非常直接，比如說軸距變大，腳就能伸得開；有真皮座椅，就會覺得很舒適；發(fā)動機的排量加大以后，超車更有勁了……這些東西特別容易形成體驗閉環(huán)。到了智能車以后，我們探討的硬件配置變成了芯片算力、數(shù)據(jù)帶寬、傳感器，這些因素沒有任何一個是可以獨立地形成體驗閉環(huán)的。所以他們是交織在一起成為了一個復雜的智能化系統(tǒng)，這一下變成這個東西價值去釋放變得很釋放。
在AI時代智能化時代，產(chǎn)品做法跟以前有巨大的變化，它沒有辦法一個功能一個功能做，它首先要構(gòu)建一個能力平臺。在這個能力平臺上，根據(jù)用戶使用和不同場景生長出屬于這個用戶、這個場景的功能。它對于整個產(chǎn)品的開發(fā)我覺得是全新的變革和挑戰(zhàn)。
如果是一個智能系統(tǒng)的話它的價值釋放呈現(xiàn)什么狀態(tài)？我覺得是呈現(xiàn)軟件、硬件交替拉動周期性的狀態(tài)。剛才主持人說硬件可能有冗余，我覺得有階段性，一開始硬件比較強，軟件想辦法把硬件都用上，會帶來軟件能力爆發(fā)硬件捉襟見肘而硬件發(fā)新的版本，我們很熟悉PC行業(yè)、手機行業(yè)，PC里面英特爾、微軟，手機里面iOS和各個版本，還有手機不停更新硬件版本都是這樣一個規(guī)律。在這種行業(yè)里面，它會呈現(xiàn)早期可能硬件決定性更大。隨著這個行業(yè)逐漸發(fā)展，硬件更加地成熟以后，可能會逐漸傾向于軟件和服務成為差異化競爭的核心，我覺得大概是這么一個狀態(tài)。
回到智能車這個行業(yè)，我認為要思考三個問題：第一我們處于哪個階段，第二這個階段有什么問題，第三在這個基礎(chǔ)上我們該怎么做。
我有一些比較不成熟的想法在這里跟大家分享：
首先，我們跟手機、PC相比還是處于比較早期的階段，現(xiàn)在硬件和軟件在非常陡峭地發(fā)展，這是行業(yè)的共識。
第二，既然是早期階段，為什么價值釋放還不能夠很快、很充分呢？
我認為有兩個基本的核心系統(tǒng)還是在構(gòu)建中。第一是完全整合的智能化系統(tǒng)，還沒有完全地構(gòu)建好，這里面還有大量的模塊是相互有割裂、相互有妥協(xié)，可能是功能上妥協(xié)，可能是行業(yè)慣性上的妥協(xié)，使得現(xiàn)在智能系統(tǒng)里一個部分很先進了，因為它不能夠貫通、完整、整合地把價值釋放清楚，第一有一個系統(tǒng)還在成長中。
第二是交互系統(tǒng)。車的交互系統(tǒng)現(xiàn)在行業(yè)也有一個共識，未來認為是自然語言到整個的自然交互，實際上還遠遠沒有穩(wěn)定下來還是進行時。我們回看PC和手機，它的快速增長前提都是這兩個系統(tǒng)已經(jīng)發(fā)展非常穩(wěn)定了。 我也相信在座各位和車廠和各位行業(yè)專家一起努力下，一定這兩個系統(tǒng)的完善會非?？?，也會迎來智能車更大價值的爆發(fā)。
第三，怎么做？我簡單分享一下斑馬的思考和做法。根據(jù)剛才提到兩個問題，第一我們大力投入基于AI大模型的交互重構(gòu)，來增加真正智艙使用場景和使用時長，因為時間關(guān)系我不做展開了。第二幫助車廠的客戶、車企，一起去推動整體智能化的發(fā)展，這里面因為也有芯片廠商專家在這我稍微展開講一下。
斑馬作為一個軟件的第三方服務商，我們要求操作系統(tǒng)以及AI解決方案必須具有非常廣泛芯片平臺的適配性，這是非常大的一個前提，只有這樣才能真正釋放芯片+操作系統(tǒng)+AI的能力，來縮短開發(fā)的周期，來提升開發(fā)效率。我們發(fā)展10年過程里，已經(jīng)跟10多個芯片品牌有非常深入廣泛的合作，已經(jīng)把我們的軟件產(chǎn)品適配到了30多個芯片平臺上，特別是我們跟紫光展銳做了芯片和ROS的基線，能夠讓虛擬算力效能提升20%，適配時長可以降低50%，可以提高效率。今年4月份跟黑芝麻和芯馳做了戰(zhàn)略合作的發(fā)布，我們跟芯擎也有很積極合作上的探討，我們都在這方面做努力的工作。
綜上，我們?yōu)榱藥椭噺S提升整體智能化發(fā)展，我們把自己定位于結(jié)合硬件、芯片、性能，打通到上層用戶體驗智能的引擎或者是智能的中樞。向上，我們把底層很復雜的硬件變成對于軟件開發(fā)者非常簡單的一些模塊和積木，讓他們非常容易在這個硬件上做開發(fā)，使得軟件服務生態(tài)能夠更繁榮。向下，我們跟芯片廠商密切配合，把硬件的效能最大化地解決出來，來把車廠花的每一分錢真正換成能夠在市場上轉(zhuǎn)化的用戶體驗和用戶價值。
綜上基本就是我們的一些思考和分享，謝謝！
郭磊：謝謝蔡總。蔡總講到跟主機廠合作講到一個很重要的概念是差異化。這個話題很重要，我想延伸開想聽聽芯擎汪總的看法。咱們跟主機廠合作肯定面臨很多個性化的需求，你們怎么通過更好的解決方案應對差異化的需求？
汪凱：我們知道每個車廠都有各自的需求，過程中非常重要的是跟車廠本身進行非常深入的溝通和交流。比如說我們在開始的階段，我們現(xiàn)在也給長安、吉利、一汽，將來還給海外的大眾汽車進行供貨。
這時候最重要一點是，要深刻了解客戶的需求。因為你只有通過客戶的需求才能夠精確地把握性能、功耗以及成本的訴求，所以第一個是非常重要的。
第二，在這個基礎(chǔ)上真正把架構(gòu)做好。因為你如果沒有一個好的架構(gòu)是很難適應客戶不同的需求，尤其是剛剛講到在高算力、高融合的情況下，怎么樣盡量把性能做上去把成本降下來。
第三，我們談到了給研發(fā)一起做開發(fā)，但最終我們要落地。如果落地不能夠真正跟供應鏈緊密結(jié)合起來把產(chǎn)品真正推到市場去，我們講也是沒有用的。
這三點是一個起點。需求角度，無非談到PPA，就是性能、功耗、成本。芯片設計除了這三點以外，還有非常重要的一點，尤其是對車規(guī)芯片，車規(guī)芯片跟一般消費品芯片是不一樣的，剛才很多嘉賓談到了安全的問題。車規(guī)芯片是能真正保證你在今后若干年之內(nèi)汽車的品質(zhì)、駕駛的安全，我們認為這是第一要素，因此你真正把一個車規(guī)芯片從設計、點亮到真正的量產(chǎn)，是一個非常重要的指標。除了PPA以外，另外要加上一個P就是production，你不能夠進入真正大量生產(chǎn)的時候，這個芯片的性能做的多好都是沒有用的。
我們覺得這個過程中，怎么精確平衡這三點。在這三點基礎(chǔ)上，你要通過公司的know-how，公司跟車廠、用戶深度的交流，制定出他需要的產(chǎn)品。謝謝！
郭磊：謝謝汪總。剛才我們討論了中央計算架構(gòu)，又討論了軟硬結(jié)合。第三個議題我們聊一聊大模型上車這個話題。剛才，克強院士和冉斌老師都針對了人工智能大模型做了非常深入的探討，這是來自于兩位國際頂級專家的視角。下面我們也想聽一聽產(chǎn)業(yè)界的聲音。首先想聽聽長安汽車賀總，從您的眼中看大模型上車這個事情目前對主機廠還有哪些挑戰(zhàn)？您判斷大模型在量產(chǎn)車型上的應用，產(chǎn)業(yè)化的進程大概是什么樣后續(xù)迭代的過程？
賀剛：這個事好回答，也不好回答。首先整個人類的進步是靠人類以前做白日夢開始，大家在幻想未來，慢慢地實現(xiàn)，這個我覺得是一個過程。
最早看到的人工智能，像我們這一代人是機器貓、變形金剛。這是最早人工智能給我們具像化的展現(xiàn)。也許在座那么多人每個人人工智能的想法都是不一樣的。我覺得，目前給我們做最好的夢是美國電影《鋼鐵俠》，里面的賈維斯，我不知道大家有沒有具像化的一個概念，它聚焦了“1+N+X”的概念。
什么意思？有一個云端的Agent一直在學習，他比你的媽媽更懂你，甚至比你的老師更清楚你問題在哪里，你該缺什么樣的復習資料。Agent持續(xù)跟著你，數(shù)據(jù)的喂養(yǎng)，跟著你學習持續(xù)地成長。N就是智能家居和智能手表，所有物理能連網(wǎng)的載體，你回家以后智能家居你告訴它開燈、開空調(diào)等等，你告訴智能音響就可以控停整個家庭，這個已經(jīng)做得比較好了。只是現(xiàn)在怎么覆蓋每一個載體，你的手表、耳機、iPad和辦公用品上面全部鋪上去，你的私有物品上就一個Agent，隨時對它說完它就執(zhí)行，你在車里面說你幫我把家里什么打開，你幫我把冰箱里面什么東西處理，掃地機器人幫我掃個地，一個Agent就可以全部打通。
為什么有N又有X呢？因為N是你的私人物品你可以一個Agent，但是X可能是其他的。舉個例子，我給我的Agent說你幫我去打個車，它需要跟打車的Agent去握手，比如說打滴滴要跟滴滴握手，我要去淘寶買什么東西要跟淘寶握手，訂個酒店要跟攜程Agent握手。也就是說，這個無窮多載體的N會跟周邊X的Agent握手，未來會成為ont Agent+私人N的物品+一大堆行業(yè)服務生態(tài)Agent共存的形態(tài)。
您說多久到來，我覺得很快了，因為現(xiàn)在已經(jīng)通了，現(xiàn)在車控家庭已經(jīng)打通了，控辦公用品也打通了，我可以對著手機說，我不用拿出手機或者手表不說，我直接叫小易或追是Siri，未來是大模型成長能夠帶來更便利或者是信息安全或者是支付上面更靠譜的方式帶來全面化的應用而已，我判斷是2028年大批量應用在這上面，2030年隨著所有Agent的成熟，one Agent握手各種各樣的Agent會大批量展現(xiàn)出來。
郭磊：謝謝賀總。賀總講人工智能上車、大模型上車也提到了座艙的應用，這是跟駕駛員、跟乘客交流更多的。下面這個問題請教斑馬智行的蔡總，從您的角度看斑馬將來推動人工智能車端應用時，怎么打造具有自己品牌辨識度核心競爭力的差異化。
蔡明：這個問題，我們跟很多車廠合作過程中大家都有討論。車廠的客戶非常關(guān)注差異性，我想稍微聊聊差異化出現(xiàn)在哪個層面上。大家有時候很擔心我做的大模型怎么跟別人不一樣，或者語音體驗怎么跟人不一樣。我的看法是，到底當做一個功能一個賣點做，還是當做一個基礎(chǔ)能力來做。我的觀點使很明確的，他是后者。
還是跟剛才的問題很相似。在AI的時代，核心是做能力。如果你能力沒有構(gòu)建好，未來的發(fā)展會非常受控。舉個例子，自動駕駛，大家談的比較多的是，自動駕駛不可能全局所有場景，一定最終是靠能力生長出來適應所有的場景，甚至很多場景想象不到，才有可能真正被應用起來。大模型也面臨同樣的問題，因為它的底層一樣，未來很有可能是one model，智艙和智駕還會整合。所以。底層邏輯還是要構(gòu)建能力，基于不同的用戶和場景最后去進行不同的變化和生成。
我認為，它的差異化體現(xiàn)在，你構(gòu)建足夠強的能力后，有非常好的數(shù)據(jù)循環(huán)，我們就可以做一個雙輪驅(qū)動。一個是車廠根據(jù)自己的品牌定位有車廠品牌的特性的這么一個輪；第二個輪是用戶使用習慣的輪。這兩個雙輪驅(qū)動后，自然而然差異化體現(xiàn)在用戶使用過程中，誰把這個能力構(gòu)建得好，用戶在使你汽車的時候它的差異性，或者對于個人滿足性就越大，這是我的底層觀念，就是差異化出現(xiàn)在哪里。
另外，我提供一個具體的思路，剛才賀總提出AI Agent框架我非常認同。這里我想強調(diào)一點：未來有一個關(guān)鍵的點是繞不過去的，全模態(tài)端到端的端模型解決方案。這個非常地重要，這也是一年多的實踐自己的思考。
我稍微展開講一下，AI核心成長的維度是三個：思考、感知和記憶。在傳統(tǒng)智艙AI里面，思考的能力大家都還是比較強的，因為大家比較關(guān)注用最好的基模做訓練，但感知能力非常受限，因為只能通過語言，他看不見，很多東西聽了也不懂，只能轉(zhuǎn)成語言才能理解，所以感知是很有限的。另外，記憶也非常薄弱。我剛才說的端模型解決方案核心可以解決什么方案，第一是常聆聽和常睜眼，意味著感知能力被大大提升了，不再是被用戶喚醒時，AI才會把這個環(huán)境發(fā)生關(guān)系，而是在那里不停地聽和看。因此，也為智艙記憶系統(tǒng)提供一個前提。
以前你能記什么嗎？你喚醒它一分鐘都不到，20多秒記點東西。未來，你一直在聽、一直在看，又是端側(cè)能平衡好所有安全性，所有數(shù)據(jù)不上云，所以記憶變得更有意義也成為可能。感知和思考是能夠讓AI變得更聰明，感知和記憶讓AI變得更敏銳，記憶和思考讓AI可以學習和成長。只有這三個維度都能平衡發(fā)展，AI才能真正向剛才想象那樣成為類人的AI助理，這是能力層面。
有了這樣的能力以后，多模型解決方案就可以幫我們拓展大量主動智能的場景，有機會我們可以再做交流，不做展開了，這是我大概的一些思考跟大家分享。
郭磊：謝謝蔡總。今天我們對話環(huán)節(jié)的最后一個問題，我想留給臺上唯一一位女士，仇總。我們第三個議題在討論大模型、人工智能，人工智能上車應用對于芯片企業(yè)提出了更高的要求。從您的眼中看，芯片企業(yè)怎么通過芯片的設計以及更好地生態(tài)協(xié)同，能夠更好地去支撐大模型上車產(chǎn)業(yè)化的落地，有請！
仇雨菁：我特別同意賀總剛才講的，未來大模型的應用是“1+N+X”。這兩天也看到一個新的觀點，OpenAI未來可以成為萬物互聯(lián)的入口，因為它有非常好的記憶，這也是剛才蔡總講的。因為它未來可以記住你所有的提問，記住你過往所有的行動、愛好、偏好，所以它連接到駕車、連接到購物、連接到衣食住行……它非常清楚你想要什么。所以，這個是未來大模型有非常大的用武之地，甚至可能顛覆掉騰訊、微信這些入口。因為大模型在車上，我們現(xiàn)在座艙這邊看到是非常強的應用。我們因為是兩塊業(yè)務，一個是智能座艙，一個是智能控制，其實它都是跟大模型非常相關(guān)。我們在做智能座艙尤其是AI支持的時候，它對于芯片提出了更高的挑戰(zhàn)。
比如說，端側(cè)要支持TB級的大模型?，F(xiàn)在芯片支持1.5B信息化差不多能夠做到，但更高的是做不到的。不是說它的算力不支持，也不是說它的制程不夠先進，真正的瓶頸并不是完全來自于算力，瓶頸來自于帶寬，存儲的帶寬在很多場景下面限制大模型使用很大的瓶頸。
所以，我們在設計芯片的時候，大家通常會講，你有100tops的算力，可是存儲的帶寬只能支持10個tops，你最終發(fā)揮作用也只有10個tops。以前大家對于這塊沒有重視。我們做了很細致的拆解，我們要把整個芯片里面所有對大模型使用的瓶頸找到，讓它做得很均衡。這就是我們怎么樣能夠發(fā)揮出硬件每一分錢的價值。
第二個很重要的是，工具鏈的適配。因為大模型不斷地在迭代。現(xiàn)在支持的算子，是不是未來還是同樣的算子？現(xiàn)在模型架構(gòu)，是不是能夠應用于未來模型的架構(gòu)？今天針對現(xiàn)有的大模型，它的工具鏈的優(yōu)化是不是做到了最好？這在其他芯片供應商那邊，大模型工具鏈的支持是很大的痛苦。因為工具鏈不夠優(yōu)化，本身可以并行計算的算子變成了串行，本身大模型NPO就是并行計算加速的引擎，因為你的編譯器、工具鏈沒有支持特別好。這個架構(gòu)里面還出現(xiàn)了很多瓶頸。除了存儲以外，大模型內(nèi)部架構(gòu)也有瓶頸，這一塊也是我們可以做得更好的地方。
為什么軟硬件協(xié)同？工具鏈結(jié)合是軟硬件中間很重要的環(huán)節(jié)，把這塊支持好、適配好，可以幫助我們能夠把大模型的算力發(fā)揮出來。因為不斷地提高制程，我們看到的是這個產(chǎn)品最終給客戶帶來的價值和能力，我們設計芯片時一定要從這些細節(jié)出發(fā)，而不是單純強調(diào)多少算力。謝謝！
郭磊：謝謝仇總，也感謝四位嘉賓。今天，我們看似討論了三個議題，我們從中央計算架構(gòu)起步，聊到了軟硬協(xié)同，剛才我們又探討了人工智能，探討了大模型的上車，我們好像也探討一個問題，仇總剛才發(fā)言談大模型又回到了軟硬協(xié)同的話題上。
特別感謝四位嘉賓今天給我們帶來了一場，第一是信息量非常豐富，第二確實是不同視角、不同角度的思想盛宴。通過今天討論，到今天為止整個行業(yè)軟件硬件協(xié)同還面臨很多的技術(shù)挑戰(zhàn)，但是從我們眼中看，軟硬協(xié)同又是產(chǎn)業(yè)發(fā)展的必然路徑，也特別希望在場、在座的各位企業(yè)、各位來賓能夠共同去推動軟硬協(xié)同技術(shù)的迭代，共同去構(gòu)建一個更加健康的產(chǎn)業(yè)生態(tài)。再次感謝四位嘉賓！今天的對話環(huán)節(jié)到此結(jié)束了。