算力超 500TOPS 的智駕芯片，小米先投了

作者 |?劉佳藝，編輯?|?白雪

10 月，北京亦莊深秋的季節(jié)里，空氣格外冷冽。

與此同時，世界智能網(wǎng)聯(lián)汽車大會上的展廳內(nèi)，人潮涌動。

臺下坐著的，是亦莊產(chǎn)投、蔚來、小米、經(jīng)緯恒潤等一眾投資者角色，他們目光交匯在一顆芯片上。

這顆芯片來自輝羲智能，這家初創(chuàng)企業(yè)用兩年時間，研發(fā)出第一顆數(shù)據(jù)閉環(huán)定義芯片——光至 R1。

造一顆芯片的難度，不亞于造車。

輝羲智能創(chuàng)始人徐寧儀把這項突破比喻為攀登上海拔 7500 米的慕士塔格峰。

登頂慕士塔格峰意味著達到國家一級運動員的標準，輝羲選擇把芯片對標 OrinX，代表其挺進了國際造芯第一梯隊。

7nm 制程，擁有 450 億個晶體管，符合車規(guī)級要求；500TOPS 算力，相當于兩顆 Orin；8 核 SIMT 架構(gòu)，24 核 CPU，15 核 GPU；帶寬超過 200GB/s；

2025 年，光至 R1 將率先在一家國際車企上量產(chǎn)上車。

輝羲還定下目標，要讓這顆芯片成為國內(nèi)量產(chǎn)上車速度最快、業(yè)內(nèi)最好用的大算力智駕芯片。

芯片市場已經(jīng)群雄林立，前有英偉達等巨頭企業(yè)占據(jù)大量市場份額，后有黑芝麻、地平線等上市企業(yè)分食剩余市場蛋糕，輝羲想要沖出重圍，它需要做出更極致的動作。
這個極致包括產(chǎn)品性能、交付速度、降本增效等。

同時，輝羲必須保證，從決定造芯的那一刻開始，邁出的每一步都不容有錯。

01造芯方法論：打造可擴展的數(shù)據(jù)閉環(huán)

1950 年，阿蘭·圖靈在著作《計算機器與智能》中，描述了通向通用人工智能的兩條路徑：

基于抽象計算，聚焦抽象任務(wù)所需要的人工智能，做針對性算法訓(xùn)練，比如國際象棋；基于具身學(xué)習(xí)，給機器配置傳感器，像人類幼兒一樣與環(huán)境互動，培養(yǎng)感知、學(xué)習(xí)與認知能力。

兩種路徑的區(qū)別是，前者依靠規(guī)則，應(yīng)用范圍有限，但上車快；后者強調(diào)智能，泛化性、適應(yīng)能力強，但要求極高的數(shù)字基建能力。

圖靈認為，這兩條路徑，都值得探索。

于是，在人工智能 70 年的發(fā)展脈絡(luò)中，兩條路徑以一種遞進式關(guān)系，迸發(fā)出了技術(shù)變革的巨大火花，形成四個階段的演進：

• • 第一階段，

  計算智能

  ，通過深度檢索與相應(yīng)算法，一臺名為「深藍」的超級計算機打敗了人類世界冠軍；第二階段，

感知智能，在 CNN 算法與 GPGPU 硬件協(xié)同下，機器完成了對十億級別人臉數(shù)據(jù)的記憶與檢索；第三階段，

認知智能，基于 Transformer 算法與專用芯片架構(gòu)的應(yīng)用，ChatGPT 展現(xiàn)出大語言模型的交互能力；第四階段，

具身智能，同樣在算法與硬件作用下，機器擁有了類人思維模式，真正接棒了探索、創(chuàng)造物理世界的任務(wù)。

隨著問題規(guī)模的增長，數(shù)據(jù)處理量級從 10ZB 進階到 1000ZB，算法結(jié)構(gòu)、硬件架構(gòu)進行了相應(yīng)擴展，指數(shù)級增長的性能要求得到滿足。

這種可擴展性的能力，充當了驅(qū)動技術(shù)變革的強力引擎。

現(xiàn)在的輝羲，就站在第四階段的端口，踏上了圖靈口中的第二條路徑。

它的任務(wù)，是造出一顆支撐高階智能駕駛，滿足具身智能要求的高性能芯片。

而它的方法論已經(jīng)明確，正是瞄準算法、硬件的可擴展性，打造出高效的數(shù)據(jù)閉環(huán)。

建立在這條方法論之上，輝羲定義了首顆芯片的基本樣貌。

一是從數(shù)據(jù)閉環(huán)的系統(tǒng)需求出發(fā)，在芯片設(shè)計上首次做到，一顆芯片，滿足三大應(yīng)用場景，即：數(shù)據(jù)采集：連接多條視頻處理鏈路，支持影子模式等；實時控制：在處理復(fù)雜運行工況時保持高幀率、高吞吐；算法驗證：數(shù)據(jù)解碼后進行回灌測試，完成推理訓(xùn)練。

二是在架構(gòu)設(shè)計上，滿足可編程性的要求。

輝羲把芯片架構(gòu)定位于「領(lǐng)域通用架構(gòu)」。

它介于傳統(tǒng) CNN 與 GPGPU 硬件架構(gòu)之間，既滿足重點領(lǐng)域性能要求，比如智能駕駛，同時支撐它的演進。

輝羲在分析了智能駕駛與具身智能算法特征之后，研發(fā)了一套圖靈完備的指令集。

圖靈完備，意味著這套編程語言，可以像圖靈機一般解決任何計算問題，它可以讓用戶，隨心所欲地支配先進算法，包括現(xiàn)在的端到端技術(shù)架構(gòu)。

由此，輝羲的光至 R1 展現(xiàn)出了對標英偉達 OrinX 的能力。

從參數(shù)對比可以直觀看到，根據(jù)已公開的數(shù)據(jù)信息，光至 R1 在制程、功能安全方面，都與 OrinX 保持在同一水平線，而在算力、CPU 性能方面，光至 R1 展現(xiàn)出一定優(yōu)勢，這意味它擁有更強大的通用計算能力。

在發(fā)布會上，徐寧儀以加速 Transformer 算法模型為例，結(jié)果是，光至 R1 的算子性能提升能力，是 OrinX 的 9 倍，甚至在個別配置上達到了近 20 倍。

毫無疑問，這是一顆原生于大模型時代，服務(wù)于領(lǐng)域通用計算的高性能芯片。高階智駕，是輝羲智能最直接的應(yīng)用場景。

02充分利用算力，裕量高達 60%

回溯神經(jīng)網(wǎng)絡(luò)模式的發(fā)展史，起初人工智能行業(yè)錨定的關(guān)鍵詞是「BEV」。

這種多傳感器結(jié)合鳥瞰圖的感知路線，成為自動駕駛識別障礙物的基本路徑。分辨率上升后，BEV 網(wǎng)絡(luò)模型由稀疏柵格進階為稠密柵格。

隨著感知精度的進一步提升，神經(jīng)網(wǎng)絡(luò)模型由二維轉(zhuǎn)變?yōu)槿S的 Occupancy 網(wǎng)格，能對通用空間障礙物進行判斷。

再往后，AI 技術(shù)的加持下，「端到端」網(wǎng)絡(luò)成為了各家競爭的主要籌碼。這種從感知到?jīng)Q策一體化的神經(jīng)網(wǎng)絡(luò)模型，能通過自我判斷應(yīng)對多樣化的極端場景。

需要強調(diào)的一點是，從「BEV」到「端到端」的模式演進過程中，算力成為了每個節(jié)點質(zhì)變的籌碼。

這與強化學(xué)習(xí)教父 Richard Sutton，在《The bitter lesson》中寫下的箴言構(gòu)成了回振。

Richard Sutton 認為，要充分利用算力，避免過度依賴人類知識，重視搜索與學(xué)習(xí)方法。這是最終，也是最有效的方法。

底層邏輯是摩爾定律，計算成本持續(xù)呈指數(shù)級降低，計算能力同樣不斷呈指數(shù)級提升。

這種負相關(guān)反應(yīng)貫穿始終，是人工智能技術(shù)突破的關(guān)鍵。

而輝羲，抓住了這把算力鑰匙，打開了摩爾定律的大門。

輝羲的光至 R1，清晰地定位于大算力芯片：

500TOPS的深度學(xué)習(xí)算力，意味著它能夠從容應(yīng)對各種新的模型結(jié)構(gòu)。同時，光至 R1 擁有高效的異構(gòu)計算能力。所謂異構(gòu)計算，是指在新的計算形態(tài)下，將不同類型的計算需求合理分配到不同的處理單元上，實現(xiàn)系統(tǒng)效率的最優(yōu)解。

光至 R1 配置了 CPU、NPU、GPU、ISP 等多樣的協(xié)同處理加速器，這些加速器在自動駕駛場景下，靈活分配對應(yīng)的計算需求，使得算力能夠進行充分配合，滿足系統(tǒng)可靠性、穩(wěn)定性的第一需求。

另外，輝羲給芯片性能加上了一道嚴謹?shù)陌踩谰€。

信息安全層面，光至 R1 在啟動和執(zhí)行過程中，除了常規(guī)解密算法外，還支持國密 SM2/3/4，確保用戶信息流安全。

而在功能安全方面，輝羲同樣在這顆僅有 7nm 芯片的復(fù)雜工程中，把道場做大。

在基本功能安全方式之上，輝羲新增了 RIF 架構(gòu)，即一套分級、分域的診斷機制，讓用戶能夠根據(jù)系統(tǒng)設(shè)計的需求，靈活配置與裁剪不同的情況，可以在局部處理單元處理問題，也可以層層上報至外部獨立的 MCU 系統(tǒng)中。

這種創(chuàng)新性的安全設(shè)計，給車規(guī)級芯片做到有效把關(guān)。

總結(jié)就是，這是一張為自動駕駛服務(wù)的專業(yè)級芯片，它能夠形成一個強大的數(shù)字基座。

輝羲在這個基座上，基于「BEV+Transformer」的算法架構(gòu)，打造出了高階城區(qū)無圖自動駕駛解決方案——RINA，支持不依賴高精地圖的城區(qū) NOA，具備從感知到路徑規(guī)劃的端到端處理能力。

徐寧儀表示，這套方案能夠?qū)崿F(xiàn) 60% 的算力裕量，系統(tǒng)層面可以做到降本 40%。

這意味著，即便出現(xiàn)計算要求更高的模型，光至 R1 能夠以一種高性價比的方式，輕松拉動數(shù)據(jù)、算法、算力三駕馬車。

03最快量產(chǎn)上車，12 個月內(nèi)完成交付

所謂三年磨一劍。

輝羲把這個時間，縮短到了兩年半，造出首顆芯片。

某種程度上，「高效」的確是當前自動駕駛行業(yè)中最具殺傷力的武器。尤其在各家都在拼端到端大模型上車的階段，誰交付越快，量產(chǎn)上車越早，誰就能在智能化下半場掌握更多話語權(quán)。

9 月底，輝羲光至 R1 流片成功后，立刻被交到了合作商手中，進而推動了 2025 年與國際車企的量產(chǎn)合作項目。

另外，高效這層價值建設(shè)，也得益于輝羲在「好用」層面上的努力。

畢竟，芯片是一項系統(tǒng)性的大工程，它不局限于在硬件性能上造壁壘，而在于軟硬一體的穩(wěn)定性、可靠性能力，以及整個供應(yīng)鏈的協(xié)同性構(gòu)建。

這也是蔚來、小鵬等車企選擇自研芯片的原因，因為能夠從根源上滿足智能駕駛需求，掌控系統(tǒng)優(yōu)化全流程。

在這種背景下，芯片企業(yè)的供應(yīng)鏈服務(wù)能力排在了下游合作商的考核首位。

很顯然，輝羲在這點上也做得非常完善。

比如硬件層面，輝羲提供了進一步的硬件解決方案——RCM，這是搭載光至 R1 最小系統(tǒng)子卡，具備可插拔式設(shè)計，支持同一款母板，不同子板的即插即用，并與 Orin 生態(tài)做到兼容，未來還能實現(xiàn)整車所有接口設(shè)計不動，輕松升級算力；以及域控制器硬件的設(shè)計，支持一塊或兩塊子卡，單域控算力超過 1000T，是車上強悍的中央大腦。

在軟件層面，它設(shè)計了一套功能完備、用戶友好的 AI 工具鏈，能夠兼容常見的神經(jīng)網(wǎng)絡(luò)模型格式，將數(shù)據(jù)編譯成在芯片上高效運行的指令集。

值得一提的是，基于這套工具鏈，用戶在 30 天內(nèi)可以實現(xiàn)模型平臺的遷移，從而降低研發(fā)成本。

最后，通過這種體系化的建設(shè)，輝羲能夠在 12 個月內(nèi)，完成一個智能駕駛量產(chǎn)項目從啟動到交付的全過程。

實際上，輝羲對于高效能力上的注解，體現(xiàn)其對于芯片未來生態(tài)的前瞻性洞察，即懂技術(shù)、懂創(chuàng)新、懂車企的芯片企業(yè)才更具競爭力。

而輝羲從誕生起，就已經(jīng)置身于這個框架設(shè)定中。

翻開三位創(chuàng)始人的履歷，就能看到一種來自互聯(lián)網(wǎng)科技企業(yè)、車企、高校的同頻共振。

其中，徐寧儀曾擔任微軟亞洲研究院硬件計算組負責人、百度智能芯片部主任架構(gòu)師、陣量智能 CEO 等職位，是業(yè)內(nèi)少有的主導(dǎo)過多款 AI 芯片設(shè)計并實現(xiàn)大規(guī)模商用的 TOP 級專家；

章健勇曾任蔚來汽車自動駕駛助理副總裁，從零開始組建團隊并搭建自動駕駛技術(shù)平臺，主導(dǎo)過多個高階智駕項目的首發(fā)量產(chǎn)；

賀光輝的身份則是上海交通大學(xué)教授、電子信息與電氣工程學(xué)院副院長，長期從事高能效數(shù)字系統(tǒng)芯片和高算力芯片互連技術(shù)研究，入選國家級高層次人才計劃。

由此，三位創(chuàng)始人基于學(xué)界、業(yè)界的不同語境，賦予了輝羲這家芯片企業(yè)正確、全面的戰(zhàn)略視角。

當然，這更不乏資本的高調(diào)關(guān)注。

成立兩年半時間內(nèi)，輝羲已經(jīng)到達了 A 輪融資階段，融資金額達到數(shù)億元。

而在諸多投資者中，可以看到亦莊產(chǎn)投、國汽投資等產(chǎn)業(yè)角色，以及真格、卓源亞洲、朗瑪峰創(chuàng)投、元生資本等知名投資機構(gòu)，還有一些供應(yīng)鏈上下游角色，比如經(jīng)緯恒潤、商湯科技這類智駕供應(yīng)商，以及小米、蔚來等車企，都對輝羲展現(xiàn)出極高興趣。

可以確定，首顆芯片的問世，意味著輝羲已經(jīng)給資本交出了一份優(yōu)秀答卷。

并且，這份答卷還不局限于智能駕駛范圍，輝羲把星辰大海定得更高遠——具身智能，在這個階段，需要面臨更復(fù)雜的三維空間任務(wù)，與更加泛化的場景與交互類型。

而光至 R1 已經(jīng)展示出了應(yīng)對具身智能挑戰(zhàn)的能力，比如完成簡單的指令理解、動作控制與規(guī)劃等。

很顯然，躬身入局芯片市場，輝羲已經(jīng)在開端把調(diào)起高。這意味著，憑借芯片的高性能與快速的交付能力，它注定成為攪動芯片市場格局的一個新變量。