Comparado com Weilai e Xiaopeng, o Ideal Car foi lançado mais recentemente, mas tem o maior volume de vendas. Lili prevê que as vendas neste ano deverão atingir 380 mil veículos. Nos primeiros 10 meses deste ano, as vendas da Ideal superaram as vendas combinadas de Weilai e Xiaopeng. Em termos de autopesquisa de software, o início ideal é relativamente tardio, mas o objetivo é o mais elevado. Em janeiro deste ano, Li Xiang, CEO da Li Auto, declarou na carta interna da empresa no início do ano que a visão da Li Auto é tornar-se “a empresa líder mundial em inteligência artificial” até 2030.

"Veículos elétricos inteligentes com capacidades de condução autônoma se tornarão os primeiros robôs de inteligência artificial e o ecossistema mãe que cria inteligência artificial no mundo físico: de algoritmos de IA a produtos de IA que mudam vidas, de sistemas operacionais de IA a chips de raciocínio de IA, de plataformas de treinamento de IA a chips de treinamento de IA, etc.", disse Li Xiang.

A Ideal está a aumentar o seu investimento para compensar as suas deficiências em termos de inteligência. Na teleconferência de resultados do terceiro trimestre deste ano, o presidente e engenheiro-chefe da Li Auto, Ma Donghui, disse que a Li Auto terá a "condução inteligente líder" como seu principal objetivo estratégico. Até 2025, espera-se que o tamanho da equipe de P&D de direção inteligente da Li Auto aumente dos atuais aproximadamente 900 pessoas para mais de 2.500 pessoas.

Em termos de autopesquisa de chips, a Ideal também está aumentando seu investimento. A Ideal também está desenvolvendo chips de inferência de IA para cenários de direção inteligentes e chips de energia SiC para controladores de motores de acionamento.

Uma fonte disse ao “Late Auto” que a Ideal está atualmente montando uma equipe em Cingapura para se envolver na pesquisa e desenvolvimento de chips de energia SiC. No aplicativo de local de trabalho LinkedIn, você já pode ver cinco cargos de recrutamento em Cingapura divulgados recentemente por Lili, incluindo: gerente geral, especialista em análise física / análise de falha de módulo de potência SiC, especialista em design de módulo de potência SiC, especialista em processo de módulo de potência SiC e especialista em design elétrico de módulo de potência SiC.

Chips de inferência de IA para direção inteligente são o foco atual de pesquisa e desenvolvimento da Ideal. "Late Auto" aprendeu que a Ideal desenvolve todo o SoC (SystemonaChip, system-on-a-chip), e o elo mais crítico é o design front-end da unidade de aceleração do modelo de inferência NPU. O plano ideal é terceirizar a peça de design back-end para a Shixin Electronics de Taiwan e depois entregá-la à TSMC para fabricação.

"Late Auto" soube que no final de outubro deste ano, a equipe ideal de pesquisa e desenvolvimento de chips de condução inteligente foi montada e fechada em Xangai, preparando-se para uma retirada repentina da fita. Na indústria de chips, "tape-out" refere-se à produção experimental, o que significa que depois que a equipe de P&D projeta o circuito, ela primeiro produz um pequeno número de chips para teste.

Atualmente, o tamanho geral da equipe do departamento de chips ideal é de mais de 160 pessoas, distribuídas em Pequim, Xangai, Vale do Silício nos Estados Unidos e Cingapura. Alguns departamentos começaram a implementar o mecanismo de “semanas grandes e pequenas” (ciclo de descanso ímpar e duplo).

A equipe Ideal Chip pertence ao “Grupo de Sistemas e Computação”, e o responsável por este grupo é o CTO da Ideal Xie Yan. A equipe de chips consiste em arquitetura NPU, SoC, design de back-end, verificação e outros departamentos. O responsável pela pesquisa e desenvolvimento de chips é Luo Min, com o posto de diretor sênior e subordinado a Xie Yan.

Todos os cargos de recrutamento acima do nível de especialista exigem uma entrevista de Xie Yan, e os cargos acima do nível de especialista sênior exigem uma entrevista pessoal de Li Xiang.

"Late Auto" pediu aos funcionários da Li Auto que verificassem as informações acima. Até o momento desta publicação, nenhuma resposta foi recebida.

Faça primeiro chips de condução inteligentes, chips de nuvem também foram discutidos

O chip de condução inteligente atualmente desenvolvido na indústria geralmente se refere a um chip de nível de sistema altamente integrado, que é composto por uma variedade de módulos de chip, incluindo unidade de aceleração de modelo de inferência (NPU), unidade central de processamento (CPU), processador de sinal de imagem (ISP), memória dinâmica de acesso aleatório (DRAM), etc.

O chip autodesenvolvido ideal é um chip de nível de sistema usado em cenários de direção inteligentes, com a unidade de aceleração do modelo de inferência NPU (Unidade de Processamento Neural) como foco de pesquisa e desenvolvimento.

NPU é um tipo de cálculo de inferência usado principalmente para acelerar redes neurais. É o módulo central mais diferenciado em chips de condução inteligentes.

Os chips de uso geral concentram-se na flexibilidade e têm a capacidade de lidar com uma variedade de requisitos de instrução. Chips para fins especiais podem ser especialmente projetados para algoritmos de IA e têm as vantagens de tamanho menor, menor consumo de energia e maior confiabilidade, mas o ciclo de pesquisa e desenvolvimento é frequentemente mais longo e os custos de pesquisa e desenvolvimento serão maiores.

De acordo com "Late Auto", Chen Fei, chefe de P&D da arquitetura NPU do Departamento de Chip Ideal, ingressou na Ideal em abril de 2022 e sua posição atual é especialista sênior. Chen Fei formou-se no Departamento de Engenharia Física da Universidade de Tsinghua com bacharelado e doutorado. do Departamento de Engenharia Elétrica e de Computação da Universidade de Delaware. Ele trabalhou no design e desenvolvimento de CPUs e outros chips na Intel, ARM, Apple e Google.

O site oficial da Li Auto mostra que está recrutando talentos técnicos relacionados à NPU por meio de canais de recrutamento social. Os cargos de tempo integral listados incluem engenheiro de software de tempo de execução NPU, design NPUIP, especialista técnico em agendador NPU, arquiteto NPU e engenheiro de verificação NPU. Os locais de trabalho estão todos localizados na Nova Área de Pudong, Xangai.

"Late Auto" aprendeu que no processo de autopesquisa de chips de direção inteligentes, a equipe interna da Ideal faz principalmente um design de front-end mais valioso e atualmente terceiriza a parte de design físico de back-end. Ao mesmo tempo, a Ideal também está construindo sua própria equipe de design de back-end.

O back-end converte o design lógico do front-end em um design físico, o que equivale a converter o diagrama esquemático do circuito em um diagrama de circuito. Chen Chaozhuo, diretor de estratégia da Xinli Intelligence, fabricante nacional de chips automotivos, disse que, como a indústria já possui tecnologia madura e padrões de controle de processo, a terceirização do back-end pode economizar tempo e custos e é uma prática comum na indústria.

Em julho deste ano, o "Taiwan Times" citou um relatório de pesquisa do Morgan Stanley dizendo que a Ideal planeja terceirizar o design back-end de chips de condução inteligentes para a Shixin Electronics de Taiwan. Entende-se que após a finalização do design back-end do chip, ele será entregue à TSMC para fabricação.

De acordo com informações no site oficial da Shixin Electronics, atualmente ela fornece aos clientes principalmente serviços como design de chip profissional ASIC e design de chip SoC em nível de sistema. A Shixin Electronics foi fundada em fevereiro de 2003, passou a certificação TSMC em 2009, abriu o capital em outubro de 2014 e abriu um escritório em Pequim em janeiro de 2021. No início de sua criação, a Shixin Electronics recebeu investimentos de empresas de tecnologia como TSMC, Cisco e SoftBank.

Uma pessoa próxima à Li Auto enfatizou ao "Late Auto" que a pesquisa e o desenvolvimento dos chips de inferência da Li Auto são relativamente complexos. Além de hardware como NPU e SoC, também inclui desenvolvimento e adaptação de software. "Esta é na verdade uma solução multicamadas."

Além dos chips de inferência para automóveis, a Ideal também discutiu chips de treinamento em nuvem desenvolvidos pela própria empresa para data centers. Uma pessoa familiarizada com o assunto acredita que, quando se trata de seleção de rota técnica de chips de treinamento em nuvem, a Ideal pode não usar a arquitetura de GPU atualmente amplamente usada, mas adotar uma arquitetura semelhante ao supercomputador de IA Dojo da Tesla ou à startup de chips de IA Tenstorrent. A pessoa mencionada acima disse: “Xie Yan é um compilador e espera usar o agendamento de software para obter redução de dimensionalidade e melhorar a utilização”.

A Tesla anunciou certa vez no evento AIDAY 2021 que o chip D1 usado em seu supercomputador Dojo é baseado na ideia de chips ASIC de uso profissional e tem vantagens de desempenho e custo.

Na conferência de comunicação de mídia da primavera de 2023 da Li Auto, Li Xiang disse uma vez: “Por exemplo, se a Tesla fabricar seu próprio chip de treinamento de IA D1, depois que todo o sistema for construído, provavelmente custará um sexto do custo da Nvidia A100”.

Em meados de agosto deste ano, de acordo com a Late Auto, a administração da Ideal não fez planos detalhados para autopesquisa de chips de treinamento em nuvem.


Faça chips com Tesla

Em junho de 2022, Chen Fei propôs em um evento de recrutamento no campus realizado pela Li Auto que os futuros chips de direção inteligente deveriam ter sete características principais: grande poder de computação, alta escalabilidade, fácil programação de software, alta flexibilidade, baixo consumo de energia, alta confiabilidade e baixo custo.

No campo dos chips de condução inteligentes, espera-se que a indústria alcance uma melhoria de desempenho de 5 a 10 vezes em comparação com os chips produzidos em massa existentes.

Ele acredita que os chips atuais não conseguem atingir o desempenho máximo. Uma razão importante é que os fabricantes de chips devem considerar a generalização e projetar e fabricar chips para toda a indústria, e os modelos utilizados por cada OEM podem ser diferentes, o que causará algum desperdício e dificultará a obtenção de um efeito "feito sob medida". "Não tem como. Os chips de melhor desempenho disponíveis no mercado são apenas os chips NVIDIA." Chen Fei disse.

Além disso, a estratégia dos principais fabricantes na área de chips para servidores ou telefones celulares é adicionar capacidades de aceleração de inferência de IA à sua arquitetura original vantajosa, na esperança de criar um produto que possa ser usado de forma eficiente pelos fabricantes de automóveis. No entanto, a intenção original do design das arquiteturas tradicionais de CPU e GPU não é para o cenário de aplicação de direção inteligente. Se usado para executar aplicativos de inferência de condução inteligente, o consumo de energia do chip será muito grande, o que afetará o desempenho geral em condições de alta temperatura.

“A GPU foi originalmente projetada principalmente para renderização gráfica e aceleração 3D. Seu poder de computação é melhor que o da CPU, mas quando se trata de aplicação de direção inteligente, já parece um tanto inadequado.” Chen Fei disse.

A Tesla é a primeira empresa automobilística do mundo a desenvolver seus próprios chips de direção inteligente. Já em 2016, durante a cooperação da Tesla com a Mobileye, ela roubou a lenda da indústria de chips Jim Keller da AMD. Naquela época, o sistema de hardware de direção autônoma no Tesla Model S e Model

No entanto, a cooperação entre as duas partes não é tranquila: Mobileye acredita que as funções que a Tesla libera para os usuários são muito radicais; Tesla acredita que a Mobileye não responde o suficiente às necessidades de pesquisa e desenvolvimento. Em maio de 2016, um acidente de trânsito em uma rodovia da Flórida, nos Estados Unidos, intensificou o conflito entre as duas partes.

Em outubro de 2016, a Tesla lançou o Hardware 2.0 construído com uma versão customizada da plataforma de computação de direção autônoma DrivePX2 da Nvidia (composta por um chip Tegra Parker e um chip GPU de arquitetura Pascal), rompendo completamente com a Mobileye. Em agosto de 2017, a Tesla adicionou outro chip NVIDIA Tegra Parker e atualizou Hardware2.0 para Hardware2.5.


Durante a cooperação com a Nvidia, as capacidades do software de condução inteligente da Tesla continuaram a evoluir e a sua compreensão dos chips continuou a aprofundar-se. Em março de 2019, a Tesla produziu Hardware 3.0 em massa baseado em 2 chips FSD. Os chips FSD foram desenvolvidos pela própria Tesla, usando um processo de 14 nm, e um único chip tem poder de computação de 72TOPS.

De acordo com dados divulgados pela Tesla, em comparação com o Hardware2.5 usando chips Nvidia, a velocidade de processamento de imagem do Hardware3.0 aumentou cerca de 21 vezes (o número de quadros por segundo processados ​​aumentou de 110 para 2300), o custo unitário foi reduzido em 20% e o consumo de energia é apenas 1,26 vezes maior que o original (aumentou de 57W para 72W).


Chip Tesla FSD, fonte: Tesla AutonomyDay 2019.

Atualmente, os chips FSD foram instalados em grande escala em todos os modelos da Tesla, com remessas acumuladas superiores a 8 milhões. Muitos membros da indústria disseram ao Late Auto que, do ponto de vista da aplicação, o chip Tesla FSD é atualmente o chip de inferência mais avançado para veículos de direção inteligente.

Além dos chips de raciocínio para automóveis, a Tesla também desenvolveu seus próprios chips de treinamento em nuvem. Em agosto de 2021, Tesla lançou oficialmente o supercomputador Dojo e o chip de treinamento em nuvem autodesenvolvido D1 no AIDAY. Neste ponto, a Tesla também tomou a iniciativa de pesquisa e desenvolvimento de chips para cenários de data center em suas próprias mãos.

De acordo com informações divulgadas anteriormente por funcionários da Tesla, o supercomputador Tesla Dojo iniciou a produção em massa em julho deste ano. Até fevereiro de 2024, o poder computacional total atingirá o equivalente a aproximadamente 100.000 chips NVIDIA A100, ficando entre os cinco melhores do mundo. Até dezembro de 2024, o poder computacional total do Dojo atingirá 100EFLOPS, equivalente a aproximadamente 300.000 chips NVIDIA A100.

Em termos de desempenho, em comparação com a NVIDIA A100 que adota a rota GPU, o Tesla D1 atinge maior potência de computação de pico com uma área de chip menor e menos transistores quando a potência de design térmico TDP (MaxThermalDesignPower) é a mesma.

Quer realizemos ou não uma auto-investigação, teremos eventualmente de regressar ao modelo de negócio.

Depois que Tesla colocou chips FSD em produção em massa, as novas forças chinesas Ideal, Weilai e Xiaopeng formaram suas próprias equipes de chips.

Li Xiang explicou certa vez na conferência de comunicação de mídia da primavera de 2023 da Li Auto que, em termos de pesquisa e desenvolvimento de sistemas, as montadoras precisam prestar atenção em como o custo da plataforma continua a diminuir. Em termos de custo de hardware de direção inteligente (incluindo radar, câmeras e outros sensores e plataformas de computação), o Tesla custa US$ 1.500, e o ideal é US$ 4.000.

“Se a Ideal fabricar meus próprios chips de inferência, posso obter o mesmo custo que Tesla, porque o algoritmo está em minhas próprias mãos, incluindo toda a plataforma de treinamento e chips de treinamento.” Li Xiang disse na época.

O ambiente internacional complexo e em constante mudança também torna a autopesquisa sobre chips mais racional.

Uma pessoa próxima à Ideal analisou "Late Auto" e disse: "Se a Ideal não promover a autopesquisa de chips de direção inteligente em um curto período de tempo, mas continuar usando chips NVIDIA, gargalos de desempenho não aparecerão em breve, mas os chips NVIDIA são caros e há risco de interrupção do fornecimento."

Atualmente, a interrupção do fornecimento de chips de treinamento em nuvem para direção inteligente tornou-se um risco real enfrentado por muitas empresas automotivas chinesas e desenvolvedores de direção autônoma.

Em 18 de outubro, o Bureau de Segurança Industrial do Departamento de Comércio dos EUA emitiu um anúncio afirmando que expandiria o escopo de controle sobre a exportação de chips avançados para a China. Os produtos de chip restritos incluem, entre outros, A100, A800, H100, H800, L40, L40S e RTX4090. Entre eles, A100, A800, H100, H800 e outros chips podem ser usados ​​para treinamento em nuvem de direção inteligente.

Em 24 de outubro, a Nvidia emitiu um anúncio informando que o governo dos EUA havia notificado a Nvidia de que a proibição de exportação de chips acima mencionada entraria em vigor imediatamente e retiraria o acordo do período de isenção de 30 dias.

A competição de poder de computação em nuvem de condução inteligente é outro campo de batalha para os principais fabricantes. Em 17 de junho, no evento "Family Technology Day" realizado pela Li Auto, Lang Xianpeng, vice-presidente da Li Auto, disse que o poder de computação em nuvem do data center da Li Auto atingiu 1.200 PFLOPS.

Em 10 de novembro, na conferência de lançamento do novo carro Avita 12, o presidente da Huawei Auto BU, Yu Chengdong, disse que o poder de computação em nuvem de condução inteligente da Huawei atingiu 2800PFLOPS.

Há muitos benefícios no desenvolvimento de chips autodesenvolvidos, mas os riscos também não são pequenos.

Em primeiro lugar, a rota técnica dos chips de condução inteligentes ainda não convergiu e os produtos desenvolvidos pelos fabricantes podem ser eliminados logo após a produção em massa.

Chen Fei disse uma vez que o atual modelo de direção inteligente é projetado principalmente com base em redes neurais convolucionais (CNN, Redes Neurais Convolucionais). No entanto, com o desenvolvimento da academia e da indústria, os métodos de raciocínio dos modelos podem mudar. Se o design de hardware atende apenas modelos atualmente especializados em determinado tipo, então, quando surgirem modelos melhores, o chip desenvolvido com muitos recursos poderá se tornar obsoleto.

Portanto, ao projetar chips de acionamento inteligentes, os fabricantes devem levar em consideração a tendência de desenvolvimento do modelo para que todo o sistema mantenha um certo grau de flexibilidade e escalabilidade. Desta forma, quando um novo modelo é lançado, o chip também pode se adaptar a ele na arquitetura existente, permitindo que o novo modelo funcione de forma eficiente.

Em segundo lugar, o ciclo de investigação e desenvolvimento de chips de elevado poder computacional, como a condução inteligente, é longo, o investimento de capital é grande e a incerteza é elevada. Se a autopesquisa de chips for promovida cegamente, isso também causará um grande fardo para as empresas.

Chen Chaozhuo disse que a pesquisa e o desenvolvimento de chips são particularmente "custo-intensos". A pesquisa, o desenvolvimento e a produção em massa de um chip de alta potência computacional custaram mais de um bilhão de yuans ou mais. Do ponto de vista do modelo de negócios, os fabricantes de chips devem ter uma margem de lucro bruto superior a 50% para sobreviver. Os chips desenvolvidos pelas montadoras geralmente só podem ser usados ​​por elas mesmas. Devido ao rápido desenvolvimento da indústria, um chip só pode ser instalado em uma ou duas gerações de modelos. Se o volume de vendas não for suficientemente grande, o modelo de negócio será difícil de sustentar.

Além disso, o objetivo final dos chips de condução inteligentes desenvolvidos pelas próprias montadoras é maximizar os benefícios comerciais. No entanto, em termos de remessas de chips, a maioria das montadoras não pode se comparar aos principais fabricantes de chips que fornecem soluções universais para a indústria.

No Fórum China Electric Vehicles 100 de 2023, o fundador e CEO da Horizon, Yu Kai, disse uma vez que as montadoras deveriam considerar cuidadosamente a questão dos chips de direção inteligentes autodesenvolvidos. "A autopesquisa e o desenvolvimento de outras fontes são escolhas estratégicas em si. Se o volume anual de vendas da fábrica de automóveis for inferior a 1 milhão de veículos, a eficiência geral dos fundos não será calculada."

Chen Chaozhuo acredita que a Tesla deixou de usar as soluções dos fornecedores para a autopesquisa porque as soluções dos fornecedores não atendiam aos requisitos da Tesla. Ao desenvolver seus próprios chips, a Tesla realmente desenvolveu certas vantagens técnicas e de custo. Mas se um dia, no futuro, a indústria de chips de condução inteligente se tornar mais madura e as soluções para todo o setor puderem atender aos requisitos das montadoras, as montadoras não terão mais a vantagem dos chips autodesenvolvidos.

Wang Bo, gerente de pesquisa da IDC China, uma instituição de pesquisa industrial, disse à Late Auto que a direção inteligente envolve uma ecologia industrial complexa. Para as empresas automóveis, quer se concentrem na auto-investigação ou procurem cooperação com empresas tecnológicas, a acumulação de tecnologia no campo dos chips irá ajudá-las a lutar por uma maior iniciativa na competição futura.