3月31日，由中国电动汽车百人会主办，清华大学、中国汽车工程学会、中国汽车工业协会、中国汽车技术研究中心、中国汽车工程研究院共同协办的中国电动汽车百人会论坛（2023）在京开幕。

本届论坛为期三天，以“推进中国汽车产业现代化”为主题，共设有2场全体会议、9场开放专题论坛和4场闭门会议。论坛同期将举办丰富多彩的新车展示、产业链及核心零部件展示、以及多个重磅课题研究报告发布等全面贴近产业实践，促进跨界交流的互动活动。

在第三天的“智能汽车论坛”中，与会嘉宾主要讨论了芯片、操作系统、域控制器等智能汽车关键技术进展；智能汽车进入量产阶段的整车进展；车路云一体化进展及趋势；整车与零部件企业发张格局与创新路径；智能化阶段的产业链企业关系；构建智能汽车发展的新生态体系等议题。

在论坛现场，北京超星未来科技有限公司创始人兼CEO 梁爽先生发表了相关演讲，以下内容为演讲全文，简单编辑，未经本人审阅。

感谢主持人，也感谢各位演讲嘉宾和各位行业同仁大家下午好，我是超星未来的创始人和CEO梁爽，今天也是很荣幸感谢百人会给我们这样一个机会能够分享一下我们对行业的思考和实践。

超星未来是成立于2019年是一家孵化于清华电子系和车辆学院的联合孵化的一家公司，我们是坚持以计算芯片为核心来去提供高能效的智能驾驶的这样一个计算的方案。软硬件协同也是一直以来是我们整个坚持的技术的核心。今天也是给大家简单分享一下我们在对于我们新一代的智能驾驶计算这一块我们的一些思考和实践。

我们第一个思考先看一下在整个前装量产的定点的这样一个热点上面，首先我们可以看得到的是，其实整个智能驾驶的方案是从三四十万的高配车型上开始渗透，目前我们已经可以看得到在十万到三十万的车型里面已经开始有一个向下的下探。那么未来几年这部分的区间我们是可以看到会有一个快速的起量，而这部分的空间我们相信大家都会非常的去强调性价比，一说到性价比，这里就必然会引出一个是如何去做增效，一个是如何去做降本。我们可以看到一点，从增效角度来讲，我们整个智能驾驶的功能NOA的方案，从一体机基础的功能到高速的领航系统加上泊车的行泊一体，逐渐做到城区道路系统NOA从控制成本的角度，我们越来越多看到包括在传感器的复用包括在整个芯片成本上进一步的降低，以及包括我们在整个电子电气架构上做到进一步更为集中化，我们可以看到行泊一体的方案最近也成为了一个爆款。

第二个我们看到的趋势是说，我们对于整个智能驾驶感知这一块的认知，作为感知方案这一块的引领者我们看到像特斯拉它还是非常激进的推进视觉这块，其实我们看到行业里面一直有一个讨论，我们看到过去几年内包括白色卡车的魔咒，我们看到以纯视觉方案解决当今的感知问题还是存在一定的风险和局限的，包括最近特斯拉的hardware4.0上已经把毫米波雷达重新纳入传感器当中来。包括刚才鲍总及石总都有提到，我们看到激光雷达正在加速往量产车上车，整个成本也在下降。所以我们认为要实现安全可靠的量产的智能驾驶的系统，我们还是坚定的认为随着硬件成本的降低还是会有这种以多元、多模态的融合感知的方式来去解决整个感知的问题，我们认为会是一个主流的选择。

我们第三个思考是我们看到整个，我们讲从应用算法方案上的一些新变化，包括最近大家其实看的比较多的提到ChatGPT大模型，我们很关注大模型未来怎么样和我们的车、我们的智能驾驶产生联系。其实可以看到一点，整个大模型这一块它比较常见的应用是在transformer计算的应用，transformer它其实可以具备更好的全局的感知，以及做多模态融合角度来讲能够体现出更好的性能。我们看到国内外领先的玩家都推出了基于transformer来提升感知这一块的大模型，而且未来我们是能够看得到的，这种真正的大模型能够在智能驾驶方案上面是不是能够更好的解决一些在认知这一块的问题，这个必然会带来的趋势是说对于这一块我们看到的计算的比重在整个系统比重里会越来越多。另外一个是transformer它会非常多的依赖于在超大数据集上能够体现出一个更好的性能，而且我们可以看到很多我们看到的玩家都已经在整个超算中心，在整个数据闭环系统这一块都已经在积极的构建，我们相信这也是整个我们讲大模型下一步能够往智能驾驶系统里面去产生联系的这么一个基础以及信号。

第4点我们看到的是回归到我们讲的算力和计算的问题，我们讲整个智能驾驶的应用包括泛化到整个人工智能的应用和发展都离不开算力以及计算技术的支撑，但其实我们看到一个很明显的限制是大家都知道，摩尔定律其实已经进入到一个泛化的状态，其实从技术层面上整个芯片的制程已经接近到一个物理的极限，而且我们看到整个政治的格局可能会带来整个国际形势的不确定性。包括从整个经济层面来讲我们算经济帐，其实我们要做这样一个芯片用先进的制程也是有非常大的压力的，所以我们讲如果要去解决车上的计算问题，是不是通过盲目的做高端制程，我们认为可能更合适的方式是通过软硬件协同定制化的方式实现，相较于用通用处理器做多核堆叠甚至做芯器件，甚至有行业同事讲存算一体的方式解决，可能在相当长一段时间内还是会认为比较现实的方式是一种软硬件协同去做定制加速的方式来去解决这么一个计算能效的问题。

所以基于以上我们看到的这样一些思考和认知，我们超星未来也是做出了一些实践，我们在去年也是正式的发布了我们的第一颗芯片是我们整个惊蜇R1的计算芯片，包括我们配套的高能效的AI处理结构的平湖，包括全流程开发工具链鲁班，以及我们现在提供包括整个围绕芯片的开发套件、高可靠系统软件以及三维感知的参考方案来去形成一个完整的灵活的交付矩阵更好服务客户落地。我们相信在智能驾驶落地的过程中，去做一家单纯的芯片公司是远远不够的，我们必须要深刻理解整个智能驾驶的场景，我们要构建一个完整易用的软件的生态，去坚持开放合作才能适应整个快速迭代的这样一个应用方案和客户的需求。

另一个到整个我们产品矩阵的这个时段上，超星未来是对应规划了两条产品线，我们惊蜇这一条产品线是专注于未来几年我们打这种高性价比的行泊一体的方案去面向我们讲性价比的大众的车型来去快速的推进。另外我们也去规划了我们在高阶的谷雨的产品线，能够提供到百T以上的硬件级的算力，并且能够对像激光雷达的点云包括transformer提供硬件级加速支持，支撑30万以上高阶车型的复杂方案的需求。我们还是坚信在当今这样一个时代整个智能驾驶的计算这样一个我们一定要做一个供应商要保持理性，我们要把握行业节奏和实际的需求，我们还是坚定的认为是量产落地为王，完善生态为王，在攀登珠峰过程中一定要做到沿途下蛋。

针对下一个智能驾驶系统在架构上我们也做了一下的实践，第1是面向多模态的融合感知，无论是从未来我们看到主流的是采用激光雷达还是4D毫米波都是采用三维点云稀疏无序的点云数据，超星也是开发了面向这种稀疏点云去进行处理的专用结构，我们可以把整个计算延迟，控制在一个10毫秒的范畴之内，而且我们可以相较于友商，这种用极小的面积的资源能够做到三倍于友商方案的性能表现，这也是业内的首创。另我们也是能够提供结合视觉包括点云的三维感知的参考方案来去方便客户快速的开发原形系统，我们也已经和多家主机厂包括激光雷达厂商都开展了合作，目前也是正在承担某款量产车型的这么一个激光雷达感知方案的定点开发工作，我们也希望尽快推广包括IP包括芯片层面的进一步合作。

第二我们面向transformer的任务有在软硬件两方面的布局，一个是从硬件IP层面下一代NOP架构将支持transformer的硬件级加速。我们目前看到的是在大部分的芯片友商方案里面其实都是在采用这种通用的逻辑进行transformer的计算处理，这一块我们是提供到硬件级加速支持，通过硬件级加速以及软件的协同优化可以达到对transformer任务至多20倍的加速的处理。另外软件方面我们也提供包括三维的加速部署的工具来去帮助快速的优化部署，这个我们就不多讲了，我们也是已经与多家行业领先的合作伙伴去开展了开发适配的工作，来去加速包括BEV在内的下一代质量方案的量产落地，下一年也会有正式的对外的发布。

以上就是我们对于下一代的智能驾驶计算的思考和实践，我们目前也是已经与有20多家行业内的合作伙伴以及客户都开展了密切的合作，我们也是希望能够利用我们在计算方面的技术能够更好的服务于行业的需求，我们也希望也期待与产业链中上下游的合作伙伴能够有更多的交流和合作，我们一块去打造一个开放共赢的产业生态，共同为中国的智能网联汽车产业的发展去助力。

谢谢大家。