芯片是一個長坡厚雪的行業(yè)，如何讓車企敢用、會用、想用黑芝麻的芯片？

作者 | 李雨晨

2016年，AI芯片公司黑芝麻智能成立。四年之后，黑芝麻智能A1000正式發(fā)布。這是本土的第一款16納米、稠密算力超過50TOPS的劃時代產(chǎn)品。當(dāng)時，智能駕駛行業(yè)仍處于低谷，A1000的出現(xiàn)既是機遇也有風(fēng)險。

風(fēng)險在于，如果沒有車企敢用，前期的巨額投入將把公司帶入死胡同。如果能提前踩準(zhǔn)車企和智駕的演進方向，那將會直接填補行業(yè)的需求空白。

2022年，A1000開始量產(chǎn)。在車企尚未完全建立智能化團隊、積累足夠量產(chǎn)經(jīng)驗時，黑芝麻智能決定與車企進行“聯(lián)合開發(fā)”。

黑芝麻智能CMO楊宇欣回憶，“發(fā)揮一顆AI芯片的作用很復(fù)雜，如果不具備完整的整套解決方案能力，很難說服合作伙伴和客戶在你的芯片上投入開發(fā)，所以需要先證明自己?！?/p>

吉利是黑芝麻智能的早期客戶之一。

在吉利量產(chǎn)的最后三個月，億咖通、吉利和黑芝麻智能的三方團隊在杭州灣共同攻關(guān)。白天研發(fā)團隊進行開發(fā)，夜里測試團隊加緊測試。第二天一早，研發(fā)工程師起床后收到新的問題，再繼續(xù)開發(fā)和調(diào)試。

在這樣的開發(fā)節(jié)奏下，黑芝麻智能在領(lǐng)克08這款使用全新智駕方案的車型上只用了12個月，就完成了基于A1000的高速NOA智駕方案研發(fā)落地。

也正是從2023年開始，智駕方案的迭代進程更加迅速。從無圖方案到端到端再到大模型的上車，考驗的是對于新技術(shù)的敏銳判斷和堅決押注。

2025年底，黑芝麻智能的A2000系列發(fā)布。A2000采用自研九韶NPU架構(gòu)，專為全場景通識智駕設(shè)計，并且有A2000 Lite、A2000和A2000 Pro三個梯隊型產(chǎn)品。除了面向智駕的城區(qū)NOA等，還可以應(yīng)用于Robotaxi，且支持機器人和通用推理計算等多個領(lǐng)域。

楊宇欣表示，“A2000的理念就是通過對大模型的支持，來增加落地場景的通用性。”

今年3月，黑芝麻智能與武漢大學(xué)相關(guān)團隊達成戰(zhàn)略合作，基于武漢大學(xué)研發(fā)的“天問”人形機器人，以黑芝麻智能的華山A2000芯片和武當(dāng)C1236芯片打造機器人“大腦”和“小腦”平臺方案，并圍繞人形機器人量產(chǎn)的芯片解決方案深入合作。

在楊宇欣看來，“芯片是長坡厚雪，需要踏實走好每一步。不管怎么樣，我們已經(jīng)走到了行業(yè)頭部?！?/p>

PART 1

智駕需求收斂，芯片的性能與成本“平衡術(shù)”

問：能否聊聊您當(dāng)時加入黑芝麻智能的契機？

我以前在中科創(chuàng)達，2016年代表中科創(chuàng)達投資了黑芝麻智能。2019年正式加入。我在手機和芯片行業(yè)工作多年，當(dāng)時，新能源汽車和自動駕駛沒有很火，但我認為中國半導(dǎo)體行業(yè)的黃金十年即將到來，希望能加入一家芯片創(chuàng)業(yè)公司，做一些能夠改變行業(yè)的事。

2019年，第一代AI芯片創(chuàng)業(yè)公司已經(jīng)慢慢跑出來。大家都是瞄著做通用AI，但并沒有很好的落地場景。所以第二波AI芯片的創(chuàng)業(yè)者開始更專注落地的場景。

自動駕駛是垂直領(lǐng)域的AI芯片，從出生就帶著場景。

自動駕駛的發(fā)展是從2014年左右開始。2018年是谷底。因為芯片的AI計算能力指數(shù)級提升，很多在學(xué)術(shù)圈研究AI的人“從山洞里”出來了，有機會將理論上的東西去落地到具體應(yīng)用場景，自動駕駛就是其中一個場景。

但這個時候有兩派別。一派尋求跨越式發(fā)展直接進入L4；另一派是漸進式發(fā)展路線，知道這件事不可能一蹴而就，但是發(fā)展都沒達行業(yè)的預(yù)期。因為漸進式路線需要車企資源的大量投入，觀望者居多，不愿意吃螃蟹。

2019年是智能駕駛行業(yè)的谷底，很多公司關(guān)門或者把技術(shù)打包賣掉。直到特斯拉發(fā)布FSD，行業(yè)才全面抬頭，開始摸著特斯拉過河，從純視覺、BEV到端到端。再加上從2020年開始，市場對半導(dǎo)體的投資加大，由此形成技術(shù)和資本的兩股春風(fēng)。

問：誰是黑芝麻智能第一個吃螃蟹的客戶？

最早是和一汽合作，對我們的幫助很大。我記得很清楚，2019年我到黑芝麻智能后的第一件事，就是12月跑到長春，零下35度，跟一汽簽戰(zhàn)略合作。另外是上汽，在2017年左右通過旗下一支基金投資我們。

A1000的第一個定點是江淮。真正開始大放量是吉利的車型，跟江淮前腳后腳。從2022年底開始，我們就從領(lǐng)克系列開始合作，后來又拓展到銀河系列和星耀系列。

因為黑芝麻智能這種AI芯片公司，和傳統(tǒng)芯片公司的團隊配置不太一樣。傳統(tǒng)芯片公司以芯片設(shè)計為主，搭配底層的驅(qū)動和軟件開發(fā)人員。

但是黑芝麻智能除了這些配置之外，上層的操作系統(tǒng)、工具鏈、模型都有相應(yīng)的團隊。

要發(fā)揮一顆AI芯片的作用很復(fù)雜，如果不具備完整的整套解決方案能力，很難說服合作伙伴和客戶在你的芯片上投入開發(fā)，所以需要先證明自己。

吉利和東風(fēng)的前兩款車都是我們自己的感知算法，我們是最早在國內(nèi)實現(xiàn)高速NOA方案量產(chǎn)的幾個平臺之一。一旦證明了能力后，后續(xù)的上車就變成一個工程化scaling的過程，問題就變成“是否有足夠多的團隊幫客戶進行工程化”。車型的傳感器配置、角度不一樣，就會有大量工程開發(fā)工作，我們會與合作伙伴一起配合。

所以，到了銀河星耀系列就切換到了吉利與第三方算法合作伙伴共同開發(fā)的算法。我們也證明了黑芝麻智能芯片的開放性和量產(chǎn)能力。

黑芝麻智能還是始終堅持開放平臺的商業(yè)模式，這也是國際巨頭多年驗證成熟的模式，雖然我們具備模型和算法，但是不能單純靠算法和工程交付掙錢，要依靠標(biāo)準(zhǔn)化的解決方案、依靠生態(tài)客戶和一級供應(yīng)商（Tier1)來做。

這也體現(xiàn)在黑芝麻智能的人員規(guī)模上。我入職時不到300人，接來量產(chǎn)的落地三四年之間人員快速擴大，最高峰到1200人，現(xiàn)在穩(wěn)定在1000人，已經(jīng)形成完整穩(wěn)定研發(fā)和商業(yè)化組織。

問：當(dāng)時在一汽、東風(fēng)遇到了哪些競對？

我們早期的競對還是以海外的芯片巨頭為主，像英偉達、德州儀器、高通也在迅速追趕。

低算力平臺其實有很多選擇，瑞薩、安霸、Mobileye，但是逐漸成為主流的中高算力平臺的玩家在逐漸變少。

新的智駕功能剛開始開發(fā)的時候客戶的平臺都會考慮到算力冗余，功能收斂之后，性價比這件事就很重要。

我們在吉利量產(chǎn)的最后三個月，美國和中國團隊同事24小時協(xié)同支持。億咖通、吉利和我們在杭州灣共同攻關(guān)。白天研發(fā)團隊進行開發(fā)，夜里測試團隊加緊測試。第二天一早，研發(fā)工程師起床后收到新的問題，再繼續(xù)開發(fā)和調(diào)試。

領(lǐng)克08這款車比較特殊，因為所有的平臺都是新的，沒有沿用任何吉利已有的平臺，留給輔助駕駛方案的研發(fā)只有12個月，我們都認為是不可能完成的任務(wù)，但是通過與客戶和合作伙伴的通力合作，我們創(chuàng)造了奇跡。

回頭來看，2023年A1000開始大規(guī)模量產(chǎn)，當(dāng)時國內(nèi)沒有幾家可以真正量產(chǎn)高速NOA，我們絕對是前幾個。

現(xiàn)在，城市NOA又成為了新的賣點，大概需要500TOPS以上的算力。目前業(yè)內(nèi)有這個能力，只有Thor、黑芝麻智能A2000、地平線J6P。

問：但是現(xiàn)在大算力智駕芯片還是英偉達的天下。

大家在做算法訓(xùn)練時都是用英偉達的服務(wù)器，部署到英偉達的推理芯片上的遷移成本比較低。但一旦車子的銷量提升后，遷移成本相比于平攤到每輛車的硬件成本就變得微不足道了。我認為隨著場景的成熟和方案的普及，芯片以及方案的成本將成為客戶決策的關(guān)鍵因素。

回過頭來，我們還是認為ASIC架構(gòu)的芯片會逐漸成為主流，出貨量足夠大、場景相對收斂后， ASIC芯片的性價比優(yōu)勢會凸顯。

問：2020年A1000發(fā)布到2023年落地，這三年的節(jié)奏是在預(yù)期之內(nèi)嗎？

在我們預(yù)期之內(nèi)。

2020年以前，中國很多芯片設(shè)計的創(chuàng)業(yè)公司不愿意開發(fā)車規(guī)芯片，因為落地周期長，客戶準(zhǔn)入門檻高。車規(guī)芯片相比于一般的消費級芯片有更多的要求。

第一個是團隊要通過車規(guī)認證，團隊要基于車規(guī)芯片的設(shè)計流程來設(shè)計芯片，比消規(guī)芯片更嚴格。

第二個是研發(fā)流程的車規(guī)級認證，整個公司的設(shè)計流程是不是按照車規(guī)流程來。

第三個是產(chǎn)品的車規(guī)認證。芯片設(shè)計一年半到兩年的時間，A1000是國內(nèi)第一個高算力的車規(guī)級智能駕駛芯片，我們又是一家新公司，所以客戶的驗證周期更長。

2020年A1000出來之后整整一年的時間，我們一邊是給客戶推廣產(chǎn)品，一邊完成芯片產(chǎn)品的車規(guī)認證。完成芯片的 ACQ100認證、ISO 26262認證等，也花了大半年的時間。

我們的第一個定點其實是從2021年下半年開始。只是到了2022年5月，我們才官宣了戰(zhàn)略合作。這些時間和節(jié)點的推進，都在預(yù)期范圍內(nèi)。隨著量產(chǎn)芯片上車越來越多，交付流程也更加成熟，design in的周期會相對變短。

問：2020年底發(fā)布的A1000是2017年開始籌劃的？

楊宇欣：是的，一般芯片公司為了盡快推出芯片會盡量基于第三方的IP進行開發(fā)，我們的判斷是，核心IP是產(chǎn)品差異化的根本，特別是在新的技術(shù)領(lǐng)域，因此我們的技術(shù)戰(zhàn)略是ISP、NPU一定要自研。經(jīng)歷過芯片技術(shù)周期的人，對芯片的定義會有自己的理解。

但我們的判斷是算力的需求迭代會非?？欤?A1000設(shè)計的是58TOPS的稠密算力，2020年發(fā)布的時候是16nm工藝下最高的算力。

現(xiàn)在來看，這個路徑選擇還是正確的。我們從中也得到了相應(yīng)的回報，直到現(xiàn)在A1000仍然有新的定點持續(xù)出貨，是算力和市場化表現(xiàn)最好的之一，也是高速NOA的一個主流芯片平臺。

問：A2000系列的A200Lite、A2000、A2000 Pro的設(shè)計邏輯是什么？

設(shè)計思路主要是兩個維度，技術(shù)與場景。

隨著大模型的普及，芯片底層的差異化變小。很多算法的底層架構(gòu)都是基于Transformer。所以，需要把芯片的定位做得更“精準(zhǔn)”。我們不是加速算法，而是加速模型框架，對Transformer的支持足夠越好，越能支持算法在輔助駕駛和座艙等等算法和應(yīng)用快速迭代。

A2000的理念就是通過對大模型的支持，來增加通用性。

過去大家都說ASIC芯片是雙刃劍，一方面是成本功耗有優(yōu)勢，但是通用性不足。但是隨著底層模型的標(biāo)準(zhǔn)化，ASIC芯片的通用性會進一步提升。

另一個維度是，端側(cè)會出現(xiàn)更多的場景。所以，A2000也在觀察通用端側(cè)推理市場的應(yīng)用前景。

回到這三款產(chǎn)品。三個不同的產(chǎn)品定位，還是與算力關(guān)聯(lián)。一項技術(shù)從出現(xiàn)到成熟，需要不斷去驗證場景來實現(xiàn)功能的收斂。之前說到，算力的需求是逐漸收斂的。所以，A2000要先提供足夠的算力冗余去覆蓋需求，接下來才是圍繞性能和成本優(yōu)化。

而A2000 Lite要實現(xiàn)在算力需求收斂后進一步提高性價比的目標(biāo)，A2000 Pro會面向Robotaxi方面的應(yīng)用。

我的觀點是，L3和L4會長期共存。因為兩者的商業(yè)模式出現(xiàn)了本質(zhì)區(qū)別。L3屬于人機共駕，而L4是人機分離。L3為什么會長期存在，因為短期內(nèi)“買車”這件事不會消失。

隨著Robotaxi的試點范圍和運營逐漸成熟，未來會進入L4的時代，年輕人不再買車了。A2000 Pro就是面向L4級別市場，提供更高算力的維度來定義。

問：前段時間黑芝麻智能和奇瑞、太保的戰(zhàn)略合作也是基于L3來考慮的？

是的。我們和奇瑞以及太保的合作，是基于商業(yè)模式和場景拓展兩個維度。很重要一點是，L3開始在商用車領(lǐng)域落地。其次，商用車大量都是運營車輛，輔助駕駛在運營車輛里能夠起到提高安全性、降低運營成本的作用，這一點被車企所認可。

我們和太保交流，50%投保的商用車會有索賠記錄，目前商用車的保險模型是虧錢的。所以我們現(xiàn)在的方式是“技術(shù)降本”，經(jīng)過初步估算和試點，我們可以將保險賠付率下降20%。

問：前一段時間，有高通的高管公開表態(tài)，芯片的內(nèi)存帶寬比NPU算力更重要，從您的角度怎么評價這個觀點？

楊：為什么這幾年AI芯片大家除了算力越來越關(guān)注帶寬，是因為大語言模型隨著參數(shù)量的不斷增加，除了計算，對于數(shù)據(jù)的搬運的需求也大大增加。

純粹的算力增加已經(jīng)不是特別高的技術(shù)瓶頸。說實話，堆砌算力只是量變不是質(zhì)變。實際在運算模型的過程中，數(shù)據(jù)搬運的不及時會造成算力無法發(fā)揮。

這也是為什么近幾年針對HBM（高帶寬內(nèi)存）的管制越來越多。

從黑芝麻智能的角度看，一味增加帶寬意味著芯片面積會增加，也就帶來成本的增加。A2000在設(shè)計之初就考慮到大模型的數(shù)據(jù)搬運問題。因為我們用了最新一代的IP，原生支持大模型。

我們希望通過整體的架構(gòu)創(chuàng)新，去找到帶寬、計算性能、價格的平衡，最新一代九韶架構(gòu)的NPU通過架構(gòu)創(chuàng)新提高計算效率同時降低對帶寬的依賴。

問：能否談?wù)劰ぞ哝湹膯栴}？其實此前會有用戶反映黑芝麻智能的工具鏈不好用，開發(fā)難度大。

所有的像黑芝麻智能這樣自研NPU的芯片廠商都需要配套自研工具鏈。我們工具鏈起步偏晚，直到A1000出來后才開始大規(guī)模投入工具鏈。

但是經(jīng)過這么多年的量產(chǎn)，我們的工具鏈已經(jīng)能夠符合客戶的使用要求，實現(xiàn)了大規(guī)模的量產(chǎn)交付，同時還在快速迭代，支持更多的第三方的算法也可以在我們芯片上量產(chǎn)。

A1000是我們第二代NPU，A2000是第三代NPU。所以我們的工具鏈?zhǔn)怯醒永m(xù)性的，這個非常重要，客戶在升級黑芝麻智能芯片平臺的時候不需要重新適應(yīng)新的開發(fā)環(huán)境?，F(xiàn)在我們公司有1000人，80%的人是研發(fā)背景。研發(fā)團隊里軟件和硬件比是1:4。軟件里面包括了驅(qū)動、底軟、工具鏈、模型等。

問：這幾年，智駕方案的迭代速度非?？?，但是芯片是一個長周期行業(yè)，可能3年前的需求定義已經(jīng)與現(xiàn)在脫節(jié)。另一方面，Tier2廠商下場做交付也越來越多。行業(yè)現(xiàn)在有哪些問題要解決？

輔助駕駛的變化很快，但是客戶希望加量不加價。我們的挑戰(zhàn)仍然在于，技術(shù)迭代要足夠快，但又要兼顧成本的壓力。

其實到今天，不同的芯片公司已經(jīng)演化出不同的發(fā)展路徑。有的芯片公司已經(jīng)成為解決方案公司，成為了Tier1直接給客戶交付兜底。但我們?nèi)匀皇菆猿肿鯰ier2。

AI 芯片公司需要完整的解決方案能力，大家都講軟硬一體，我們也贊同芯片要和模型的發(fā)展緊密匹配。但是我們很重要的一個觀點是，軟硬一體是技術(shù)趨勢而不是商業(yè)模式，如果是一個黑盒的商務(wù)模式就很難了，方案仍然需要開放。

過去的手機、消費電子行業(yè)都是這種模式，英偉達、高通也都是開放平臺。

當(dāng)然，黑盒模式需要結(jié)合公司的發(fā)展階段。有的公司是先有算法再有芯片，因為芯片完全是為了自己的算法需求設(shè)計。但是每一家方案公司的算法框架、技術(shù)路線都不同，對別人的支持就會弱。

你照著自己的樣子打造的一件衣服，穿在別人身上就不太合適，而我們是做“均碼”的。

黑芝麻智能現(xiàn)在有紐勱等算法合作伙伴。智駕和艙駕一體在與國內(nèi)和海外頭部的Tier1德賽西威、均勝電子、斑馬和安波福等合作。

現(xiàn)在城市NOA已經(jīng)逐漸成為主流，車企都在紛紛加大智駕方案的自研力度，隨著技術(shù)的進一步成熟，我們相信產(chǎn)業(yè)鏈分工也會逐漸清晰。

作為終端廠商，車企會非常重視用戶體驗。你看所有的手機廠商，UI和交互都是自己做。輔助駕駛離用戶體驗最近的就是算法，用戶對芯片反而感知不強。

我們一直認為，芯片是長坡厚雪，需要踏實走好每一步。不管怎么樣，我們起碼是走到了行業(yè)頭部。

問：當(dāng)下最前沿、討論最多的一個概念是VLA，怎么看VLA的上車前景？

我們看到VLA已經(jīng)逐漸成為智駕行業(yè)技術(shù)發(fā)展的一個共識，我們也在加速這方面的研發(fā)。而對于算力的需求也會有一個變化的過程。

回顧過往，大家都經(jīng)歷了從場景收斂、方案收斂再到成本收斂的那個階段。等到最后城市NOA大規(guī)模普及時，是否需要那么大算力，很難確定，一開始高速NOA的設(shè)想是1000 TOPS，現(xiàn)在只需要50 TOPS。城市NOA也會經(jīng)歷這個過程。

我們判斷，未來三年內(nèi)，支持基本城市NOA的功能的芯片算力會有望收斂到300 TOPS以內(nèi)。

等城市NOA逐漸收斂之后，下一步就是要往L4去卷了。

PART 2

艙駕融合的技術(shù)與非技術(shù)難題

問：今年6月，高通的發(fā)布會有一系列芯片和新的理念，其中就有艙駕融合。黑芝麻智能的武當(dāng)系列是面向這一理念，目前你們的艙駕融合進程如何？

目前市面上能夠提供艙駕一體芯片的主要就兩家供應(yīng)商，一個高通的8775，一個是我們。但是兩者的定位會有區(qū)別。

黑芝麻智能的C1296會更針對10萬左右的入門級車型。它的優(yōu)勢是可以進行結(jié)構(gòu)性降本。

但是問題在于，一旦上了這顆芯片，座艙和輔助駕駛的功能就固化下來了，無法差異化升級，所以適合需要標(biāo)配智能化功能以及高性價比的入門級車型。中國汽車的迭代速度太快，10萬元的車都有智駕或座艙。

問：高通是先有智艙后進入智駕，而英偉達是先從智駕再到座艙。艙與駕的相互融合，布局的難度是否有差異？

我們一直認為駕進艙容易，艙進駕難。因為座艙主要是基于安卓生態(tài)，座艙的合作伙伴很多，而輔助駕駛公司需要有垂直的全棧能力。所以高通進入智艙領(lǐng)域的進展比較快，但是進入駕駛就會比較難。

問：之前有車企從業(yè)者跟我們提過。如果安全件的等級分為ABCD，你不能同時管AC，只能管AB或者CD。高等級的邏輯和低等級的邏輯是不一樣的。智駕屬于A類件，座艙可以算是C類件。這兩個部門的工作規(guī)范不一樣，所以艙駕的融合就會有推動難度。您怎么看這個非技術(shù)性問題？

艙駕的技術(shù)問題會被優(yōu)先解決。但是艙和駕兩個部門確實存在合作上的調(diào)整。

我們認為艙駕一體會率先在入門級車型上落地，而不是中高端車。因為智能化已經(jīng)成為標(biāo)配?，F(xiàn)在，我們也可以通過一個方案替代原先的3-4個方案，可以做到四芯合一。對于入門級車型的智能化來說，核心就是如何用更低的成本搭載智能化。

當(dāng)然，艙和駕的安全等級不一樣，我們加入了硬隔離技術(shù)，把芯片里的不同算力單元，通過硬件層面的隔離讓其互不影響。即便是某些應(yīng)用死機了，也不會影響高安全等級的應(yīng)用。硬隔離的弊端在于，損失了一定的靈活性，因為在相同安全等級之下，只能調(diào)用相同安全等級的算力。

也有廠商試圖在軟件層面實現(xiàn)不同等級應(yīng)用之間的算力調(diào)度，好處是可以任意調(diào)配所有算力，但是軟件工作量極大，且沒有特別成功的案例。

回到非技術(shù)問題的因素上。我認為內(nèi)部協(xié)作問題不會影響大趨勢，這個過程可能會痛苦。另一方面，我們認為艙駕一體定位于10萬元左右的車，甚至還有下探空間。

因為這一價格等級，用戶不會有明顯的功能差異化需求。但是15萬元左右的車，則希望有輔助駕駛和座艙的差異化。我們現(xiàn)在有艙駕一體的定點車型，高通也有，我相信這個市場趨勢很快就會到來。

問：現(xiàn)在博世在和高通合作，艙駕融合的概念會搭載在現(xiàn)代車型上。

答：面對中國車企的競爭，海外車企也在積極布局新的智能化應(yīng)用和方案。

我們認為國際化很重要，用在中國市場卷出來的能力去海外掙錢。我們今年拿的好幾個車型都是海外車型。東風(fēng)是我們艙駕一體的第一個客戶，車型就是在10萬塊錢，只有這個價位做了才有價值。

所謂的艙駕融合，是中央計算的第一個落地場景，未來還會融合更多的域。這個趨勢大家是認可的。

所以我們是兩條產(chǎn)品線定義，華山系列走算力增加，武當(dāng)系列走功能融合。不能無限擴大芯片面積，要不就是給性能，要不就是給功能。中央計算是有方向，但是沒共識。比如中央計算的功能如何切分。

PART 3

資下一個未來

問：你們投資具身智能創(chuàng)業(yè)公司深庭紀(jì)是什么邏輯？

具身智能不局限于形態(tài)，四足是具身，兩足也是具身。所以，深庭紀(jì)現(xiàn)在是兩條腿走路，一條是做產(chǎn)品，開發(fā)類似于家庭的陪伴機器人，另一條是做具身的算法開發(fā)，面向未來更復(fù)雜的場景。創(chuàng)始人王弢最早是吳恩達的學(xué)生，在美國創(chuàng)業(yè)，后來去了小鵬做輔助駕駛和機器人，所以是經(jīng)歷了完整的過程。

車就是某種程度的機器人。很多AI背景的輔助駕駛公司在完成階段性的商業(yè)化后，一定會去做具身智能。因為底層技術(shù)是相通的，只是傳感器會更復(fù)雜，模型更大更復(fù)雜。

現(xiàn)在輔助駕駛的牌桌上留不下很多家?，F(xiàn)在第一第二梯隊的標(biāo)準(zhǔn)很簡單：賬上有錢，有量產(chǎn)項目。

問：你們從什么時候開始談的？

我們在4月份左右談的，很早就認識他。我們的核心戰(zhàn)略是一橫一縱。

橫向是我們的中高算力AI芯片，面向汽車以外的應(yīng)用場景，邊緣計算、機器人是我們比較篤定的。因為機器人和汽車的產(chǎn)業(yè)鏈承接度比較高，所以我們會進行一些小股權(quán)投資。

縱向是用AI芯片跑通汽車行業(yè)以內(nèi)場景，拓展更多的芯片品類來增加單車價值。

現(xiàn)在汽車的增量已經(jīng)到了瓶頸，市場空間來自于新功能的滲透率。機器人未來5到10年的總量可能是汽車的5到10倍，這不只是人形機器人。

不光是和王弢，我們也和很多頭部的機器人公司談合作，后續(xù)會有發(fā)布。

我們的方案比較靈活。現(xiàn)在具身智能的問題在于，技術(shù)邊界的探索還沒完成，到底什么場景需要什么技術(shù)還沒有定論。

現(xiàn)在很多人投上游供應(yīng)鏈，就是基于這個邏輯。有些公司的機器狗的關(guān)節(jié)設(shè)計壽命只有一年，這都是無法滿足需求的地方。

問：黑芝麻智能未來也會發(fā)布機器人產(chǎn)品線，這是一個“自研+投資”的雙線并行邏輯嗎？

我們要培育自己的生態(tài)，需要有人跟我們一起在場景上進行拓展。黑芝麻畢竟是一個底層的技術(shù)供應(yīng)商和平臺供應(yīng)商，需要拓展場景。我們現(xiàn)在看的是嫁接在汽車行業(yè)之上的產(chǎn)業(yè)。機器人和汽車的產(chǎn)業(yè)鏈重疊度極高，很多技術(shù)方案可以很快落地。

其次，大模型在訓(xùn)練端的成熟，接下來就是在各個場景落地，推理就變得更重要。從我們擅長的角度來看，我們會更加專注在端側(cè)推理，A2000也考慮到了更多通用場景的推理能力。