2020年，离开地平线的吴强选择自主创业，他认为，存算一体技术是AI芯片的新方向，对于长期被“卡脖子”的国产芯片厂商来说，存算一体芯片可能是国产芯片算力弯道超车的绝佳机会。
同年11月，后摩智能成立，吴强组建了自己的团队，誓要亲身参与这场属于国产阵营与海外阵营的算力大战。创业，吴强盯准了一个趋势——
国产替代。
在芯片短缺越演越烈的那几年，国产化替代的诉求越来越高，特别是车规级芯片，成了整个产业供应链的刚需，这无疑给国内创业者提供了千载难逢的超车时机。
刚过去的5月10日，后摩智能发布了第一款大算力存算一体智驾芯片鸿途H30，并将智能驾驶作为落地场景。吴强的团队，终于在大算力存算一体芯片领域迎来产品级的发布，这也是国内首款存算一体的智驾芯片。
第二成长曲线
经济学里的第一曲线，指的是企业在熟悉环境里开展传统业务所经历的生命周期，第二曲线则是面对新市场、新变革所经历的生命周期。
英国管理学大师查尔斯·汉迪（Charles Handy）用“第二理论”给转型升级传递了相似的思路：为了向前发展，必须在改革中开辟一条完全不同的新道路，对熟悉的问题要有新视角，也就是托马斯·库恩（Thomas Kuhn）所说的“范式转移”。
每一个行业都将面临经济学里的第二曲线，特别是身处算力军备赛的芯片领域，更是在海量算力需求里经历着第二曲线的突围与探路。
颠覆芯片的底层架构设计，存算一体，正是突破算力瓶颈、摆脱存储宽带限制的一条路径。关键词之一，是顺势。
大部分读者都知道，算法、算力和数据是大模型时代的三大基础要素，ChatGPT引爆了算力要求的“核聚变”。当摩尔定律已经被逼近物理极限，如何突破算力瓶颈已成为业界重点突围的方向之一，因为模型计算量的增长速度，已经远超AI硬件算力增长速度。
延伸到智驾领域，当汽车迎来智能化新时代，高级别的自动驾驶对算力有非常严格的需求，特别是到了L4，算力要求已达到1000T以上，且伴随着Corner Case的增加，算法模型增大，更具复杂性，算力的需求也随之攀升。关键词之二，是破局。
经典的冯诺依曼架构里，数据从处理单元外的存储器提取，处理完之后，再返回存储器。基于冯诺依曼体系结构的算力相对简单，且CPU和存储器之间存在巨大的速度差，抵达一定的极限后，存储器就很难跟上运算部件消耗的数据了。量产阶段的困局体现在：
（参考：《量子位·存算一体芯片报告》）
-即使芯片制程更加先进了，但对于制造商来说还是投入产出比极低，研发与生产成本上去了，性能提升却往往不如人意。
-集成电路尺寸进一步缩小，芯片的可靠性也受到挑战，诸如由“短沟道效应”和“量子隧穿效应”等引发的芯片漏电。
-先进工艺下尽管芯片拥有大算力，但同时也产生了高能耗，对于功耗敏感的应用场景，先进制程不占优势。芯片行业一直有这样一种说法，冯诺依曼的架构思路既是一切现代计算机的基础，又是现代计算机难以绕开的桎梏。如何解开这层与生俱来的桎梏，突破计算单元与存储单元分离的缺点，成为很多芯片玩家努力的方向。
何为存算一体？
字面上来说，作为一种全新的计算架构，存算一体是在存储器中嵌入计算能力，将存储单元和计算单元合为一体，省去了计算过程中数据搬运环节，消除了由于数据搬运带来的功耗和延迟，提升计算能效。
在吴强看来，将公司首款存算一体芯片应用于智驾，是一个非常漂亮的决定。
因为在技术和产品匹配的角度，这颗芯片带来的优势，和自动驾驶的关键需求是天然吻合的，可实现极致能效比和超低延时，让底层的芯片更好地扮演着人类大脑的角色。一个，是打破存储墙。
面对存储墙、带宽墙和功耗墙等挑战，存算一体芯片能成百上千倍地提高计算效率，从而降低成本，消除不必要的数据搬移延迟和功耗，这也是较多核并行加速技术更为颠覆的地方。
另一个，是算力与能效。
计算直接在存储器内完成，可提供大于1000TOPS以上的算力和超10-100TOPS/W的能效。通俗一点讲，就是在面积不变的基础上，翻倍增加计算核心数，数据层面，成几何式提升。
256TOPS & 35W
昨日，后摩智能正式发布了旗下首款存算一体智驾芯片——鸿途H30，最高物理算力达到256TOPS，典型功耗35W，这也意味着，国内科技公司自研资产的存算一体大算力AI芯片，终于在智驾领域落地了。
“是物理算力，不是稀疏虚拟算力。”
吴强手里拿着一颗H30，向大家介绍该芯片的核心指标。他特意强调，256TOPS是物理算力，并不是大家平日里提及的稀疏虚拟算力，这也意味着，H30目前创造了国内之“最”，即国产智驾芯片里物理算力最大的产品。
有种“一览众山小”的俯视感，且弄出这样一颗芯片，后摩智能只用了短短两年的时间。优势不止于此。
256TOPS的算力，功耗只需要35W，这也意味着，其能效的数据更是“吊打”一众国内的智驾芯片产品。
地平线CEO余凯曾感慨，尤其是在智驾芯片领域，属于寡头性非常强的领域，到后来，大部分玩家都会陪跑，最终能跑出来的公司屈指可数。虽然我们看不清赛道的终局，但从目前来看，作为只有两岁的创业公司，后摩时代的成绩是可圈可点的。
还有一些数据参数：
性能指标——
后摩智能用H30与英伟达的产品相比，在Resnet50下，前者Batch=8达到10300帧/秒的性能，是后者的2.3倍；而在Batch =1时，前者性能达到8700帧/秒，后者仅为1520帧/秒，是英伟达的5.7倍。计算效率——
H30在上述相同的比较维度，Batch = 8的情况下，计算效率达到294FPS/Watt，是英伟达的4.6倍，Batch=1时，这一数字更是高达11.3 倍。这里还有一个细节。
吴强曾在一次交流中表示，存算一体是架构的创新，而工艺则是另一个维度的事情。好工艺肯定是好事，后摩智能也在用先进工艺，但是对存算一体来说，对先进工艺依赖度其实是比较低的。
事实确实如此。
这正是后摩智能的优势所在。H30是基于12nm工艺制作的，但是英伟达的却是8nm，这也可以看出，如若两家公司的产品工艺处于同样的节点，来自后摩智能的产品势必效率更高。后摩强调的，是架构。
决定H30拥有上述优秀数据的核心，是后摩智能面向智能驾驶场景自主研发的第一代IPU（Intelligence Processing Unit）——天枢架构。
它是新产品拥有超越同级性能的“幕后功臣”在它的指导下，H30提升了两倍性能，功耗降低了约50%。
演讲台上的吴强用了这样的比喻：
特斯拉的FSD，是堆积计算，就像一个四合院子，房子的主人最大限度地利用了面积，堆放了日常用品，且房屋构造利用率极高，但这里的面积还是有限，想无限扩大社交范围，非常困难。后摩智能则不同，它是中式庭院和西式高楼的组合，同样是四合院大小的面积，通过西式高楼，不同楼层有自己的公布布局，且高楼内部协调性极佳，就像一个综合办公楼，大家可以在最小的用地面积上实现最大范围的社交功能。
落地元年
吴强曾在此前的中国电动汽车百人会论坛上预测，2023年将是国内存算一体智驾芯片商业落地的元年，他用自己率先落地的H30，打响了细分赛道鸣枪开赛的第一声。
《NE时代》翻看了吴强此前在公开场合提及的产品研发心路，在存算一体高算力芯片落地的过程中，他和团队也经历了诸多困难。
一如，散热。
存算一体，除了大算力的需求，汽车智能化和电动化又带来了功耗、散热、成本和自主可控等难题。
他的团队确实在其中克服了很多障碍，如何在大算力的同时又能做到低功耗，保证自然散热。他希望用存算一体的架构在做到自然散热的情况下，可以做到算力2-3倍的提升，这是存算一体赋予的能力。二如，存储介质。
从产业链的角度来说，存算一体依赖于存储介质工艺，后摩智能目前的产品是基于SRAM，下一代产品则计划基于其它一些存储机制，例如MRAM和RRAM。
存储工艺又依赖于上游厂商，如台积电这样的公司，但目前RRAM在台积电的成熟度属于风险等级，距离完全量产大约有1-2年时间。这是产业链的依赖，虽然有风险，但不得不经历。
三如，技术转移。
存算一体，之前很长一段时间，业界几乎是以学术研究的方式在做，但从学术到商业量产还有一定距离。
后摩智能和其他一些创业企业，更多是按照商业量产的标准去做，过去两年都在不断探索中试错。具体怎么做量产，怎么做DFT（Design for Test，即可靠性设计），怎么做冗余，怎么做自修复，这些都是公司要解决的问题。四如，验证与磨合。
CPU、GPU和AI芯片等“大芯片”赛道，从创业的角度看，这类芯片烧钱多、周期长，很难快速上量，但是技术壁垒更高、增长空间更大，且客户黏性强。
做出原型验证芯片之后，公司还有很多工作，就智能驾驶芯片来看，进入汽车产业的配套环节，也需要较长的验证与磨合周期。他曾在接受媒体交流时表示，创业初期，他自己曾经也迷惑过。因为看到一些创业企业还没量产，就开始有资本运作筹备上市，这样的信号，他会怀疑自己，这种从底层技术产品开始的创业方式是不是太保守了——
半导体是一个需要技术沉淀和积累的行业，跳来跳去，怎么能有真正的技术积累和能力提升？
事实说明，他的怀疑和自省都是对的，而对于两岁的后摩智能来说，率先落地第一颗存算一体智驾芯片，也只是万里长征的第一步。毕竟，大家都看到了趋势，被时代裹挟着向前，对手们也没有闲着。【本文来自易车号作者NE时代，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
扫码关注公众号
扫码体验小程序版
暂无数据
ChatGPT的算力来自于OpenAI的计算集群，该集群由大量的计算资源组成，包括图形处理单元（GPU）和甚至是专门用于训练人工智能模型的领先芯片，如Google的TPU。
为了开发和训练ChatGPT，OpenAI使用了分布式计算技术，这意味着他们同时利用了多个计算设备进行训练。这些计算设备配备了高性能GPU，如NVIDIA的Tesla V100，每个设备通常配备32GB的显存。分布式计算允许模型在多个设备上并行处理数据，大大加速了训练过程。
OpenAI还利用了云计算平台，如Amazon Web Services（AWS）或Microsoft Azure，这些平台提供了大规模的计算资源和存储，可帮助OpenAI轻松地扩展他们的算力。
ChatGPT的算力来自于OpenAI的计算集群，由多个GPU和分布式计算技术提供支持，并利用云计算平台进行扩展。这些高性能的计算资源为ChatGPT提供了足够的算力来进行训练和部署，从而提供优质的聊天交互体验。
预告了一个多月的文心一言，终于在3月16日揭开面纱，可令人遗憾的是，发布后的效果不仅没能达到预期，还因为李彦宏给大家展示的是提前录好的视频，被网友嘲笑为“ChatPPT”。甚至一向对“新技术”极为包容的资本市场也不买账——文心一言发布会还未结束，百度股价就直线下挫，跌幅一度扩大至10%。“百度股价下跌”的词条也一度登顶微博首页。那么为什么网友会如此失望呢？我们回看了一遍发布会，总结了几个原因。其一，在于技术不够新颖。发布会上展示的文心一言对话模型从内容输出到交互界面，几乎可以称之为ChatGPT的翻版，支持多模态文本生成视频、音频虽然很亮眼，但被提前一晚发布的“GPT-4”抢去了风头。有科技媒体称，文心一言本来对标的是OpenAI在去年11月底发布的ChatGPT（GPT-3.5版本），没想到在发布前夜遇上了实力更强的新版GPT-4，整体的节奏被打乱了。李彦宏也表示，AI可以通过数据积累迭代实现智能升级，未来的潜力还是无穷的。这个逻辑有点儿像车企宣传智能化功能时强调的“OTA”升级，尽管这项功能现在还不完善，但假以时日总能派上用场。其二，在于态度不够诚恳。发布会之所以让人期待，是因为能够实时展示产品的效果，或许为了避免直播事故，百度此次发布采用了录制视频的做法，效果大打折扣。这种操作跟互联网企业刚刚踏入汽车市场的时候颇为相似，当时的热词是“PPT造车”。其三，在于姿态不够优雅。李彦宏在发布会上宣布，已经有超过650家企业将接入文心一言，也用了极大篇幅介绍技术变现和商业合作的价值。但这些技术目前无法在用户层面落地，甚至目前首批内测只开放给B端用户。无论是业内还是网友都普遍认为，百度发布文心一言是想蹭ChatGPT的热度，提前站位AI市场，毕竟目前国内科大讯飞、商汤也都在做相似的产品，百度自然要先声夺人。李彦宏自己也承认，“从我自己在内测过程中体验到的文心一言的能力来说，当前确实不能叫作‘完美’。”之所以选择此时发布，更多是满足市场的需求。这是一种焦虑。面对市场竞争的不确定性，尽管技术可能还不够成熟，但必须先发制人，先占领舆论高点再说。作为中文搜索“一哥”，百度在芯片层（高端芯片昆仑芯）、框架层（飞桨）、模型层（文心预训练大模型）和应用层（产品在诸多场景应用）等技术领域都拥有关键自研技术，可以说是国内最有实力做出与ChatGPT对标产品的企业。从这个意义上说，哪怕文心一言目前的水平遭到嘲笑，但对于正在面临智能电动化转型的车企而言，依然是一根可以尝试的“救命稻草”。因此我们看到，截至已经有包括长安、吉利、岚图、红旗、长城、东风日产、零跑等10余家车企都宣布将在其智能座舱接入文心一言。将于3月18日上市的长安逸达，或将会成为全球首款搭载文心一言的车型。这些企业之所以宣布合作，也是想尽可能完善智能互联领域的生态架构。在严重内卷的智能化赛道里，“人无我有，人有我优”已经成为了公认的竞争法则。但当“活着”成为2023年各行各业发展的主基调，汽车行业各大品牌纷纷加入“价格战”的大背景下，每个企业其实都应该深刻反思一下——在智能驾驶和智能座舱短时间内很难有质的提升的当下，汽车智能化这张牌究竟应该怎么打？跟风在智能化硬件上进行疯狂“内卷”，究竟值不值得？之所以提出这样的问题，是因为在智能电动化的浪潮下，车企或被资本、或被市场裹挟着进入疯狂的内卷中，堆芯片、拼算力、屏幕越做越大，已经成为竞争的“新常态”，但无效内卷带来的是产品陷入同质化，品牌也没有形成自己的“护城河”。过去资本尚且有所偏爱，但百度文心一言发布后股价暴跌的事实在证明，资本对于技术投资已经不像过去那么“上头”。对于车企而言，堆砌硬件不仅需要高昂的成本，也提高了产品售价，微薄的产品利润再加上迫不得已迎战特斯拉而进一步降低的价格底线，让本就亏损的企业“雪上加霜”。在这种竞争态势下，企业必须对市场竞争有清晰的认知，应当明确品牌发展的底层逻辑，找到自己的差异化优势，才能从容地应对市场艰巨的挑战。在“蔚小理”三家头部新势力里，小鹏是最早陷入危机的，去年年度销量目标25万台，最终仅完成了120757台，成为最让人担忧的新势力企业之一。究其原因，不是小鹏在技术上不够创新，而是消费者对于“智能化”这个最大的卖点不太买单。但日前外媒报道，与在中国本土推出的版本相比，小鹏汽车在荷兰、瑞典、丹麦和挪威上市的小鹏G9将少装两个传感器，其中一个传感器是3D激光雷达。小鹏汽车欧洲产品规划负责人Martin Stegelmeier向外媒透露，“取消G9的激光雷达是由于成本问题。激光雷达的成本非常高。在欧洲，我们希望在ADAS（高级驾驶辅助系统）领域处于领先地位，但也必须提供一个有竞争力的价格。如果安装了激光雷达，我们就无法做到这一点。”这既是妥协，更是对市场认知的清醒和进步。对配置的重新规划，证明小鹏汽车已经意识到产品定位的模糊和定价的不合理，必须有所取舍，拿出更有诚意的价格才能在市场拥有立足之地。不过很可惜，目前在国内市场，小鹏似乎依然坚定“智能驾驶”路线不动摇。新上市的小鹏P7i 搭载了第二代智能辅助驾驶系统XNGP，传感器增加了两个激光雷达，智能辅助驾驶芯片上最高搭载了双Orin-X芯片，提供508TOPS高算力。不可否认，相较于小鹏P7，小鹏P7i的价值感再次有了很大的提升，不过这些升级对于用户的实际使用价值感依然是存疑的，能否被用户认可也还是未知数。单从定价上看，小鹏P7i的起步价比特斯拉Model 3还贵2万元，已经失去了部分先机。从媒体的角度看，我们觉得小鹏完全可以推出一个适当简配的入门版降价，以满足更多用车群体的需求，同时增强其市场竞争力。我们并不是唱衰“智能驾驶”，这是未来出行的美好愿景，我们也期待L4、L5级自动驾驶实现的那一天。但我们也应该看到，现阶段任何抛开交通环境和法律法规，只谈技术背景的智能驾驶都是伪命题，不具备现实意义。智能驾驶难以落地、L2无法跨越到L3的根本原因从来不是技术，而是法规、数据甚至人性等等问题的综合作用。特斯拉“刹车门”频发，事故问题至今还未有定论，已经让人们对于智能驾驶的期待降到冰点，在海外市场，高阶智能驾驶Robotaxi陷入了技术难突破，商业化难落地，资本市场难融资的“三难困局”，无人车明星独角兽ArgoAI直接宣告倒闭.....褪下“智能驾驶”的光环后，特斯拉之所以还能保持高销量的原因，一方面是频繁的降价刺激，一方面还有品牌价值加持，但如果长期降价，品牌价值也会因此受损，这其实是恶性循环。此前上市的智己LS7似乎已经“想通了”，前者上市时发布的最低配版本就是阉割了激光雷达的版本，中大型轿车的定位，起步价做到30.98万，在同级中很有竞争力，让业内普遍持乐观态度。这种产品定价的方式虽然很传统，品牌通过差异化优势为车型创造宣传话题，但最终定价依然充分考虑受众需求和消费实力，其实是很实用的，据了解，即将上市的飞凡F7在定价策略上也会给到惊喜。依然有企业死磕“智能驾驶”。比如集度汽车，此前集度CEO夏一平在接受采访时铿锵有力地对记者说，“蔚小理等新势力自动驾驶卖不好是技术能力不行，集度要告诉市场什么是自动驾驶好的体验的标准”。看得出来，夏一平已经深深掌握了当代流量法则——“情绪比内容更重要，如果再加上对立，那就是效果加倍。”我们理解作为后来者，集度需要用出位的言论博流量博关注，但他的言辞的确有着“不知者无谓”的孤勇。技术是否真的强过蔚小理不得而知，但如果事到如今还坚持将品牌核心优势聚焦在虚无缥缈的“智能座舱和智能驾驶”上，集度的前途或将很微妙。除了卷配置，服务和营销也是卷出天际。由特斯拉开创的直营模式，被各家车企所沿用，这就导致新势力要像传统车企一样在研发生产上投入，还要兼任过去“经销商”职责，服务培
【本文来自易车号作者华山论剑，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
2020年，离开地平线的吴强选择自主创业，他认为，存算一体技术是AI芯片的新方向，对于长期被“卡脖子”的国产芯片厂商来说，存算一体芯片可能是国产芯片算力弯道超车的绝佳机会。
同年11月，后摩智能成立，吴强组建了自己的团队，誓要亲身参与这场属于国产阵营与海外阵营的算力大战。创业，吴强盯准了一个趋势——
国产替代。
在芯片短缺越演越烈的那几年，国产化替代的诉求越来越高，特别是车规级芯片，成了整个产业供应链的刚需，这无疑给国内创业者提供了千载难逢的超车时机。
刚过去的5月10日，后摩智能发布了第一款大算力存算一体智驾芯片鸿途H30，并将智能驾驶作为落地场景。吴强的团队，终于在大算力存算一体芯片领域迎来产品级的发布，这也是国内首款存算一体的智驾芯片。
第二成长曲线
经济学里的第一曲线，指的是企业在熟悉环境里开展传统业务所经历的生命周期，第二曲线则是面对新市场、新变革所经历的生命周期。
英国管理学大师查尔斯·汉迪（Charles Handy）用“第二理论”给转型升级传递了相似的思路：为了向前发展，必须在改革中开辟一条完全不同的新道路，对熟悉的问题要有新视角，也就是托马斯·库恩（Thomas Kuhn）所说的“范式转移”。
每一个行业都将面临经济学里的第二曲线，特别是身处算力军备赛的芯片领域，更是在海量算力需求里经历着第二曲线的突围与探路。
颠覆芯片的底层架构设计，存算一体，正是突破算力瓶颈、摆脱存储宽带限制的一条路径。关键词之一，是顺势。
大部分读者都知道，算法、算力和数据是大模型时代的三大基础要素，ChatGPT引爆了算力要求的“核聚变”。当摩尔定律已经被逼近物理极限，如何突破算力瓶颈已成为业界重点突围的方向之一，因为模型计算量的增长速度，已经远超AI硬件算力增长速度。
延伸到智驾领域，当汽车迎来智能化新时代，高级别的自动驾驶对算力有非常严格的需求，特别是到了L4，算力要求已达到1000T以上，且伴随着Corner Case的增加，算法模型增大，更具复杂性，算力的需求也随之攀升。关键词之二，是破局。
经典的冯诺依曼架构里，数据从处理单元外的存储器提取，处理完之后，再返回存储器。基于冯诺依曼体系结构的算力相对简单，且CPU和存储器之间存在巨大的速度差，抵达一定的极限后，存储器就很难跟上运算部件消耗的数据了。量产阶段的困局体现在：
（参考：《量子位·存算一体芯片报告》）
-即使芯片制程更加先进了，但对于制造商来说还是投入产出比极低，研发与生产成本上去了，性能提升却往往不如人意。
-集成电路尺寸进一步缩小，芯片的可靠性也受到挑战，诸如由“短沟道效应”和“量子隧穿效应”等引发的芯片漏电。
-先进工艺下尽管芯片拥有大算力，但同时也产生了高能耗，对于功耗敏感的应用场景，先进制程不占优势。芯片行业一直有这样一种说法，冯诺依曼的架构思路既是一切现代计算机的基础，又是现代计算机难以绕开的桎梏。如何解开这层与生俱来的桎梏，突破计算单元与存储单元分离的缺点，成为很多芯片玩家努力的方向。
何为存算一体？
字面上来说，作为一种全新的计算架构，存算一体是在存储器中嵌入计算能力，将存储单元和计算单元合为一体，省去了计算过程中数据搬运环节，消除了由于数据搬运带来的功耗和延迟，提升计算能效。
在吴强看来，将公司首款存算一体芯片应用于智驾，是一个非常漂亮的决定。
因为在技术和产品匹配的角度，这颗芯片带来的优势，和自动驾驶的关键需求是天然吻合的，可实现极致能效比和超低延时，让底层的芯片更好地扮演着人类大脑的角色。一个，是打破存储墙。
面对存储墙、带宽墙和功耗墙等挑战，存算一体芯片能成百上千倍地提高计算效率，从而降低成本，消除不必要的数据搬移延迟和功耗，这也是较多核并行加速技术更为颠覆的地方。
另一个，是算力与能效。
计算直接在存储器内完成，可提供大于1000TOPS以上的算力和超10-100TOPS/W的能效。通俗一点讲，就是在面积不变的基础上，翻倍增加计算核心数，数据层面，成几何式提升。
256TOPS & 35W
昨日，后摩智能正式发布了旗下首款存算一体智驾芯片——鸿途H30，最高物理算力达到256TOPS，典型功耗35W，这也意味着，国内科技公司自研资产的存算一体大算力AI芯片，终于在智驾领域落地了。
“是物理算力，不是稀疏虚拟算力。”
吴强手里拿着一颗H30，向大家介绍该芯片的核心指标。他特意强调，256TOPS是物理算力，并不是大家平日里提及的稀疏虚拟算力，这也意味着，H30目前创造了国内之“最”，即国产智驾芯片里物理算力最大的产品。
有种“一览众山小”的俯视感，且弄出这样一颗芯片，后摩智能只用了短短两年的时间。优势不止于此。
256TOPS的算力，功耗只需要35W，这也意味着，其能效的数据更是“吊打”一众国内的智驾芯片产品。
地平线CEO余凯曾感慨，尤其是在智驾芯片领域，属于寡头性非常强的领域，到后来，大部分玩家都会陪跑，最终能跑出来的公司屈指可数。虽然我们看不清赛道的终局，但从目前来看，作为只有两岁的创业公司，后摩时代的成绩是可圈可点的。
还有一些数据参数：
性能指标——
后摩智能用H30与英伟达的产品相比，在Resnet50下，前者Batch=8达到10300帧/秒的性能，是后者的2.3倍；而在Batch =1时，前者性能达到8700帧/秒，后者仅为1520帧/秒，是英伟达的5.7倍。计算效率——
H30在上述相同的比较维度，Batch = 8的情况下，计算效率达到294FPS/Watt，是英伟达的4.6倍，Batch=1时，这一数字更是高达11.3 倍。这里还有一个细节。
吴强曾在一次交流中表示，存算一体是架构的创新，而工艺则是另一个维度的事情。好工艺肯定是好事，后摩智能也在用先进工艺，但是对存算一体来说，对先进工艺依赖度其实是比较低的。
事实确实如此。
这正是后摩智能的优势所在。H30是基于12nm工艺制作的，但是英伟达的却是8nm，这也可以看出，如若两家公司的产品工艺处于同样的节点，来自后摩智能的产品势必效率更高。后摩强调的，是架构。
决定H30拥有上述优秀数据的核心，是后摩智能面向智能驾驶场景自主研发的第一代IPU（Intelligence Processing Unit）——天枢架构。
它是新产品拥有超越同级性能的“幕后功臣”在它的指导下，H30提升了两倍性能，功耗降低了约50%。
演讲台上的吴强用了这样的比喻：
特斯拉的FSD，是堆积计算，就像一个四合院子，房子的主人最大限度地利用了面积，堆放了日常用品，且房屋构造利用率极高，但这里的面积还是有限，想无限扩大社交范围，非常困难。后摩智能则不同，它是中式庭院和西式高楼的组合，同样是四合院大小的面积，通过西式高楼，不同楼层有自己的公布布局，且高楼内部协调性极佳，就像一个综合办公楼，大家可以在最小的用地面积上实现最大范围的社交功能。
落地元年
吴强曾在此前的中国电动汽车百人会论坛上预测，2023年将是国内存算一体智驾芯片商业落地的元年，他用自己率先落地的H30，打响了细分赛道鸣枪开赛的第一声。
《NE时代》翻看了吴强此前在公开场合提及的产品研发心路，在存算一体高算力芯片落地的过程中，他和团队也经历了诸多困难。
一如，散热。
存算一体，除了大算力的需求，汽车智能化和电动化又带来了功耗、散热、成本和自主可控等难题。
他的团队确实在其中克服了很多障碍，如何在大算力的同时又能做到低功耗，保证自然散热。他希望用存算一体的架构在做到自然散热的情况下，可以做到算力2-3倍的提升，这是存算一体赋予的能力。二如，存储介质。
从产业链的角度来说，存算一体依赖于存储介质工艺，后摩智能目前的产品是基于SRAM，下一代产品则计划基于其它一些存储机制，例如MRAM和RRAM。
存储工艺又依赖于上游厂商，如台积电这样的公司，但目前RRAM在台积电的成熟度属于风险等级，距离完全量产大约有1-2年时间。这是产业链的依赖，虽然有风险，但不得不经历。
三如，技术转移。
存算一体，之前很长一段时间，业界几乎是以学术研究的方式在做，但从学术到商业量产还有一定距离。
后摩智能和其他一些创业企业，更多是按照商业量产的标准去做，过去两年都在不断探索中试错。具体怎么做量产，怎么做DFT（Design for Test，即可靠性设计），怎么做冗余，怎么做自修复，这些都是公司要解决的问题。四如，验证与磨合。
CPU、GPU和AI芯片等“大芯片”赛道，从创业的角度看，这类芯片烧钱多、周期长，很难快速上量，但是技术壁垒更高、增长空间更大，且客户黏性强。
做出原型验证芯片之后，公司还有很多工作，就智能驾驶芯片来看，进入汽车产业的配套环节，也需要较长的验证与磨合周期。他曾在接受媒体交流时表示，创业初期，他自己曾经也迷惑过。因为看到一些创业企业还没量产，就开始有资本运作筹备上市，这样的信号，他会怀疑自己，这种从底层技术产品开始的创业方式是不是太保守了——
半导体是一个需要技术沉淀和积累的行业，跳来跳去，怎么能有真正的技术积累和能力提升？
事实说明，他的怀疑和自省都是对的，而对于两岁的后摩智能来说，率先落地第一颗存算一体智驾芯片，也只是万里长征的第一步。毕竟，大家都看到了趋势，被时代裹挟着向前，对手们也没有闲着。【本文来自易车号作者NE时代，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
ChatGPT火爆之后，很多企业也开始研发类似智能对话机器人，而最近阿里版GPT通义千问内测开启，下面小编为大家带来了通义千问官网地址和内测参加方法分享！
阿里版GPT通义千问内测怎么参加
官网地址:tongyi.aliyun.com，目前用户可以申请候补或者使用邀请码体验。
此前，有报道称，阿里达摩院正在研发类ChatGPT的对话机器人，当时已开放给公司内员工测试。阿里巴巴可能将AI大模型技术与钉钉生产力工具深度结合。
阿里董事会主席兼首席执行官张勇也曾表示，云计算是阿里巴巴面向未来的核心战略之一，是阿里全面扎根实体经济、服务数实融合的基本支撑。云计算和人工智能的结合正处于技术突破和发展的关键时期，生成式AI正在发生颠覆性突破，阿里巴巴将全力构建好自己的AI预训练大模型，并为市场上的模型和应用提供好算力的支撑。
越来越“卷”？行业预测10-15年汽车润滑油市场大爆发，润滑油品牌最近都在做哪些事?近期有很多行业人士预测，5-10年汽车润滑油竞争将呈现白热化，10-15年内汽车润滑油将大爆发，行业又将掀起新一轮的洗牌。2023年汽车润滑油市场正在变得越来越“卷”，市场如此“卷”，润滑油行业会如何发展？
作者｜丙丙 秋阳据近期热门的ChatGPT算力显示，全球润滑油市场商机正在不断扩大，预示着市场正迎来一个新的发展机遇。
另一方面，行业近年来掀起的保养大战、新能源售后占位战和抖音流量争夺战，都不乏润滑油企业参与。可以看到，市场越来越“卷”，企业间的竞争更加激烈。尤其随着近年润滑油价格一再上升，新能源车加速冲击燃油车，润滑油行业加速整合洗牌。近期也有很多行业人士预测，5-10年汽车润滑油竞争将呈现白热化，10-15年内汽车润滑油将大爆发，行业又将掀起新一轮的洗牌。最近的一些企业动作及市场动态，笔者认为，2023年汽车润滑油市场正在变得越来越“卷”，这种“卷”也使得各个品牌的博弈越来越靠前。
存量市场足够大，为何境地却不如人意？原因有哪些？
近些年随着我国机动车保有量的持续增加，车用润滑油需求量一直不断攀升，行业预判，未来五年我国车用润滑油的增长空间依然能够保持稳步增长。可是，为什么在这样的大好环境下，车用润滑油行业的经营状况却远不如想象中的那样好呢？润滑油行业一直被视为没有门槛的行业，全国登记在册的具有车用润滑油生产资质的企业大大小小一万余家，甚至更多，虽然市场存量足够，但仍处于狼多肉少的境地。加之电商销售的冲击。随着互联网以及客户消费习惯的改变，润滑油企业纷纷入局线上平台，尤其是疫情三年，各大企业开始抖音直播流量争夺战，车用润滑油的营销模式发生很大改变。头部电商平台更是纷纷发力，且各大平台具有SKU丰富、购物方便、售后服务完善、供应链高效和大数据智能化检索便捷等特性和优势，这也正迎合了当前消费者的购物习惯，玩法变了，竞争压力大了。诚然，除了以上因素还有车用润滑油行业内部变化。包括油品质量的上升，超长换油周期车用润滑油产品的出现、新能源车的出现对产品性能提出更高的要求、消费者用车成本和消费越发理性导致等等。
市场如此“卷”，润滑油行业会如何发展？市场越来越“卷”？润滑油行业发展的三个猜想
行业洗牌将加速，不专业玩家将被淘汰
任何事务从盛道衰都有着自身的规律和节奏，车用润滑油行业也不会例外。车用润滑油行业也有曾经的辉煌。即使竞争日益激烈的也可以看到众多品牌都在积极推动润滑油行业的技术创新和市场拓展，并且可以看到众多品牌积极地为客户创造价值，为中国乃至全球环保事业贡献着力量。整个市场变数仍在，但是有变数自然就有机会。第一个猜想：笔者认为行业洗牌的速度将被加快，不专业的玩家将会加速被淘汰。行业的品牌企业不必过多担心，无论竞争如何激烈，竞争的前提是处于一个纬度，“专业的玩家是洗不动的”。
品牌为王，经销商与终端用户更注重品牌
接上文的观点，今年润滑油价格普涨，经销商和终端用户的心态也在发生变化。国民消费升级和新一代消费、经营观念的转变，用户对于润滑油产品的质量、性能、服务更为关注。经销商，相比于价格，经销商备货更注重品牌的选择。很多润滑油经销商表示，首选还是与大牌合作，尤其关注大牌国货，随着国产润滑油技术不断进步，大牌国货产品质量过硬，性价比更具有优势，更符合自主创新理念，同时更加注重中国车况路况和设备作业情况，比较受用户欢迎。品牌在服务的便捷和对用户要求的及时响应方面具有更多的优势。随着终端用户专业度越来越高，车主的专业程度推动了推动修理厂的专业化发展，修理厂对于选择品牌也越来越谨慎。可以看到润滑油市场集中度一直在向大品牌靠拢，经销过硬的大牌国货，也能为自己赢得良好的信誉。而终端用户对于品牌的选择更为谨慎，小品牌、杂牌货会逐渐失去市场。
资源向头部倾斜，提前布局新能源赛道
过去的历史依然具有很强的参考和借鉴价值，以史为鉴，方可知兴替。近年来头部平台发展壮大，可以看到其专业的打法和专业能力、市场洞察和赋能能力、售后及供应能力等都具有很大的优势。笔者认为，车用润滑油的资源也将逐步向头部倾斜。虽然近几年新能源汽车保有量上升速度很快，但是当前到店维保还是以燃油车为主，但是提前布局仍是十分有必要。市场越“卷”，越是放大自身优势的时刻。很多品牌都在通过自身的渠道及综合优势，积极规划布局新能源领域，尤其是在发动机和自动变速器油类产品的升级上发力。
各大品牌怎么“卷”？大家都在做哪些事？
未来已来，未来可期。优秀的品牌向来不会固步自封。行业已经开始进入“大战”的酝酿期。其中不少品牌已经是成绩斐然，具体看看，近期部分润滑油品牌都有哪些动作。（以下企业顺序不分先后）
统一润滑油扩大“朋友圈”，
力争到2040年实现净零碳排放统一润滑油与嘉瑞环保合作签约，双方表示将在各做后充分发挥在润滑油领域中的技术优势，汽车后市场运营等方面的专业优势，协同合作，互惠互利，共建产业互联网低碳生态系统。在“双碳”战略大背景下，统一润滑油积极响应国家政策，并在2021年已成功实现碳达峰。为了达成“2030年实现碳排放减半，2040年实现碳中和”的战略部署，统一润滑油正在全方位推进一系列低碳行动：在生产端，以碳中和承诺及声明为指导，以实际行动践行ESG理念，完善可持续发展的管理体系，创建国家绿色工厂。在消费端，以持续提供绿色低碳产品为目标，不仅要在包装上使用“PLA全降解和PCR再生塑料等环保材料”，更要努力实现所有产品都有碳足迹，都有减碳策略与路线图，都能实现碳中和。在产业链方面，构建低碳绿色供应链联盟，链接上下游供应商与客户，推动14064与ESG双体系建立。英冠共创共赢，开启“抖音落地特训营”，
帮助汽修门店打造盈利新路径
4月25-26日，山东英冠“抖音落地特训营”再次在总部火爆开营。山东英冠成立11年以来，以“全车油水养护专家”为发展目标，从产品、技术、营销、培训等方面为客户提供全方位的系统解决方案，2022年绿色除碳更是以技术领先、环保安全迅速占领积碳清洗领域，再次验证了英冠立体帮扶门店的优势。抖音落地特训营是由英冠专业短视频运营团队为汽修厂量身定制的“抖音特训营”，帮助汽修厂聚流量提高转化变现，用最低的成本发挥最大价值。今年已经举办了六期，效果非常明显。英冠还具有产品一站式供应、全渠道营销支持、创新差异化项目、专业技术培训等独特的优势。英冠产品、项目和技术为汽修行业增加新的活力和市场机会，为客户搭建高端融合盈利的资源平台，加快项目成果转化，实现与合作伙伴共赢发展。哈弗润滑油经销商精英领袖训练营落幕，
聚焦增长，借势盈利，打通最后一公里4月24日，哈弗商业研究院联手国内知名策划公司共同主办了哈弗润滑油第五届经销商精英领袖训练营，旨在提升经销商对哈弗润滑油品牌的认知及对其智慧制造和核心技术的了解，同时为传递汽车后市场行业的最前沿资讯，为经销商从团队组建到管理等方面提供全方位的答疑解惑，助力其在发展过程中获得更多成功。通过训练营，经销商无论是对经营过程中的团队打造、门店合作、渠道开拓等方面，还是对哈弗的产品和品牌等方面都有了全新的理解和更深的印象。哈弗润滑油将继续为经销商伙伴们打通最后一公里，持续聚焦增长，借势盈利。所以我们可以看到，诸多品牌都会尽量做一些动作：环保发力、低碳发展；抖音流量、实现变现；聚焦增长，助力经销商；战略分析，调结构、拼终端；重品质、推新品……这些动作，不仅只有以上品牌在做，为了在存量市场占据更大空间，为了尽量将布局新能源业务的进度条再往前推进，润滑油品牌们都可以按照这个标准“卷”起来。
END【本文来自易车号作者汽配圈，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】
“在 AI 技术生态上，生成式大模型已成为自动驾驶系统进化的关键，基于 Transformer 大模型训练的感知、认知算法，将逐步在车端进行落地部署。”
在最新的毫末 AI DAY 上，毫末智行董事长张凯给出了这一判断，并基于这一判断发布业内首个自动驾驶生成式大模型 DriveGPT，中文名“雪湖·海若”。
自去年年末以来， GPT 的热度一直高涨不下，尤其是 ChatGPT 的大火更是引发全行业关注。此前，GPT 多应用于文本生成、代码生成或是搜索领域，但由于缺乏数据支撑，GPT 在自动驾驶行业这一垂类的应用并不高。
截至业内也仅有毫末一家率先将 GPT 应用到自动驾驶领域，即 DriveGPT 雪湖·海若。 DriveGPT 能为智能驾驶做什么？
GPT 的全称是生成式预训练 Transformer 模型，本质上是在求解下一个词出现的概率。即根据输入的前序文本，模型会输出可能出现的下一个字的几率分布，再从中取样出几率较高的字。如此循环往复，直到完整地写完下文。
据官方介绍，DriveGPT 雪湖·海若的底层模型采用 GPT（Generative Pre-trained Transformer）生成式预训练大模型，与 ChatGPT 使用自然语言进行输入与输出不同，DriveGPT 输入是感知融合后的文本序列，输出是自动驾驶场景文本序列，即将自动驾驶场景 Token 化，形成“Drive Language”。 Drive Language 基于毫末的 CSS 场景库理论，将驾驶空间进行离散化处理，每一个 Token 都表征场景的一小部分，相当于许多个可能在未来出现的平行宇宙，最终完成自车的决策规控、障碍物预测以及决策逻辑链的输出等任务。截至毫末从真实驾驶场景库中提取的token序列，规模达到 50 万个。
有了 Drive Language，毫末就可以用人类驾驶的数据对模型进行预训练。 在预训练阶段通过引入量产驾驶数据，训练初始模型，再通过引入驾驶接管 Clips 数据完成反馈模型（Reward Model）的训练，然后再通过强化学习的方式，使用反馈模型去不断优化迭代初始模型，形成对自动驾驶认知决策模型的持续优化。
DriveGPT 雪湖·海若会根据输入端的提示语以及毫末 CSS 自动驾驶场景库的决策样本去训练模型，让模型学习推理关系，从而将完整驾驶策略拆分为自动驾驶场景的动态识别过程，完成可理解、可解释的推理逻辑链生成。
毫末智行 CEO 顾维灏表示，毫末 DriveGPT 雪湖·海若通过引入驾驶数据建立 RLHF（人类反馈强化学习）技术，对自动驾驶认知决策模型进行持续优化。据毫末方面的说法，在 RLHF 的加持下，Hard Case 通过率提升了 48%。毫末 DriveGPT 雪湖·海若实现了模型架构与参数规模的升级，参数规模达 1200 亿，预训练阶段引入 4000 万公里量产车驾驶数据，RLHF 阶段引入 5 万段人工精选的困难场景接管 Clips。
毫末方面表示，DriveGPT雪湖·海若现阶段主要用于解决自动驾驶的认知决策问题。“在感知到了周围的世界之后，怎么样把车开得更安全，把车开得更顺滑，怎么样跟周围的交通参与者互相博弈。”顾维灏说道。
毫末判断，DriveGPT雪湖·海若还将在城市 NOH、智能陪练、驾驶捷径推荐、脱困场景中得到应用，最终目标是要实现端到端自动驾驶
毫末在 AI DAY 上宣布，DriveGPT雪湖·海若将在即将量产上市的新摩卡DHT-PHEV首发。
毫末基于GPT技术的探索，毫末衍生出服务于业界的能力和新的商业模式，即向业界开放DriveGPT的能力，4月11日开放单帧自动标注服务，可降低标注成本，之后还将陆续开放驾驶行为验证、困难场景脱困等功能。 DriveGPT 背后的支持
DriveGPT 雪湖·海若的训练和落地，离不开算力的支持。
今年 1 月，毫末和火山引擎共同发布了其自建智算中心“毫末雪湖·绿洲 MANA OASIS”。毫末表示，OASIS 的算力高达 67 亿亿次/秒，存储带宽 2T /秒，通信带宽达到 800G /秒。
只有算力还不够，还需要训练和推理框架的支持，由此毫末进行了三方面升级——
一是训练稳定性优化。毫末在大模型训练框架的基础上，与火山引擎共同建立了全套训练保障框架，可以通过集群调度器实时获取服务器异常，将异常节点从训练 Task group 中删除，再结合CheckPoint 功能，利用 VePFS 高性能存储和 RDMA 网络高效分发，以保障 DriveGPT雪湖·海若大模型训练的稳定性。 二是弹性调度资源的升级。毫末构建了一个大模型持续学习系统，数据以动态数据流的形式结合增量学习，持续不断地将量产回传和筛选的存量数据，传入认知和感知 Pretrain 大模型。
三是吞吐效率的升级。在 Transformer 的大矩阵计算上，毫末通过对内外循环的数据拆分，尽量保持数据在 SRAM 中提升计算的效率；在传统的训练框架中，通过引入火山引擎提供的 Logo核心算子库实现融合，端到端吞吐提升 84%。
毫末表示，自动驾驶数据智能体系MANA架构已迎来全线升级。截至2023年4月， MANA 学习时长超 56 万小时，相当于人类司机 6.8 万年。
在 MANA 发布迭代一年后，在本次 AI DAY 也迎来升级，具体包括：MANA 感知和认知相关大模型能力统一整合到 DriveGPT 雪湖·海若中；MANA计算基础服务针对大模型训练在参数规模、稳定性和效率方面做了专项优化，并集成到 OASIS 中；第三，增加了使用NeRF技术的数据合成服务，降低 Corner Case 数据的获取成本；针对多种芯片和多种车型的快速交付难题优化了异构部署工具和车型适配工具。
在视觉感知能力上，毫末对视觉自监督大模型做了一次架构升级，将预测环境的三维结构，速度场和纹理分布融合到一个训练目标里面，强迫模型练好内功，使其能从容应对各种具体任务。目前毫末视觉自监督大模型的数据集超过 400 万 Clips，感知性能提升 20%。顾维灏举例称，在泊车场景下，毫末将鱼眼相机也引入到视觉 BEV 的感知框架当中，鱼眼图像通过 2D backbone 提取出视觉特征，经过空间转换映射至 BEV 空间，并在该空间下对于障碍物的轮廓边界进行识别和测量，目前可做到在 15 米范围内达测量精度 30cm，2 米内精度高于 10cm。
除了用自监督大模型练内功，毫末还公开了在纯视觉三维重建方面的一些进展。
毫末对 NeRF 做了升级，将视觉感知结果转化为可用于 BEV 模型训练的带 3D 标注的真值数据，目前可以做到重建误差小于 10cm。
单趟重建有时会受到遮挡的影响，不能完整地还原三维空间，因此毫末尝试了多趟重建的方式——即将同一地点不同车辆在不同时间经过的数据合并做多趟重建，由此提升场景还原度，重建效率可提升 5 倍。
重建之后，MANA 可以编辑场景合成难以收集的 Corner Case。毫末表示，近期训练了一个可以在静态场景做虚拟动态物体编辑的模型，可以控制虚拟物体在场景中按照设定的轨迹运动，由此合成各种 hardcase，例如近距离回车，行人、电动车交互行为等。
2023年将是智驾产品大考之年
“2023 年智驾产品进入全线爆发期。”毫末智行董事长张凯在活动上表示。
张凯判断，城市导航辅助驾驶产将在 2023 年将围绕量产上车发力，主要玩家的城市导航辅助驾驶产品进入到真实用户覆盖和多城市落地的比拼。
行泊一体和末端物流自动配送产业商业化将成为自动驾驶公司深耕的重点。在乘用车领域，搭载行泊一体功能的智驾产品将迎来前装量产潮；在末端物流自动配送领域，末端物流自动配送车在商超、快递等场景迎来爆发，2023 年将在这些场景实现可持续商业化闭环。在 AI DAY 上，毫末表示其城市 NOH 已在北京、保定、上海等城市开启泛化测试，即将量产上车。张凯表示，到2025 年，毫末城市 NOH 将有序落地 100 城。
一年之内，从三座城市扩张至百城，毫末给出的目标可以说十分激进。
截至毫末三代乘用车产品搭载车型近 20 款，毫末辅助驾驶用户行驶里程突破4000万公里，HPilot2.0 日均里程使用率 12.6%。
毫末智行透露，目前已与 3 家主机厂（包括长城）签署定点合同，相关项目正在交付中。 结合毫末往届 AI DAY 的动态来看，从发布中国首个数据智能体系 MANA，到建设智算中心雪湖·绿洲，再在其基础上训练出参数规模达 1200 亿作为 DriveGPT 雪湖·海若模型，毫末的闭环思维始终贯彻其技术始末，并逐渐形成数据驱动的闭环。
正如毫末所言，2023 年将是智能驾驶冲刺之年、大考之年。这对毫末来说，这也是长久技术布局走向落地应用的关键时期；毕竟，毫末要在 2025 年实现城市 NOH 落地 100 城，这并不是一个简单的事情。
【本文来自易车号作者钛AUTO，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】