采訪、編輯 |德新
撰文 |苗嶺
輝羲智能，智能駕駛芯片行業最新的進入者。
這家公司成立于2022年，今年輝羲即將發布它的首款高階智駕芯片。而另外兩家智駕計算平台的頭部公司地平線和黑芝麻已經在前不久分別向港交所提交了IPO申請。
國內的自動駕駛行業蓬勃發展始于2016年，但第一代高階智駕芯片推出要在2020年之後。在整個智駕的供應鏈上，作爲下遊的軟件方案供應，從資金、量産項目的角度已經逐漸向少數的幾家頭部廠商收斂，而作爲上遊的智駕芯片依然非常活躍。
智駕芯片綜合了諸多技術，對研發團隊的實力要求極高，它需要聚合算法、工程、電子光學儀器、傳感器、車輛、機械等各個學科的專業人才。因爲挑戰大，芯片因此成爲産業鏈上較晚收斂的環節。
高階智駕芯片在汽車行業內，今天依然是稀缺的供給。這也是輝羲智能作爲較晚的入局者，依然存在的巨大市場機會。
4月，在北京車展前夕，輝羲智能聯合創始人章健勇接受HiEV大蒜粒車研所的獨家采訪，他表示，“三浪疊加”，輝羲創業受益于此。
“三浪”分別是，汽車智能化滲透率逐漸提升、以Transformer架構爲基礎的AI算法加速、中國汽車産業鏈自主可控的需求在增加。
盡管較晚走上牌桌，但輝羲創辦不久後即受到多家産業資本青睐，如蔚來、小米、經緯恒潤等，其最新的一輪融資由亦莊産投等領投。
這與其陣容有關。創始人兼CEO徐甯儀曾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師、陣量智能CEO。聯合創始人章健勇曾任蔚來汽車自動駕駛助理副總裁。聯合創始人賀光輝教授是上海交大電子信息與電氣工程學院副院長。核心團隊成員曾負責芯片累計出貨量超10億片、量産車型逾700個。
晚入局也意味著更要有取舍。輝羲智能瞄准以城區NOA爲代表的高階自動駕駛功能。章健勇認爲，隨著技術進步、成本降低，高階技術將滲透到中端甚至入門級車型市場。
2024年對主機廠而言，恰逢城市NOA的競爭大幅加劇。「不少車企在車型規劃上，已經將城區功能從一個邊緣的選配項轉變爲一個高比例的標准配置。」章健勇說。
輝羲計劃今年推出高階智駕芯片R1，目前已獲多個OEM的首批量産合作意向，其中搭載R1的某OEM高端新車型將于明年下半年實現城區NOA功能量産上市。今年搭載輝羲城區NOA方案的車型也會在四季度開啓體驗。
一、核心方法論：數據閉環定義芯片「以前的時代，可能給過大家用過多投入去拿結果的機會。」章健勇說。「在今天的時間點，我們有個共同認知——像過去那樣靠過多投入，能把事情做成的時代好像不太存在了。」
今天，整個行業都在強調效率和性能，每個環節都在被推向極限（push to limit），輝羲的策略是謹慎選擇方向，每一步都精確計算、精益設計。
輝羲的芯片區別于競爭對手很大特點在于，其方法邏輯是「數據閉環定義芯片」。
數據閉環是自動駕駛叠代的關鍵要素，但其內涵在近幾年發生了很大變化。
在章健勇看來：
數據閉環的第一階段是四五年前。那時，行業對數據閉環的理解很簡單，汽車的事件記錄、車輛的狀態信息能傳回車企，車企能對此進行分析；第二階段，是在第一階段的基礎上，加上人工的經驗去叠代；第三階段，快速驗證數據算法。到今天，大家會關注，數據怎麽在不依靠人工標注的前提下，靠自我標注、不斷地去學習。實際上，輕地圖也是根據自動標注和數據閉環體系的叠代得到拓展的。數據閉環這種方式，將從簡單功能不斷演變，最終滲透到自動駕駛開發的每個環節。
輝羲在設計芯片、選取産品架構時，一開始就會盡可能考慮數據閉環所需要的場景和使用方式。數據閉環的原則可以提高芯片運行的效率，特別是在底層適配和工程叠代方面，可以讓工程師更專注于解決關鍵問題。
對主機廠的開發者而言，當他們基于芯片做算法開發、模型部署、軟件開發時，只需要考慮算法，「不太需要關注各種底層問題的排查。」
二、輝羲首款芯片R1：幫車廠打造中國版FSD輝羲智能首款面向高端旗艦車型的高性能自動駕駛芯片R1，將于2024年推向市場，2025年上車量産。這款芯片的算力將在數百Tops級，支持城市NOA量産落地。
該芯片有以下特點：
自研RPU架構打造可擴展的算力引擎原生高效支持BEV、Transformer等先進模型支持 >16路Camera 及 >5路高點頻 Lidar覆蓋智能駕駛全場景，滿足高階城區NOA極致性能體驗當然，輝羲産品的最大特點還是數據閉環定義芯片。
「我們關注如何讓數據閉環自我學習，比如通過自動標注來快速叠代輕地圖。」他說，這樣的叠代可以促進數據管理體系進步，能提升整個開發流程的效率和質量。
芯片的物理特性，比如基礎架構和硬件屬性，在制造完成後就相對固定了。但是，芯片的軟件環境和適配性是可以持續升級的。輝羲在設計芯片時考慮了支持虛擬化，集成系統的支持，以便在未來提供更多的升級空間；也會在算法框架上預留升級余地，以適應不斷變化的技術需求。
「預計未來兩年內，隨著軟件功能的不斷擴展和升級，算力的需求也會相應增加。這樣可以留出足夠的空間來適應大模型應用，以及軟件的持續叠代升級。」
據章健勇介紹，輝羲基于R1開發的城區高階智駕系統，目前只用到了其算力的40%，這爲更多AI應用擴展、算法升級預留了空間。
三、解決方案支持車企自研，更快速易用貼身服務和提供基礎芯片，是兩個看似截然相反的業務方向，卻是智駕芯片業內目前的普遍做法。
輝羲也是如此。其自我定位是提供整個計算平台，支持兩個方向：一是提供芯片和工具鏈平台給客戶開發算法系統，二是與合作夥伴共同實現全棧智能駕駛解決方案的落地。
如果爲客戶提供過于定制化的服務，可能會導致解決方案過于專用化，影響到方案在不同車型間的擴展性和靈活性。如果不提供足夠的支持，客戶則可能遇到工具鏈使用上的困難，或者在從芯片到算法的轉換過程中遇到問題，這會延緩量産和算法叠代的進度。
輝羲的應對措施是，在每個方向上幫助客戶建立標杆，與合作夥伴一起確保整體解決方案的落地，支持車企的自研算法團隊以一種易于接受和快速使用的方式來使用輝羲的芯片。
目前，輝羲推出基于輕地圖和BEV算法的城區NOA方案，同步開發城區NOA功能量産集成工具鏈並向戰略客戶及合作夥伴開放。
硬件層面：
輝羲基于高效能異構SoC打造的跨域中央計算平台，AI算力可滿足城區環境及高速公路NOA，實現複雜場景下的遠程泊車、代客泊車功能，以及智能座艙、車端大模型應用部署等。
算法層面：
「 強感知+低成本地圖」的組合拳，不僅提高智能駕駛系統的經濟性，也爲用戶提供更加安全、便捷的駕駛體驗。
輝羲基于Transformer/BEV架構自主開發了面向城區NOA應用場景的時序多任務統一感知大模型RhinoNet，可將傳統的傳感器融合工作量減少90%，針對Cut-in等工況的響應時間減少50ms。
采用輕地圖代替高精地圖實現城區NOA功能，大幅降低量産成本。
功能層面：
數據閉環是高階智能駕駛開發中最大的成本所在。
輝羲通過自研的數據閉環工具鏈，實現從數據采集、處理到算法訓練的全流程自動化，建立4D自動標注的能力，引入大模型和軌迹優化+點雲匹配工具，完成動態目標和靜態目標的半自動標注和交互式標注。
相比于傳統的標注方式，其數據閉環工具鏈，可以在保證准確率的前提下提升10倍效率，並將主機廠的單個項目數據處理成本從億元級別降低至千萬元級別。
在整個汽車行業卷産品、卷價格，強調效率和性能的背景下，每個環節都在被推向極限。
但凡涉及與車企、Tier 1供應商的三方合作，該如何界定各自的邊界？
章健勇表示，決策基礎是可擴展性、更高的經濟效率。
如果一個軟件工具或基礎工具鏈與芯片的底層架構緊密綁定，那麽輝羲會自己做。因爲這會提供更強的擴展性，一旦開發完成，所有用戶都可以使用，無需進行更改。
系統級硬件設計和算法開發方面，如果是需要與特定道路場景或車型匹配的功能，輝羲會交給合作夥伴來完成，因爲這對他們的産品線擴展性更有利。
對于車企而言，他們會更傾向自己來做車輛控制場景的叠代和數據閉環運營，因爲這有助于他們實現品牌差異化、提升用戶體驗。
「我們的目標是讓所有相關方能共同合作，成功地打造出一個標杆性的高階智駕解決方案。」
HiEV：你覺得現在高階自動駕駛市場處于什麽樣的發展階段？
章健勇：市場是一個剛打開的階段。在這個階段，存在多種不同的觀點和技術路線。
從技術發展的角度來看，雖然從低階到中階已經取得了一定的進展，但向城區等更複雜場景的拓展，仍面臨諸多挑戰。這要求在算力架構和數據閉環方面，進行更深入的叠代和優化。
預計市場可能需要2 - 3年的時間逐步收斂和穩定，這種狀況爲新進入者和技術革新者提供了機會。
HiEV：芯片公司做方案是不是必須的？爲什麽今天大家不能做一個純硬件公司？
章健勇：當前的行業環境下，只做純硬件不足以滿足市場需求。因爲技術尚未完全收斂，還有很多未知領域需要探索。
芯片公司需要有算法團隊來定義如何更好地服務于市場和用戶，才能確保硬件産品能夠滿足實際應用的需求。
輝羲的願景是“scalable compute platform for smart mobility”，爲智慧出行提供一個可擴展的計算平台。如果我們擁有一個優秀的平台，我們就必須去證明它的價值。這不僅是爲了證明自己，也是爲了開放地展示我們的成果。
HiEV：你們同時追求貼身服務和提供基礎芯片兩種看似相反的業務方向，這會不會導致戰略上的分裂？
章健勇：我們確實從行業領先的先行者那裏學習了很多，但我們更關注的是未來兩年後用戶的需求，以及技術上需要什麽樣的産品。
我們認爲，跟隨類似産品和路線，如果比同行晚兩年，基本上沒有太多機會。
這兩種方向可能有所不同，但我們的目標是通過提升産品和解決方案的效率來抓住機會。
類比嵌入式開發的發展曆程，過去嵌入式工程師必須精通彙編語言，現在使用高效的代碼生成工具，即可快速地進行叠代和開發，無需深入底層語言的複雜性。
同樣我們也看到了在車載計算平台中類似的機會，輝羲提供高效工具，讓算法工程師能夠專注于算法層面的創新和優化，而不必成爲底層硬件適配專家，加速産品的市場響應速度。
總的來說，我們希望通過提升效率來贏得市場機會。
HiEV：如何評價當前的算法和芯片性能？
章健勇：當前芯片架構是有代際創新的機會的，特別是支持面向未來的算法趨勢、感知分辨率提升以及計算任務的多場景並行需求。
行業內經曆了四代算法演進，從最初的2D框測高測距，到最近BEV/UniAD/端到端+Occupancy，我們在計算架構的創新設計可以支持城區NOA性能比如MPI（接管率）的快速提升、算法開發效率數倍的提升，也支持大模型在車端的部署。
評價指標非常多，包括學術界和工業界的。不僅僅是mAP指標，還包括大模型和小模型的性能表現，比如准確性和效率等，以及它們在訓練和端側計算資源上的需求。
此外，還需要考慮節省的工程成本、軟件驗證成本、算法團隊經驗、組織文化、軟件更新版本以及用戶體驗等要求。我們采用生命周期成本（TCO）的概念來綜合考慮這些因素，雖然不是絕對的，但在同等産品下，TCO提供了一個趨向標准的評價框架，幫助做出更加明智的決策。
將數據閉環融入智駕全流程HiEV：以數據爲閉環驅動的開發方式，幫助主機廠開發他們的方案。這個事情的難度在于什麽？
章健勇：幾年前，數據閉環可能只是一個簡單的概念。大家主要關注如何記錄事件和信息系統的數據，再進行分析和人工叠代。
近幾年，我們開始引入更多的自動化和智能化方法，如快速驗證數據算法，以及不依賴人工標注的自動化標注方法。這些進步使得我們可以更快速地叠代和改進産品。
現在，我們關注的是如何讓數據閉環自我學習，比如通過自動標注來快速叠代輕地圖。
這樣的叠代不僅是技術上的改進，也是整個數據管理體系的進步。這種變化不僅限于單個團隊或公司，而是跨越了整個産業鏈，包括車廠、Tier 1供應商和解決方案提供商之間的合作。
HiEV：這對你們的産品會有什麽影響？
章健勇：對于産品架構而言，我們在設計芯片的方法和邏輯上是基于數據閉環的理念。我們從一開始就會深入考慮芯片和計算架構需要支持的場景和使用方式。
此外，我們會考慮最終合作夥伴如何運營整個數據閉環工具，以確保工作鏈路上的每個環節能夠高效協同，與高階智能駕駛功能體系形成一個有機整體。
簡言之，數據閉環的概念影響了我們從設計到交付的每一個環節。
高階芯片將向中端和入門車滲透HiEV：你們怎麽看低階芯片？像目前的市場情況，低階會長期存在嗎？
章健勇：摩爾定律在一定程度上反映了行業的發展趨勢，即功能逐漸收斂。
收斂意味著項目每個環節的工程投入變得更加可預測、可計算，從而使行業向標准化方向發展。
低階市場在標准化和成本上有優勢。低階領域的數據閉環叠代方式和路徑跟高階有所不同。低階每個環節的工程投入可計算、可預期，相對來說比較標准化，標准化就意味著它可能會被行業收斂。
輝羲的重心是高階。
隨著技術進步和成本降低，高階技術如FSD的突破帶來規模化部署，這將爲用戶提供更豐富的駕駛體驗和更高的安全性，整個産業鏈會有盈利機會。
我們相信高階技術有可能逐漸滲透到中端、入門級市場。這種滲透將導致市場結構的調整，其中入門級市場的基礎功能將逐步提升。
HiEV：您如何預估高階芯片市場滲透率？比如有同行預測，2030年96%的車輛將配備L2級或以上的自動駕駛功能，其中60%的車輛會搭載高階方案。您對此有何看法？
章健勇：我傾向于相信這些積極的預測數字，甚至認爲可能實際情況會更加激進。
原因之一是滲透率的變化。我們可以從新能源汽車的滲透率變化看出，一旦突破了某個臨界點，滲透率就會從線性增長轉變爲指數級增長。這種模式也可能適用于智能化技術的普及。
智能化配置向下滲透是一個受到廣泛歡迎的趨勢。
目前，汽車行業正在經曆一種“科技平權”的轉變，其中高配置不再僅僅與高價位車型挂鈎，而是將高端配置不斷向低端市場普及，特別是那些用戶可以直接體驗到的配置。
我預計到2030年，高階芯片的市場滲透率可能會超過目前的預測，這將是汽車行業發展的一個重要方向。
HiEV：爲何市場上的自動駕駛芯片仍然稀缺？
章健勇：自動駕駛芯片稀缺的原因有多方面。首先，市場需求是在近幾年才逐漸顯現的。
其次，技術要求本身就很高，特別在中國，對自動駕駛的要求尤爲嚴格，競爭也非常激烈。
此外，對于研發團隊的要求也很高，需要跨學科的專業人才，包括電子、光學、儀器、傳感器、車輛機械等領域的專家。
不同技術路線不斷的演進和競爭，算法方案持續在叠代，都是行業認知逐步建立的過程。這個過程涉及大量的嘗試、探索和叠代。
很難說有一種方法能夠保證最快取得成功。但可以肯定的是，行業正在經曆一個高速發展和叠代的階段。
自動駕駛的本質決定了頭部車廠會自研HiEV：我們看到一個趨勢，雖然方案公司在減少，但主機廠自研在增加。未來自動駕駛技術是否會是以主機廠自研爲主？
章健勇：我相信頭部車廠一定是自研的，因爲自動駕駛本質上是一個數據閉環體系。
在這種體系下，車廠與合作方之間可能存在一定的隔離，特別是在數據共享方面。
車廠擁有大量寶貴的運行數據，利用這些數據來叠代和提升用戶體驗是非常自然且有效的策略。
例如，使用這些數據，車廠可以將車輛性能從95分提升到98分。這或許不會直接給合作方帶來商業收益，但卻能顯著提升用戶體驗，幫助車廠銷售車輛，對産品産生正面反饋。
我認爲，最終最合理的方式是車廠通過自己的自研團隊來運營和優化自己的數據閉環體系，這樣能夠更好地掌握自身命運，快速適應市場變化，並保持競爭優勢。
HiEV：未來汽車市場的格局會是怎樣的，份額會向哪些玩家集中？
章健勇：市場上存在兩種觀點，一種認爲市場會急劇收斂，另一種認爲市場會保持多元化，我個人更傾向于後者，即市場將保持多元和充滿活力的狀態。
我認爲汽車行業不會簡單地演變成少數幾家公司。
汽車市場與手機市場不同，它的需求和産品定義更爲多樣化。
從傳統的燃油車向混合動力和智能電動車轉變，這意味著市場上會有多種品類並存。
在某些細分市場，如個人MPV，只要有一定的銷量，比如每月2000輛，企業也能夠生存和發展。
電動車對燃油車的滲透最早是從高端和低端市場開始的。隨著技術進步和成本下降，電動車的滲透逐漸向中端市場擴展。這是一個逐步發展的過程，市場已經從最初的兩端市場向中間市場轉移。
HiEV：輝羲希望服務于什麽樣的廠商？
章健勇：我們希望服務于所有品牌，不論是本土還是合資品牌。
我們預計未來市場將以自主新能源品牌爲主，合資品牌的新能源和燃油車型將占有一定份額。新能源車型的銷量可能會達到千萬級別。市場中將有高性能燃油車和經濟型燃油車占據兩端市場，合資品牌可能會提供一些競爭力較強的新能源産品。
HiEV：您之前有最早量産EyeQ4和OrinX的經曆。能不能從過來人的角度，談一談該如何選擇計算平台，以避免踩坑？
章健勇：選擇計算平台確實像選擇手機芯片一樣重要，這不是一個簡單的決策過程。
大家在決定使用什麽芯片時，永遠有兩難的狀態。一方面，等芯片所有成績都得到證明，再選擇使用它，可能等1～2年，會錯過最佳時機。另一方面，如果過早選擇，又可能因爲未知的風險而感到擔憂。
但試駕能說明很多問題。數據閉環其實貫穿在我們的組織開發過程中。我們的客戶、合作夥伴，對我們的研發細節非常了解。因爲我們作爲芯片設計方的工作模式，與算法叠代的緊密程度非常之深。每一步都需要正向設計、整體驗證，再到最後收斂。對于客戶來說，當經曆了完整的合作周期，他能拿到的最後結果，可能就是量産時所有的表現。
最保險的辦法是，別人使用過、驗證過這個芯片，我再來使用，這是最安全的。但問題在于，這好像會晚了點。
因此，我認爲對車企、算法方案提供商而言，最好的方式不是簡單的跟隨策略，而是在前期進行深入的了解，確保與彼此最終的目標是一致的，每一步風險怎麽去規避、問題怎麽去解決，否則時間差始終存在。
因此，我們會跟客戶傳遞幾個方面的信息：
産品的體驗，他們可以很快地體驗我們demo車的性能；
整體成本，具體數字還沒到公開的時間點，但不管哪方面都會讓客戶覺得性價比更高，在幫他們賣出更多車上有正向價值，提升用戶體驗、整體運營效率。
總之，我們在産品體驗和綜合競爭力上，會努力讓客戶滿意。
HiEV：有沒有一種更簡單的方法來選擇計算平台，例如在什麽節點應該看到什麽？
章健勇：我們在四季度的時候就會看到，我們的整體解決方案在完整的高階智駕方案上面跑。是一個接近量産狀態、在主要城市能跑起來的高階智駕方案。我覺得這會是一個非常非常有說服力的證明。之前每個環節都有非常完整的仿真結果，也實測驗證了demo的軟件性能和硬件性能。
長期高階智駕的成本將繼續下降HiEV：你們對于自動駕駛訂閱模式怎麽看？長期來看，有機會像特斯拉那樣收到訂閱費嗎？
章健勇：訂閱是一種價格的折算方式。
從自動駕駛、高階智駕來看，訂閱或許是一個能夠促進行業整體良性發展的機制。
如果最終所有的産品價值需要用戶來付費買單，且訂閱費用層層分解到解決方案、閉環叠代體系等，且能夠比較良性地運轉起來。大家會更有動力把用戶體驗提升上去。不然，你做到95分和90分可能沒有太大的差別。
但這受限于車輛銷量的競爭，取決于綜合的考慮。
HiEV：是否訂閱其實對你們影響不大？
章健勇：對我們而言，如果是訂閱模式，我們還是會支撐客戶和合作方。但我們目前還沒有想法去運營整個訂閱模式。
HiEV：現在絕大部分的主流廠商已經放棄了訂閱。如果要開始訂閱，至少要到2026年以後才能收到錢，至少他們在2025年以前是沒有人敢收這個費用的。這背後是什麽原因？
章健勇：大家先要拿用戶的基數，車的基數，這是第一。所以我剛才說車的價格、車的銷量在目前階段會遠超過智駕訂閱的意義。
HiEV：長期看智駕占的BOM成本？
章健勇：如果一輛車的BOM成本是108000元，按照5% - 8%就對應8000元左右。
我覺得高階智駕的成本可能還會往下降的。這會是一個長期的方向。
