ChatGPTに代表されるAIGC車載アプリケーションは、自動車のインテリジェント化を新たな潮流へと推し進めています。
少し前に、Microsoft と Mercedes-Benz は、ChatGPT 人工知能サービスを車に統合し、MBUX インタラクティブ システムを搭載したモデルのオーナーに、よりスマートでパーソナライズされた音声アシスタント エクスペリエンスを提供するために協力すると発表しました。
吉利汽車は現在、同社がすでにフルスタックの自社開発AI大型モデル技術を保有しており、絵画、音楽、言語などの機能をカバーするだけでなく、自動運転AIの大型モデルの機能も備えていることも明らかにした。・10億レベル、100億レベル、1000レベルのAIモデルを実現できるスケールモデル 10億レベルのデータラージモデルを完全網羅。
ただし、AI の大規模モデルの実現には、トレーニングと推論プロセスをサポートする強力なコンピューティング能力が必要であるため、AIGC 車両アプリケーションでは、エンドサイドの推論チップに対してより高いコンピューティング能力要件が提示されています。
重ね合わされたムーアの法則は日に日に速度が低下し、故障に近い状態にさえなり、AIGC 車両アプリケーションは特に深刻なコンピューティング能力の課題に直面しています。業界統計によると、2012年から2018年にかけて、トレーニングAIの計算能力は30万倍に増加しましたが、ムーアの法則の一般的な計算能力は7倍にしか増加しておらず、ムーアの法則がAIGCの需要を満たすことが困難であったことがわかります。計算能力のために。
「ポスト・ムーアの時代において、車載用ハイコンピューティングチップの設計における最大の課題は、包括的なヘテロジニアスな統合コンピューティング能力と、高性能、低レイテンシ、高パフォーマンスを備えた柔軟でスケーラブルなチップアーキテクチャをどのように見つけるかということです。 「信頼性の高い相互接続方式。チップレットと GPNPU が最良の技術的パスです」と Xinli Intelligent の創設者兼 CEO の Zhang Honyu 氏は述べています。
AIチップのコアNPU性能を起点として、GPUと同様のNPUアーキテクチャが高速計算とデータアクセス遅延を同時に満たし、高速バスインターコネクトチップレットにより削減できることがわかります。マルチカード推論遅延。これは、Xinli Intelligent の核となる技術的利点でもあります。つまり、高速バス相互接続を可能にするマルチコア推論は、実際の推論では大きなチップのように動作します。
Xinli Intelligent は、チップレット技術を使用してオンボード コンピューティング パワー チップを開発した世界初の企業として、2021 年に正式に設立されました。チップレットは、オンボード チップの特別なアプリケーション要件を目指して、独自の自動車グレードのチップレット ダイツーダイ相互接続技術を開発しただけでなく、多くの国で独自のダイツーダイ相互接続 IP 特許の申請にも成功しました。
現在、チップレットの車載グレードのチップレット ダイツーダイ相互接続 IP は廃止されています。同氏の紹介によると、初の車載グレードチップレットSoCのテープアウトが今年末までに実現し、2025年に量産が開始される予定だという。
多くの巨人とチップレット技術エコシステムが存在する車載チップ市場において、なぜ新立智能は、大規模なコンピューティング能力を備えた自動車レベルのチップレットチップの参入チケットを勝ち取る先頭に立っているのでしょうか? 適切な時間、場所、人々が最良の答えかもしれません。
AIGC 車両アプリケーション コンピューティング災害
「電動化」が「インテリジェント化」に向かう過程では、新エネルギー車のインテリジェント特性が十分に発揮されておらず、AIGCはインテリジェント車に大きな期待を寄せている。
ChatGPT に代表される AIGC テクノロジーは、スマート コックピットの擬人化と感情表現を実現できる一方で、自動車インテリジェンスの欠点を補い、よりスマートで豊かなコックピット インタラクションを提供します。
たとえば、プロアクティブな現実世界の AI 仮想副操縦士に変換された音声アシスタントなどのアクティブでマルチモーダルな車内インタラクティブ エクスペリエンスは、ウェイクアップ ワードに基づく従来の受動的なインタラクションを突破し、次の分野となりつつあります。スマート コックピット これらの機能を実現するには、強力なチップ コンピューティング パワー サポートを必要とします。
一方、インテリジェント運転の知覚能力を向上させるために、BEV+Transformerに代表される大規模モデルは、特徴ベクトルを抽出し、統一された3D座標系空間で特徴融合を実行し、動的認識のためのタイミング情報を組み合わせて、最終的に実行することができます。静的セマンティック マップ、動的検出などのマルチタスク出力。
ただし、AIGC 大型モデルとインテリジェント運転の車両認識機能は Transformer アーキテクチャに基づいているため、デバイス側の展開は Transformer に合わせて最適化する必要があります。GEMM の最適化によって引き起こされる Transformer コンピューティングのボトルネックと Self-attention のメモリ アクセス ボトルネックについては、AI モデルの推論と展開をサポートするのに十分な AI コンピューティング能力が依然として必要です。
自動車インテリジェンスの急速な発展により、車載チップ (スマート ドライビング、スマート コックピット) の計算能力需要が爆発的に発展していることがわかります。AIGC が自動車インテリジェンスの徹底的な開発を推進するにつれて、計算能力の損失はますます明白になり、AI モデルの計算能力需要の増大とムーアの法則との間の矛盾が解決できなければ、大規模な自動車知能の応用と普及が困難になります。モデルは必然的に抑制されます。
チップレット技術は、ムーア以降の半導体業界にとって、大きな計算能力を備えたチップに対する最良のソリューションの 1 つであると考えられています。
チップレット技術は、高いセキュリティと信頼性を満たしながら、高性能と低コストを必要とする小型チップの「ビルディングブロック」による性能拡張の問題を完全に解決できると報告されています。
おそらく、車載用チップには、サーバー市場や他の消費者市場よりも高度で複雑な要件があります。ポストムーア時代の車載用チップの多様なニーズを満たすには、革新的な設計によって先進技術のボトルネックを突破する必要があります。
自動車インテリジェンスの「時代」に準拠し、車両における大きな計算能力を備えたチップの需要を目指して、Xinli Intelligentは、主にチップ アーキテクチャとチップ間相互接続を含むチップレット テクノロジーの実装と実践において一連の独自の設計を採用しました。 ( D2D )の側面です。
たとえば、チップ アーキテクチャに関して、チップレット インテリジェンスのチップレット SoC は、パフォーマンスが制限されたモバイル コンピューティング アーキテクチャやハイ パフォーマンス コンピューティング (HPC) アーキテクチャを採用せず、ヘテロジニアス インテグレーション (eHPC) に基づいた組み込みハイパフォーマンス コンピューティング プラットフォームを構築します。自動車分野におけるハイコンピューティング、低コストの車載グレードのコンピューティングパワープラットフォームチップの需要に応えます。
シリアル相互接続とパラレル相互接続では、自動車アプリケーション市場の低遅延と低コストの要件を同時に満たすことが難しいという問題点に対して、Xinli Intelligent は独自開発のチップレット D2D 相互接続 IP の作成に成功しました。パイプライン ベースの設計。これは、並列相互接続テクノロジの高帯域幅と低遅延という利点と、シリアル相互接続テクノロジの高信頼性と低コストを組み合わせたものです。
具体的には、Xinli Intelligent の D2D 相互接続技術は、チップの内部バスをシリアル化するバス拡張インターフェイスであり、シリアル化されたバス パイプラインを送信し、一連の複雑なパッケージングおよびアンパック プロトコルを省略し、同期動作を行い、パイプライン構造を維持します。パラレルバスを最大限に活用します。
特に自動車分野では、現在の高度なパッケージングはまだ自動車規制の要件を完全には満たしていませんが、チップレット D2D インターコネクト IP は、従来の自動車グレードのパッケージングをサポートするだけでなく、低遅延でコスト効率の高い相互接続という利点もあります。信号処理プロセスを加速し、システムの応答速度を向上させることができます。
自社開発NPU、インテリジェンス後半を制す
しかし、設立されてまだ 2 年しか経っていないチップレットが車載アプリケーションを独占するのは、一度限りの成果ではありません。
チップレット テクノロジーがまだ爆発的に普及していなかった2012 年の時点で、コア インテリジェンスの創設チーム メンバーは、高コストで信頼性が低いため、高度なパッケージングをベースとしたチップレット テクノロジーを他のアプリケーションに拡張するのは難しいことに気づきました。将来的にはサーバ以外の分野でも活用できると考え、低コストで高性能な相互接続技術の研究に着手する。
AIGC の加速と電子・電気アーキテクチャの一元的な変革と時を同じくして、自動車用チップのコンピューティング能力は大爆発の機会を迎え、特に中国は世界の電化とインテリジェンスのホットスポットとなる先導者となった、Xinli Smartはその才能を発揮することができました。
将来的に、Xinli Intelligent は、D2D 相互接続に基づいて、プロセッサとメモリ間のデータリンク全体から独立したイノベーションを実現し、一連の差別化された IP を投入して、技術の最先端を維持していきます。
チップレット社は、創業チームの長年にわたる蓄積と努力、そしてチップレット車載アプリケーションのニーズに対する鋭い判断力を頼りに、適切な時、場所、人材を活用することで、インテリジェント化の後半でチケットと先行者利益を勝ち取りました。
しかし、AIGC 車両アプリケーションによってもたらされるインテリジェント後半の機会にとって、大規模なコンピューティング能力の需要はその一部にすぎず、その鍵は、一般的なグラフィックス アクセラレーションのコンピューティング パワー GPU などの包括的なヘテロジニアス統合コンピューティング パワーの恩恵にあります。または AI アクセラレーションのコンピューティング パワー NPU。
特に、自動車の買い替えサイクルがますます短縮され、ブランドの差別化や競争の傾向が多様化する中で、車両用チップの包括的な異種統合コンピューティング能力は飛躍的に増大しており、チップの需要は徐々に急増しています。
インテリジェント運転分野での BEV+Transformer の適用や、インテリジェント コックピットでの DMS/OMS、AIGC などの適用を含む、AI テクノロジーと自動車産業の深い統合により、加速に対するより高い要件が課せられています。 AI の計算能力。該当せず。
たとえば、DSP+ アクセラレータ アーキテクチャはシステム全体を 1 つのチップ上に置き、ハードウェア モジュールのほとんどは特定の機能要件に従ってカスタマイズされており、特徴的なアルゴリズムの効率性を備えていますが、DSP+ アクセラレータは一般にオープンではなくブラックボックスを使用しています。スマートカーのニーズに適応するのが難しいソリューション。
以前はグラフィックスアクセラレーションコンピューティング専用であったGPUアーキテクチャは、一般的な特性を徐々に進化させ、並列コンピューティングの汎用性を備え、すべての演算子の融合をサポートし、大量のデータを効率的に処理できますが、使用率が低く、 AIGC 車両アプリケーションの高効率を満たすのは困難です。
対照的に、AI チップのコア NPU の観点から見ると、Xinli Smart の GPGPU に似た NPU アーキテクチャは、GPU アーキテクチャと DSP + アクセラレータ アーキテクチャの利点を組み合わせており、ネットワークの適用性と効率性を同時に満たすことができます。インテリジェント運転スマート コックピット アルゴリズムの最適化柔軟性、効率性、多用途性の両方の要件が、AI テクノロジーの開発と反復をサポートします。
GPGPU は特定のチップではなく、非グラフィックス レンダリングにグラフィックス アクセラレータを使用する高性能コンピューティングという概念であると報告されています。前者の GP は「General Purpose」、後者の GP は「Graphic Process」を意味し、U を組み合わせて GPU (Graphics Processor) となります。
具体的には、Xinli Intelligent は、チップレット テクノロジに依存し、組み込み高性能コンピューティング プラットフォームを設計ベースとして採用し、NPU の迅速な反復と CPU/GPU コンピューティング能力の柔軟なアップグレードと拡張を通じて、さまざまな CPU、GPU、NPU のコンピューティング能力を実現できます。ユニットの柔軟な組み合わせとカスタマイズにより、車載チップに対するスマートカー市場の多様なニーズに対応します。
AIGC 車両アプリケーションのコンピューティング能力の問題点を解決するためにチップレットを使用しているか、AI の詳細な最適化をサポートするために自社開発した柔軟で効率的な NPU を使用しているかにかかわらず、Xinli Intelligent が第 2 の勝利を収める準備ができていることを確認するのに十分であると言えます。自動車のインテリジェンスの半分。