11月17日,第二十一届广州国际汽车展览会(以下简称“广州车展”)在“广交会展馆”如期举办。
作为疫情之后的回归之展,今年的广州车展以“新科技 新生活”为主题,吸引了众多海内外汽车企业、供应链企业携最新科技成果参展,参展/首发车型数量明显提升。
今年是新势力的主场,蔚来、理想、零跑、深蓝等20几个大家耳熟能详的新势力该来的都来了。
今年也是智能化的主场,地平线、芯驰科技、滴滴自动驾驶等智能化供应商也都全力参展。
作为国内在智能驾驶计算方案方面领先的知名提供商,地平线这次车展带来了征程家族芯片产品,并在现场公布了令人关注的征程6最新进展。
征程家族,是地平线旗下的智能驾驶芯片,从2019年到2021年,征程2、征程3、征程5,三代接连问世,并取得车企定点和车型量产。
其中征程2是国内首款量产的智驾芯片,征程5是国内首款量产的百TOPS级智驾芯片。截至今年9月份,征程芯片出货量累计达到400万片。
今年上海车展期间,地平线推出了BPU纳什架构,外界普遍猜测,地平线下一代芯片征程6正基于该架构研发。
本次广州车展,地平线携征程6参加,证实了这一次猜测,但也让人感叹其开发效率。
据了解,征程6为系列产品,统一搭载BPU纳什架构,会有多个版本,分别适配高阶、低阶不同智驾场景下的需求。
其中,高配的版本征程6旗舰,算力达到560TOPS,支持Transformer等前沿模型,专为高阶智驾设计。
这意味着,不同细分市场、不同硬件配置的车型,都有机会基于征程6来开发智能化。
与此同时,更值得关注的是,地平线本次还公布了征程6的首批意向合作伙伴,包括比亚迪、广汽、大众CARIAD和地平线的合资公司、博世。
虽然具体的合作内容还没释出,但这份名单含金量也足够明显。
比亚迪是全市场新能源的执牛耳者,广汽是老牌国企成功转型的优等生,大众是布局全球的超大车企,博世是传统Tier1的扛把子。
这是一个冠军之间的约定,囊括了产业链中志在智能化的头部大厂。
而且,部分大厂在征程6开发初期,便深度参与了产品定义,这意味有望进一步提升未来的量产效率。
此前,地平线余凯在出席2023中国汽车重庆论坛曾透露,地平线的量产交付效率是行业领先,理想ONE、理想L8、荣威RX5、长安UNI-T等车型,所有交付时间周期都是在10个月以内。
据了解,宏观地看智驾芯片厂商,主要可以分为“传统汽车芯片厂商”、“提供整套解决方案厂商”、“通用型、提供平台型硬件+软件工具链厂商”以及“全栈自研厂商”四大阵营。
地平线属于“通用型、提供平台型硬件+软件工具链厂商”这一类。
业内对芯片厂商开放程度有个分级,开放度从低到高排序依次是 Mobileye、英伟达、地平线 TogetherOS、BPU 授权这四种模式。地平线可以根据下游客户需求灵活选择后三种模式。
地平线基于车载智能芯片,在软件上开放赋能,帮助供应商以及主机厂,在芯片市场掌握全栈软件的开发能力,这将显著提升对方的开发及落地效率。
另外,对于智驾芯片来说,规模化才是能否成为一代成功产品的关键。
地平线余凯曾指出,任何主机厂选择芯片,都是一个战略选择。一旦选中或者定点了一款芯片,基本上要投入百人级的研发投入,一入豪门深似海。
实际上,不仅对于车企,对于芯片公司也是同样道理。定点合作项目越多,越有利摊薄研发成本和验证产品成熟度。
另一方面,在越来越讲究“生态”的当下,足够的量产数量,才能支撑起整个供应链上下游的迭代与繁荣。
可以说,这份意向名单的出现,已经为征程6的前景打开了想象空间。
未上市即多家重磅定点,征程6代表的地平线量产速度,将会“卷”来高阶智驾的进一步快速落点。
好文章,需要你的鼓励
法国人工智能公司Mistral AI宣布完成17亿欧元(约20亿美元)C轮融资,由荷兰半导体设备制造商ASML领投。此轮融资使Mistral估值从去年的60亿美元翻倍至137亿美元。英伟达、DST Global等知名投资机构参投。作为欧洲领先的AI开发商,Mistral凭借先进的多语言大模型与OpenAI等美国公司竞争,其聊天机器人Le Chat具备语音模式等功能。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
VAST Data收购了成立仅数月的初创公司Red Stapler,该公司由NetApp资深团队创立。Red Stapler创始人兼CEO Jonsi Stefansson将担任VAST云解决方案总经理,负责超大规模云战略。Red Stapler拥有6名开发人员,开发了跨SaaS交付、API集成、监控等功能的云控制平面和服务交付平台,将加速VAST AI OS在超大规模和多云环境中的部署,深化与全球领先超大规模云服务商的合作关系。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。