Q1: 基于 Nash 架构的芯片会有一个怎样的性能？比如说算力、晶体管数量、功耗等等。它大概什么时间会量产？
黄畅：这是一个可伸缩的架构，包括里面的计算单元、存储单元，无论是单核还是多核系统。
如果不考虑合规的话，它其实是可以做到 1000 TOPS 这样的 Level，但同时也可以覆盖几十 TOPS的 Level；至于晶体管规模，因为可伸缩，所以规模也很大。
(资料图片)
Q2: 现在有很多厂商会去自研算法和软件，选择咱们地平线的车企越来越多，随着征程计算方案的前装车量持续增长，那能不能说地平线拉高了这些不同车企自研软件的平均能力呢？
黄畅：地平线为他们提供一个更大的空间。因为方案最终的效果、性能，包括一些新功能，是否能够实现，上限是由算力、算法和数据构成的。
地平线主要提供算力上的保障。
如果车企自研解决方案，它要去解决算法和数据的问题，但是我们至少把算力的上限在不断提升，让算力不会成为大家去开发更好的自动驾驶方案的瓶颈。
余轶南：我们是一个懂算法的芯片公司，为大家提供充沛的算力。
我们经常会跟客户去讨论的不只是芯片怎么用、工具链怎么用，我们还会跟他们沟通在给定算力、给定需求的情况下，最佳的算法是什么样。
这也是一种能力的相互建设，我们的确在这方面给他们提供了非常多的、专业级的软件。
现在车企自研的越来越多，而且基于我们芯片自研的越来越多。
Q3: 关于占用网络，很多车企很重视这块，但是我们都知道技术的开放难度很高，我们地平线有没有针对性的优化措施帮助他们去开发呢？
余轶南：我们的算法现在是完全支持占用网络的。
只不过在我们看来，它其实只是 BEV 的一个延伸，更加通用的对世界的描述。
而且这个算法其实并不难，大家用行业开源的算法，在我们这上面一跑就能跑出来。
黄畅：是的，其实我们去年已经开放了一套 BEV 的参考算法给到我们的合作伙伴和客户，去帮助他们更快地在芯片上高效实现这样的算法。
未来在合适时间我们也为围绕包括占用网络这样的算法，把我们的一些实践、一些优化的成果、阶段性的成果去跟行业里的伙伴去分享。
Q4: Nash 架构对于地平线来说，对于整个计算芯片的行业来说，大概是一个什么地位？我们怎么看它？之前英特尔的高管也说过，甭管您是 NPU、TPU、XPU，这些都是配菜，CPU 永远是米饭，你什么样的菜都得配着米饭一块吃。那以后我们还需要这个米饭吗？
黄畅：要回答这个问题，主要是看应用生态。
只要 X86 或者 Arm 的处理器架构，它的指令集、它的软件、应用生态持续还在创造价值，那么 X86 也好，Arm 也好，就有生存下去的意义。
所以只要大家还需要的话，它应该出现在我们或者客户的系统里。
但是我想说的是，未来的应用发展趋势，是面向大规模数据驱动、大参数模型、去规则化的一套方法。
最佳计算架构，其实是像 BPU 这样的计算架构。
换句话说，未来芯片上所要完成计算的越来越多的比例——比如说今天可能是 80%，明天可能是 90%、99%、99.9% 越来越多的计算，实际上是基于数据驱动的大参数、大计算量的模型、神经网络、GPT 这样的模型。
这些东西应该在 BPU 上去运行，而不是在 X86 或者 Arm、CPU 上去运行。
它是一个占比问题，至于它会不会完全消亡，我觉得它还有存在理由，还会有很长的时间，但只是相对来说占比越来越小，在芯片上面相对来说越来越不受重视。
Q5: 有行业大佬认为无人驾驶还很遥远，最终的形态可能就到了高阶智能驾驶，就到此为止了。这样的话，其实我觉得跟我们今天新的计算架构、跟地平线的方向是不是相悖？
余轶南：我们的观点基本上是相同的。
自动化的设备需要人去操控，在这件事情上，我觉得行业很多人现在已经都是这样的意识。
什么是无人驾驶？
就是无人操控的设备，可以自由自行去运转。
今天 L4 已经实现了，你家里的扫地机器人就是 L4 的系统，它具有感知、定位、地图、规控的能力，在一个受限的范围内，它已经是 L4 的系统。
但是面对一个开放的环境，我们始终认为人和车是协作关系，不断地提升性能指标，去解放人类，就像余凯博士所说的「车让人更伟大」，我们认为这才是真正正确的方向。
而且实现 L4，其实很容易，只要修一条纯无人的道路，上面跑的所有的车都是无人的卡车，所有的事故由保险公司或者企业兜底，这就是无人驾驶。所以无人驾驶既遥远又不遥远，主要看你是不是有专用的环境。
Q6: 关于商业化，英伟达 Orin-N 现在已经进入市场了，会不会对我们这些车载芯片有一个巨大的冲击呀？
余轶南：我觉得在这个市场上永远都会有更优秀的产品，地平线也会不断地推出我们更优秀的产品。
整个市场的容量其实是在不断变大的。英伟达的产品也会有不断的roadmap，地平线也会不断的有我们的roadmap。
今天的一个事实是，整个地平线的出货量，尤其是高阶算力的出货量，是在快速加大的。这体现的是我们芯片的算力、计算效率、开发的效能——因为开发成本也很高——以及量产维护的能力，所以我们在这个市场上其实很有竞争力。
2022 年，地平线在标配 L2+ NOA 域控市场的市占率为 49%，几乎占到市场的一半了。
而且市场总盘子也在不断变大，现在是大家一起先把整个市场撑起来的一个阶段。
Q7: 行业在热议 BEV，我们知道地平线征程 5 其实已经做好了流片设计，在为 BEV 的架构上做了哪些工作？跟英伟达 Orin 相比来说，你们的征程 5 在做适配的时候有哪些优点和不足？
黄畅：其实在征程 5 立项的时候，我们就发现多传感器做中融合，在时空上进行融合的需求已经非常强烈了，所以在 2019 年开始设计的时候，我们就考虑了引入像 Warping 的算子这种更自由的对于特征图的几何变换。
也包括向量和矩阵的处理，以及 SoftMax 算子、键的 Attention 算子这方面的一系列优化，还有一些 Transformer engine，就是对于数据的排布、格式进行必要的调整，使得它计算更加高效，这一系列在硬件上包括在编译器软件层面上都做了蛮多优化。
所以，我们去年已经拿出一套非常高效的 BEV 的参考算法给到我们的合作伙伴。
跟英伟达相比，英伟达针对 BEV，始终在一个比较通用的计算架构上去提供这个能力，更多的是依赖软件，而不是硬件。
而我们是软硬结合在一起做的，这使得我们有更好的性价比和能效比，始终在这方面有优势。
Q8: 我们知道征程 5 首发是在理想的 L8 上，现在跟比亚迪合作，我不知道地平线在合作过程中，跟原来和理想合作的模式有哪些区别？是不是你们会向比亚迪提供一些算法方面的支持？
余轶南：我们作为底层计算方案提供商，主要提供的是芯片和工具链。我们会向合作伙伴去贡献我们的 knowhow，以及提供一部分地平线已经适配好的、高效的参考算法，包括一些简单的 demo 给到他们。
基本的工程问题我们先尽量帮他们扫清楚，使得他们的开发起点能抬到比较高，可以专注于算法和软件的价值创造。
所以，跟我们合作的所有客户，从开始做项目到 SOP，在全行业里面是最快的。
这也是我们的一个核心竞争力，就是支持大家量产上市交付的时间能够做到最快。
Q9: 刚才我在楼下看到有比亚迪汉 EV 在展台上，这款车是什么样的方案配置呢？
余轶南：现在还不是披露的时候。
Q10: 咱们讲到了有确定的车企，还有正在拓展的车企，想请问两位领导，跟咱们合作的车企，哪种类型的车企是契合度更高的？比如是自主的还是新造车的还是合资的，还是没有什么区别？
余轶南：我们合作伙伴的数量——不光是 OEM 合作伙伴的数量，包括 Tier1 的合作伙伴数量，包括软件合作伙伴的数量，今天基本都是在全行业里面最丰富的。
我们以「比开放更开放」的理念来服务所有合作伙伴。
全行业对地平线的认可，就在于效率、先进性以及开放度，这是我们走到今天的要义之一。
黄畅：因为地平线坚持的一个初心，就是以终为始地看该如何跟伙伴、跟客户一起去合作。
我们并没有固守一个人设，这就是我们开放的理念。因此我们跟各种各样的车厂、OEM、造车新势力，甚至国际品牌的合作，都能够展开，也是源于我们始终站在一个更大的格局去看该怎么做，去定义我们自己。
Q11: 哪个主动性更强一些呢？是我们地平线的主动性更强还是合作伙伴的主动性更强？
黄畅：我觉得是 both，当然我们自己会很努力，但是我们也能看到越来越多的case，客户、合作伙伴对我们也有蛮强的诉求。
如果没有他们的主动性，我也不认为能够调动起我们真正的积极性，只使一边力是不好的。
Q12: 刚才的发布演讲当中也提到了很多次千亿级参数大模型，但是这个未来什么时候会到呢？就是真正千亿级大模型，从端到端的大模型能够去上车，或者说被裁减之后用在车上的时间段，大概您预测会是什么时间？咱们在去适配这种算法的时候，我们的能力的上限会是到一个什么时候呢？
黄畅：我尝试从几个维度来说。
首先，这些最新的算法，比如大家很关心的 GPT 的算法，它不一定要千亿级的参数才能够发挥作用，哪怕是在语言模型上，只要超过十亿规模，它就开始初步的涌现智能了。
我们看到的一些最新研究的结论，大概60亿到70亿就已经得到一个非常好的结果，完全能够匹敌大概一年前一个数量级以上规模的模型。算法还在持续演进和迭代，我们过去看到太多这样的例子。
所以不一定必须是千亿级。在实际应用过程中，要结合场景、要解决的问题、要达到的性能要求去展开讨论。
可能算力并不是它的核心瓶颈，即便是在征程 5 或者下一代产品征程 6，它都会有类似 GPT 这样的算法去应用。
我们还会持续提升算力的上限，让算法能够有更多的发挥空间。
另外，多快能够实现，这是一个很好的问题。我个人判断，在自动驾驶场景里，最先应用 GPT 的很有可能是环境模型的预测和交互式规控、交互式规划。
这个应用相对来说不见得需要特别大规模的参数模型，因为它不是一个完整的端到端——尤其它不用花太多精力在感知这个层面上，它更关注于预测和规划——像这种模型，有可能是在百 TOPS 级别的算力平台上，就可以去应用，而且在三到五年的时间范畴之内就可以初步的去上线。
但是我们还是要意识到，自动驾驶是一个非常严肃的事情，要经过广泛的验证才可以去上一些新的技术。
而至于说完整端到端，从感知到定位地图到规控，整个端到端的闭环做出来，它可能需要一个更大规模的参数模型，五到十年的时间。
可能我们做技术的，对这件事情会乐观一些，我认为非常高阶的、高度自动化的自动驾驶方案，很有可能通过完全数据驱动，以尽可能少的规则、大量的数据驱动、大参数模型，五到十年左右的时间能够达成。
而且 GPT 也给了我一些信心。
Q13: 咱们这回 Nash 的架构是面向哪一个阶段呢？
黄畅：面向五到十年的阶段。
Q14: 关于商业模式，我们可能最后不会有一个非常完整的大供应商做到所有，但我们是不是现在必须有一个黄金组合的方式，才能够去推动再下一步的自动驾驶的发展？
余轶南：市场上既有希望能够垂直整合，也有希望不同的合作方共同构建的主机厂，没有正确与不正确，它是结合自身能力、现状的一种选择。只不过在这种选择之下，你遇到了什么样的挑战。
比如你选择一个端到端的系统，有可能遇到的挑战是过于昂贵，或者说它是片面的，又不开放，完成不了某些我希望要的东西。
具有一定的能力，再找一些合作伙伴来互补，这看上去也是比较好的一种模式，但可能在合作的过程中会遇到巨大的协作的挑战，因为智能汽车是一个非常复杂的系统。
所以我们一方面支持主机厂全栈自研，另一方面我们也会支持一些其他的合作伙伴。
比如他具有一部分的能力，我们通过 TogetheROS.Auto 帮助其构建协同集成的一套工具，能够使 OEM 联合比如软件供应商，一起把这个事情做起来。
理论上这件事情可以的，但是为什么过去这件事情很难办？因为大家的协同效率太低，他们使用的工具不一样，大家去 debug 的时候，都 debug 不到一块去。
TogetheROS.Auto 这套工具主打的就是协同效率。
比如我们在 Android 和 iOS 上去写 App，Android 有 Android Studio，iOS 有 Swift，帮你把这些都做好，你只需要专注在你的工作上面，把这件事情做好，放上去，它就 work。
我们的 TogetheROS，也是希望达到这样一个目的。
现在已经在汽车上面被证明，我们联合了一家集成商，联合了几家软件供应商，每一个公司只做一个模块，集成商最快速地把它集成起来。
过去这件事情可能根本就做不了，现在一周、两周就全做完了，而且能得到很好的 performance。
这样所有人的开发、集成、测试、运用的效率全部大幅度提高，量产的交付成本大幅度降低，使得大家最后都能够在这个行业里面生存。
Q15: 咱们现在形成的这个朋友圈，会是一个强者越强的过程吗？就是将来的话其他的人再想要加入进来，会变得很难吗？
余轶南：首先我们肯定是一个开放的生态。
第二点，我们认为行业里面肯定有人希望大而全，有人希望小而美，两种我们都希望他们能在生态里，长期的一起来协作。
因为一家能把所有做完的，而且做得特别特别好的，我到目前为止没有看到。
Q16: 对于「驾舱一体」这种行业发展趋势，地平线是有什么样的看法和行业的应对计划呢？
黄畅：地平线还是比较专注在自动驾驶上，因为这件事情还没有解决。我刚刚说乐观地看，都需要五到十年的时间。
另外，整车电子电气架构的演进过程，它也不是一蹴而就的，虽然很多人已经在勾勒这样的一个中央计算平台，用一颗主芯片干所有的事情，但客观地讲，我们现在看到的也就只是进化到了一个域控的阶段。
而且很多车型，还有行车的、泊车的、座舱的，三个域控在那一摆，有的把行泊放在一起，有的把舱泊放在一起，很少有产品今天能做到舱驾行泊都整合在一起。
哪怕整合在一起，到底是在一块板子上的多颗芯片里，还是放在一颗芯片里。
我过去几年始终都专注在芯片上，深切地知道座舱的芯片和自动驾驶——行车和泊车差距还小一些——座舱的芯片和驾驶的芯片要求差异是蛮大的。
不仅仅是那些指标，包括它的计算类型，包括它的这种车规的要求、可靠性的要求，都很不一样。
真正要把它放在一颗芯片上做，坦率地说，很难平衡好，而且一颗芯片的研发周期又那么长，推出来不是这多就是那少了，总有很多不适配的。
所以对于完全 all in one 芯片，我们是谨慎乐观的态度。
当然我们也会在未来进行考虑，但是我们首先还是先聚焦把自动驾驶这件事情打穿，把它做得足够好。
座舱是自成体系的，尤其是它在软件上的应用，与自动驾驶之间的差异，还是像两个世界一样。
从这个角度上讲，其实放在一颗芯片上也不见得合理。
余轶南：我们其实从三年前就开始讨论、思考舱驾是否整合在一颗芯片上，我们认为基本上这个东西的出现是必然的，但是出现了以后，它能占有多大的市场份额，其实是一个巨大的问题。
因为到今天为止，没有讲清楚的是，它到底带来什么样的附加值。过去是两个板子，两个盒子，现在比如基于征程 5 的芯片，我们都已经看到征程 5+IVI 芯片，放到一个板子上，它也算一种中央计算平台。
我们跟合作伙伴也在探索，除了成本以外，相比两个盒子，到底能够能带来什么样更进一步的用户价值。
如果这件事情我们搞清楚的话，我觉得舱驾一体芯片的基础就会更加成型。
关于最后有多少市占率，以及哪一年真正开始出货量的爆发。我觉得方向是大家都看到了的，无非是节奏上面怎么样去把握。
智驾系统是一个非常确定性的事情，它给用户带来的价值越来越明显，增长速度也非常快。我们今天更加专注在智驾市场，先把这个市场打透，做到最好。
黄畅：毕竟凡事有一利就有一弊，关键还是抓当下的主要矛盾，去解决好这个问题。
Q17:比亚迪目前是第一家宣布的芯片合作的是地平线，我想知道在合作的过程当中，地平线是在哪些方面征服了比亚迪？
黄畅：其实我们刚刚说的很多东西，已经说明了产品自身的竞争力和我们的开放的态度，还有服务能力。
Q18: 换一种说法，比亚迪在你们的芯片上觉得你们在智能驾驶的选择的方案上有哪些比较契合的角度吗？
黄畅：现在普遍都比较重感知，就是感知很重要。所以从这个角度上讲，对我们是有利的。因为我们芯片感知性能首先就很强。
至于和地平线的合作方式，比亚迪开发全栈，或者用第三方的部分方案，他自己去开发全栈，我们都完全 OK，完全开放，这都不存在问题。
我们更关注的是能够将我们的计算平台部署在更多车上，甚至包括 BPU 授权模式，那颗芯片是不是地平线的，这都不是最重要的，重要的是地平线的计算架构、技术理念能够真的落地，创造价值。
Q19:今天说到地平线跟比亚迪要做一款基于征程 5 的车，我想问一下这款车在量产上大概是什么时间点？
余轶南：敬请期待。
