“芯片是一个长坡厚雪的行业，如何让车企敢用、会用、想用黑芝麻的芯片？”

作者丨李雨晨

编辑丨林觉民

2016年，AI芯片公司黑芝麻智能成立。四年之后，黑芝麻智能A1000正式发布。这是本土的第一款16纳米、稠密算力超过50TOPS的划时代产品。当时，智能驾驶行业仍处于低谷，A1000的出现既是机遇也有风险。

风险在于，如果没有车企敢用，前期的巨额投入将把公司带入死胡同。如果能提前踩准车企和智驾的演进方向，那将会直接填补行业的需求空白。

2022年，A1000开始量产。在车企尚未完全建立智能化团队、积累足够量产经验时，黑芝麻智能决定与车企进行“联合开发”。

黑芝麻智能CMO杨宇欣回忆，“发挥一颗AI芯片的作用很复杂，如果不具备完整的整套解决方案能力，很难说服合作伙伴和客户在你的芯片上投入开发，所以需要先证明自己。”

吉利是黑芝麻智能的早期客户之一。

在吉利量产的最后三个月，亿咖通、吉利和黑芝麻智能的三方团队在杭州湾共同攻关。白天研发团队进行开发，夜里测试团队加紧测试。第二天一早，研发工程师起床后收到新的问题，再继续开发和调试。

在这样的开发节奏下，黑芝麻智能在领克08这款使用全新智驾方案的车型上只用了12个月，就完成了基于A1000的高速NOA智驾方案研发落地。

也正是从2023年开始，智驾方案的迭代进程更加迅速。从无图方案到端到端再到大模型的上车，考验的是对于新技术的敏锐判断和坚决押注。

2025年底，黑芝麻智能的A2000系列发布。A2000采用自研九韶NPU架构，专为全场景通识智驾设计，并且有A2000 Lite、A2000和A2000 Pro三个梯队型产品。除了面向智驾的城区NOA等，还可以应用于Robotaxi，且支持机器人和通用推理计算等多个领域。

杨宇欣表示，“A2000的理念就是通过对大模型的支持，来增加落地场景的通用性。”

今年3月，黑芝麻智能与武汉大学相关团队达成战略合作，基于武汉大学研发的“天问”人形机器人，以黑芝麻智能的华山A2000芯片和武当C1236芯片打造机器人“大脑”和“小脑”平台方案，并围绕人形机器人量产的芯片解决方案深入合作。

在杨宇欣看来，“芯片是长坡厚雪，需要踏实走好每一步。不管怎么样，我们已经走到了行业头部。”

01

智驾需求收敛，芯片的性能与成本“平衡术”

问：能否聊聊您当时加入黑芝麻智能的契机？

我以前在中科创达，2016年代表中科创达投资了黑芝麻智能。2019年正式加入。我在手机和芯片行业工作多年，当时，新能源汽车和自动驾驶没有很火，但我认为中国半导体行业的黄金十年即将到来，希望能加入一家芯片创业公司，做一些能够改变行业的事。

2019年，第一代AI芯片创业公司已经慢慢跑出来。大家都是瞄着做通用AI，但并没有很好的落地场景。所以第二波AI芯片的创业者开始更专注落地的场景。

自动驾驶是垂直领域的AI芯片，从出生就带着场景。

自动驾驶的发展是从2014年左右开始。2018年是谷底。因为芯片的AI计算能力指数级提升，很多在学术圈研究AI的人“从山洞里”出来了，有机会将理论上的东西去落地到具体应用场景，自动驾驶就是其中一个场景。

但这个时候有两派别。一派寻求跨越式发展直接进入L4；另一派是渐进式发展路线，知道这件事不可能一蹴而就，但是发展都没达行业的预期。因为渐进式路线需要车企资源的大量投入，观望者居多，不愿意吃螃蟹。

2019年是智能驾驶行业的谷底，很多公司关门或者把技术打包卖掉。直到特斯拉发布FSD，行业才全面抬头，开始摸着特斯拉过河，从纯视觉、BEV到端到端。再加上从2020年开始，市场对半导体的投资加大，由此形成技术和资本的两股春风。

问：谁是黑芝麻智能第一个吃螃蟹的客户？

最早是和一汽合作，对我们的帮助很大。我记得很清楚，2019年我到黑芝麻智能后的第一件事，就是12月跑到长春，零下35度，跟一汽签战略合作。另外是上汽，在2017年左右通过旗下一支基金投资我们。

A1000的第一个定点是江淮。真正开始大放量是吉利的车型，跟江淮前脚后脚。从2022年底开始，我们就从领克系列开始合作，后来又拓展到银河系列和星耀系列。

因为黑芝麻智能这种AI芯片公司，和传统芯片公司的团队配置不太一样。传统芯片公司以芯片设计为主，搭配底层的驱动和软件开发人员。

但是黑芝麻智能除了这些配置之外，上层的操作系统、工具链、模型都有相应的团队。

要发挥一颗AI芯片的作用很复杂，如果不具备完整的整套解决方案能力，很难说服合作伙伴和客户在你的芯片上投入开发，所以需要先证明自己。

吉利和东风的前两款车都是我们自己的感知算法，我们是最早在国内实现高速NOA方案量产的几个平台之一。一旦证明了能力后，后续的上车就变成一个工程化scaling的过程，问题就变成“是否有足够多的团队帮客户进行工程化”。车型的传感器配置、角度不一样，就会有大量工程开发工作，我们会与合作伙伴一起配合。

所以，到了银河星耀系列就切换到了吉利与第三方算法合作伙伴共同开发的算法。我们也证明了黑芝麻智能芯片的开放性和量产能力。

黑芝麻智能还是始终坚持开放平台的商业模式，这也是国际巨头多年验证成熟的模式，虽然我们具备模型和算法，但是不能单纯靠算法和工程交付挣钱，要依靠标准化的解决方案、依靠生态客户和一级供应商（Tier1)来做。

这也体现在黑芝麻智能的人员规模上。我入职时不到300人，接来量产的落地三四年之间人员快速扩大，最高峰到1200人，现在稳定在1000人，已经形成完整稳定研发和商业化组织。

问：当时在一汽、东风遇到了哪些竞对？

我们早期的竞对还是以海外的芯片巨头为主，像英伟达、德州仪器、高通也在迅速追赶。

低算力平台其实有很多选择，瑞萨、安霸、Mobileye，但是逐渐成为主流的中高算力平台的玩家在逐渐变少。

新的智驾功能刚开始开发的时候客户的平台都会考虑到算力冗余，功能收敛之后，性价比这件事就很重要。

我们在吉利量产的最后三个月，美国和中国团队同事24小时协同支持。亿咖通、吉利和我们在杭州湾共同攻关。白天研发团队进行开发，夜里测试团队加紧测试。第二天一早，研发工程师起床后收到新的问题，再继续开发和调试。

领克08这款车比较特殊，因为所有的平台都是新的，没有沿用任何吉利已有的平台，留给辅助驾驶方案的研发只有12个月，我们都认为是不可能完成的任务，但是通过与客户和合作伙伴的通力合作，我们创造了奇迹。

回头来看，2023年A1000开始大规模量产，当时国内没有几家可以真正量产高速NOA，我们绝对是前几个。

现在，城市NOA又成为了新的卖点，大概需要500TOPS以上的算力。目前业内有这个能力，只有Thor、黑芝麻智能A2000、地平线J6P。

问：但是现在大算力智驾芯片还是英伟达的天下。

大家在做算法训练时都是用英伟达的服务器，部署到英伟达的推理芯片上的迁移成本比较低。但一旦车子的销量提升后，迁移成本相比于平摊到每辆车的硬件成本就变得微不足道了。我认为随着场景的成熟和方案的普及，芯片以及方案的成本将成为客户决策的关键因素。

回过头来，我们还是认为ASIC架构的芯片会逐渐成为主流，出货量足够大、场景相对收敛后， ASIC芯片的性价比优势会凸显。

问：2020年A1000发布到2023年落地，这三年的节奏是在预期之内吗？

在我们预期之内。

2020年以前，中国很多芯片设计的创业公司不愿意开发车规芯片，因为落地周期长，客户准入门槛高。车规芯片相比于一般的消费级芯片有更多的要求。

第一个是团队要通过车规认证，团队要基于车规芯片的设计流程来设计芯片，比消规芯片更严格。

第二个是研发流程的车规级认证，整个公司的设计流程是不是按照车规流程来。

第三个是产品的车规认证。芯片设计一年半到两年的时间，A1000是国内第一个高算力的车规级智能驾驶芯片，我们又是一家新公司，所以客户的验证周期更长。

2020年A1000出来之后整整一年的时间，我们一边是给客户推广产品，一边完成芯片产品的车规认证。完成芯片的 ACQ100认证、ISO 26262认证等，也花了大半年的时间。

我们的第一个定点其实是从2021年下半年开始。只是到了2022年5月，我们才官宣了战略合作。这些时间和节点的推进，都在预期范围内。随着量产芯片上车越来越多，交付流程也更加成熟，design in的周期会相对变短。

问：2020年底发布的A1000是2017年开始筹划的？

杨宇欣：是的，一般芯片公司为了尽快推出芯片会尽量基于第三方的IP进行开发，我们的判断是，核心IP是产品差异化的根本，特别是在新的技术领域，因此我们的技术战略是ISP、NPU一定要自研。经历过芯片技术周期的人，对芯片的定义会有自己的理解。

但我们的判断是算力的需求迭代会非常快， A1000设计的是58TOPS的稠密算力，2020年发布的时候是16nm工艺下最高的算力。

现在来看，这个路径选择还是正确的。我们从中也得到了相应的回报，直到现在A1000仍然有新的定点持续出货，是算力和市场化表现最好的之一，也是高速NOA的一个主流芯片平台。

问：A2000系列的A200Lite、A2000、A2000 Pro的设计逻辑是什么？

设计思路主要是两个维度，技术与场景。

随着大模型的普及，芯片底层的差异化变小。很多算法的底层架构都是基于Transformer。所以，需要把芯片的定位做得更“精准”。我们不是加速算法，而是加速模型框架，对Transformer的支持足够越好，越能支持算法在辅助驾驶和座舱等等算法和应用快速迭代。

A2000的理念就是通过对大模型的支持，来增加通用性。

过去大家都说ASIC芯片是双刃剑，一方面是成本功耗有优势，但是通用性不足。但是随着底层模型的标准化，ASIC芯片的通用性会进一步提升。

另一个维度是，端侧会出现更多的场景。所以，A2000也在观察通用端侧推理市场的应用前景。

回到这三款产品。三个不同的产品定位，还是与算力关联。一项技术从出现到成熟，需要不断去验证场景来实现功能的收敛。之前说到，算力的需求是逐渐收敛的。所以，A2000要先提供足够的算力冗余去覆盖需求，接下来才是围绕性能和成本优化。

而A2000 Lite要实现在算力需求收敛后进一步提高性价比的目标，A2000 Pro会面向Robotaxi方面的应用。

我的观点是，L3和L4会长期共存。因为两者的商业模式出现了本质区别。L3属于人机共驾，而L4是人机分离。L3为什么会长期存在，因为短期内“买车”这件事不会消失。

随着Robotaxi的试点范围和运营逐渐成熟，未来会进入L4的时代，年轻人不再买车了。A2000 Pro就是面向L4级别市场，提供更高算力的维度来定义。

问：前段时间黑芝麻智能和奇瑞、太保的战略合作也是基于L3来考虑的？

是的。我们和奇瑞以及太保的合作，是基于商业模式和场景拓展两个维度。很重要一点是，L3开始在商用车领域落地。其次，商用车大量都是运营车辆，辅助驾驶在运营车辆里能够起到提高安全性、降低运营成本的作用，这一点被车企所认可。

我们和太保交流，50%投保的商用车会有索赔记录，目前商用车的保险模型是亏钱的。所以我们现在的方式是“技术降本”，经过初步估算和试点，我们可以将保险赔付率下降20%。

问：前一段时间，有高通的高管公开表态，芯片的内存带宽比NPU算力更重要，从您的角度怎么评价这个观点？

杨：为什么这几年AI芯片大家除了算力越来越关注带宽，是因为大语言模型随着参数量的不断增加，除了计算，对于数据的搬运的需求也大大增加。

纯粹的算力增加已经不是特别高的技术瓶颈。说实话，堆砌算力只是量变不是质变。实际在运算模型的过程中，数据搬运的不及时会造成算力无法发挥。

这也是为什么近几年针对HBM（高带宽内存）的管制越来越多。

从黑芝麻智能的角度看，一味增加带宽意味着芯片面积会增加，也就带来成本的增加。A2000在设计之初就考虑到大模型的数据搬运问题。因为我们用了最新一代的IP，原生支持大模型。

我们希望通过整体的架构创新，去找到带宽、计算性能、价格的平衡，最新一代九韶架构的NPU通过架构创新提高计算效率同时降低对带宽的依赖。

问：能否谈谈工具链的问题？其实此前会有用户反映黑芝麻智能的工具链不好用，开发难度大。

所有的像黑芝麻智能这样自研NPU的芯片厂商都需要配套自研工具链。我们工具链起步偏晚，直到A1000出来后才开始大规模投入工具链。

但是经过这么多年的量产，我们的工具链已经能够符合客户的使用要求，实现了大规模的量产交付，同时还在快速迭代，支持更多的第三方的算法也可以在我们芯片上量产。

A1000是我们第二代NPU，A2000是第三代NPU。所以我们的工具链是有延续性的，这个非常重要，客户在升级黑芝麻智能芯片平台的时候不需要重新适应新的开发环境。现在我们公司有1000人，80%的人是研发背景。研发团队里软件和硬件比是1:4。软件里面包括了驱动、底软、工具链、模型等。

问：这几年，智驾方案的迭代速度非常快，但是芯片是一个长周期行业，可能3年前的需求定义已经与现在脱节。另一方面，Tier2厂商下场做交付也越来越多。行业现在有哪些问题要解决？

辅助驾驶的变化很快，但是客户希望加量不加价。我们的挑战仍然在于，技术迭代要足够快，但又要兼顾成本的压力。

其实到今天，不同的芯片公司已经演化出不同的发展路径。有的芯片公司已经成为解决方案公司，成为了Tier1直接给客户交付兜底。但我们仍然是坚持做Tier2。

AI 芯片公司需要完整的解决方案能力，大家都讲软硬一体，我们也赞同芯片要和模型的发展紧密匹配。但是我们很重要的一个观点是，软硬一体是技术趋势而不是商业模式，如果是一个黑盒的商务模式就很难了，方案仍然需要开放。

过去的手机、消费电子行业都是这种模式，英伟达、高通也都是开放平台。

当然，黑盒模式需要结合公司的发展阶段。有的公司是先有算法再有芯片，因为芯片完全是为了自己的算法需求设计。但是每一家方案公司的算法框架、技术路线都不同，对别人的支持就会弱。

你照着自己的样子打造的一件衣服，穿在别人身上就不太合适，而我们是做“均码”的。

黑芝麻智能现在有纽劢等算法合作伙伴。智驾和舱驾一体在与国内和海外头部的Tier1德赛西威、均胜电子、斑马和安波福等合作。

现在城市NOA已经逐渐成为主流，车企都在纷纷加大智驾方案的自研力度，随着技术的进一步成熟，我们相信产业链分工也会逐渐清晰。

作为终端厂商，车企会非常重视用户体验。你看所有的手机厂商，UI和交互都是自己做。辅助驾驶离用户体验最近的就是算法，用户对芯片反而感知不强。

我们一直认为，芯片是长坡厚雪，需要踏实走好每一步。不管怎么样，我们起码是走到了行业头部。

问：当下最前沿、讨论最多的一个概念是VLA，怎么看VLA的上车前景？

我们看到VLA已经逐渐成为智驾行业技术发展的一个共识，我们也在加速这方面的研发。而对于算力的需求也会有一个变化的过程。

回顾过往，大家都经历了从场景收敛、方案收敛再到成本收敛的那个阶段。等到最后城市NOA大规模普及时，是否需要那么大算力，很难确定，一开始高速NOA的设想是1000 TOPS，现在只需要50 TOPS。城市NOA也会经历这个过程。

我们判断，未来三年内，支持基本城市NOA的功能的芯片算力会有望收敛到300 TOPS以内。

等城市NOA逐渐收敛之后，下一步就是要往L4去卷了。

02

舱驾融合的技术与非技术难题

问：今年6月，高通的发布会有一系列芯片和新的理念，其中就有舱驾融合。黑芝麻智能的武当系列是面向这一理念，目前你们的舱驾融合进程如何？

目前市面上能够提供舱驾一体芯片的主要就两家供应商，一个高通的8775，一个是我们。但是两者的定位会有区别。

黑芝麻智能的C1296会更针对10万左右的入门级车型。它的优势是可以进行结构性降本。

但是问题在于，一旦上了这颗芯片，座舱和辅助驾驶的功能就固化下来了，无法差异化升级，所以适合需要标配智能化功能以及高性价比的入门级车型。中国汽车的迭代速度太快，10万元的车都有智驾或座舱。

问：高通是先有智舱后进入智驾，而英伟达是先从智驾再到座舱。舱与驾的相互融合，布局的难度是否有差异？

我们一直认为驾进舱容易，舱进驾难。因为座舱主要是基于安卓生态，座舱的合作伙伴很多，而辅助驾驶公司需要有垂直的全栈能力。所以高通进入智舱领域的进展比较快，但是进入驾驶就会比较难。

问：之前有车企从业者跟我们提过。如果安全件的等级分为ABCD，你不能同时管AC，只能管AB或者CD。高等级的逻辑和低等级的逻辑是不一样的。智驾属于A类件，座舱可以算是C类件。这两个部门的工作规范不一样，所以舱驾的融合就会有推动难度。您怎么看这个非技术性问题？

舱驾的技术问题会被优先解决。但是舱和驾两个部门确实存在合作上的调整。

我们认为舱驾一体会率先在入门级车型上落地，而不是中高端车。因为智能化已经成为标配。现在，我们也可以通过一个方案替代原先的3-4个方案，可以做到四芯合一。对于入门级车型的智能化来说，核心就是如何用更低的成本搭载智能化。

当然，舱和驾的安全等级不一样，我们加入了硬隔离技术，把芯片里的不同算力单元，通过硬件层面的隔离让其互不影响。即便是某些应用死机了，也不会影响高安全等级的应用。硬隔离的弊端在于，损失了一定的灵活性，因为在相同安全等级之下，只能调用相同安全等级的算力。

也有厂商试图在软件层面实现不同等级应用之间的算力调度，好处是可以任意调配所有算力，但是软件工作量极大，且没有特别成功的案例。

回到非技术问题的因素上。我认为内部协作问题不会影响大趋势，这个过程可能会痛苦。另一方面，我们认为舱驾一体定位于10万元左右的车，甚至还有下探空间。

因为这一价格等级，用户不会有明显的功能差异化需求。但是15万元左右的车，则希望有辅助驾驶和座舱的差异化。我们现在有舱驾一体的定点车型，高通也有，我相信这个市场趋势很快就会到来。

问：现在博世在和高通合作，舱驾融合的概念会搭载在现代车型上。

答：面对中国车企的竞争，海外车企也在积极布局新的智能化应用和方案。

我们认为国际化很重要，用在中国市场卷出来的能力去海外挣钱。我们今年拿的好几个车型都是海外车型。东风是我们舱驾一体的第一个客户，车型就是在10万块钱，只有这个价位做了才有价值。

所谓的舱驾融合，是中央计算的第一个落地场景，未来还会融合更多的域。这个趋势大家是认可的。

所以我们是两条产品线定义，华山系列走算力增加，武当系列走功能融合。不能无限扩大芯片面积，要不就是给性能，要不就是给功能。中央计算是有方向，但是没共识。比如中央计算的功能如何切分。

03

投资下一个未来

问：你们投资具身智能创业公司深庭纪是什么逻辑？

具身智能不局限于形态，四足是具身，两足也是具身。所以，深庭纪现在是两条腿走路，一条是做产品，开发类似于家庭的陪伴机器人，另一条是做具身的算法开发，面向未来更复杂的场景。创始人王弢最早是吴恩达的学生，在美国创业，后来去了小鹏做辅助驾驶和机器人，所以是经历了完整的过程。

车就是某种程度的机器人。很多AI背景的辅助驾驶公司在完成阶段性的商业化后，一定会去做具身智能。因为底层技术是相通的，只是传感器会更复杂，模型更大更复杂。

现在辅助驾驶的牌桌上留不下很多家。现在第一第二梯队的标准很简单：账上有钱，有量产项目。

问：你们从什么时候开始谈的？

我们在4月份左右谈的，很早就认识他。我们的核心战略是一横一纵。

横向是我们的中高算力AI芯片，面向汽车以外的应用场景，边缘计算、机器人是我们比较笃定的。因为机器人和汽车的产业链承接度比较高，所以我们会进行一些小股权投资。

纵向是用AI芯片跑通汽车行业以内场景，拓展更多的芯片品类来增加单车价值。

现在汽车的增量已经到了瓶颈，市场空间来自于新功能的渗透率。机器人未来5到10年的总量可能是汽车的5到10倍，这不只是人形机器人。

不光是和王弢，我们也和很多头部的机器人公司谈合作，后续会有发布。

我们的方案比较灵活。现在具身智能的问题在于，技术边界的探索还没完成，到底什么场景需要什么技术还没有定论。

现在很多人投上游供应链，就是基于这个逻辑。有些公司的机器狗的关节设计寿命只有一年，这都是无法满足需求的地方。

问：黑芝麻智能未来也会发布机器人产品线，这是一个“自研+投资”的双线并行逻辑吗？

我们要培育自己的生态，需要有人跟我们一起在场景上进行拓展。黑芝麻毕竟是一个底层的技术供应商和平台供应商，需要拓展场景。我们现在看的是嫁接在汽车行业之上的产业。机器人和汽车的产业链重叠度极高，很多技术方案可以很快落地。

其次，大模型在训练端的成熟，接下来就是在各个场景落地，推理就变得更重要。从我们擅长的角度来看，我们会更加专注在端侧推理，A2000也考虑到了更多通用场景的推理能力。