The following article is from 误点Auto Author 误点团队

上行期理所自然的技巧决策，到了用营业排除确认注解合感性的时候。

文丨赵宇

剪辑丨龚方毅

"面前马赫 M100 的业务主见达成度唯有 60%。" 北京车展前夜，距离逸想自研芯片量产装车只剩一个月，逸想汽车 CTO、系统与计较群组负责东谈主谢炎告诉《误点 Auto》，"信得过的得胜，是搭载马赫 M100 的 L9 智驾才气跑到业界第一，然后车又卖得很好。那样咱们才能相配有底气地说达到业务主见。"

1982 年，好意思国计较机科学家 Alan Kay 曾说，"你如果信得过认真对待你的软件，就要我方作念硬件。" 基于肖似逻辑，逸想在 2022 年立项自研芯片，并已为此累计插足数十亿元资金。谢炎是逸想芯片自研名堂的负责东谈主。他 2022 年 7 月信好意思团创始东谈主王兴先容加入逸想。半年后，他晋升为逸想 CTO。

拿起这个，谢炎在华为和阿里的前共事说他赶上了好时光——那时逸想赶巧业务上行期，公司高下充满 "想赢" 的劲头。特斯拉确认注解了自研芯片对进步智驾体验的匡助，而国内新动力车商场正豪言壮语，成本商场也惬心给冒尖的新势力更多联想空间。

到马赫 M100 准备上车时，逸想阅历了自 ONE 委用以来的初度年度销量下滑，不仅纯电战术碰到逶迤，增程居品也靠近空前竞争。跟着新势力们挨个步入成立的第十个年头，中国新动力车的居品同质化和价钱内卷彼此促成。像自研芯片这等烧钱决策，如果那时看起来有何等理所自然，今天就要花多大的力气来确认注解它的正确。

经常情况下，莫得教养的公司会从小芯片作念起，低成本跑通遐想、流片和供应链经由。即使是小芯片，失败一次也要失掉数百万好意思元；换成先进制程大芯片，除了每个要道更难，流片成本也指数级增多到千万级好意思元，失败一次跟马斯克又炸掉一枚火箭差未几了。

谢炎刚加入时，逸想芯片团队唯有两名职工，不到一个月就剩一个了。留守的那位问他，"公司也曾决定作念芯片，但要如何作念？" 谢炎反对作念小芯片试水。他告诉咱们，逸想不是为了确认注解有才气作念芯片而作念芯片，应该径直处理最中枢的问题：确保首颗自研芯片量产时能超越同期最强的英伟达芯片。

他莫得沿着更主流的 GPGPU 路子追逐英伟达，而是遴荐了数据流架构。按照逸想的说法，马赫 M100 单颗灵验算力达 1280 TOPS，同期由于数据流架构提供的算法优化空间，其灵验算力是英伟达 Thor-U 的 3 倍。

数据流架构由 MIT 的几位教师在 1970 年代提倡。谢炎在好意思国特拉华大学读研时斗争到它，认为它比冯·诺依曼架构更接近大规模 AI 计较的需要，夙昔几十年一直莫得大规模商用一是因为它的上风需要迷漫大的计较规模才能表露，二是编程和调试难度也更高。

谢炎信赖 AI 改变了一些假定，"我信赖 AI 期间会有一套新的计较架构，一直想在汽车上把它试出来"。他告诉咱们，GPU 依赖集合式转变和多量数据搬运，规模越大，效率损耗越彰着；数据流架构让数据驱动计较，表面上能减少恭候和搬运，把更多晶体管用于信得过的计较。但这也把压力移动到软件栈、编译器和软硬协同上。

杜克大学电子与计较机工程系教师陈陶然认为，马赫 M100 是一次有出路的工程尝试，但不应绵薄地认为数据流架构等于畴昔发展主见——重要在于吸收哪种具体的数据流遐想，以及它与主见应用和软件系统的协同后果。由于大部分优化服务移动到软件栈，试验后果很大程度上取决于编译器的熟识度，以及软硬件协同遐想的质地。此外，自动驾驶算法模子演进很快，这种架构必须在 CNN、Transformer 等计较范式间保持迷漫的天真性。

"数据流架构是一个平素宗旨，涵盖从脉动阵列、内核级数据重用决策到更激进的编译器转变架构（如 Groq）等多种遐想。" 陈陶然教师对《误点 Auto》解释，"马赫 M100 吸收了介于传统 GPU/TPU 与 Groq 纯静态编译器转变模子之间的技巧路子，通过编译器等软件更精确地限度芯片里面的数据流动和计较过程，既保持实用的 NPU/SoC 遐想，又让数据搬运、腹地缓存、互连通讯和同步变得更可控。"

他认为，自动驾驶触及环境感知、行为预测、旅途盘算推算等存在多量复杂计较任务的要道，面前还触及大型 AI 模子推理。"如果软件系统能灵验妥洽这些数据传输和计较，芯片利用率会权臣提高，处理速率更踏实、能耗更低。"

谢炎承认马赫 M100 上车过程也如实有不少 "坑"：硬件遐想复杂度责问，软件复杂度提高，对传统编程面容并不友好，初版智驾模子从更新到完成车端适配用了两个月。尽管面前也曾可以大幅裁汰到不到一周，但仍有很大优化空间。接下来，他们还需要通过编译器等软件器用来充分开释芯片的硬件性能后劲。

这件事由一个不大的团队激动。逸想芯片团队早期永劫期唯有几十东谈主，面前约 200 东谈主，仍远小于外界联想中的完好意思芯片团队规模。谢炎说，东谈主多不一定好，东谈主多时许多王人是在搞政事斗争。中枢部分我方作念，后端、SoC 集成等要道可以借助供应商。在逸想近万东谈主的研发体系里，这个团队更像一个恬逸的边缘，尽量不被每月销量升沉侵犯。

"只须咱们还没贫乏到极少儿钱王人莫得，那就保持这个研发强度，把内功练好。进犯的是，你信赖这件事本人不管在什么期间王人进犯。" 谢炎说。

以下是咱们与谢炎的对话，略经剪辑。

不认为马赫 M100 也曾得胜，面前只达成主见的 60%

误点：回顿然期面前有两种说法，一种是 2025 岁首，一种是 2025 年 5 月。

谢炎：2025 岁首。咱们回片后测试了三个月，到 5 月份，保证它没什么问题，扫数东西王人踏实了才说得胜。一般刚回片就文告得胜，是为了诱骗成本。你意外三个月，根底不成笃定里面有莫得问题。

误点：流片排除和你们的预期完全一致吗？

谢炎：对。这等于前期服务作念得多的平允。你作念得越多，追思之后跟你的预期越一致。

误点：许多公司会在流片得胜后很快对外文告。

谢炎：对，一般王人是这样干的。咱们把芯片从台积电背追思，第 12 个小时就点亮了，但我什么王人没说，因为我知谈那不代表任何意旨。

误点：那时有牵挂过流片追思，但模子在上头跑不了吗？

谢炎：自然有，是以咱们在流片之前作念了极其充分的测试。大多数公司不会作念到咱们阿谁水平。咱们不仅在模拟器上把操作系统跑起来，而且把许多大模子王人完好意思地跑了，保证这个东西最终出来时尽量不出意外情况。许多东谈主认为咱们的测试作念得过于充分。

误点：李想知谈马赫 M100 流片得胜后是什么反应？

谢炎：我不牢记了。直到今天，我也不认为它也曾算是得胜，信得过的得胜是全新一代逸想 L9 搭载马赫 M100 芯片后，智驾能够跑到业界第一，然后车又卖得很好，咱们才能相配有底气地说达到业务主见。面前只算达到 60%，即使今天确切也曾跑起来了。

误点：智驾业界第一的主见，包括卓越特斯拉吗？

谢炎：咱们的最终主见自然包括特斯拉，对标全球最高水平。

逸想汽车马赫 M100 自研芯片。来源：逸想汽车

误点：你服务教养相配丰富，见过不同芯片流片。在逸想和其他公司，个东谈主感受有什么不一样？

谢炎：这颗芯片如故挺了不得的。好多公司可能作念了很永劫期，但仅仅作念一些比较小的芯片。是以你看咱们团队，诚然有些东谈主在业界也服务了十几、二十几年，以致更永劫期，但如故挺鼎沸。

这样短的时期作念这样大制程的芯片，在中国未几见。中国有上千家芯片公司，可是作念到这个水平的比较少，咱们又是第一次作念，而且咱们是新团队、新架构，工艺制程又有挑战。自然台积电比较熟识、靠谱，我也相配谢忱他们。

误点：你前边提到作念芯片也但愿 "车卖得好"，你们需要对汽车居品的营业得赢输责吗？

谢炎：咱们没法对营业得赢输责，只可让芯片具备迷漫竞争力，也等于性价比一定很高，算力阐发的效劳一定超越能买到的芯片。如果作念不到这些，自研就没专门旨。

误点：逸想是全系车型王人要搭载马赫 M100 吗？

谢炎：咱们但愿是全系搭载。当你有成本、性能上风，没事理不全系搭载。

误点：全系搭载对技巧决策有什么影响？

谢炎：这很进犯，咱们一启动的主见等于全系搭载，如果里面王人不肯意用，那就确认芯片不够好。反过来讲，全系搭载也帮咱们计较出粗略需要在成本、性能上作念到什么程度。包括咱们在立项时也计较过，搭载些许辆后能摊平全部研发成本，每块芯片大选录比外购低廉些许钱。

误点：是从前年芯片流片得胜之后就决定全系搭载吗？如故说会有一些中间的磋议？

谢炎：决策过程不是你联想的那样，更多是一启动环球商定好要作念到什么程度，经过考证迷漫有竞争力才能搭载。是以要一步步考证，流片追思，能跑起来，初步看到确切如我所说，性能、成本也有上风，渐渐就用了。大部分东谈主如故会打一个问号，因为不参与这件事，也可以领悟。当渐渐让他们从看见到信赖，决策就落地了。

误点：哪个方针信得过打动了他们？

谢炎：主要如故性能。如果性能好，成本又可以，比市面上能买到的王人好，居品线没事理无须。

误点：从芯片跑起来，到信得过上车，中间最大的挑战是什么？

谢炎：第一颗芯片临了要上车，让模子王人能跑起来且性能很好，还需要一些软件服务。数据流架构芯片最终靠 AI 能够越来越快，但第一颗芯片如故有许多坑。比如它在硬件上的遐想复杂度责问，但软件复杂度进步，它不是那么合适东谈主类编程，但这也不是不可以作念。因为我我方作念编译器，我如故会跟团队磋议如何让编程更绵薄。

咱们初版模子编出来花了两个月，背面会是一个月、半个月、一周，编译器越熟识迭代越快。按照咱们以前学习的编译表面，最优性能永远可以靠拢但不可达到，是以可以不绝优化。面前咱们从模子更新到完成车端适配用不到一周了，最终咱们但愿达到一天之内完成适配。

误点：不同车型搭载几颗马赫 M100 芯片的决策，你参与了吗？

谢炎：各有各的单干，一般对于单干除外的服务我会了解，但尽量不影响他们决策，因为还有营业和其他接头。

误点：一颗芯片从遐想到量产，最难的要道是什么？

谢炎：各式贫乏王人有，但最难的是遴荐作念什么、不作念什么。这些遴荐来自认识的居品界说，需要有好的应用场景才能明确主见。在逸想，咱们能比较认识地看到需求，这最贵重。一朝需求界说认识，技巧路子就会认识，剩下等于匹配资源，看插足产出是否合算。背面的服务也有难度，但并不是最难的。

技巧上，前、后端遐想的挑战如实比较大，好在咱们团队的东谈主王人比较靠谱，教养也比较丰富，像罗诚恳（逸想算力单元部门负责东谈主罗旻）王人是干了许多年的东谈主。而且后端团队也很强，比如咱们要把这颗芯片限度在一定面积以内，他们干了许多相配详细的活儿，以至于咱们后端供应商的东谈主王人认为太挑战，他们同期给好几家公司作念芯片，确认咱们的要求媲好意思国那些公司高。

自研芯片是加入逸想的前提，不作念就无法完了居品各别化

误点：对于自研芯片，你们最初是如何接头的？

谢炎：在我 2022 年加入公司前一年，逸想就也曾启动接头作念芯片，但没笃定要作念多大算力、作念到什么程度、什么时候委用。这些是我来逸想后，经过磋议才定下来。

来之前跟李想换取，我提到一个进犯不雅点：畴昔竞争是居品软硬件一体的竞争，就像手机一样。手机产业早年有两种公司，一种是苹果、华为，有我方的操作系统和芯片，另一种莫得。两者之间存在巨大差距。我那时和想哥达成一致：如果逸想畴昔以居品为中枢竞争力，一定得自研中枢软硬件。

误点：口试时，你和李想等于这样换取的？

谢炎：我第一句话就问想哥，逸想汽车如果要作念成头部公司，是不是一定要作念成苹果那样？第二句话问，咱们会不会作念芯片？是以来这里的前提是我也曾有一个预设，因为作念操作系统许多年，我认为不结合芯片也作念不出什么花来。

误点：自研芯片插足很大，李想那时是什么立场？

谢炎：想哥从一启动就无条款维持，因为他也信赖这是中枢竞争力不可或缺的一部分。

误点：传奇逸想决定作念芯顿然，束缚层为此批了 10 亿好意思元预算，有这回事吗？

谢炎：他莫得具体批预算，咱们立项时有一个预算金额，那时我是按照下限去卡的。我认为作念第一颗芯片不要花太多钱。

误点：咱们的真谛是，逸想芯片自研的举座预算是 10 亿好意思元。

谢炎：芯片自研是渐渐迭代的过程，很难用固定预算来掂量。比如苹果从 A4 启动作念，从 A 系列作念到 M 系列，从手机、服务器到条记本王人用自研芯片，这些插足没办法用单一预算来掂量多如故少。

咱们更多是按名堂批预算，有了第一个名堂就会滚动到第二代、第三代，后续会越来越强。因为背后的逻辑是 AI 算力永远不够。面前 AI 还没信得过进入环球的生涯，唯有 Chatbot、"小龙虾" 等绵薄应用，这仅仅产业早期的早期，相配像 1970 年代末的计较机。那时环球认为 640K 内存就够了，处理器 1M 赫兹王人极其高端，一直到 1980 年代中期才出现。更早等于 8088、8086，等于几百 K，还可能更低一些。

但跟着应用爆发，算力需求远远超出预期。不仅是算力大幅进步，而且数目折服要更多。因为一启动仅仅极客用，就像乔布斯启动卖给硅谷那些东谈主，自后变成每家每户、九行八业王人要用。咱们认为这仅仅启动，AI 发展莫得回头路，需求只会越来越强，用量只会越来越多。

误点：那到底是些许？

谢炎：不成说。

误点：这样重的插足，李想为什么会维持？

谢炎：他比较信赖垂直整合完了各别化这个逻辑。

对于任何居品，信得过的各别化等于掌合手中枢技巧链条，比别东谈主更快迭代转变。在这个逻辑下，该作念什么、不该作念什么就很认识。能帮咱们在性能和成本方面完了各别化的，就精确插足；不成的就不作念大插足，即使它今天很进犯。

每个期间王人有中枢居品，它不仅自身进犯，还能孵化技巧并溢出到其他规模。八九十年代是 PC，最近二十年是手机。智妙手机技巧熟识后，Pad、电视、车载触摸屏王人出来了。如果莫得安卓、高通、苹果，汽车公司要花些许年才能低成本作念出运动的车内交互体验？

智能电动车等于这样的居品，可以围绕它把端侧东谈主工智能作念得相配熟识，因为它是刻下个东谈主能领有的最大算力结尾征战。一辆车有 7 到 11 颗高分辨率录像头，可以孵化机器东谈主和三维宇宙行动智能体的基础技巧，让这些技巧变得高性能、低成本、微型化。当技巧孵化充分时，其他应用就变得容易。如果今天径直作念机器东谈主，确凿太累了，因为好多东西根底没熟识，更别说再早几年。

误点：2022 年前后，商场上有两种典型论调：一是英伟达作念了 30 年芯片，其中自动驾驶芯片从 Parker 到 Orin 屡次迭代，自后者如何超越？二是余凯说，主机厂年销量不到一百万辆就会亏钱。基于这些不雅点，环球认为车企自研智驾芯片难度很大，或者第一代芯片等于交膏火的。

谢炎：这个逻辑大体没问题，但需要终止分析问题细节才会看到真相。

比如说量不够，如果是手机芯片确切要很大的量，因为手机芯片很小。可是不要静态去看汽车的 AI，咱们在 2022 年就看到汽车的 AI 计较量将来会变得很大。

不要低猜测较量需求，技巧还在发展，永远需要更多计较量。汽车作为全自动化行动的机器东谈主，需要的计较规模很大，对应的芯单方面积也很大。以芯单方面积算，汽车比手机高许多。面前一颗 Thor-U 要 800 到 1000 好意思金。自然，具体价钱也与采购规模相关系。

此外，高端车可能需要搭载两颗。是以哪怕不看软硬件协同价值、居品竞争力价值，只看自研芯片勤俭的采购成本，我认为可以降一半以致更多。而且这是持续动态发展的，像汽车这种高智能化居品，芯片的成本占比很高。今天高端车要搭载 1600 到 2000 好意思元的智驾芯片，畴昔可能到 2500 以致 3000 好意思元，成本降一半的规模相配可不雅，是以不需要搭载一百万辆就迷漫遮掩芯片研发成本。只须能温情一年销量，就能遮掩好几年芯片研发团队的用度。

另外我方磋议、遐想之后的效率比较高。如果本年卖的车王人部署自研芯片，咱们一年省下来的钱就卓越三年研发用度，更别说这颗芯片可能要用两年，以致三年。

误点：特斯拉 2019 年就量产了自研芯片 Hardware 3.0，自后国内厂商陆续跟进。你那时会认为这是势必趋势吗？

谢炎：拿手机作念类比挺好。头部公司体量迷漫大，比如手机和汽车，一定会掌合手居品里面最中枢的部件来保证竞争力。乔布斯说过，不可能我作念一个居品，最中枢的技巧我方莫得限度力。这很危急，因为那意味着别东谈主可以很容易地复制你的居品，而你也无法灵验掌合手居品技巧迭代的节拍。如果最中枢部分环球王人一样，王人是高通或 Google，就很难作念出信得过的各别化。

反过来讲，如果企业有志于成为最头部公司，最中枢的部件折服要掌合手。自然也不是什么王人要作念，比如作念汽车没必要作念轮胎、钢板，供应商提供就好。但车里的 AI 算力折服是不绝发展的，是以咱们要作念马赫 M100。

误点：是以一辆智能电动车最中枢的部件等于这颗 AI 芯片？

谢炎：是中枢部件之一，因为车本人还有一些可以各别化的部件。决定一个部件是否自研，主要看两个条款：一是它很进犯，能决定用户体验隔离；二是它能够各别化，因为技巧还在高速发展，莫得进入平台期。

AI 恰好两者王人具备。当咱们把汽车当作机器东谈主，AI 一定是决定性身分，这辆车聪慧不聪慧折服能看出来。第二，AI 还在高速发展，是以一定要插足，因为你可以靠我方的掌控力快速和别东谈主拉开差距，而如果靠供应商就只可乐天任命。

我一位共事以前在苹果。苹果自研芯片起始用的是 Arm 的 IP 核，想纠正某些部分提高效率，但 Arm 说不成改，因为它要温情扫数客户的需求。Arm 也曾是很强的 IP 供应商，但它要成为扫数客户的最大契约数，不会为最强的公司定制居品。即使它惬心定制，时期成本也会很高且效率低。是以苹果自后只买 Arm 的指示集授权，IP 全是我方遐想。面前苹果核比宇宙上任何 Arm 核效率王人高，因为可以完全适配我方的操作系统和应用需求，提供别东谈主无法提供的性能。

误点：有点像 Alan Kay（好意思国计较机科学家） 讲到的，"你如果信得过认真对待你的软件，就要我方作念硬件。"

谢炎：对，这句话很经典。我最早在英特尔作念编译器、操作系统等底层软件，它们和处理器等硬件是径直配合的。如果你仔细看底层软件和处理器架构的遐想，它们是围绕一套长入的架构念念想合股遐想起来的。自然，经过几十年发展，软件和硬件之间的界限已并非与大多数东谈主领悟的那样黑白分明。

面前计较机系统的底层逻辑在 1950 年代出现，70 年之后，第一次遇到了信得过意旨上的剧变——从以标志逻辑为基础，转向以概率论和深度神经集结为基础。那么，通盘计较机架构，包括硬件、软件和操作系统，王人有必要围绕新的基础进行大范围重构，来灵验撑持需求的爆发式增长。2022 年我来公司时就和技巧团队说，这是扫数计较机系统从业者 70 年一遇的契机。

要掌合手自研芯片中枢的 For AI 部分，不作念小芯片试水

误点：你加入逸想时，自研芯片团队是什么景象？

谢炎：那时芯片团队唯有两个职工，不到一个月就走了一个。剩下阿谁职工问我 "公司也曾决定作念芯片，但要如何作念？" 那时蔚小理王人在作念，而且其他两家比咱们早，团队的想法是先作念颗小芯片试水。

我第一反应是没必要，因为咱们不是为了确认注解有才气作念芯片而作念芯片。咱们应该径直从这个期间，汽车芯片上最进犯的问题出手，那等于 AI 推理计较。不要懦弱没东谈主、没教养。这些王人不重要，独一重要的等于战术主见的正确性。

咱们最终笃定：自研的主见是在量产时超越同期最刚劲的英伟达芯片。这个决定很进犯。信得过专门旨的等于围绕这个期间的主题，作念一颗迷漫强的 AI 芯片。

误点：你们启动自研时设定的性能主见是什么？面前达到了吗？

谢炎：单纯确认注解能作念芯片不是咱们的主见，毕竟许多公司王人可以把英伟达架构或 Google 第一代 TPU 进行某种克隆，有脉动阵列，加处理器，再加 GPU 就能作念出来。但这不是咱们的遴荐。咱们不是因为要追求原创，而是要确保这颗芯片能匡助逸想在 AI 期间技巧源泉。

咱们那时界说的主见是：一半成本、两倍性能，也等于四倍效劳。试验算力会更高，因为 GPU 那时基本是 20%-30% 的践诺效率，这由它的架构天生决定，可能最多优化到 40%，再往上就很难。咱们主见是达到 50%-60% 的践诺效率。今天看来基本作念到了，马赫 M100 的试验算力是英伟达的 3 倍，成本还比它低。

今天看马赫 M100 芯片，咱们很傲气，这是中国第一款完全原创遐想的 AI 芯片，吸收了非主流但更合适 AI 的数据流架构。

误点：四倍效劳对标英伟达，那时指的是 Thor 如故 Orin，包括中间还有过 Atlan？

谢炎：咱们那时对准的主见是 Orin-X，但今天看来，马赫 M100 的试验算力是 Thor-U 的 3 倍。

马赫 M100 的架构暴露图。来源：逸想汽车论文 "M100：An Orchestrated Dataflow Architecture Powering General AI Computing"。

误点：马赫 M100 芯片当中哪个所在不成被 Trade  off（采用），哪些所在可以？

谢炎：中枢中的中枢是 for AI 的那部分，要完全掌合手在我方手上。有公司去买 NPU 核，那还不如不自研，径直买芯片就好——AI 部分王人不掌合手，等于作念芯片不掌合手任何东西。是以 AI 的 NPU 核一定要我方遐想，而且得完全知谈为什么这样遐想，上头的编译器、软件、模子王人要能垂直整合。相对来说，CPU 核因为不在 AI 推理计较中占据主导，发展速率也比较随性，可以不作为前期重点插足的主见。

误点：这亦然你们在 2022 年定下来的？

谢炎：对，相配认识，从来莫得动摇过。许多东谈主说，为什么逸想我方不搞一个 CPU，因为没必要。

误点：当初界说芯顿然哪些判断今天看起来挺准的，哪些又导致你们得在软件上作念更好？

谢炎：软件上折服需要作念一些服务，比如某块腹地内存到底需要多大容量才能阐发最大效劳，这需要软件和模子一谈适配。咱们大部分判断是对的，如果说当年还可以作念得更好，也许还可以更激进极少。2022 年时咱们也曾超出扫数自动驾驶团队的判断，环球王人说 Orin-X 也曾比较充足了，而咱们的遐想主见是环球需求上限的 2 倍。即使这样，本年来看如故偏保守。

误点："激进" 指哪些参数？

谢炎：等于咱们需要更大效劳、更大算力。我相配信赖畴昔需要更大算力，仅仅以什么成本赢得。如果成本能基本保持不变，折服是算力越多越好。

更别提咱们除了智驾外，还要把 L9 Livis 打酿成智能机器东谈主。面前咱们好多才气王人要算力，而且要的还不少。一辆车有 11 颗 "眼睛"，除了自动驾驶，它还要能够领悟你，帮你干活，以致畴昔咱们可能会在车内装个机械臂帮你拎东西。

肖似的需求王人需要迷漫刚劲的腹地算力，因为云表算力会受无线贯串的影响。你并不但愿你的物千里着沉着能体时灵时不灵，也不但愿它服务时的反应速率时快时慢。

从这个角度讲，算力将是一辆汽车的中枢。汽车再往下发展，开得更快没必要，除非它能飞起来。续航也差未几了，那就需要它更像一个机器东谈主，既当司机又能帮你干活。像想哥说的，帮你接孩子、接一又友。你说帮我洗个车，它我方就去了，还能跟东谈主交流。

误点：界说芯顿然，智驾团队更了解刻下算法和量产节拍，芯片和操作系统团队则要提前看三四年后的需求。不同团队对技巧演进的判断不完全一样，你们如何均衡这些意见？

谢炎：咱们参考了智驾团队的输入，但底层技巧研发周期长，是以咱们如故要免强我方看得再远极少，否则三四年后出来的居品可能过时或者匹配不上新的算法需求。这里是不同团队看待问题的不同角度。

误点：那时不管端到端如故 VLA，今天环球褒贬比较多的智驾术语还没成为主流。

谢炎：不需要这些术语成为主流，要信赖系统需要更多参数来学会东谈主类驾驶习尚。这是折服的。

误点：如果能再行来一次，你们会在算力上作念到什么水平？包括内存带宽、PCIe（芯片互连）等。

谢炎：互联的才气可以作念得更高极少。那时认为单芯片的遐想较力也曾很高，是以莫得遐想 PCIe 维持。但今天看来如故不够。不外咱们也通过操作系统的互联技巧技巧，达到了互联带宽需求。这亦然一个掌合手技巧全栈后带来的价值。

误点：你们笃定吸收数据流架构时，芯片团队有多大规模？

谢炎：未几，咱们初期有很永劫期是二三十东谈主。

误点：业界有种说法，"一个完好意思建制的芯片团队应该在 600 东谈主左右。" 你们面前粗略些许东谈主？后续还要增多吗？

谢炎：咱们面前大致 200 东谈主。随机候我认为东谈主多不一定是善事，东谈主少极少更链接、效率更高。这又不是打群架，东谈主多就好。东谈主数和单元效率在一定例模以上是成反比的。而且咱们有模子团队、操作系统团队，环球协同起来效率相配高，不是扫数东西王人要芯片团队我方干。

误点：芯片团队的成员主要来自哪些所在？

谢炎：各个公司王人有，也有许多校招。咱们莫得针对性地找哪个公司的东谈主，只须才气够强，咱们就招过来。环球形成战斗力就行，没必要挖整建制的东谈主，那对其他公司也不好。

误点：要高薪挖他们吗？

谢炎：逸想的薪酬不低，但这值得，好的东谈主如故值得好的薪酬。更进犯的是，咱们这里干的事情应该算业界很先进的。在中国很先进，可能在通盘宇宙也不算差。

误点：你们的薪酬高于行业平均水平？

谢炎：对。

误点：界说这颗芯顿然，各式参数优先级如何笃定？

谢炎：参数不是先定的。界说芯片最进犯的是先领悟要处理的问题，比如咱们要在自动驾驶或 AI 任务上超越业界最源泉的厂商。然后是量化的分析任务的计较特征，包括数据费解、计较密度等。因为芯片最终是为跑任务服务的，如果莫得久了理衔命务，芯片作念出来再去适配会自欺欺人。

是以，咱们一启动花了半年分析计较特征，第二步是领悟如何遐想数据流架构，临了才是界说所谓的参数，比如总线带宽、些许个 Tile、些许 TOPS、计较单元互联带宽、I/O 接口带宽、CPU 数目、CPU 和 NPU 之间的交换带宽等。

咱们不像大部分公司那样，把也曾作念好的芯片参数拿过来，然后这儿加极少、那儿减极少。一是因为上头说的原因，二是咱们用全新架构，不可能拿英伟达的参数来改。

误点：分析计较特征用了半年，环球一谈 Co-Design 亦然发生在这半年吗？

谢炎：时期会更长，Co-Design 分几个阶段。

源泉，界说芯顿然要环球一谈界说，这相配进犯。遐想过程中可能有新解析，也需要环球一谈磋议。因为完了功能时你会发现，比如要达到某个带宽，如果绕线密度太高就需要息争，少绕极少；反过来讲，算法团队要看能否通过软件要领弥补。这需要软件、算法、编译、硬件团队多量协同遐想。

其次，芯片追思后硬件也曾无法修改，是以模子遐想要对硬件性情择善而从。软件如模子时势、参数时势可以匹配硬件性情：硬件在哪些时势上效率最高，咱们就匹配哪些时势。

是以前期是硬件瞄着模子作念，芯片追思后是模子、编译一谈想办法瞄着硬件作念。芯片供应商很难这样紧密合作。如果拆成几家公司去作念，可以作念到优秀，但作念不到隆起和超卓。

误点：哪些东谈主会参与磋议？

谢炎：许多东谈主参与磋议，这亦然咱们跟其他公司很不一样的所在。在其他厂商，作念芯片的作念芯片，作念模子的作念模子，作念软件的作念软件、作念编译的作念编译，彼此之间欠亨。咱们在启动遐想时就把这些团队王人拉到一谈，因为最终是要为 Workload 服务，让这颗芯片在跑 AI 计较任务时更快。

是以比较重要的有作念模子的东谈主、算法的东谈主，有作念编译器、软件的东谈主，以及硬件架构师。以致还有后端的东谈主，他们要去看在某个工艺上能不成达到咱们要求的计较费解、数据搬运延时、带宽等方针。作念居品界说时环球能坐到一谈遐想，这是咱们那时作为一家规模不大公司的平允。

"超越最佳的智驾芯片，数据流架构是独一的契机"

误点：数据流架构很早就被提倡，为什么到今天才合适用在车端 AI 芯片上？数据流不是全新宗旨，国内基本莫得其他厂商作念，国际有厂商把它应用在数据中心。

谢炎：你说得很对，数据流架构是个相配陈腐的宗旨，最早在 1970 年代提倡，MIT 的 Jack B. Dennis、Arvind、高光荣教师他们提的，到面前也曾几十年，但工业界落地相配少，最进犯的原因是计较规模不够大。在计较和数据规模较小时，数据流架构的效率上风很难阐发和体现。

冯·诺依曼架构有个很大的上风——便捷东谈主类编程。它把存储和 IO 操作王人抽象成指示，加上计较指示，以一种中心化的指示序列 step by step 推动计较任务，异常合适东谈主脑在有限的高下文长度下作念念念考和编排。代价是失掉了一定的计较并行度，责问了效率。但这在 AI 计较之前的期间还能隐忍。而且夙昔也发明了乱序辐射、超活水线、多级缓存、分支预测等复杂的 CPU 微架构技巧来缓解。

数据流架构的优时弊正好相背，它用数据依赖图映射的硬件结构，自然高并行度，但进步了东谈主类编程的复杂度，而且调试服务和编译器的难度也大幅进步。

是以 AI 出现前，数据流架构不成立——诚然宗旨很好，但落地很难。但当计较规模扩大到一定程度后，冯·诺依曼架构的瓶颈也曾越来越彰着。再往后走，数据流架构应该是一种更好的体系架构面容。

误点：具体讲讲，数据流架构为什么更合适 AI？

谢炎：这得从 CPU 架构提及。CPU 就像厨房，有切菜、配菜、炒菜等工种，中间有个转变员负责发指示。这种集合式束缚容易 Debug 和编程，但转变员负载很重，规模扩大后容易形成瓶颈：可能有东谈主散漫但转变员没看到，或者有东谈主本可以更早切菜但因为指示没到而恭候。CPU 中有 30%-35% 的晶体管用于任务转变。

GPU 在此基础上纠正，不再竖立超大转变员，而是把东谈主员分组并为每组配绵薄转变员，减少晶体管占用。但本谴责题没处理：指示没到就得恭候，酿成挥霍；各组资源不成互用；规模扩大还需要分层转变，有点像盘算推算经济，效率很低。系统也不成径直掌合手资源匹配情况，中间需要一层又一层盘算推算东谈主员。

还罕有据搬运的物流问题。转变和数据王人是集合式的，会形成瓶颈。是以 GPU 里有多量内存（Memory）柔顺存（Cache），王人是为了撑持中心化转变。规模小时没问题且容易 Debug，因为全是中心化的；规模变得超大时，瓶颈也会越来越彰着。是以 GPU 需要作念多层 Cache 和高 HBM 带宽来弥补效率不及。

误点：数据流架构如何处理这些问题？

谢炎：那些不径直产生价值的晶体管相配于稀少支出，但芯片本色是要完成计较任务，信得过起作用的是那些切菜、配菜、炒菜的东谈主。能不成不要中心化？谜底是可以，正因中心化代价很高，是以要走向分散式。

无须指示驱动，可以去掉转变员，让切菜、配菜、炒菜的东谈主径直合作，这样能进步效率，省却许多晶体管。但难点是让环球在莫得转变员的情况下高效服务，这对组织要求很高，是以编译器很进犯。在咱们的处理器里，诚然还有程序，但不按原来面容践诺，Debug 很难。

但平允是，这样的架构自然合适 AI，反过来当 AI 才气很强时，AI 也比东谈主更能束缚这些超大资源匹配。冥冥之中自有天意。技巧莫得好坏，唯有匹配不匹配。

因为咱们莫得中心化转变，扫数践诺不是转变员告诉你启动，而是每个东谈主在我方工位上，数据到了就启动，践诺完就连接放到活水线上。

误点：你那时如何料想用数据流架构？

谢炎：数据流架构主要首创者之一高光荣教师是我在特拉华大学念书时的导师。当年咱们实验室称呼是 "计较机体绑缚构和并行系统实验室"（CAPSL），重点磋议主见之一是使用数据流架构处理大规模并行计较问题。

在当年许多问题的处理过程中，咱们看到了数据流架构的私有上风。我那时的嗅觉是：它比冯·诺依曼架构更接近计较本色。但受限于那时计较机应用的需求范围，这套架构念念想主若是在超等计较机和大规模科学计较场景下诳骗，而一般的 Windows 和 Mac 的通用桌面计较并不成灵验阐发其上风。

深度神经集结出现并流行后，异常是当下大模子 Scaling Law 推动模子参数和计较规模快速增长，需要更高效地处理大规模并行计较和数据搬运的问题。这让咱们再行看到，围绕 AI 计较的数据流架构的遐想上风。

误点：但应该不是立项之初就笃定用数据流架构的吧？

谢炎：团队早期在架构路子上有过深入磋议。那时有种念念路是作念定制化加快器——把特定算法固化在硬件里，效率很高但不可编程；需要天真性的部分就稀少加 GPU。这种决策的平允是起步快，业界不少公司这样作念。

但我认为，这本色上是两套东西的拼接，不是长入架构，而且上限不高——芯片里有一部分跑的时候另一部分就闲置，酿成资源挥霍。更重要的是，AI 算子在快速演进，如果核神思较单元不可编程，很难妥当畴昔算法变化。是以，咱们最终遴荐可编程的数据流架构，诚然难度更大，但天花板更高，能随从 AI 发展持续演进。

误点：之前环球用英伟达一方面是它的芯片好，另一方面是 CUDA 生态难以割舍。有些工程师说无须 CUDA，服务效率会责问许多，这个问题如何处理？

谢炎：第一，用英伟达芯片成本很高。如果自研居品界说认识，诚然器用链莫得 CUDA 好用，可能需要工程师多花一两周作念适配，但车能赢得 50% 的成本责问、好几倍的性能上风，哪个更进犯？这背后更多是居品质价比和筹画的考量。

第二，数据流架构本人是 for AI 的，AI 亦然 for 数据流架构的。畴昔这些适配服务王人会由 AI 来作念。当 AI 迷漫强时，世界杯竞猜网站CUDA 的生态上风会责问，因为以前东谈主是编程主力，需要 CUDA 等抽象层作念更好的分层、抽象和简化，其目的是责问东谈主类程序员的编程难度。

而不久以后，或者刻下也曾启动，编程主体越来越多是 AI，编译器也可以是 AI，那么 CUDA 这类更多为东谈主类遐想的扶直 "拐棍"，进犯性会越来越低。AI 以致可以抛开 "拐棍" 径精练速对硬件编程，获取更高的性能和效率。

对以推理任务为主的居品公司来说，推理效率的进犯性在快速飞腾，而东谈主类编程通用性的进犯性在责问。英伟达也曾意志到这极少，是以花两百亿好意思金去买 Groq。这家公司是 Google 前职管事念的，它的居品曲直常静态的数据流架构，完全不维持 CUDA，莫得环球解析的可编程性，但推理效率会远高于英伟达的 GPGPU 架构。

误点：数据流不是主流架构，要用这种架构时，芯片团队和公司里面有莫得争论？

谢炎：有挺多磋议。芯片团队里面一启动有东谈主因为技巧理念不同而离开，这莫得对错，仅仅信赖和看见的东西不同。当架构念念路长入后，环球主见一致，配合很默契，践诺起来反而比较到手。

公司里面前期折服也有一些疑问，毕竟这是全新规模。环球会想：逸想没作念过芯片，能作念好吗？我猜想，许多芯片除外的共事猜忌的不是架构的遴荐，但更多是能超越市面上最佳的芯片这个主见本人是否感性。

这点上，咱们花了多量时期对 Workload 和架构遐想作念量化分析，增强了信心；同期咱们也信赖，如果和博尔特比短跑，你无法通过直线跑谈 —— 也等于 GPGPU 架构 —— 进行超越。不同的路子或技巧，比如数据流架构，是独一的契机。

误点：这相配于是走 "中国特色社会主义" 谈路？

谢炎：对，咱们必须选一条不同的谈路。如果仅仅确认注解能够替代，那么走前东谈主走过的熟识路子就迷漫了，风险更低。但这样作念，前东谈主很容易成为咱们的天花板。另一方面，如果作念不到 "彰着" 更好，作念的价值也就大打扣头。

误点：你那时是这样和李想先容的吗？

谢炎：对，一模一样，咱们 2022 年的立项文档完全等于这个逻辑。

误点：他听完后什么反应？

谢炎：不牢记了，但折服莫得认为咱们在瞎掰八谈（哈哈）。试验上，他莫得作念遴荐，因为他知谈这件事进犯，何况维持咱们作念芯片。

误点：李想是业界公认对细节要求很高的 CEO，但芯片应该有许多所在超出他的技巧解析。比如技巧路子对不合，李想如何判断？

谢炎：作为 CEO，他会把大的战术和营业逻辑判断好，比如咱们每年销售些许车，每辆车消耗些许芯片和成本，自研可以带来些许成本和效率上的价值。同期技巧路子的逻辑也可以用相配第一性的要领来判断。

比如，我刚才说的厨房的类比，不需要知谈具体技巧如何作念。更本色的，这可以类比盘算推算经济和商场经济。盘算推算经济在规模小时更容易构建，径直下指示面容也够高效。当规模相配大时，商场经济的上风会越来越大。

误点：你们前期磋议他参与得多吗？

谢炎：每个节点他王人会看。

误点：不需要每个节点他王人点头？

谢炎：对，因为测试、架构、后端这些王人是技巧节点。李想如故会抓大放小，重要节点看得很细，中间过程没必要看那么细，否则 CEO 就太累了。

误点：再比如你要些许东谈主、些许钱、花多永劫期。

谢炎：这个还好，他知谈我比较克制，不会为了作念一件事就先堆十倍东谈主力。我有一个理念，最佳的团队规模是你想要规模的 80%，这样效率最高。比如你想要 200 东谈主，那 160 东谈主可能更好，东谈主多反而无益。

误点：你 2022 年入职逸想时，李想有一个评价：谢炎是全球操作系统前 10 号选手。

谢炎：莫得，我不敢这样说，我仅仅作念的时期比较长。

误点：总体上你有丰富的软件研发教养，加上是作念编译器诞生。业内东谈主士说你在逸想作念芯片，可以用软件教养去优化硬件？

谢炎：对，芯片才气阐发些许，最终软件起很大作用。不管 2010 年前的英特尔，如故面前的英伟达，软件工程师东谈主数王人比硬件工程师多不少。英伟达的组织架构里，软件团队东谈主数是硬件团队的 2 到 3 倍。这确认不异的硬件，软件优化好不好，最终阐发出的才气一龙一猪。

但更进犯的是，计较机的软件和硬件架构，其实是应该一谈遐想的。软件作为一种构建在硬件之上的 "逻辑实体"，它的底层，也等于软件和硬件的接口遐想，会极大影响通盘计较机系统的效率。一个优秀的芯片架构遐想，同期需要硬件和软件两方面的视角。

夙昔几十年，东谈主们渐渐健忘了这点进犯性，是因为传统架构应对通用计较也曾够用，并莫得必要在这里作念大的转变，也就莫得必要用软硬件结合的技巧来遐想。但今天咱们看到了 AI 计较的需求在快速爆发，而传统架构也曾接近极限。当咱们需要为了更大规模、更高效率的计较再行遐想通盘计较机的时候，这样的双向视角和才气，是一个优秀团队必须具备的。

芯片才气要转变为智驾体验上风，逸想还得趟过许多坑

误点：芯片上车触及芯片、基座模子和智驾算法团队三方合作，会不会有需求冲突的时候？

谢炎：需求倒不太会冲突，因为环球的最终目的是但愿在智驾上完了源泉。最进犯的不是芯片作念得好，而是智驾才气强。接下来，我也会花较永劫期和智驾团队一谈看，如何在模子上信得过源泉。这曲直常进犯的一场仗，如果智驾王人不成源泉，如何能确认芯片源泉？

误点：你之前跟智驾团队的交流频率如何？

谢炎：主要会议我王人参加，技巧磋议有些我也参加。

误点：面前呢？

谢炎：面前因为我有这个职责，是以会更多参与磋议，技巧路子上也会共享一些具体想法。各家面前的智驾水平在昆仲之间，莫得东谈主太源泉，差距相配小。但往后发展有两个重要点：

第一，要骁勇投资畴昔技巧。特斯拉的技巧路子就迭代过好几次，最怕认为 "这一代就够了"。技巧永远是用新路子处理更难问题，是以要挑战我方，突破原有解析。是以咱们会多量插足研发，不仅是量产技巧，还会磋议其他可能的技巧路子。

第二，更高效的算力相配进犯。咱们会加强模子和芯片的合作。有更强算力后，能作念事的空间就大许多，不会像在小规模的跷跷板上，这个高了、阿谁就低了。当算力大时，可以用通用要领处理许多问题。今天的大语言模子不为任何一个特定行业遐想，但由于参数迷漫大、数据迷漫多，自然就通用起来。

智驾面前还处于专用期，越往后越需要通用才气处理长尾问题。这些问题不可能靠专用小模子处理，折服需要大模子，而且需要系统具备东谈主类解析，是以需要很大算力。自动驾驶从今天的 70-80 分进步到 100 分，每进步 10 分需要的算力不是绵薄乘以 2，可能是乘以 5 或 10。

误点：是以特斯拉 AI5 芯片粗略 2000TOPS 的荒芜算力远远没到绝顶？

谢炎：离信得过的 L4 也还不太够，自然这仅仅我个东谈主的判断。

误点：你们也曾在车端用马赫 M100 替代英伟达，但云表还在用英伟达。云表算力不够用而且很贵，这个问题如何处理？

谢炎：英伟达不会因为咱们没用它的车端芯片就不供应云表居品，老黄不是这样的东谈主。马斯克也买英伟达的云表居品，车端不异没在用，是以该合作如故合作。咱们可以用扫数云厂商和芯片厂商的居品。国产的王人在用，只须好用就行，咱们不挑。

误点：车端模子往后折服会变得更大，逸想和会过更低精度推理的面容进步效率吗？

谢炎：自然。

误点：能作念到什么水平？

谢炎：Google 首席科学家 Jeff Dean 的不雅点我异常招供。他最近两年一直在讲荒芜和低精度，责问精度亦然一种广义的荒芜。这跟硬件遐想强相关，如何遐想更低精度的推理，不成仅是硬件遐想，而是从算法、模子遐想上保证，即使精度降下来，算法王人能保持迷漫性能。这些技巧是咱们的重点磋议主见。

误点：有可能作念到 FP4 吗？

谢炎：对，4 以致 2。

误点：这样低的精度？自动驾驶毕竟要肃穆安全。

谢炎：这个东西必须跟软件结合，是以并不是扫数所在王人用低精度。就像你开车时，视觉焦点除外看个粗略就行，其余部分根底不需要高精度。是以在查验和架构的合股遐想上有许多肃穆：如何用好低精度，如何用好结构化荒芜和其他荒芜要领，比如 KV 缓存的荒芜化，这里面有许多可供软硬件合股遐想的所在，不是绵薄部署一下硬件就好了。水还挺深，也挺专门念念。

误点：瞻望马赫 M100 从什么时候启动维持机器东谈主？

谢炎：这得看咱们机器东谈主业务的节拍，不畏怯。芯片就在那，业务准备好随时可以用，更进犯的是机器东谈主的技巧主见。逸想作念机器东谈主，折服不会绵薄复制别东谈主的要领，那样没意旨，更进犯的是走出一条我方的路，那会决定如何用咱们的芯片。如果机器东谈主业务需要高性能的量产芯片，马赫 M100 比市面其他芯片王人好，又有里面维持，效率会很高。

误点：机器东谈主团队还枯竭像自动驾驶跑在车上这样的具体场景，可能机器东谈主团队还得探索一些场景，才能走到量产。

谢炎：对，居品要界说好。咱们机器东谈主团队也用基座模子。面前想哥界说的分层是：芯片、模子、机器东谈主和自动驾驶，包括其他业务用的大模子王人基于基模团队提供的模子，是以模子查验王人在一谈。也等于说，机器东谈主用的基座模子本人就适配咱们的自研芯片。

误点：你在四季度事迹会上提到，因为有星环 OS 和马赫 M100 芯片，逸想取消了上一代平台的 XCU，并因此勤俭 1000 元单车成本，具体是如何回事？

谢炎：很绵薄，马赫 M100 有比较强的处理器，里面有 24 个 A78，咱们用假造化和操作系统技巧阻遏出一部分给 XCU 用，通盘 XCU 限度器就勤俭掉了。

误点：除了自动驾驶，马赫 M100 还有其他应用场景吗？

谢炎：环球一定要领悟，这颗芯片不叫自动驾驶芯片，而是 AI 推理芯片。座舱折服需要，最终车内需要一个 AI 的计较中心，扫数 AI 集合到这里最高效，而且咱们亦然自研的，有最大的掌控力，这样效劳最高、单元算力成本最低。不管自动驾驶如故座舱里需要的 AI，王人放到一谈效率才最高。如果这边摆一个 AI 小计较，那处摆一个 AI 小计较，而且双方架构还不一样，适配起来王人竭力。

在底盘和以后要推出的机器东谈主上，咱们也王人会用马赫 M100。你看特斯拉 FSD 芯片在机器东谈主上也用。媒体经常把 ASIC（Application-Specific Integrated Circuit，专用集成电路）和 PU（Processing Unit，处理单元）搞混，ASIC 是完全固化的芯片，为自动驾驶遐想的就只可跑自动驾驶算法，其他算法跑不了，而咱们作念的是 PU。

误点：从 2021 年特斯拉启动大规模推送 FSD Beta 版起，智驾行业阅历过屡次算法变动，这对逸想遐想芯片的念念路有冲击吗？你们作念了哪些治疗？

谢炎：这等于作念 ASIC 和 PU 的隔离。作念 ASIC 如果应用一变，硬件固化了等于灾难。但咱们作念的是 PU，可编程、有天真度，只须应用计较大的特征不变，算子的变化王人能适配，而且效率王人保持得很高。就像 CPU，英特尔和 AMD 的处理器莫得为哪个具体应用作念固化，但什么应用王人能跑，且后果还可以。

不外，如果计较特征发生巨大变化，确切有影响。大语言模子兴起后，计较特征如实和之前的深度神经集结有区别，跑大语言模子异常是 Decode 阶段计较密度很低，对带宽要求极高，是以咱们作念了相应优化，稍许加了一些东西。

误点：面前环球评价自动驾驶芯片性能时，一看算力、二看带宽。马赫 M100 的内存带宽是 273GB/s，为什么不作念得更高一些？

谢炎：只看参数没意旨，最终要看灵验算力。举例评价一部手机好不好，内存很进犯，但苹果内存最低，体验却最佳。是以不成绵薄拿参数掂量芯片才气。就像拳击比赛，告成选手是玄虚实力强，不是比泰森重、比泰森高就能打赢泰森。

误点：如何才算玄虚评价？你之前演讲时更多强调跑 CNN 模子或 Transformer 模子的速率。

谢炎：对，尽量用重要模子评价，以致最佳径直拿自动驾驶语言。用一个大的自动驾驶端到端或 VLA 模子评价，这最客不雅，而不是看参数。

误点：Orin-X 推出时 Transformer 还不火，是以有东谈主认为，英伟达遐想这款芯顿然对 Transformer 接头较少。逸想遇到的情况是如何的？

谢炎：咱们跑 Transformer 模子的效率比英伟达高许多，原因有三点。

第一，Transformer 最进犯的重观点计较需要把矩阵转置后再相乘，英伟达 GPU 架构的二级缓存承载不了，就要放到全局内存，然后反复看望高带宽内存作念远距离读取，是以径直碰到 "内存墙"。咱们的数据流架构是数据驱动而非指示驱动，计较单元间传输不需要经过全局内存，可以径直传输并在过程中转置，效率最多比他们高 10 倍。

第二，咱们作念重观点计较很高效，因为数据流架构可以把计较过程活水线化，不单依赖全局内存，掩饰易遇到 "内存墙"。然后是矩阵乘，等于临了大的计较排除再去跟大的矩阵相乘时，需要给每个计较单元王人复制一份矩阵，而咱们有全局播送总线，可以一次把矩阵同期送给扫数计较单元。英伟达 GPU 是指示驱动，每个计较单元王人要到全局仓库去找，效率更低。

第三，咱们的计较单元里有一些算子可以径直形成数据流。不是每次算完再奉告其他模块来算，而是把多个计较门径串联起来连气儿处理，效率高许多。

这些效率进步来自体系架构遐想，不是固化的。如果把扫数高效的东西王人固化，那参数也会固化，就失去了架构的天真性上风。

AI 期间，东谈主的一个进犯才气是能够跳出分散概率念念考

误点：你评价我方是工程师，但加入逸想后很快成为 CTO。你如何看车企 CTO 这个职位？逸想 CTO 需要作念哪些中枢服务？

谢炎：在职何公司的高管里，CTO 界说最任意。逸想 CTO 有对外技巧对接的职责，对内主若是在 AI 计较这条线上——从模子、操作系统到芯片，再到封装等相关技巧——保证公司畴昔有竞争力，在中国一定源泉。

这是我插足元气心灵的重点，因为这是逸想成为具身智能公司的中枢之一，诚然不是独一，因为车是复混居品。这条线又分为委用和保证源泉两部分。委用要迷漫好，会花极少元气心灵，但更进犯的是往前看，因为技巧永远坚贞不渝，是以一定要花时期关注还在地平线上的新技巧。

误点：你面前关注哪些新技巧？

谢炎：第一是模子畴昔的发展，这个我会花元气心灵看，异常是自动驾驶和具身智能模子。第二是芯片架构，咱们正在作念的是第一代，之后还会连接迭代。

第三，芯片遐想本人挺专门念念，像盖屋子一样，材料和构建要领有无限联想空间。摩尔定律让半导体接近极限，要进一步提高性能，业界有许多新主见，包括用光、先进封装，从二维转向三维构建等。如安在三维层面构建，以及如何用这些底层材料和搭建面容更好地遐想架构，我也会花元气心灵关注。

还有用 AI 赋能芯片遐想和编译器，这也很进犯，畴昔咱们必须走在前边，效率一定要迷漫高。是以我在推动核神思较团队用 AI 进步效率，突破原来联想不到的事情，比如径直用 Claude、Codex 等 AI 器用写算子、用 AI 编译优化通盘链条。

误点：你的服务格调是什么？

谢炎：抓重点。从工程师成长到要构建更大事情时，最进犯的是学会分拨元气心灵。不成像我方作念工程师时每个点王人亲自处理，要分清哪些点看浅极少，哪些点看深极少。

误点：在不同节点，你的服务重点分散在什么事上？

谢炎：架构遐想我看得比较多，软件和编译，软硬协同也会看，RTL 遐想（Register Transfer Level，用硬件描摹语言阐释芯片的逻辑功能）、前端遐想、后端遐想相对看得较少。重要排除可能会看得多一些。我对我方要求是，保证在东谈主工智能技巧路子上，可以过大契机，少踩坑，达到源泉并能持续源泉。

误点：在 AI 期间少踩坑，可能吗？

谢炎：是以要加强磋议，许多东西得先知谈发展主见。所谓 "踩坑"，中枢是莫得一手信息、东谈主云亦云，只看特斯拉、英伟达今天如何改，但不知谈为什么，说它这样改是以我也这样改，这最危急。

不是他如何改咱们就如何改，而是即使跟他要领一样，也要搞明晰背后的深层原因，第一性旨趣是什么，进而倒推有莫得其他更好要领。干一模一样的事没什么意旨。咱们面前作念的许多事王人和业界不一样，但这不是投契行为，而是确凿从底层分析明晰后的决策，不是押宝。

误点：你说保证逸想在 AI 期间持续源泉，范围指车企如故全行业？

谢炎：源泉是车企，这是基本主见。咱们不会跟 OpenAI、Claude 去比 Coding，这没专门旨。每家公司有它的职责和规模，咱们的职责和上风更多是在三维宇宙构建具身智能的全栈才气。

误点：十年后，你瞻望具身智能会达到多大规模？

谢炎：汽车面前是中国第一大行业，卓越房地产，具身最终折服比这个商场大。东谈主类需求是无限的，不会嫌出产力少，而是需要更多机器东谈骨干各式活。

误点：逸想在往具身和 AI 主见转型，汽车业务还有多进犯？

谢炎：汽车业务对咱们挺进犯，相配于练兵场，可以提供多量资金、东谈主才、场景，许多技巧从里面孵化熟识、成本责问。汽车业务对逸想来说折服是今天最进犯的业务，外面说想哥不想作念汽车了，不是的。诚然有高大主见，咱们如故安身汽车，今天扫数东西如故服务于汽车。

误点：你加入时逸想正处于飞腾期，到今天遇到挑战，你的脚色也愈发进犯。如何看待逸想这几年的变化？在不同阶段，你如何判断种种事情的进犯性？

谢炎：我基本上没什么变化，公司在业务上折服是有上有下，但更进犯的是看到一些不变的东西。我来之前就信赖汽车是进犯的东谈主工智能居品，一定要通过软硬件结合打穿到芯片、操作系统，才能形成历久竞争力。至于中间的升沉，只须咱们还没贫乏到极少儿钱王人莫得，那就保持这个研发强度，把内功练好，让环球有这个耐烦。

我刚才说芯片团队 200 东谈主，这跟公司近万东谈主的研发团队比拟曲直常小的比例，他们安恬逸静在一个边缘把中枢的东西打磨好就行，不要被所谓的销量陡立影响。进犯的是，刚烈信赖正在作念的永恒是这个期间很进犯的事，这极少咱们一直没变过。

而且我信赖 AI 期间会有一套新的计较架构，我一直想在汽车上把它试出来。这件事不管如何王人相配专门旨，而且一朝作念成，一定能匡助逸想建立相配强的壁垒。

误点：今天团队可能没法再安恬逸静，像你就要被推到台前了。

谢炎：你作念出来就好，拿东西语言，而不是靠对外说。

芯片能上车仅仅启程点，咱们还有许多想法，芯片还有性能空间可挖，因此有许多事可干。也很庆幸处在这个期间，这个期间最进犯的是具身智能居品，而汽车是很好的载体。其他东西王人不太进犯。

自然作为公司高管，销量我也关怀，咱们必须让公司不出岔子。除此除外，不需要关怀更多杂音。

误点：一家自动驾驶创业公司挖东谈主的面容是看比赛获利，谁的分数高就把他挖过来，你呢？

谢炎：我不赞同他的要领。这只可确认某些东谈主打比赛异常熟练，可是更进犯的，AI 异常擅长多量数据的平平分散，如果这个东谈主是技能熟练型的，扫数解析王人在平平分散里，也很容易被 AI 替代。而东谈主最进犯的是跳出概率分散的那部分，也等于 AI 从没见过或者 AI 不会去想的一些事情。

马斯克当年作念火箭，成本要降到以前的 1%。如果 AI 来解这个问题，它一定不会料想回收火箭，以致包括用 "筷子" 夹的要领。今天的 AI 作念不到，因为它从没见过，很难完全跳出分散概率去想还有别的可能。它更多是在看到的东西里，通过 CoT（Chain of Thought， 念念维链）一步步找到相对较优的要领。

误点：你说智能电动车要通过软硬一体把 AI 才气和智驾作念好，才能成为头部公司，但商场上许多东谈主王人也曾相识到这极少。会不会产业决胜点其实不是这个？

谢炎：你说智能电动车的决胜点不是智能？

误点：因为刚才在说分散概率。

谢炎：这是两件事。一件是你跳出分散概率，让原来不成作念的事变得可作念，但有些需求就在那，仅仅你作念不作念得到。东谈主类需求莫得分散概率的问题，比如你需要一个机器东谈主帮你干活，这是毫无疑问的，可能每个东谈主王人这样但愿，而且曲直常低廉的价钱。

误点：你刚才说到，面前国内厂商在智驾这块的才气王人在第一梯队，高下之间折柳没那么大。

谢炎：头部几家是这样。

误点：有莫得可能一直保持这样的情况，最色泽靠智驾折柳不出来哪个车才气强？

谢炎：智驾如故能折柳出来的。一个是今天离闭上眼睛、完全释怀开还有比较长的距离，但环球也曾渐渐信赖这件事会发生。还有玄虚成本问题，也等于用多大的成本达到这个程度，这会有各别。

另外当自动驾驶完了后，你会但愿汽车帮你干更多事。莫得智驾，咱们开启不了这个可能性。

误点：数据流架构亦然跳出分散概率的一种？

谢炎：对。你如果让 AI 遐想，它粗略率不会遴荐数据流架构。

误点：也打不外英伟达？

误点：AI 用多以后，会不会影响咱们跳出分散概率？

谢炎：会。

误点：那如何办？

谢炎：是以有教养的东谈主面前如故进犯的，不成王人交给 AI。面前硅谷为什么裁掉一线工程师？因为他莫得迷漫的教养，跳不出分散概率，只可逸想。逸想自然也有价值，教养随机候也会排除你跳出分散概率。但在有些规模，莫得迷漫教养，你跳出分散概率的想法可能 90% 是错的，还会浮滥多量时期。

误点：教养是通过亲自实践得来的，如果 AI 器用很早介入，莫得探索的过程，不够资深的职工如何变成更好的我方？

谢炎：这确切是一个问题。

误点：你们面前如何作念？

谢炎：我莫得异常好的要领，如故要容忍一些，不要全是 AI。底层服务 AI 能作念时，就给新东谈主契机。不外新东谈主不是重叠全部底层服务，而是在表层构建解析，在新环境放学习技能。如果回到六七十年代，许多东谈主能写汇编语言，但面前能写 C 语言的王人未几，但这并不妨碍环球的出产力更强。

误点：哪些事情你不允许用 AI 作念？

谢炎：莫得不允许，环球放开作念。今天无须 AI 比用的风险更高，是以环球尽量用，限度风险就好。

误点：有教养的东谈主会看出来质地好坏。

谢炎：对，有教养的东谈主会提高相配快，没教养的东谈主也有契机快速切入一些规模，是以不排除环球。我的想法是推动环球去试，因为不试就不知谈 AI 发展到什么程度，试了之后才会有越来越深的体会，而且可以联想它畴昔颖异更多事。

误点：乔布斯辞世时，苹果搞过顽固战术会百东谈主会（Top 100），目的是确保公司最高层能明晰地知谈最横蛮的东谈主在想什么，守密程度相配高。逸想有什么束缚机制，能够让好想法从下到上涌现？

谢炎：这很进犯，不要太科层化，比如我会径直跟校招生、一线职工不按期聊，等于聊你今天在想什么。我也会跟环球共享我看到什么、我在想什么。

在资源分拨上，咱们本年在念念考一件事：不要把资源敛迹在一个个垂直的井里。如果组织结构一朝形成，东谈主力、计较资源王人在一个井里，下层即使有好想法，也不一定能获取相应资源。

第二，好想法落地时常需要不同的才气，而即使是教导可能也只领有一部分才气，因此要跨团队协同。是以，进犯的是突破部门墙。

咱们正在尝试另一种要领：有东谈主有好想法之后能径直提倡来，然后跳出他的组织架构上会评审，通事后环球就匹配资源，以致跨部门调集一个假造团队来干，快速构成一个 "篝火" 模式。咱们最近也在念念考，如何形成轨制化的 "篝火"，让环球可以快速形成一些 idea，快速试错和反应。

误点：之前有逸想居品高管说，前两年当一部分高管被调去作念佛由后，年青职工很难径直跟 CEO 产生灵验交流，最终李想成了居品天花板。如何幸免这种情况？

谢炎：这种情况折服有，因为一线听到炮火的东谈主更了解试验情况。他的想法被否掉后，自后发现是对的，这很难幸免。但反过来讲，有可能他只看到问题的一方面，提的不是正确建议。

是以，既要保证他的转变能跑出来，也要保证信得过落地的是高质地建议。许多东谈主王人会提建议，但 1000 个建议中信得过靠谱的可能唯有 20 个。如果只须有 idea 就能赢得资源，公司也会乱套。

误点：是以你们还在摸索？

谢炎：这应该莫得一个实足的要领，唯有一种情况：你的团队规模迷漫小，迷漫紧密，这种面容才会相配成效。这亦然为什么我不但愿团队太大，东谈主少换取反而更容易，东谈主多了之后你要耗尽多量元气心灵鉴别哪些是杂音，哪些信得过有价值。不外团队小，东谈主员修养要迷漫高，环球王人得靠谱才行。

误点：今天你是更集权如故更均权？

谢炎：我比较均权，因为我的服务模式是这样：许多事我如果发现存问题，就径直跳进去跟工程师一谈看。我的时期并不完全固定，而是看哪个时期段的哪件事更进犯。如果是环球也曾界说好的事，最佳有一个径直负责东谈主。假定全由我负责，有可能我我方成为瓶颈。

误点：径直向你通知的有些许东谈主？

谢炎：比较多，我面前兼任两个一级部门负责东谈主，因为一直莫得合适东谈主选。但平允是咱们的架构以事为驱动，诚然我兼了两个一级部门负责东谈主，其他王人是一级部门负责东谈主向我通知，唯有那两个部门是二级部门负责东谈主向我通知。

那些东谈主围绕一件事服务，并不需要我每天告诉他们作念什么，他们更多是自驱在一件中枢事情上，知谈我方元气心灵应该往哪放。是以咱们的架构更像数据流，不是中心式。

误点：传闻你推动了逸想的 AI 战术？

谢炎：不是。战术折服是 CEO 想哥推动，我等于实施，包括让技巧主见落地。

误点：这和你加入逸想之后的建议、判断相关吗？因为你认为汽车是东谈主工智能、具身智能端侧完了的旅途之一。

谢炎：大面上他没受我影响，或者说咱们俩判断一致。不是我说他就认为 AI 进犯，只须 CEO 看到大趋势，就王人知谈 AI 折服进犯。

我无非是推动了跳出分散概率的技巧路子遴荐，更多是为了源泉，源泉亦然为业务服务。是以不存在我劝服他，自然如果咱们作念得好，他会信心更足。

误点：从阿里离开时，你有一个可以作念新公司 CEO 的契机但拒却了，因为你认为头衔没那么进犯，作念的事很进犯。

误点：基于你今天作念的事情和想达到的主见，如果 CTO 这个 Title 不进犯，当下对你来说什么最进犯？

谢炎：像我刚才说的，主若是在整条 AI 链路上，通过垂直整合，从模子、软件、芯片以致更底层，为公司构建起坚实竞争力基础。这个基础一朝构建起来，就会产生肖似 "飞轮效应" 的后果，模子，软件，操作系统，芯片同期加快跳跃，这种上风可能会是结构性的。

误点：确保你能实施这条路子是最进犯的？

谢炎：对我来说，进犯的不是在什么位置，而是能参与进犯的变革和历史进度。在能够得胜的基础上，是不是我在主驾位又有什么关系。

李安琪对本文亦有孝顺

题图来源：逸想汽车

谛视（高下滑动查看）：

[1] 冯·诺依曼架构：由数学家冯·诺依曼在 1945 年提倡的计较机架构，被当代绝大多数计较机吸收。其中枢特色是指示和数据存在团结存储器中，CPU 按法例践诺指示。

[2] 数据流架构：一种计较架构，1970 年代由 MIT 的 Jack B. Dennis、Arvind、高光荣等东谈主提倡。其特色是当操作所需的输入数据准备就绪，操作会自动践诺计较。

[3] 内存：计较机用于存储数据和程序的硬件组件，也称为主存储器或马上存取存储器。处理器可以快速读写内存中的数据，是计较机运行程序和处理数据的进犯部件。

[4] 缓存：位于处理器和主内存之间的高速存储器，用于临时存储频繁看望的数据和指示，减少处理器恭候数据的时期，提高举座性能。

[5] 内存带宽：单元时期内，内存与处理器之间可以传输的数据量，经常以 GB/s 为单元。带宽越高，数据传输速率越快。

[6] 低精度推理：使用较少位数（如 8 位、4 位）暴露模子参数和计较，比拟传统 32 位浮点数可权臣责问计较量和内存占用，同期保持相对较好的模子性能。

[7]DDR：Double Data Rate 的缩写，即双倍数据速率，是一种内存技巧程序。DDR 内存在时钟信号的飞腾沿和下跌沿王人能传输数据，比拟传统内存速率更快。

[8]CNN：Convolutional Neural Network 的缩写，即卷积神经集结，一种深度学习模子，合适处理图像数据，通过卷积层索要特征。

[9]Transformer：一种基于重观点机制的神经集结架构，最初用于自然语言处理，现已庸碌应用于计较机视觉等规模，是 ChatGPT 等大模子的基础架构。

[10]PCIe：Peripheral Component Interconnect Express 的缩写，即高速串行计较机膨胀总线程序，用于贯串主板上的各式硬件组件，如显卡、存储征战等。

[11]NPU：Neural Processing Unit 的缩写，即神经处理单元，专门为东谈主工智能和机器学习计较遐想的处理器，比拟通用处理器在 AI 任务上更高效。

[12]GPGPU：General-Purpose computing on Graphics Processing Units 的缩写，即通用图形处理器计较，指将正本用于图形渲染的 GPU 用于通用计较任务。

[13]SoC：System on Chip 的缩写，即片上系统，将完好意思计较机系统的主要组件集成在单个芯片上，包括处理器、内存、输入输出接口等。

[14]ASIC：Application-Specific Integrated Circuit 的缩写，即专用集成电路，为特定应用而遐想的定制芯片，比拟通用芯片在特定任务上性能更优、功耗更低。

[15]PU：Processing Unit 的缩写，即处理单元的通用称呼，可以指 CPU、GPU、NPU 等各式类型的处理器。

[16]Chiplet：芯粒技巧，将正本集成在单个大芯片上的不同功能模块理会为多个小芯片，再通过先进封装技巧贯串，可以提高良率、责问成本。

[17]Hardware 3.0：特斯拉搭载的第三代自动驾驶硬件，包含两颗自研的 FSD 芯片，专为自动驾驶计较优化遐想。

[18]IP：Intellectual Property 的缩写，在芯片遐想中指可重用的遐想模块，如 CPU 中枢、内存限度器等，厂商可以购买 IP 来加快芯片开发。

[19]Debug：调试，指在软件或硬件开发过程中发现、定位和建树造作的过程，是确保系统正常运行的要道。

[20]CUDA：Compute Unified Device Architecture 的缩写，英伟达开发的并行计较平台和编程模子，允许开发者使用 GPU 作念通用计较。

- FIN -

2026世界杯赛事竞猜中国官网