The following article is from 误点Auto Author 误点团队

上行期理所自然的时间决策，到了用营业拆伙评释合感性的时候。

文丨赵宇

裁剪丨龚方毅

"目下马赫 M100 的业务方针达成度只好 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、系统与考虑群组负责东说念主谢炎告诉《误点 Auto》，"委果的得胜，是搭载马赫 M100 的 L9 智驾才略跑到业界第一，然后车又卖得很好。那样咱们智力相等有底气地说达到业务方针。"

1982 年，好意思国考虑机科学家 Alan Kay 曾说，"你如果委果认真对待你的软件，就要我方作念硬件。" 基于雷同逻辑，逸想在 2022 年立项自研芯片，并已为此累计干涉数十亿元资金。谢炎是逸想芯片自研技俩的负责东说念主。他 2022 年 7 月信好意思团创始东说念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——其时逸想赶巧业务上行期，公司高下充满 "想赢" 的劲头。特斯拉评释了自研芯片对提高智驾体验的匡助，而国内新动力车阛阓正意气昂扬，老本阛阓也快意给冒尖的新势力更多想象空间。

到马赫 M100 准备上车时，逸想阅历了自 ONE 请托以来的初次年度销量下滑，不仅纯电计谋遭受迂回，增程家具也濒临空前竞争。跟着新势力们挨个步入成立的第十个年头，中国新动力车的家具同质化和价钱内卷相互促成。像自研芯片这等烧钱决策，如果其时看起来有何等理所自然，今天就要花多大的力气来评释它的正确。

时常情况下，莫得警戒的公司会从小芯片作念起，低成本跑通联想、流片和供应链过程。即使是小芯片，失败一次也要亏损数百万好意思元；换成先进制程大芯片，除了每个症结更难，流片成本也指数级加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，逸想芯片团队只好两名职工，不到一个月就剩一个了。留守的那位问他，"公司依然决定作念芯片，但要如何作念？" 谢炎反对作念小芯片试水。他告诉咱们，逸想不是为了评释有才略作念芯片而作念芯片，应该平直措置最中枢的问题：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 门路追逐英伟达，而是选择了数据流架构。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 的几位教悔在 1970 年代提议。谢炎在好意思国特拉华大学读研时宣战到它，认为它比冯·诺依曼架构更接近大畛域 AI 考虑的需要，往日几十年一直莫得大畛域商用一是因为它的上风需要有余大的考虑畛域智力自满，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 期间会有一套新的考虑架构，一直想在汽车上把它试出来"。他告诉咱们，GPU 依赖汇注式颐养和大量数据搬运，畛域越大，效率损耗越显然；数据流架构让数据驱动考虑，表面上能减少恭候和搬运，把更多晶体管用于委果的考虑。但这也把压力改换到软件栈、编译器和软硬协同上。

杜克大学电子与考虑机工程系教悔陈寂静认为，马赫 M100 是一次有远景的工程尝试，但不应约略地认为数据流架构便是畴昔发展标的——症结在于剿袭哪种具体的数据流联想，以及它与方针应用和软件系统的协同效率。由于大部分优化服务改换到软件栈，推行效率很大程度上取决于编译器的熟识度，以及软硬件协同联想的质料。此外，自动驾驶算法模子演进很快，这种架构必须在 CNN、Transformer 等考虑范式间保持有余的机动性。

"数据流架构是一个日常倡导，涵盖从脉动阵列、内核级数据重用有考虑到更激进的编译器颐养架构（如 Groq）等多种联想。" 陈寂静教悔对《误点 Auto》解释，"马赫 M100 剿袭了介于传统 GPU/TPU 与 Groq 纯静态编译器颐养模子之间的时间门路，通过编译器等软件更精确地戒指芯片里面的数据流动和考虑过程，既保持实用的 NPU/SoC 联想，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，自动驾驶波及环境感知、举止预测、旅途筹画等存在大量复杂考虑任务的症结，目下还波及大型 AI 模子推理。"如果软件系统能灵验协调这些数据传输和考虑，芯片利用率会显耀提高，处理速率更富厚、能耗更低。"

谢炎承认马赫 M100 上车过程也照实有不少 "坑"：硬件联想复杂度责难，软件复杂度提高，对传统编程面貌并不友好，初版智驾模子从更新到完成车端适配用了两个月。尽管目下依然可以大幅责难到不到一周，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具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鼓动。逸想芯片团队早期万古刻只好几十东说念主，目下约 200 东说念主，仍远小于外界想象中的完竣芯片团队畛域。谢炎说，东说念主多不一定好，东说念主多时许多都是在搞政事斗争。中枢部分我方作念，后端、SoC 集成等症结可以借助供应商。在逸想近万东说念主的研发体系里，这个团队更像一个闲逸的边际，尽量不被每月销量升沉遏抑。

"只消咱们还没贫困到少许儿钱都莫得，那就保持这个研发强度，把内功练好。伏击的是，你信赖这件事本人不管在什么期间都伏击。" 谢炎说。

以下是咱们与谢炎的对话，略经裁剪。

不认为马赫 M100 依然得胜，目下只达成方针的 60%

误点：回片时刻目下有两种说法，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，所有东西都富厚了才说得胜。一般刚回片就书谨记胜，是为了诱骗老本。你偶而三个月，根底不行细目里面有莫得问题。

误点：流片拆伙和你们的预期完全一致吗？

谢炎：对。这便是前期服务作念得多的克己。你作念得越多，转头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书记。

谢炎：对，一般都是这样干的。咱们把芯片从台积电背转头，第 12 个小时就点亮了，但我什么都没说，因为我知说念那不代表任何真谛。

误点：其时有惦记过流片转头，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，而且把许多大模子都完竣地跑了，保证这个东西最终出来时尽量不出意外情况。许多东说念主以为咱们的测试作念得过于充分。

误点：李想知说念马赫 M100 流片得胜后是什么反应？

谢炎：我不谨记了。直到今天，我也不认为它依然算是得胜，委果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，咱们智力相等有底气地说达到业务方针。目下只算达到 60%，即使今天的确依然跑起来了。

误点：智驾业界第一的方针，包括卓绝特斯拉吗？

谢炎：咱们的最终方针自然包括特斯拉，对标全球最高水平。

逸想汽车马赫 M100 自研芯片。起首：逸想汽车

误点：你服务警戒相等丰富，见过不同芯片流片。在逸想和其他公司，个东说念主感受有什么不一样？

谢炎：这颗芯片照旧挺了不得的。好多公司可能作念了很万古刻，但仅仅作念一些比较小的芯片。是以你看咱们团队，固然有些东说念主在业界也服务了十几、二十几年，以致更万古刻，但照旧挺忻悦。

这样短的时刻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，然而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，我也相等谢意他们。

误点：你前边提到作念芯片也但愿 "车卖得好"，你们需要对汽车家具的营业得输赢责吗？

谢炎：咱们没法对营业得输赢责，只可让芯片具备有余竞争力，也便是性价比一定很高，算力发扬的服从一定超越能买到的芯片。如果作念不到这些，自研就没专门念念。

误点：逸想是全系车型都要搭载马赫 M100 吗？

谢炎：咱们但愿是全系搭载。当你有成本、性能上风，没根由不全系搭载。

误点：全系搭载对时间决策有什么影响？

谢炎：这很伏击，咱们一初始的方针便是全系搭载，如果里面都不肯意用，那就阐发芯片不够好。反过来讲，全系搭载也帮咱们考虑出能够需要在成本、性能上作念到什么程度。包括咱们在立项时也考虑过，搭载若干辆后能摊平全部研发成本，每块芯片大节录比外购低廉若干钱。

误点：是从旧年芯片流片得胜之后就决定全系搭载吗？照旧说会有一些中间的筹商？

谢炎：决策过程不是你想象的那样，更多是一初始大家商定好要作念到什么程度，经过考据有余有竞争力智力搭载。是以要一步步考据，流片转头，能跑起来，初步看到的确如我所说，性能、成本也有上风，缓缓就用了。大部分东说念主照旧会打一个问号，因为不参与这件事，也可以领悟。当缓缓让他们从看见到信赖，决策就落地了。

误点：哪个考虑委果打动了他们？

谢炎：主要照旧性能。如果性能好，成本又可以，比市面上能买到的都好，家具线没根由无须。

误点：从芯片跑起来，到委果上车，中间最大的挑战是什么？

谢炎：第一颗芯片终末要上车，让模子都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，但第一颗芯片照旧有许多坑。比如它在硬件上的联想复杂度责难，但软件复杂度提高，它不是那么符合东说念主类编程，但这也不是不可以作念。因为我我方作念编译器，我照旧会跟团队筹商如何让编程更约略。

咱们初版模子编出来花了两个月，后头会是一个月、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近但不可达到，是以可以束缚优化。目下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，一般对于单干以外的服务我会了解，但尽量不影响他们决策，因为还有营业和其他探究。

误点：一颗芯片从联想到量产，最难的症结是什么？

谢炎：多样贫困都有，但最难的是选择作念什么、不作念什么。这些选择来自清亮的家具界说，需要有好的应用场景智力明确方针。在逸想，咱们能比较清亮地看到需求，这最贵重。一朝需求界说清亮，时间门路就会清亮，剩下便是匹配资源，看干涉产出是否合算。后头的服务也有难度，但并不是最难的。

时间上，前、后端联想的挑战照实比较大，好在咱们团队的东说念主都比较靠谱，警戒也比较丰富，像罗憨厚（逸想算力单元部门负责东说念主罗旻）都是干了许多年的东说念主。而且后端团队也很强，比如咱们要把这颗芯片戒指在一定面积以内，他们干了许多相等详尽的活儿，以至于咱们后端供应商的东说念主都以为太挑战，他们同期给好几家公司作念芯片，阐发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，不作念就无法已毕家具相反化

误点：对于自研芯片，你们最初是如何探究的？

谢炎：在我 2022 年加入公司前一年，逸想就依然初始探究作念芯片，但没细目要作念多大算力、作念到什么程度、什么时候请托。这些是我来逸想后，经过筹商才定下来。

来之前跟李想疏导，我提到一个伏击不雅点：畴昔竞争是家具软硬件一体的竞争，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。我其时和想哥达成一致：如果逸想畴昔以家具为中枢竞争力，一定得自研中枢软硬件。

误点：口试时，你和李想便是这样疏导的？

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依然有一个预设，因为作念操作系统许多年，我以为不结合芯片也作念不出什么花来。

误点：自研芯片干涉很大，李想其时是什么立场？

谢炎：想哥从一初始就无要求辅助，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片时，照应层为此批了 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，其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：芯片自研是缓缓迭代的过程，很难用固定预算来掂量。比如苹果从 A4 初始作念，从 A 系列作念到 M 系列，从手机、服务器到条记本都用自研芯片，这些干涉没办法用单一预算来掂量多照旧少。

咱们更多是按技俩批预算，有了第一个技俩就会滚动到第二代、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。目下 AI 还没委果进入大家的活命，只好 Chatbot、"小龙虾" 等约略应用，这仅仅产业早期的早期，相等像 1970 年代末的考虑机。那时大家以为 640K 内存就够了，处理器 1M 赫兹都极其高端，一直到 1980 年代中期才出现。更早便是 8088、8086，便是几百 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。不仅是算力大幅提高，而且数目信服要更多。因为一初始仅仅极客用，就像乔布斯初始卖给硅谷那些东说念主，自后变成每家每户、九行八业都要用。咱们认为这仅仅初始，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：那到底是若干？

谢炎：不行说。

误点：这样重的干涉，李想为什么会辅助？

谢炎：他比较信赖垂直整合已毕相反化这个逻辑。

对于任何家具，委果的相反化便是掌合手中枢时间链条，比别东说念主更快迭代立异。在这个逻辑下，该作念什么、不该作念什么就很清亮。能帮咱们在性能和成本方面已毕相反化的，就精确干涉；不行的就不作念大干涉，即使它今天很伏击。

每个期间都有中枢家具，它不仅自身伏击，还能孵化时间并溢出到其他领域。八九十年代是 PC，最近二十年是手机。智高手机时间熟识后，Pad、电视、车载触摸屏都出来了。如果莫得安卓、高通、苹果，汽车公司要花若干年智力低成本作念出畅通的车内交互体验？

智能电动车便是这样的家具，可以围绕它把端侧东说念主工智能作念得相等熟识，因为它是面前个东说念主能领有的最大算力终局开采。一辆车有 7 到 11 颗高分辨率录像头，可以孵化机器东说念主和三维全国行动智能体的基础时间，让这些时间变得高性能、低成本、微型化。其时间孵化充分时，其他应用就变得容易。如果今天平直作念机器东说念主，真的太累了，因为好多东西根底没熟识，更别说再早几年。

误点：2022 年前后，阛阓上有两种典型论调：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，大家以为车企自研智驾芯片难度很大，或者第一代芯片便是交膏火的。

谢炎：这个逻辑大体没问题，但需要完毕分析问题细节才会看到真相。

比如说量不够，如果是手机芯片的确要很大的量，因为手机芯片很小。然而不要静态去看汽车的 AI，咱们在 2022 年就看到汽车的 AI 考虑量将来会变得很大。

不要低估量划量需求，时间还在发展，永远需要更多考虑量。汽车作为全自动化行动的机器东说念主，需要的考虑畛域很大，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。目下一颗 Thor-U 要 800 到 1000 好意思金。自然，具体价钱也与采购畛域磋议系。

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、家具竞争力价值，只看自研芯片简易的采购成本，我认为可以降一半以致更多。而且这是继续动态发展的，像汽车这种高智能化家具，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，成本降一半的畛域特别可不雅，是以不需要搭载一百万辆就有余隐敝芯片研发成本。只消能痛快一年销量，就能隐敝好几年芯片研发团队的用度。

另外我方研究、联想之后的效率比较高。如果本年卖的车都部署自研芯片，咱们一年省下来的钱就卓绝三年研发用度，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。你其时会以为这是势必趋势吗？

谢炎：拿手机作念类比挺好。头部公司体量有余大，比如手机和汽车，一定会掌合手家具里面最中枢的部件来保证竞争力。乔布斯说过，不可能我作念一个家具，最中枢的时间我方莫得戒指力。这很危境，因为那意味着别东说念主可以很容易地复制你的家具，而你也无法灵验掌合手家具时间迭代的节律。如果最中枢部分大家都一样，都是高通或 Google，就很难作念出委果的相反化。

反过来讲，如果企业有志于成为最头部公司，最中枢的部件信服要掌合手。自然也不是什么都要作念，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 算力信服是束缚发展的，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便是这颗 AI 芯片？

谢炎：是中枢部件之一，因为车本人还有一些可以相反化的部件。决定一个部件是否自研，主要看两个要求：一是它很伏击，能决定用户体验诀别；二是它能够相反化，因为时间还在高速发展，莫得进入平台期。

AI 恰好两者都具备。当咱们把汽车动作机器东说念主，AI 一定是决定性要素，这辆车聪惠不聪惠信服能看出来。第二，AI 还在高速发展，是以一定要干涉，因为你可以靠我方的掌控力快速和别东说念主拉开差距，而如果靠供应商就只可任天由命。

我一位共事以前在苹果。苹果自研芯片开赴点用的是 Arm 的 IP 核，想鼎新某些部分提高效率，但 Arm 说不行改，因为它要痛快所有客户的需求。Arm 依然是很强的 IP 供应商，但它要成为所有客户的最大条约数，不会为最强的公司定制家具。即使它快意定制，时刻成本也会很高且效率低。是以苹果自后只买 Arm 的领导集授权，IP 全是我方联想。目下苹果核比全国上任何 Arm 核效率都高，因为可以完全适配我方的操作系统和应用需求，提供别东说念主无法提供的性能。

误点：有点像 Alan Kay（好意思国考虑机科学家） 讲到的，"你如果委果认真对待你的软件，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平直配合的。如果你仔细看底层软件和处理器架构的联想，它们是围绕一套融合的架构念念想结伴联想起来的。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说念主领悟的那样认敌为友。

目下考虑机系统的底层逻辑在 1950 年代出现，70 年之后，第一次遇到了委确切谛上的剧变——从以符号逻辑为基础，转向以概率论和深度神经收罗为基础。那么，所有这个词考虑机架构，包括硬件、软件和操作系统，都有必要围绕新的基础进行大范围重构，来灵验辅助需求的爆发式增长。2022 年我来公司时就和时间团队说，这是所有考虑机系统从业者 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情景？

谢炎：其时芯片团队只好两个职工，不到一个月就走了一个。剩下阿谁职工问我 "公司依然决定作念芯片，但要如何作念？" 其时蔚小理都在作念，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，因为咱们不是为了评释有才略作念芯片而作念芯片。咱们应该平直从这个期间，汽车芯片上最伏击的问题脱手，那便是 AI 推理考虑。不要怯生生没东说念主、没警戒。这些都不症结，独一症结的便是计谋方针的正确性。

咱们最终细目：自研的方针是在量产时超越同期最坚强的英伟达芯片。这个决定很伏击。委果专门念念的便是围绕这个期间的主题，作念一颗有余强的 AI 芯片。

误点：你们启动自研时设定的性能方针是什么？目下达到了吗？

谢炎：单纯评释能作念芯片不是咱们的方针，毕竟许多公司都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。但这不是咱们的选择。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 期间时间率先。

咱们其时界说的方针是：一半成本、两倍性能，也便是四倍服从。推行算力会更高，因为 GPU 其时基本是 20%-30% 的实施效率，这由它的架构天生决定，可能最多优化到 40%，再往上就很难。咱们方针是达到 50%-60% 的实施效率。今天看来基本作念到了，马赫 M100 的推行算力是英伟达的 3 倍，成本还比它低。

今天看马赫 M100 芯片，咱们很自重，这是中国第一款完全原创联想的 AI 芯片，剿袭了非主流但更符合 AI 的数据流架构。

误点：四倍服从对标英伟达，其时指的是 Thor 照旧 Orin，包括中间还有过 Atlan？

谢炎：咱们其时对准的方针是 Orin-X，但今天看来，马赫 M100 的推行算力是 Thor-U 的 3 倍。

马赫 M100 的架构默示图。起首：逸想汽车论文 "M100：An Orchestrated Dataflow Architecture Powering General AI Computing"。

误点：马赫 M100 芯片当中哪个地点不行被 Trade  off（弃取），哪些地点可以？

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，平直买芯片就好——AI 部分都不掌合手，等于作念芯片不掌合手任何东西。是以 AI 的 NPU 核一定要我方联想，而且得完全知说念为什么这样联想，上头的编译器、软件、模子都要能垂直整合。相对来说，CPU 核因为不在 AI 推理考虑中占据主导，发展速率也比较拖沓，可以不作为前期重点干涉的标的。

误点：这亦然你们在 2022 年定下来的？

谢炎：对，相等清亮，从来莫得动摇过。许多东说念主说，为什么逸想我方不搞一个 CPU，因为没必要。

误点：当初界说芯片时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：软件上信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智力发扬最大服从，这需要软件和模子一王人适配。咱们大部分判断是对的，如果说当年还可以作念得更好，也许还可以更激进少许。2022 年时咱们依然超出所有自动驾驶团队的判断，大家都说 Orin-X 依然比较充足了，而咱们的联想方针是大家需求上限的 2 倍。即使这样，本年来看照旧偏保守。

误点："激进" 指哪些参数？

谢炎：便是咱们需要更大服从、更大算力。我相等信赖畴昔需要更大算力，仅仅以什么成本获取。如果成本能基本保持不变，信服是算力越多越好。

更别提咱们除了智驾外，还要把 L9 Livis 打酿成智能机器东说念主。目下咱们好多才略都要算力，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。

雷同的需求都需要有余坚强的腹地算力，因为云表算力会受无线团结的影响。你并不但愿你的物缄默能体时灵时不灵，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说念主，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，还能跟东说念主交流。

误点：界说芯片时，智驾团队更了解面前算法和量产节律，芯片和操作系统团队则要提前看三四年后的需求。不同团队对时间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，但底层时间研发周期长，是以咱们照旧要免强我方看得再远少许，否则三四年后出来的家具可能逾期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：其时不论端到端照旧 VLA，今天大家评论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说念主类驾驶风气。这是信服的。

误点：如果能从头来一次，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：互联的才略可以作念得更高少许。其时以为单芯片的联想划力依然很高，是以莫得联想 PCIe 辅助。但今天看来照旧不够。不外咱们也通过操作系统的互联时间技巧，达到了互联带宽需求。这亦然一个掌合手时间全栈后带来的价值。

误点：你们细目剿袭数据流架构时，芯片团队有多大畛域？

谢炎：未几，咱们初期有很万古刻是二三十东说念主。

误点：业界有种说法，"一个完竣建制的芯片团队应该在 600 东说念主傍边。" 你们目下能够若干东说念主？后续还要加多吗？

谢炎：咱们目下大致 200 东说念主。有时候我以为东说念主多不一定是善事，东说念主少少许更团结、效率更高。这又不是打群架，东说念主多就好。东说念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，大家协同起来效率相等高，不是所有东西都要芯片团队我方干。

误点：芯片团队的成员主要来自哪些地点？

谢炎：各个公司都有，也有许多校招。咱们莫得针对性地找哪个公司的东说念主，只消才略够强，咱们就招过来。大家形成战斗力就行，没必要挖整建制的东说念主，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，好的东说念主照旧值得好的薪酬。更伏击的是，咱们这里干的事情应该算业界很先进的。在中国很先进，可能在所有这个词全国也不算差。

误点：你们的薪酬高于行业平均水平？

谢炎：对。

误点：界说这颗芯片时，多样参数优先级如何细目？

谢炎：参数不是先定的。界说芯片最伏击的是先领悟要措置的问题，比如咱们要在自动驾驶或 AI 任务上超越业界最率先的厂商。然后是量化的分析任务的考虑特征，包括数据模糊、考虑密度等。因为芯片最终是为跑任务服务的，如果莫得长远理奉命务，芯片作念出来再去适配会避人耳目。

是以，咱们一初始花了半年分析考虑特征，第二步是领悟如何联想数据流架构，终末才是界说所谓的参数，比如总线带宽、若干个 Tile、若干 TOPS、考虑单元互联带宽、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，把依然作念好的芯片参数拿过来，然后这儿加少许、那儿减少许。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：分析考虑特征用了半年，大家一王人 Co-Design 亦然发生在这半年吗？

谢炎：时刻会更长，Co-Design 分几个阶段。

起先，界说芯片时要大家一王人界说，这相等伏击。联想过程中可能有新领略，也需要大家一王人筹商。因为已毕功能时你会发现，比如要达到某个带宽，如果绕线密度太高就需要息争，少绕少许；反过来讲，算法团队要看能否通过软件方法弥补。这需要软件、算法、编译、硬件团队大量协同联想。

其次，芯片转头后硬件依然无法修改，是以模子联想要对硬件秉性酌盈注虚。软件如模子时势、参数时势可以匹配硬件秉性：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，芯片转头后是模子、编译一王人想办法瞄着硬件作念。芯片供应商很难这样紧密配合。如果拆成几家公司去作念，可以作念到优秀，但作念不到凸起和超卓。

误点：哪些东说念主会参与筹商？

谢炎：许多东说念主参与筹商，这亦然咱们跟其他公司很不一样的地点。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，相互之间欠亨。咱们在初始联想时就把这些团队都拉到一王人，因为最终是要为 Workload 服务，让这颗芯片在跑 AI 考虑任务时更快。

是以比较症结的有作念模子的东说念主、算法的东说念主，有作念编译器、软件的东说念主，以及硬件架构师。以致还有后端的东说念主，他们要去看在某个工艺上能不行达到咱们要求的考虑模糊、数据搬运延时、带宽等考虑。作念家具界说时大家能坐到一王人联想，这是咱们其时作为一家畛域不大公司的克己。

"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议，为什么到今天才符合用在车端 AI 芯片上？数据流不是全新倡导，国内基本莫得其他厂商作念，海外有厂商把它应用在数据中心。

谢炎：你说得很对，数据流架构是个相等陈旧的倡导，最早在 1970 年代提议，MIT 的 Jack B. Dennis、Arvind、高光荣教悔他们提的，到目下依然几十年，但工业界落地相等少，最伏击的原因是考虑畛域不够大。在考虑和数据畛域较小时，数据流架构的效率上风很难发扬和体现。

冯·诺依曼架构有个很大的上风——浅陋东说念主类编程。它把存储和 IO 操作都抽象成领导，加上考虑领导，以一种中心化的领导序列 step by step 推动考虑任务，绝顶符合东说念主脑在有限的高下文长度下作念念念考和编排。代价是亏损了一定的考虑并行度，责难了效率。但这在 AI 考虑之前的期间还能哑忍。而且往日也发明了乱序放射、超活水线、多级缓存、分支预测等复杂的 CPU 微架构时间来缓解。

数据流架构的优短处正好相背，它用数据依赖图映射的硬件结构，自然高并行度，但提高了东说念主类编程的复杂度，而且调试服务和编译器的难度也大幅提高。

是以 AI 出现前，数据流架构不成立——固然倡导很好，但落地很难。但当考虑畛域扩大到一定程度后，冯·诺依曼架构的瓶颈依然越来越显然。再往后走，数据流架构应该是一种更好的体系架构面貌。

误点：具体讲讲，数据流架构为什么更符合 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，中间有个颐养员负责发领导。这种汇注式照应容易 Debug 和编程，但颐养员负载很重，畛域扩大后容易形成瓶颈：可能有东说念主散逸但颐养员没看到，或者有东说念主本可以更早切菜但因为领导没到而恭候。CPU 中有 30%-35% 的晶体管用于任务颐养。

GPU 在此基础上鼎新，不再竖立超大颐养员，而是把东说念主员分组并为每组配约略颐养员，减少晶体管占用。但本指责题没措置：领导没到就得恭候，酿成铺张；各组资源不行互用；畛域扩大还需要分层颐养，有点像考虑经济，效率很低。系统也不行平直掌合手资源匹配情况，中间需要一层又一层筹画东说念主员。

还稀有据搬运的物流问题。颐养和数据都是汇注式的，会形成瓶颈。是以 GPU 里有大量内存（Memory）温煦存（Cache），都是为了辅助中心化颐养。畛域小时没问题且容易 Debug，因为全是中心化的；畛域变得超大时，瓶颈也会越来越显然。是以 GPU 需要作念多层 Cache 和高 HBM 带宽来弥补效率不及。

误点：数据流架构如何措置这些问题？

谢炎：那些抗击直产生价值的晶体管特别于迥殊支出，但芯片推行是要完成考虑任务，委果起作用的是那些切菜、配菜、炒菜的东说念主。能不行不要中心化？谜底是可以，正因中心化代价很高，是以要走向分散式。

无须领导驱动，可以去掉颐养员，让切菜、配菜、炒菜的东说念主平直配合，这样能提高效率，省却许多晶体管。但难点是让大家在莫得颐养员的情况下高效服务，这对组织要求很高，是以编译器很伏击。在咱们的处理器里，固然还有步履，但不按原来面貌实施，Debug 很难。

但克己是，这样的架构自然符合 AI，反过来当 AI 才略很强时，AI 也比东说念主更能照应这些超大资源匹配。冥冥之中自有天意。时间莫得好坏，只好匹配不匹配。

因为咱们莫得中心化颐养，所有实施不是颐养员告诉你初始，而是每个东说念主在我方工位上，数据到了就初始，实施完就陆续放到活水线上。

误点：你其时如何预料用数据流架构？

谢炎：数据流架构主要创举者之一高光荣教悔是我在特拉华大学念书时的导师。当年咱们实验室称呼是 "考虑机体系缚构和并行系统实验室"（CAPSL），重点研究标的之一是使用数据流架构措置大畛域并行考虑问题。

在当年许多问题的措置过程中，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·诺依曼架构更接近考虑推行。但受限于其时考虑机应用的需求范围，这套架构念念想主如果在超等考虑机和大畛域科学考虑场景下期骗，而一般的 Windows 和 Mac 的通用桌面考虑并不行灵验发扬其上风。

深度神经收罗出现并流行后，绝顶是当下大模子 Scaling Law 推动模子参数和考虑畛域快速增长，需要更高效地措置大畛域并行考虑和数据搬运的问题。这让咱们从头看到，围绕 AI 考虑的数据流架构的联想上风。

误点：但应该不是立项之初就细目用数据流架构的吧？

谢炎：团队早期在架构门路上有过深入筹商。其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；需要机动性的部分就迥殊加 GPU。这种有考虑的克己是起步快，业界不少公司这样作念。

但我认为，这推行上是两套东西的拼接，不是融合架构，而且上限不高——芯片里有一部分跑的时候另一部分就闲置，酿成资源铺张。更症结的是，AI 算子在快速演进，如果中枢思划单元不可编程，很难稳妥畴昔算法变化。是以，咱们最终选择可编程的数据流架构，固然难度更大，但天花板更高，能扈从 AI 发展继续演进。

误点：之前大家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，服务效率会责难许多，这个问题如何措置？

谢炎：第一，用英伟达芯片成本很高。如果自研家具界说清亮，固然器具链莫得 CUDA 好用，可能需要工程师多花一两周作念适配，但车能获取 50% 的成本责难、好几倍的性能上风，哪个更伏击？这背后更多是家具质价比和考虑的考量。

第二，数据流架构本人是 for AI 的，AI 亦然 for 数据流架构的。畴昔这些适配服务都会由 AI 来作念。当 AI 有余强时，2026世界杯预选赛下单中国体彩官网CUDA 的生态上风会责难，因为以前东说念主是编程主力，需要 CUDA 等抽象层作念更好的分层、抽象和简化，其目的是责难东说念主类步履员的编程难度。

而不久以后，或者面前依然初始，编程主体越来越多是 AI，编译器也可以是 AI，那么 CUDA 这类更多为东说念主类联想的辅助 "拐棍"，伏击性会越来越低。AI 以致可以抛开 "拐棍" 平爽直速对硬件编程，获取更高的性能和效率。

对以推理任务为主的家具公司来说，推理效率的伏击性在快速高潮，而东说念主类编程通用性的伏击性在责难。英伟达依然顽强到这少许，是以花两百亿好意思金去买 Groq。这家公司是 Google 前职劳动念的，它的家具曲直常静态的数据流架构，完全不辅助 CUDA，莫得大家领略的可编程性，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：有挺多筹商。芯片团队里面一初始有东说念主因为时间理念不同而离开，这莫得对错，仅仅信赖和看见的东西不同。当架构念念路融合后，大家方针一致，配合很默契，实施起来反而比较到手。

公司里面前期信服也有一些疑问，毕竟这是全新领域。大家会想：逸想没作念过芯片，能作念好吗？我猜想，许多芯片以外的共事疑心的不是架构的选择，但更多是能超越市面上最佳的芯片这个方针本人是否感性。

这点上，咱们花了大量时刻对 Workload 和架构联想作念量化分析，增强了信心；同期咱们也信赖，如果和博尔特比短跑，你无法通过直线跑说念 —— 也便是 GPGPU 架构 —— 进行超越。不同的门路或技巧，比如数据流架构，是独一的契机。

误点：这特别于是走 "中国特色社会主义" 说念路？

谢炎：对，咱们必须选一条不同的说念路。如果仅仅评释能够替代，那么走前东说念主走过的熟识门路就有余了，风险更低。但这样作念，前东说念主很容易成为咱们的天花板。另一方面，如果作念不到 "显然" 更好，作念的价值也就大打扣头。

误点：你其时是这样和李想先容的吗？

谢炎：对，一模一样，咱们 2022 年的立项文档完全便是这个逻辑。

误点：他听完后什么反应？

谢炎：不谨记了，但信服莫得认为咱们在瞎掰八说念（哈哈）。推行上，他莫得作念选择，因为他知说念这件事伏击，况兼辅助咱们作念芯片。

误点：李想是业界公认对细节要求很高的 CEO，但芯片应该有许多地点超出他的时间领略。比如时间门路对不合，李想如何判断？

谢炎：作为 CEO，他会把大的计谋和营业逻辑判断好，比如咱们每年销售若干车，每辆车消耗若干芯片和成本，自研可以带来若干成本和效率上的价值。同期时间门路的逻辑也可以用相等第一性的方法来判断。

比如，我刚才说的厨房的类比，不需要知说念具体时间如何作念。更推行的，这可以类比考虑经济和阛阓经济。考虑经济在畛域小时更容易构建，平直下领导面貌也够高效。当畛域相等大时，阛阓经济的上风会越来越大。

误点：你们前期筹商他参与得多吗？

谢炎：每个节点他都会看。

误点：不需要每个节点他都点头？

谢炎：对，因为测试、架构、后端这些都是时间节点。李想照旧会抓大放小，症结节点看得很细，中间过程没必要看那么细，否则 CEO 就太累了。

误点：再比如你要若干东说念主、若干钱、花多万古刻。

谢炎：这个还好，他知说念我比较克制，不会为了作念一件事就先堆十倍东说念主力。我有一个理念，最佳的团队畛域是你想要畛域的 80%，这样效率最高。比如你想要 200 东说念主，那 160 东说念主可能更好，东说念主多反而无益。

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，我仅仅作念的时刻比较长。

误点：总体上你有丰富的软件研发警戒，加上是作念编译器降生。业内东说念主士说你在逸想作念芯片，可以用软件警戒去优化硬件？

谢炎：对，芯片才略发扬若干，最终软件起很大作用。不论 2010 年前的英特尔，照旧目下的英伟达，软件工程师东说念主数都比硬件工程师多不少。英伟达的组织架构里，软件团队东说念主数是硬件团队的 2 到 3 倍。这阐发相似的硬件，软件优化好不好，最终发扬出的才略霄壤之别。

但更伏击的是，考虑机的软件和硬件架构，其实是应该一王人联想的。软件作为一种构建在硬件之上的 "逻辑实体"，它的底层，也便是软件和硬件的接口联想，会极大影响所有这个词考虑机系统的效率。一个优秀的芯片架构联想，同期需要硬件和软件两方面的视角。

往日几十年，东说念主们逐渐健忘了这点伏击性，是因为传统架构应对通用考虑依然够用，并莫得必要在这里作念大的立异，也就莫得必要用软硬件结合的技巧来联想。但今天咱们看到了 AI 考虑的需求在快速爆发，而传统架构依然接近极限。当咱们需要为了更大畛域、更高效率的考虑从头联想所有这个词考虑机的时候，这样的双向视角和才略，是一个优秀团队必须具备的。

芯片才略要滚动为智驾体验上风，逸想还得趟过许多坑

误点：芯片上车波及芯片、基座模子和智驾算法团队三方配合，会不会有需求冲突的时候？

谢炎：需求倒不太会冲突，因为大家的最终目的是但愿在智驾上已毕率先。最伏击的不是芯片作念得好，而是智驾才略强。接下来，我也会花较万古刻和智驾团队一王人看，如何在模子上委果率先。这曲直常伏击的一场仗，如果智驾都不行率先，如何能阐发芯片率先？

误点：你之前跟智驾团队的交流频率如何？

谢炎：主要会议我都参加，时间筹商有些我也参加。

误点：目下呢？

谢炎：目下因为我有这个职责，是以会更多参与筹商，时间门路上也会共享一些具体想法。各家目下的智驾水平在昆仲之间，莫得东说念主太率先，差距相等小。但往后发展有两个症结点：

第一，要果敢投资畴昔时间。特斯拉的时间门路就迭代过好几次，最怕以为 "这一代就够了"。时间永远是用新门路措置更难问题，是以要挑战我方，冲破原有领略。是以咱们会大量干涉研发，不仅是量产时间，还会研究其他可能的时间门路。

第二，更高效的算力相等伏击。咱们会加强模子和芯片的配合。有更强算力后，能作念事的空间就大许多，不会像在小畛域的跷跷板上，这个高了、阿谁就低了。当算力大时，可以用通用方法措置许多问题。今天的大语言模子不为任何一个特定行业联想，但由于参数有余大、数据有余多，自然就通用起来。

智驾目下还处于专用期，越往后越需要通用才略措置长尾问题。这些问题不可能靠专用小模子措置，信服需要大模子，而且需要系统具备东说念主类领略，是以需要很大算力。自动驾驶从今天的 70-80 分提高到 100 分，每提高 10 分需要的算力不是约略乘以 2，可能是乘以 5 或 10。

误点：是以特斯拉 AI5 芯片能够 2000TOPS 的稀薄算力远远没到非常？

谢炎：离委果的 L4 也还不太够，自然这仅仅我个东说念主的判断。

误点：你们依然在车端用马赫 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，这个问题如何措置？

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家具，老黄不是这样的东说念主。马斯克也买英伟达的云表家具，车熟察似没在用，是以该合作照旧合作。咱们可以用所有云厂商和芯片厂商的家具。国产的都在用，只消好用就行，咱们不挑。

误点：车端模子往后信服会变得更大，逸想融会过更低精度推理的面貌提高效率吗？

谢炎：自然。

误点：能作念到什么水平？

谢炎：Google 首席科学家 Jeff Dean 的不雅点我绝顶认同。他最近两年一直在讲稀薄和低精度，责难精度亦然一种广义的稀薄。这跟硬件联想强关联，如何联想更低精度的推理，不行仅是硬件联想，而是从算法、模子联想上保证，即使精度降下来，算法都能保持有余性能。这些时间是咱们的重点研究标的。

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？自动驾驶毕竟要厚爱安全。

谢炎：这个东西必须跟软件结合，是以并不是所有地点都用低精度。就像你开车时，视觉焦点以外看个能够就行，其余部分根底不需要高精度。是以在进修和架构的结伴联想上有许多厚爱：如何用好低精度，如何用好结构化稀薄和其他稀薄方法，比如 KV 缓存的稀薄化，这里面有许多可供软硬件结伴联想的地点，不是约略部署一下硬件就好了。水还挺深，也挺专门念念。

误点：预测马赫 M100 从什么时候初始辅助机器东说念主？

谢炎：这得看咱们机器东说念主业务的节律，不震惊。芯片就在那，业务准备好随时可以用，更伏击的是机器东说念主的时间标的。逸想作念机器东说念主，信服不会约略复制别东说念主的方法，那样没真谛，更伏击的是走出一条我方的路，那会决定如何用咱们的芯片。如果机器东说念主业务需要高性能的量产芯片，马赫 M100 比市面其他芯片都好，又有里面辅助，效率会很高。

误点：机器东说念主团队还清寒像自动驾驶跑在车上这样的具体场景，可能机器东说念主团队还得探索一些场景，智力走到量产。

谢炎：对，家具要界说好。咱们机器东说念主团队也用基座模子。目下想哥界说的分层是：芯片、模子、机器东说念主和自动驾驶，包括其他业务用的大模子都基于基模团队提供的模子，是以模子进修都在一王人。也便是说，机器东说念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，并因此简易 1000 元单车成本，具体是如何回事？

谢炎：很约略，马赫 M100 有比较强的处理器，里面有 24 个 A78，咱们用捏造化和操作系统时间蹂躏出一部分给 XCU 用，所有这个词 XCU 戒指器就简易掉了。

误点：除了自动驾驶，马赫 M100 还有其他应用场景吗？

谢炎：大家一定要领悟，这颗芯片不叫自动驾驶芯片，而是 AI 推理芯片。座舱信服需要，最终车内需要一个 AI 的考虑中心，所有 AI 汇注到这里最高效，而且咱们亦然自研的，有最大的掌控力，这样服从最高、单元算力成本最低。不论自动驾驶照旧座舱里需要的 AI，都放到一王人效率才最高。如果这边摆一个 AI 小考虑，那里摆一个 AI 小考虑，而且双方架构还不一样，适配起来都进犯。

在底盘和以后要推出的机器东说念主上，咱们也都会用马赫 M100。你看特斯拉 FSD 芯片在机器东说念主上也用。媒体时常把 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，为自动驾驶联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 年特斯拉初始大畛域推送 FSD Beta 版起，智驾行业阅历过屡次算法变动，这对逸想联想芯片的念念路有冲击吗？你们作念了哪些治疗？

谢炎：这便是作念 ASIC 和 PU 的诀别。作念 ASIC 如果应用一变，硬件固化了便是横祸。但咱们作念的是 PU，可编程、有机动度，只消应用考虑大的特征不变，算子的变化都能适配，而且效率都保持得很高。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，但什么应用都能跑，且效率还可以。

不外，如果考虑特征发生巨大变化，的确有影响。大语言模子兴起后，考虑特征照实和之前的深度神经收罗有区别，跑大语言模子绝顶是 Decode 阶段考虑密度很低，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：目下大家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：只看参数没真谛，最终要看灵验算力。举例评价一部手机好不好，内存很伏击，但苹果内存最低，体验却最佳。是以不行约略拿参数掂量芯片才略。就像拳击比赛，顺利选手是玄虚实力强，不是比泰森重、比泰森高就能打赢泰森。

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

谢炎：对，尽量用症结模子评价，以致最佳平直拿自动驾驶语言。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，是以有东说念主认为，英伟达联想这款芯片时对 Transformer 探究较少。逸想遇到的情况是怎么的？

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 最伏击的防卫力考虑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，然后反复拜谒高带宽内存作念远距离读取，是以平直碰到 "内存墙"。咱们的数据流架构是数据驱动而非领导驱动，考虑单元间传输不需要经过全局内存，可以平直传输并在过程中转置，效率最多比他们高 10 倍。

第二，咱们作念防卫力考虑很高效，因为数据流架构可以把考虑过程活水线化，不单依赖全局内存，退却易遇到 "内存墙"。然后是矩阵乘，便是终末大的考虑扫尾再去跟大的矩阵相乘时，需要给每个考虑单元都复制一份矩阵，而咱们有全局播送总线，可以一次把矩阵同期送给所有考虑单元。英伟达 GPU 是领导驱动，每个考虑单元都要到全局仓库去找，效率更低。

第三，咱们的考虑单元里有一些算子可以平直形成数据流。不是每次算完再会知其他模块来算，而是把多个考虑要领串联起来一语气处理，效率高许多。

这些效率提高来自体系架构联想，不是固化的。如果把所有高效的东西都固化，那参数也会固化，就失去了架构的机动性上风。

AI 期间，东说念主的一个伏击才略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 界说最虚浮。逸想 CTO 有对外时间对接的职责，对内主如果在 AI 考虑这条线上——从模子、操作系统到芯片，再到封装等关联时间——保证公司畴昔有竞争力，在中国一定率先。

这是我干涉元气心灵的重点，因为这是逸想成为具身智能公司的中枢之一，固然不是独一，因为车是复杂家具。这条线又分为请托和保证率先两部分。请托要有余好，会花少许元气心灵，但更伏击的是往前看，因为时间永远坚韧不拔，是以一定要花时刻关注还在地平线上的新时间。

误点：你目下关注哪些新时间？

谢炎：第一是模子畴昔的发展，这个我会花元气心灵看，绝顶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，之后还会陆续迭代。

第三，芯片联想本人挺专门念念，像盖屋子一样，材料和构建方法有无限想象空间。摩尔定律让半导体接近极限，要进一步提高性能，业界有许多新标的，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貌更好地联想架构，我也会花元气心灵关注。

还有用 AI 赋能芯片联想和编译器，这也很伏击，畴昔咱们必须走在前边，效率一定要有余高。是以我在推动中枢思划团队用 AI 提高效率，突破原来想象不到的事情，比如平直用 Claude、Codex 等 AI 器具写算子、用 AI 编译优化所有这个词链条。

误点：你的服务作风是什么？

谢炎：抓重点。从工程师成长到要构建更大事情时，最伏击的是学会分派元气心灵。不行像我方作念工程师时每个点都亲自处理，要分清哪些点看浅少许，哪些点看深少许。

误点：在不同节点，你的服务重点分散在什么事上？

谢炎：架构联想我看得比较多，软件和编译，软硬协同也会看，RTL 联想（Register Transfer Level，用硬件形容语言阐释芯片的逻辑功能）、前端联想、后端联想相对看得较少。症结拆伙可能会看得多一些。我对我方要求是，保证在东说念主工智能时间门路上，可以过大契机，少踩坑，达到率先并能继续率先。

误点：在 AI 期间少踩坑，可能吗？

谢炎：是以要加强研究，许多东西得先知说念发展标的。所谓 "踩坑"，中枢是莫得一手信息、东说念主云亦云，只看特斯拉、英伟达今天如何改，但不知说念为什么，说它这样改是以我也这样改，这最危境。

不是他如何改咱们就如何改，而是即使跟他方法一样，也要搞了了背后的深层原因，第一性旨趣是什么，进而倒推有莫得其他更好方法。干一模一样的事没什么真谛。咱们目下作念的许多事都和业界不一样，但这不是投契举止，而是真的从底层分析了了后的决策，不是押宝。

误点：你说保证逸想在 AI 期间继续率先，范围指车企照旧全行业？

谢炎：起先是车企，这是基本方针。咱们不会跟 OpenAI、Claude 去比 Coding，这没专门念念。每家公司有它的服务和领域，咱们的服务和上风更多是在三维全国构建具身智能的全栈才略。

误点：十年后，你预测具身智能会达到多大畛域？

谢炎：汽车目下是中国第一大行业，卓绝房地产，具身最终信服比这个阛阓大。东说念主类需求是无限的，不会嫌坐蓐力少，而是需要更多机器东说念骨干多样活。

误点：逸想在往具身和 AI 标的转型，汽车业务还有多伏击？

谢炎：汽车业务对咱们挺伏击，特别于练兵场，可以提供大量资金、东说念主才、场景，许多时间从里面孵化熟识、成本责难。汽车业务对逸想来说信服是今天最伏击的业务，外面说想哥不想作念汽车了，不是的。固然有浩荡方针，咱们照旧容身汽车，今天所有东西照旧服务于汽车。

误点：你加入时逸想正处于高潮期，到今天遇到挑战，你的扮装也愈发伏击。如何看待逸想这几年的变化？在不同阶段，你如何判断千般事情的伏击性？

谢炎：我基本上没什么变化，公司在业务上信服是有上有下，但更伏击的是看到一些不变的东西。我来之前就信赖汽车是伏击的东说念主工智能家具，一定要通过软硬件结合打穿到芯片、操作系统，智力形成经久竞争力。至于中间的升沉，只消咱们还没贫困到少许儿钱都莫得，那就保持这个研发强度，把内功练好，让大家有这个耐烦。

我刚才说芯片团队 200 东说念主，这跟公司近万东说念主的研发团队比拟曲直常小的比例，他们安闲逸静在一个边际把中枢的东西打磨好就行，不要被所谓的销量荆棘影响。伏击的是，矍铄信赖正在作念的长久是这个期间很伏击的事，这少许咱们一直没变过。

而且我信赖 AI 期间会有一套新的考虑架构，我一直想在汽车上把它试出来。这件事不管怎么都相等专门念念，而且一朝作念成，一定能匡助逸想设立相等强的壁垒。

误点：今天团队可能没法再安闲逸静，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。

芯片能上车仅仅开赴点，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，这个期间最伏击的是具身智能家具，而汽车是很好的载体。其他东西都不太伏击。

自然作为公司高管，销量我也和顺，咱们必须让公司不出岔子。除此以外，不需要和顺更多杂音。

误点：一家自动驾驶创业公司挖东说念主的面貌是看比赛收货，谁的分数高就把他挖过来，你呢？

谢炎：我不赞同他的方法。这只可阐发某些东说念主打比赛绝顶熟练，然而更伏击的，AI 绝顶擅长大量数据的平中分散，如果这个东说念主是技能熟练型的，所有领略都在平中分散里，也很容易被 AI 替代。而东说念主最伏击的是跳出概率分散的那部分，也便是 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，它一定不会预料回收火箭，以致包括用 "筷子" 夹的方法。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方法。

误点：你说智能电动车要通过软硬一体把 AI 才略和智驾作念好，智力成为头部公司，但阛阓上许多东说念主都依然相识到这少许。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，让原来不行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。东说念主类需求莫得分散概率的问题，比如你需要一个机器东说念主帮你干活，这是毫无疑问的，可能每个东说念主都这样但愿，而且曲直常低廉的价钱。

误点：你刚才说到，目下国内厂商在智驾这块的才略都在第一梯队，高下之间鉴别没那么大。

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，最清明靠智驾鉴别不出来哪个车才略强？

谢炎：智驾照旧能鉴别出来的。一个是今天离闭上眼睛、完全宽解开还有比较长的距离，但大家依然逐渐信赖这件事会发生。还有玄虚成本问题，也便是用多大的成本达到这个程度，这会有相反。

另外当自动驾驶已毕后，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 联想，它能够率不会选择数据流架构。

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：是以有警戒的东说念主目下照旧伏击的，不行都交给 AI。目下硅谷为什么裁掉一线工程师？因为他莫得有余的警戒，跳不出分散概率，只可空想。空想自然也有价值，警戒有时候也会为止你跳出分散概率。但在有些领域，莫得有余警戒，你跳出分散概率的想法可能 90% 是错的，还会消费大量时刻。

误点：警戒是通过切身实践得来的，如果 AI 器具很早介入，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：这的确是一个问题。

误点：你们目下如何作念？

谢炎：我莫得绝顶好的方法，照旧要容忍一些，不要全是 AI。底层服务 AI 能作念时，就给新东说念主契机。不外新东说念主不是叠加全部底层服务，而是在表层构建领略，在新环境放学习技能。如果回到六七十年代，许多东说念主能写汇编语言，但目下能写 C 语言的都未几，但这并不妨碍大家的坐蓐力更强。

误点：哪些事情你不允许用 AI 作念？

谢炎：莫得不允许，大家放开作念。今天无须 AI 比用的风险更高，是以大家尽量用，戒指风险就好。

误点：有警戒的东说念主会看出来质料好坏。

谢炎：对，有警戒的东说念主会提高相等快，没警戒的东说念主也有契机快速切入一些领域，是以不为止大家。我的想法是推动大家去试，因为不试就不知说念 AI 发展到什么程度，试了之后才会有越来越深的体会，而且可以想象它畴昔颖悟更多事。

误点：乔布斯辞世时，苹果搞过阻滞计谋会百东说念主会（Top 100），目的是确保公司最高层能了了地知说念最横蛮的东说念主在想什么，守密程度相等高。逸想有什么照应机制，能够让好想法从下到上泄漏？

谢炎：这很伏击，不要太科层化，比如我会平直跟校招生、一线职工不依期聊，便是聊你今天在想什么。我也会跟大家共享我看到什么、我在想什么。

在资源分派上，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，东说念主力、考虑资源都在一个井里，下层即使有好想法，也不一定能获取相应资源。

第二，好想法落地往往需要不同的才略，而即使是诱导可能也只领有一部分才略，因此要跨团队协同。是以，伏击的是冲破部门墙。

咱们正在尝试另一种方法：有东说念主有好想法之后能平直提议来，然后跳出他的组织架构上会评审，通事后大家就匹配资源，以致跨部门调集一个捏造团队来干，快速构成一个 "篝火" 形状。咱们最近也在念念考，如何形成轨制化的 "篝火"，让大家可以快速形成一些 idea，快速试错和反应。

误点：之前有逸想家具高管说，前两年当一部分高管被调去作念过程后，年青职工很难平直跟 CEO 产生灵验交流，最终李想成了家具天花板。如何幸免这种情况？

谢炎：这种情况信服有，因为一线听到炮火的东说念主更了解推行情况。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，既要保证他的立异能跑出来，也要保证委果落地的是高质料建议。许多东说念主都会提建议，但 1000 个建议中委果靠谱的可能只好 20 个。如果只消有 idea 就能获取资源，公司也会乱套。

误点：是以你们还在摸索？

谢炎：这应该莫得一个全都的方法，只好一种情况：你的团队畛域有余小，有余紧密，这种面貌才会相等见效。这亦然为什么我不但愿团队太大，东说念主少疏导反而更容易，东说念主多了之后你要破耗大量元气心灵辨别哪些是杂音，哪些委果有价值。不外团队小，东说念主员修养要有余高，大家都得靠谱才行。

误点：今天你是更集权照旧更均权？

谢炎：我比较均权，因为我的服务形状是这样：许多事我如果发现存问题，就平直跳进去跟工程师一王人看。我的时刻并不完全固定，而是看哪个时刻段的哪件事更伏击。如果是大家依然界说好的事，最佳有一个平直负责东说念主。假定全由我负责，有可能我我方成为瓶颈。

误点：平直向你呈报的有若干东说念主？

谢炎：比较多，我目下兼任两个一级部门负责东说念主，因为一直莫得合适东说念主选。但克己是咱们的架构以事为驱动，固然我兼了两个一级部门负责东说念主，其他都是一级部门负责东说念主向我呈报，只好那两个部门是二级部门负责东说念主向我呈报。

那些东说念主围绕一件事服务，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，知说念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 计谋？

谢炎：不是。计谋信服是 CEO 想哥推动，我便是实施，包括让时间标的落地。

误点：这和你加入逸想之后的建议、判断磋议吗？因为你认为汽车是东说念主工智能、具身智能端侧已毕的旅途之一。

谢炎：大面上他没受我影响，或者说咱们俩判断一致。不是我说他就以为 AI 伏击，只消 CEO 看到大趋势，就都知说念 AI 信服伏击。

我无非是推动了跳出分散概率的时间门路选择，更多是为了率先，率先亦然为业务服务。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 的契机但断绝了，因为你认为头衔没那么伏击，作念的事很伏击。

误点：基于你今天作念的事情和想达到的方针，如果 CTO 这个 Title 不伏击，当下对你来说什么最伏击？

谢炎：像我刚才说的，主如果在整条 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，就会产生雷同 "飞轮效应" 的效率，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：确保你能实施这条门路是最伏击的？

谢炎：对我来说，伏击的不是在什么位置，而是能参与伏击的变革和历史进度。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

题图起首：逸想汽车

疑望（高下滑动稽察）：

[1] 冯·诺依曼架构：由数学家冯·诺依曼在 1945 年提议的考虑机架构，被当代绝大多数考虑机剿袭。其中枢特色是领导和数据存在归拢存储器中，CPU 按规则实施领导。

[2] 数据流架构：一种考虑架构，1970 年代由 MIT 的 Jack B. Dennis、Arvind、高光荣等东说念主提议。其特色是当操作所需的输入数据准备就绪，操作会自动实施考虑。

[3] 内存：考虑机用于存储数据和步履的硬件组件，也称为主存储器或当场存取存储器。处理器可以快速读写内存中的数据，是考虑机运行步履和处理数据的伏击部件。

[4] 缓存：位于处理器和主内存之间的高速存储器，用于临时存储频繁拜谒的数据和领导，减少处理器恭候数据的时刻，提高举座性能。

[5] 内存带宽：单元时刻内，内存与处理器之间可以传输的数据量，时常以 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）表现模子参数和考虑，比拟传统 32 位浮点数可显耀责难考虑量和内存占用，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，是一种内存时间圭臬。DDR 内存在时钟信号的高潮沿和下跌沿都能传输数据，比拟传统内存速率更快。

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

[9]Transformer：一种基于防卫力机制的神经收罗架构，最初用于自然语言处理，现已鄙俗应用于考虑机视觉等领域，是 ChatGPT 等大模子的基础架构。

[10]PCIe：Peripheral Component Interconnect Express 的缩写，即高速串行考虑机彭胀总线圭臬，用于团结主板上的多样硬件组件，如显卡、存储开采等。

[11]NPU：Neural Processing Unit 的缩写，即神经处理单元，专门为东说念主工智能和机器学习考虑联想的处理器，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，即通用图形处理器考虑，指将底本用于图形渲染的 GPU 用于通用考虑任务。

[13]SoC：System on Chip 的缩写，即片上系统，将完竣考虑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，为特定应用而联想的定制芯片，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 等多样类型的处理器。

[16]Chiplet：芯粒时间，将底本集成在单个大芯片上的不同功能模块领会为多个小芯片，再通过先进封装时间团结，可以提高良率、责难成本。

[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，专为自动驾驶考虑优化联想。

[18]IP：Intellectual Property 的缩写，在芯片联想中指可重用的联想模块，如 CPU 中枢、内存戒指器等，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、定位和设立不实的过程，是确保系统正常运行的症结。

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

- FIN -

世界杯(中国)