The following article is from 误点Auto Author 误点团队

上行期理所自然的技能决策，到了用生意终结施展合感性的时候。

文丨赵宇

裁剪丨龚方毅

"当今马赫 M100 的业务目的达成度唯独 60%。" 北京车展前夜，距离期望自研芯片量产装车只剩一个月，期望汽车 CTO、系统与筹备群组负责东说念主谢炎告诉《误点 Auto》，"的确的胜利，是搭载马赫 M100 的 L9 智驾才智跑到业界第一，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目的。"

1982 年，好意思国筹备机科学家 Alan Kay 曾说，"你如果的确认真对待你的软件，就要我方作念硬件。" 基于雷同逻辑，期望在 2022 年立项自研芯片，并已为此累计干涉数十亿元资金。谢炎是期望芯片自研姿首的负责东说念主。他 2022 年 7 月事好意思团创始东说念主王兴先容加入期望。半年后，他晋升为期望 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——那时期望偶合业务上行期，公司高下充满 "想赢" 的劲头。特斯拉施展了自研芯片对擢升智驾体验的匡助，而国内新动力车商场正伟姿飒爽，本钱商场也快乐给冒尖的新势力更多瞎想空间。

到马赫 M100 准备上车时，期望资格了自 ONE 录用以来的初次年度销量下滑，不仅纯电策略碰到迂回，增程居品也濒临空前竞争。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施展它的正确。

时常情况下，莫得训导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，失败一次也要赔本数百万好意思元；换成先进制程大芯片，除了每个要津更难，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，期望芯片团队唯独两名职工，不到一个月就剩一个了。留守的那位问他，"公司照旧决定作念芯片，但要奈何作念？" 谢炎反对作念小芯片试水。他告诉咱们，期望不是为了施展有才智作念芯片而作念芯片，应该平直贬责最中枢的问题：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 道路追逐英伟达，而是选拔了数据流架构。按照期望的说法，马赫 M100 单颗有用算力达 1280 TOPS，同期由于数据流架构提供的算法优化空间，其有用算力是英伟达 Thor-U 的 3 倍。

数据流架构由 MIT 的几位教诲在 1970 年代建议。谢炎在好意思国特拉华大学读研时构兵到它，认为它比冯·诺依曼架构更接近大范畴 AI 筹备的需要，曩昔几十年一直莫得大范畴商用一是因为它的上风需要实足大的筹备范畴才能露馅，二是编程和调试难度也更高。

谢炎信托 AI 改变了一些假定，"我信托 AI 时间会有一套新的筹备架构，一直想在汽车上把它试出来"。他告诉咱们，GPU 依赖围聚式转变和巨额数据搬运，范畴越大，效率损耗越彰着；数据流架构让数据驱动筹备，表面上能减少恭候和搬运，把更多晶体管用于的确的筹备。但这也把压力转换到软件栈、编译器和软硬协同上。

杜克大学电子与筹备机工程系教诲陈欢然认为，马赫 M100 是一次有远景的工程尝试，但不应简单地认为数据流架构等于异日发展目的——舛误在于禁受哪种具体的数据流遐想，以及它与目的应用和软件系统的协同后果。由于大部分优化奇迹转换到软件栈，施行后果很大程度上取决于编译器的造就度，以及软硬件协同遐想的质料。此外，自动驾驶算法模子演进很快，这种架构必须在 CNN、Transformer 等筹备范式间保持实足的生动性。

"数据流架构是一个往常观念，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。" 陈欢然教诲对《误点 Auto》解释，"马赫 M100 禁受了介于传统 GPU/TPU 与 Groq 纯静态编译器转变模子之间的技能道路，通过编译器等软件更精确地抑遏芯片里面的数据流动和筹备过程，既保持实用的 NPU/SoC 遐想，又让数据搬运、土产货缓存、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、步履预测、旅途筹划等存在巨额复杂筹备任务的要津，当今还触及大型 AI 模子推理。"如果软件系统能有用调解这些数据传输和筹备，芯片利用率会显赫提高，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"：硬件遐想复杂度斥责，软件复杂度提高，对传统编程形态并不友好，初版智驾模子从更新到完成车端适配用了两个月。尽管当今照旧可以大幅裁减到不到一周，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舞。期望芯片团队早期万古期唯独几十东说念主，当今约 200 东说念主，仍远小于外界瞎想中的好意思满芯片团队范畴。谢炎说，东说念主多不一定好，东说念主多时许多齐是在搞政事斗争。中枢部分我方作念，后端、SoC 集成等要津可以借助供应商。在期望近万东说念主的研发体系里，这个团队更像一个称心的边缘，尽量不被每月销量升沉搅扰。

"只消咱们还没困难到少许儿钱齐莫得，那就保持这个研发强度，把内功练好。困难的是，你信托这件事自己不管在什么时间齐困难。" 谢炎说。

以下是咱们与谢炎的对话，略经裁剪。

不认为马赫 M100 照旧胜利，当今只达成目的的 60%

误点：回一霎期面前有两种说法，一种是 2025 年头，一种是 2025 年 5 月。

谢炎：2025 年头。咱们回片后测试了三个月，到 5 月份，保证它没什么问题，总共东西齐踏实了才说胜利。一般刚回片就文书胜利，是为了招引本钱。你意外三个月，根蒂弗成详情里面有莫得问题。

误点：流片终结和你们的预期完全一致吗？

谢炎：对。这等于前期奇迹作念得多的平正。你作念得越多，追忆之后跟你的预期越一致。

误点：许多公司会在流片胜利后很快对外文书。

谢炎：对，一般齐是这样干的。咱们把芯片从台积电背追忆，第 12 个小时就点亮了，但我什么齐没说，因为我知说念那不代表任何真谛。

误点：那时有挂牵过流片追忆，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，而且把许多大模子齐好意思满地跑了，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 流片胜利后是什么反应？

谢炎：我不铭刻了。直到今天，我也不认为它照旧算是胜利，的确的胜利是全新一代期望 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目的。当今只算达到 60%，即使今天的确照旧跑起来了。

误点：智驾业界第一的目的，包括卓越特斯拉吗？

谢炎：咱们的最终目的自然包括特斯拉，对标全球最高水平。

期望汽车马赫 M100 自研芯片。来源：期望汽车

误点：你奇迹训导相配丰富，见过不同芯片流片。在期望和其他公司，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期，但仅仅作念一些比较小的芯片。是以你看咱们团队，自然有些东说念主在业界也奇迹了十几、二十几年，致使更万古期，但照旧挺欢叫。

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，关联词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。自然台积电比较造就、靠谱，我也相配感恩他们。

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生意胜利负责吗？

谢炎：咱们没法对生意胜利负责，只可让芯片具备实足竞争力，也等于性价比一定很高，算力发扬的遵循一定超越能买到的芯片。如果作念不到这些，自研就没特真谛。

误点：期望是全系车型齐要搭载马赫 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：全系搭载对技能决策有什么影响？

谢炎：这很困难，咱们一运转的目的等于全系搭载，如果里面齐不肯意用，那就阐明芯片不够好。反过来讲，全系搭载也帮咱们筹备出约略需要在成本、性能上作念到什么程度。包括咱们在立项时也筹备过，搭载几许辆后能摊平全部研发成本，每块芯片大摘抄比外购低廉几许钱。

误点：是从旧年芯片流片胜利之后就决定全系搭载吗？照旧说会有一些中间的参议？

谢炎：决策过程不是你瞎想的那样，更多是一运转人人商定好要作念到什么程度，经过考据实足有竞争力才能搭载。是以要一步步考据，流片追忆，能跑起来，初步看到的确如我所说，性能、成本也有上风，渐渐就用了。大部分东说念主照旧会打一个问号，因为不参与这件事，也可以领路。当渐渐让他们从看见到信托，决策就落地了。

误点：哪个方针的确打动了他们？

谢炎：主要照旧性能。如果性能好，成本又可以，比市面上能买到的齐好，居品线没事理无谓。

误点：从芯片跑起来，到的确上车，中间最大的挑战是什么？

谢炎：第一颗芯片临了要上车，让模子齐能跑起来且性能很好，还需要一些软件奇迹。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。比如它在硬件上的遐想复杂度斥责，但软件复杂度擢升，它不是那么合适东说念主类编程，但这也不是不可以作念。因为我我方作念编译器，我照旧会跟团队参议奈何让编程更简单。

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，编译器越造就迭代越快。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，是以可以握住优化。当今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奇迹我会了解，但尽量不影响他们决策，因为还有生意和其他研讨。

误点：一颗芯片从遐想到量产，最难的要津是什么？

谢炎：多样困难齐有，但最难的是选拔作念什么、不作念什么。这些选拔来自清澈的居品界说，需要有好的应用场景才能明确目的。在期望，咱们能比较清澈地看到需求，这最珍惜。一朝需求界说清澈，技能道路就会清澈，剩下等于匹配资源，看干涉产出是否合算。后头的奇迹也有难度，但并不是最难的。

技能上，前、后端遐想的挑战如实比较大，好在咱们团队的东说念主齐比较靠谱，训导也比较丰富，像罗老诚（期望算力单元部门负责东说念主罗旻）齐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抑遏在一定面积以内，他们干了许多相配雅致无比的活儿，以至于咱们后端供应商的东说念主齐以为太挑战，他们同期给好几家公司作念芯片，阐明咱们的要求忘形国那些公司高。

自研芯片是加入期望的前提，不作念就无法终了居品各别化

误点：对于自研芯片，你们最初是奈何研讨的？

谢炎：在我 2022 年加入公司前一年，期望就照旧运转研讨作念芯片，但没详情要作念多大算力、作念到什么程度、什么时候录用。这些是我来期望后，经过参议才定下来。

来之前跟李想疏导，我提到一个困难不雅点：异日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：如果期望异日以居品为中枢竞争力，一定得自研中枢软硬件。

误点：口试时，你和李想等于这样疏导的？

谢炎：我第一句话就问想哥，期望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照旧有一个预设，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，李想那时是什么立场？

谢炎：想哥从一运转就无要求支持，因为他也信托这是中枢竞争力不可或缺的一部分。

误点：神话期望决定作念芯一霎，管理层为此批了 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，期望芯片自研的全体预算是 10 亿好意思元。

谢炎：芯片自研是渐渐迭代的过程，很难用固定预算来量度。比如苹果从 A4 运转作念，从 A 系列作念到 M 系列，从手机、服务器到条记本齐用自研芯片，这些干涉没办法用单一预算来量度多照旧少。

咱们更多是按姿首批预算，有了第一个姿首就会滚动到第二代、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。当今 AI 还没的确进入人人的生存，唯独 Chatbot、"小龙虾" 等简单应用，这仅仅产业早期的早期，相配像 1970 年代末的筹备机。那时人人以为 640K 内存就够了，处理器 1M 赫兹齐极其高端，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。不仅是算力大幅擢升，而且数目服气要更多。因为一运转仅仅极客用，就像乔布斯运转卖给硅谷那些东说念主，自后变成每家每户、九行八业齐要用。咱们认为这仅仅运转，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：那到底是几许？

谢炎：弗成说。

误点：这样重的干涉，李想为什么会支持？

谢炎：他比较信托垂直整合终了各别化这个逻辑。

对于任何居品，的确的各别化等于掌持中枢技能链条，比别东说念主更快迭代转换。在这个逻辑下，该作念什么、不该作念什么就很清澈。能帮咱们在性能和成本方面终了各别化的，就精确干涉；弗成的就不作念大干涉，即使它今天很困难。

每个时间齐有中枢居品，它不仅自身困难，还能孵化技能并溢出到其他范围。八九十年代是 PC，最近二十年是手机。智高东说念主机技能造就后，Pad、电视、车载触摸屏齐出来了。如果莫得安卓、高通、苹果，汽车公司要花几许年才能低成本作念出通顺的车内交互体验？

智能电动车等于这样的居品，可以围绕它把端侧东说念主工智能作念得相配造就，因为它是现时个东说念主能领有的最大算力结尾斥地。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宇宙活动智能体的基础技能，让这些技能变得高性能、低成本、微型化。当技能孵化充分时，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，因为好多东西根蒂没造就，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，自后者奈何超越？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，人人以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，但需要隔断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。关联词不要静态去看汽车的 AI，咱们在 2022 年就看到汽车的 AI 筹备量将来会变得很大。

不要低估筹备量需求，技能还在发展，永远需要更多筹备量。汽车作为全自动化活动的机器东说念主，需要的筹备范畴很大，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。当今一颗 Thor-U 要 800 到 1000 好意思金。自然，具体价钱也与采购范畴推断系。

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，只看自研芯片省俭的采购成本，我认为可以降一半致使更多。而且这是不绝动态发展的，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，异日可能到 2500 致使 3000 好意思元，成本降一半的范畴很是可不雅，是以不需要搭载一百万辆就实足秘密芯片研发成本。只消能满足一年销量，就能秘密好几年芯片研发团队的用度。

另外我方研究、遐想之后的效率比较高。如果本年卖的车齐部署自研芯片，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，致使三年。

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。头部公司体量实足大，比如手机和汽车，一定会掌持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，最中枢的技能我方莫得抑遏力。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居品，而你也无法有用掌持居品技能迭代的节拍。如果最中枢部分人人齐一样，齐是高通或 Google，就很难作念出的确的各别化。

反过来讲，如果企业有志于成为最头部公司，最中枢的部件服气要掌持。自然也不是什么齐要作念，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 算力服气是握住发展的，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，因为车自己还有一些可以各别化的部件。决定一个部件是否自研，主要看两个要求：一是它很困难，能决定用户体验永别；二是它能够各别化，因为技能还在高速发展，莫得进入平台期。

AI 恰好两者齐具备。当咱们把汽车行动机器东说念主，AI 一定是决定性身分，这辆车奢睿不奢睿服气能看出来。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听天安命。

我一位共事以前在苹果。苹果自研芯片起初用的是 Arm 的 IP 核，想改造某些部分提高效率，但 Arm 说弗成改，因为它要满足总共客户的需求。Arm 照旧是很强的 IP 供应商，但它要成为总共客户的最大合同数，不会为最强的公司定制居品。即使它快乐定制，时期成本也会很高且效率低。是以苹果自后只买 Arm 的提醒集授权，IP 全是我方遐想。当今苹果核比宇宙上任何 Arm 核效率齐高，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（好意思国筹备机科学家） 讲到的，"你如果的确认真对待你的软件，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遐想，它们是围绕一套斡旋的架构念念想合资遐想起来的。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说念主领路的那样白璧青蝇。

当今筹备机系统的底层逻辑在 1950 年代出现，70 年之后，第一次遇到了的确真谛上的剧变——从以象征逻辑为基础，转向以概率论和深度神经收罗为基础。那么，通盘筹备机架构，包括硬件、软件和操作系统，齐有必要围绕新的基础进行大范围重构，来有用复古需求的爆发式增长。2022 年我来公司时就和技能团队说，这是总共筹备机系统从业者 70 年一遇的契机。

要掌持自研芯片中枢的 For AI 部分，不作念小芯片试水

误点：你加入期望时，自研芯片团队是什么情景？

谢炎：那时芯片团队唯独两个职工，不到一个月就走了一个。剩下阿谁职工问我 "公司照旧决定作念芯片，但要奈何作念？" 那时蔚小理齐在作念，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，因为咱们不是为了施展有才智作念芯片而作念芯片。咱们应该平直从这个时间，汽车芯片上最困难的问题起首，那等于 AI 推理筹备。不要胆寒没东说念主、没训导。这些齐不舛误，唯一舛误的等于策略目的的正确性。

咱们最终详情：自研的目的是在量产时超越同期最坚强的英伟达芯片。这个决定很困难。的确特真谛的等于围绕这个时间的主题，作念一颗实足强的 AI 芯片。

误点：你们启动自研时设定的性能目的是什么？当今达到了吗？

谢炎：单纯施展能作念芯片不是咱们的目的，毕竟许多公司齐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。但这不是咱们的选拔。咱们不是因为要追求原创，而是要确保这颗芯片能匡助期望在 AI 时间技能最初。

咱们那时界说的目的是：一半成本、两倍性能，也等于四倍遵循。施行算力会更高，因为 GPU 那时基本是 20%-30% 的实行效率，这由它的架构天生决定，可能最多优化到 40%，再往上就很难。咱们目的是达到 50%-60% 的实行效率。今天看来基本作念到了，马赫 M100 的施行算力是英伟达的 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遐想的 AI 芯片，禁受了非主流但更合适 AI 的数据流架构。

误点：四倍遵循对标英伟达，那时指的是 Thor 照旧 Orin，包括中间还有过 Atlan？

谢炎：咱们那时对准的目的是 Orin-X，但今天看来，马赫 M100 的施行算力是 Thor-U 的 3 倍。

马赫 M100 的架构暗意图。来源：期望汽车论文 "M100：An Orchestrated Dataflow Architecture Powering General AI Computing"。

误点：马赫 M100 芯片当中哪个方位弗成被 Trade  off（遴选），哪些方位可以？

谢炎：中枢中的中枢是 for AI 的那部分，要完全掌持在我方手上。有公司去买 NPU 核，那还不如不自研，平直买芯片就好——AI 部分齐不掌持，等于作念芯片不掌持任何东西。是以 AI 的 NPU 核一定要我方遐想，而且得完全知说念为什么这样遐想，上头的编译器、软件、模子齐要能垂直整合。相对来说，CPU 核因为不在 AI 推理筹备中占据主导，发展速率也比较缓慢，可以不作为前期重点干涉的目的。

误点：这亦然你们在 2022 年定下来的？

谢炎：对，相配清澈，从来莫得动摇过。许多东说念主说，为什么期望我方不搞一个 CPU，因为没必要。

误点：当初界说芯一霎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：软件上服气需要作念一些奇迹，比如某块土产货内存到底需要多大容量才能发扬最大遵循，这需要软件和模子一说念适配。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 年时咱们照旧超出总共自动驾驶团队的判断，人人齐说 Orin-X 照旧比较充足了，而咱们的遐想目的是人人需求上限的 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：等于咱们需要更大遵循、更大算力。我相配信托异日需要更大算力，仅仅以什么成本获取。如果成本能基本保持不变，服气是算力越多越好。

更别提咱们除了智驾外，还要把 L9 Livis 打形成智能机器东说念主。当今咱们好多才智齐要算力，而且要的还不少。一辆车有 11 颗 "眼睛"，除了自动驾驶，它还要能够领路你，帮你干活，致使异日咱们可能会在车内装个机械臂帮你拎东西。

雷同的需求齐需要实足坚强的土产货算力，因为云表算力会受无线聚拢的影响。你并不但愿你的物沉默能体时灵时不灵，也不但愿它奇迹时的反映速率时快时慢。

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：界说芯一霎，智驾团队更了解现时算法和量产节拍，芯片和操作系统团队则要提前看三四年后的需求。不同团队对技能演进的判断不完全一样，你们奈何均衡这些意见？

谢炎：咱们参考了智驾团队的输入，但底层技能研发周期长，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居品可能落后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：那时不管端到端照旧 VLA，今天人人指摘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，要信托系统需要更多参数来学会东说念主类驾驶民风。这是服气的。

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：互联的才智可以作念得更高少许。那时以为单芯片的设筹备力照旧很高，是以莫得遐想 PCIe 支持。但今天看来照旧不够。不外咱们也通过操作系统的互联技能技能，达到了互联带宽需求。这亦然一个掌持技能全栈后带来的价值。

误点：你们详情禁受数据流架构时，芯片团队有多大范畴？

谢炎：未几，咱们初期有很万古期是二三十东说念主。

误点：业界有种说法，"一个好意思满建制的芯片团队应该在 600 东说念主控制。" 你们当今约略几许东说念主？后续还要加多吗？

谢炎：咱们面前大要 200 东说念主。无意候我以为东说念主多不一定是善事，东说念主少少许更劝诱、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，人人协同起来效率相配高，不是总共东西齐要芯片团队我方干。

误点：芯片团队的成员主要来自哪些方位？

谢炎：各个公司齐有，也有许多校招。咱们莫得针对性地找哪个公司的东说念主，只消才智够强，咱们就招过来。人人形成战斗力就行，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：期望的薪酬不低，但这值得，好的东说念主照旧值得好的薪酬。更困难的是，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：界说这颗芯一霎，多样参数优先级奈何详情？

谢炎：参数不是先定的。界说芯片最困难的是先领路要贬责的问题，比如咱们要在自动驾驶或 AI 任务上超越业界最最初的厂商。然后是量化的分析任务的筹备特征，包括数据隐隐、筹备密度等。因为芯片最终是为跑任务服务的，如果莫得真切理罢职务，芯片作念出来再去适配会金蝉脱壳。

是以，咱们一运转花了半年分析筹备特征，第二步是领路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、几许个 Tile、几许 TOPS、筹备单元互联带宽、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，把照旧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：分析筹备特征用了半年，人人一说念 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。

首先，界说芯一霎要人人一说念界说，这相配困难。遐想过程中可能有新通晓，也需要人人一说念参议。因为终了功能时你会发现，比如要达到某个带宽，如果绕线密度太高就需要和解，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、硬件团队巨额协同遐想。

其次，芯片追忆后硬件照旧无法修改，是以模子遐想要对硬件脾气酌盈注虚。软件如模子形态、参数形态可以匹配硬件脾气：硬件在哪些形态上效率最高，咱们就匹配哪些形态。

是以前期是硬件瞄着模子作念，芯片追忆后是模子、编译一说念想办法瞄着硬件作念。芯片供应商很难这样紧密劝诱。如果拆成几家公司去作念，可以作念到优秀，但作念不到凸起和额外。

误点：哪些东说念主会参与参议？

谢炎：许多东说念主参与参议，这亦然咱们跟其他公司很不一样的方位。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。咱们在运转遐想时就把这些团队齐拉到一说念，因为最终是要为 Workload 服务，让这颗芯片在跑 AI 筹备任务时更快。

是以比较舛误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。致使还有后端的东说念主，他们要去看在某个工艺上能弗成达到咱们要求的筹备隐隐、数据搬运延时、带宽等方针。作念居品界说时人人能坐到一说念遐想，这是咱们那时作为一家范畴不大公司的平正。

"超越最佳的智驾芯片，数据流架构是唯一的契机"

误点：数据流架构很早就被建议，为什么到今天才合适用在车端 AI 芯片上？数据流不是全新观念，国内基本莫得其他厂商作念，外洋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观念，最早在 1970 年代建议，MIT 的 Jack B. Dennis、Arvind、高光荣教诲他们提的，到当今照旧几十年，但工业界落地相配少，最困难的原因是筹备范畴不够大。在筹备和数据范畴较小时，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——便捷东说念主类编程。它把存储和 IO 操作齐抽象成提醒，加上筹备提醒，以一种中心化的提醒序列 step by step 推动筹备任务，至极合适东说念主脑在有限的高下文长度下作念念念考和编排。代价是赔本了一定的筹备并行度，斥责了效率。但这在 AI 筹备之前的时间还能忍耐。而且曩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 微架构技能来缓解。

数据流架构的优颓势正好相背，它用数据依赖图映射的硬件结构，自然高并行度，但擢升了东说念主类编程的复杂度，而且调试奇迹和编译器的难度也大幅擢升。

是以 AI 出现前，数据流架构不成立——自然观念很好，但落地很难。但当筹备范畴扩大到一定程度后，冯·诺依曼架构的瓶颈照旧越来越彰着。再往后走，数据流架构应该是一种更好的体系架构形态。

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提醒。这种围聚式管理容易 Debug 和编程，但转变员负载很重，范畴扩大后容易形成瓶颈：可能有东说念主平静但转变员没看到，或者有东说念主本可以更早切菜但因为提醒没到而恭候。CPU 中有 30%-35% 的晶体管用于任务转变。

GPU 在此基础上改造，不再成立超大转变员，而是把东说念主员分组并为每组配简单转变员，减少晶体管占用。但实质问题没贬责：提醒没到就得恭候，形成奢侈；各组资源弗成互用；范畴扩大还需要分层转变，有点像筹商经济，效率很低。系统也弗成平直掌持资源匹配情况，中间需要一层又一层筹划东说念主员。

还罕有据搬运的物流问题。转变和数据齐是围聚式的，会形成瓶颈。是以 GPU 里有巨额内存（Memory）和煦存（Cache），齐是为了复古中心化转变。范畴小时没问题且容易 Debug，因为全是中心化的；范畴变得超大时，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：数据流架构奈何贬责这些问题？

谢炎：那些不屈直产生价值的晶体管很是于额外支出，但芯片实质是要完成筹备任务，的确起作用的是那些切菜、配菜、炒菜的东说念主。能弗成不要中心化？谜底是可以，正因中心化代价很高，是以要走向踱步式。

无谓提醒驱动，可以去掉转变员，让切菜、配菜、炒菜的东说念主平直劝诱，这样能擢升效率，省却许多晶体管。但难点是让人人在莫得转变员的情况下高效奇迹，这对组织要求很高，是以编译器很困难。在咱们的处理器里，自然还有按序，但不按原来形态实行，Debug 很难。

但平正是，这样的架构自然合适 AI，反过来当 AI 才智很强时，AI 也比东说念主更能管理这些超大资源匹配。冥冥之中自有天意。技能莫得好坏，唯独匹配不匹配。

因为咱们莫得中心化转变，总共实行不是转变员告诉你运转，而是每个东说念主在我方工位上，数据到了就运转，实行完就连续放到活水线上。

误点：你那时奈何预见用数据流架构？

谢炎：数据流架构主要创举者之一高光荣教诲是我在特拉华大学念书时的导师。当年咱们实验室称号是 "筹备机体绑缚构和并行系统实验室"（CAPSL），重点研究目的之一是使用数据流架构贬责大范畴并行筹备问题。

在当年许多问题的贬责过程中，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·诺依曼架构更接近筹备实质。但受限于那时筹备机应用的需求范围，这套架构念念想主若是在超等筹备机和大范畴科学筹备场景下期骗，而一般的 Windows 和 Mac 的通用桌面筹备并弗成有用发扬其上风。

深度神经收罗出现并流行后，至极是当下大模子 Scaling Law 推动模子参数和筹备范畴快速增长，需要更高效地贬责大范畴并行筹备和数据搬运的问题。这让咱们再行看到，围绕 AI 筹备的数据流架构的遐想上风。

误点：但应该不是立项之初就详情用数据流架构的吧？

谢炎：团队早期在架构道路上有过深入参议。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；需要生动性的部分就额外加 GPU。这种决策的平正是起步快，业界不少公司这样作念。

但我认为，这实质上是两套东西的拼接，不是斡旋架构，而且上限不高——芯片里有一部分跑的时候另一部分就闲置，形成资源奢侈。更舛误的是，AI 算子在快速演进，如果中枢筹备单元不可编程，很难妥贴异日算法变化。是以，咱们最终选拔可编程的数据流架构，自然难度更大，但天花板更高，能随同 AI 发展不绝演进。

误点：之前人人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。有些工程师说无谓 CUDA，奇迹效率会斥责许多，这个问题奈何贬责？

谢炎：第一，用英伟达芯片成本很高。如果自研居品界说清澈，自然器具链莫得 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% 的成本斥责、好几倍的性能上风，哪个更困难？这背后更多是居品质价比和商酌的考量。

第二，数据流架构自己是 for AI 的，AI 亦然 for 数据流架构的。异日这些适配奇迹齐会由 AI 来作念。当 AI 实足强时，2026世界杯官网入口CUDA 的生态上风会斥责，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，其目的是斥责东说念主类按序员的编程难度。

而不久以后，或者现时照旧运转，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遐想的援助 "拐棍"，困难性会越来越低。AI 致使可以抛开 "拐棍" 平爽快速对硬件编程，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，推理效率的困难性在快速飞腾，而东说念主类编程通用性的困难性在斥责。英伟达照旧意志到这少许，是以花两百亿好意思金去买 Groq。这家公司是 Google 前职奇迹念的，它的居品瑕瑜常静态的数据流架构，完全不支持 CUDA，莫得人人通晓的可编程性，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：有挺多参议。芯片团队里面一运转有东说念主因为技能理念不同而离开，这莫得对错，仅仅信托和看见的东西不同。当架构念念路斡旋后，人人目的一致，配合很默契，实行起来反而比较得手。

公司里面前期服气也有一些疑问，毕竟这是全新范围。人人会想：期望没作念过芯片，能作念好吗？我猜想，许多芯片以外的共事猜忌的不是架构的选拔，但更多是能超越市面上最佳的芯片这个目的自己是否感性。

这点上，咱们花了巨额时期对 Workload 和架构遐想作念量化分析，增强了信心；同期咱们也信托，如果和博尔特比短跑，你无法通过直线跑说念 —— 也等于 GPGPU 架构 —— 进行超越。不同的道路或技能，比如数据流架构，是唯一的契机。

误点：这很是于是走 "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。如果仅仅施展能够替代，那么走前东说念主走过的造就道路就实足了，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 "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：不铭刻了，但服气莫得认为咱们在瞎掰八说念（哈哈）。施行上，他莫得作念选拔，因为他知说念这件事困难，而且支持咱们作念芯片。

误点：李想是业界公认对细节要求很高的 CEO，但芯片应该有许多方位超出他的技能通晓。比如技能道路对分歧，李想奈何判断？

谢炎：作为 CEO，他会把大的策略和生意逻辑判断好，比如咱们每年销售几许车，每辆车消耗几许芯片和成本，自研可以带来几许成本和效率上的价值。同期技能道路的逻辑也可以用相配第一性的方法来判断。

比如，我刚才说的厨房的类比，不需要知说念具体技能奈何作念。更实质的，这可以类比筹商经济和商场经济。筹商经济在范畴小时更容易构建，平直下提醒形态也够高效。当范畴相配大时，商场经济的上风会越来越大。

误点：你们前期参议他参与得多吗？

谢炎：每个节点他齐会看。

误点：不需要每个节点他齐点头？

谢炎：对，因为测试、架构、后端这些齐是技能节点。李想照旧会抓大放小，舛误节点看得很细，中间过程没必要看那么细，否则 CEO 就太累了。

误点：再比如你要几许东说念主、几许钱、花多万古期。

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，最佳的团队范畴是你想要范畴的 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 年入职期望时，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训导，加上是作念编译器诞生。业内东说念主士说你在期望作念芯片，可以用软件训导去优化硬件？

谢炎：对，芯片才智发扬几许，最终软件起很大作用。不管 2010 年前的英特尔，照旧当今的英伟达，软件工程师东说念主数齐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。这阐明相通的硬件，软件优化好不好，最终发扬出的才智天地之别。

但更困难的是，筹备机的软件和硬件架构，其实是应该一说念遐想的。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，会极大影响通盘筹备机系统的效率。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。

曩昔几十年，东说念主们渐渐健忘了这点困难性，是因为传统架构应酬通用筹备照旧够用，并莫得必要在这里作念大的转换，也就莫得必要用软硬件结合的技能来遐想。但今天咱们看到了 AI 筹备的需求在快速爆发，而传统架构照旧接近极限。当咱们需要为了更大范畴、更高效率的筹备再行遐想通盘筹备机的时候，这样的双向视角和才智，是一个优秀团队必须具备的。

芯片才智要漂泊为智驾体验上风，期望还得趟过许多坑

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

谢炎：需求倒不太会冲突，因为人人的最终目的是但愿在智驾上终了最初。最困难的不是芯片作念得好，而是智驾才智强。接下来，我也会花较万古期和智驾团队一说念看，奈何在模子上的确最初。这瑕瑜常困难的一场仗，如果智驾齐弗成最初，奈何能阐明芯片最初？

误点：你之前跟智驾团队的交流频率如何？

谢炎：主要会议我齐参加，技能参议有些我也参加。

误点：当今呢？

谢炎：当今因为我有这个职责，是以会更多参与参议，技能道路上也会共享一些具体想法。各家面前的智驾水平在昆季之间，莫得东说念主太最初，差距相配小。但往后发展有两个舛误点：

第一，要斗胆投资异日技能。特斯拉的技能道路就迭代过好几次，最怕以为 "这一代就够了"。技能永远是用新道路贬责更难问题，是以要挑战我方，率性原有通晓。是以咱们会巨额干涉研发，不仅是量产技能，还会研究其他可能的技能道路。

第二，更高效的算力相配困难。咱们会加强模子和芯片的劝诱。有更强算力后，能作念事的空间就大许多，不会像在小范畴的跷跷板上，这个高了、阿谁就低了。当算力大时，可以用通用方法贬责许多问题。今天的大语言模子不为任何一个特定行业遐想，但由于参数实足大、数据实足多，自然就通用起来。

智驾当今还处于专用期，越往后越需要通用才智贬责长尾问题。这些问题不可能靠专用小模子贬责，服气需要大模子，而且需要系统具备东说念主类通晓，是以需要很大算力。自动驾驶从今天的 70-80 分擢升到 100 分，每擢升 10 分需要的算力不是简单乘以 2，可能是乘以 5 或 10。

误点：是以特斯拉 AI5 芯片约略 2000TOPS 的阑珊算力远远没到极端？

谢炎：离的确的 L4 也还不太够，自然这仅仅我个东说念主的判断。

误点：你们照旧在车端用马赫 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，这个问题奈何贬责？

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，老黄不是这样的东说念主。马斯克也买英伟达的云表居品，车端视通没在用，是以该合作照旧合作。咱们可以用总共云厂商和芯片厂商的居品。国产的齐在用，只消好用就行，咱们不挑。

误点：车端模子往后服气会变得更大，期望融会过更低精度推理的形态擢升效率吗？

谢炎：自然。

误点：能作念到什么水平？

谢炎：Google 首席科学家 Jeff Dean 的不雅点我至极招供。他最近两年一直在讲阑珊和低精度，斥责精度亦然一种广义的阑珊。这跟硬件遐想强干系，如何遐想更低精度的推理，弗成仅是硬件遐想，而是从算法、模子遐想上保证，即使精度降下来，算法齐能保持实足性能。这些技能是咱们的重点研究目的。

误点：有可能作念到 FP4 吗？

谢炎：对，4 致使 2。

误点：这样低的精度？自动驾驶毕竟要认真安全。

谢炎：这个东西必须跟软件结合，是以并不是总共方位齐用低精度。就像你开车时，视觉焦点以外看个约略就行，其余部分根蒂不需要高精度。是以在窥察和架构的合资遐想上有许多认真：如何用好低精度，如何用好结构化阑珊和其他阑珊方法，比如 KV 缓存的阑珊化，这里面有许多可供软硬件合资遐想的方位，不是简单部署一下硬件就好了。水还挺深，也挺特真谛。

误点：瞻望马赫 M100 从什么时候运转支持机器东说念主？

谢炎：这得看咱们机器东说念主业务的节拍，不急躁。芯片就在那，业务准备好随时可以用，更困难的是机器东说念主的技能目的。期望作念机器东说念主，服气不会简单复制别东说念主的方法，那样没真谛，更困难的是走出一条我方的路，那会决定奈何用咱们的芯片。如果机器东说念主业务需要高性能的量产芯片，马赫 M100 比市面其他芯片齐好，又有里面支持，效率会很高。

误点：机器东说念主团队还穷乏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，才能走到量产。

谢炎：对，居品要界说好。咱们机器东说念主团队也用基座模子。当今想哥界说的分层是：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齐基于基模团队提供的模子，是以模子窥察齐在一说念。也等于说，机器东说念主用的基座模子自己就适配咱们的自研芯片。

误点：你在四季度功绩会上提到，因为有星环 OS 和马赫 M100 芯片，期望取消了上一代平台的 XCU，并因此省俭 1000 元单车成本，具体是奈何回事？

谢炎：很简单，马赫 M100 有比较强的处理器，里面有 24 个 A78，咱们用臆造化和操作系统技能隔断出一部分给 XCU 用，通盘 XCU 抑遏器就省俭掉了。

误点：除了自动驾驶，马赫 M100 还有其他应用场景吗？

谢炎：人人一定要领路，这颗芯片不叫自动驾驶芯片，而是 AI 推理芯片。座舱服气需要，最终车内需要一个 AI 的筹备中心，总共 AI 围聚到这里最高效，而且咱们亦然自研的，有最大的掌控力，这样遵循最高、单元算力成本最低。不管自动驾驶照旧座舱里需要的 AI，齐放到一说念效率才最高。如果这边摆一个 AI 小筹备，那里摆一个 AI 小筹备，而且双方架构还不一样，适配起来齐清贫。

在底盘和以后要推出的机器东说念主上，咱们也齐会用马赫 M100。你看特斯拉 FSD 芯片在机器东说念主上也用。媒体频繁把 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 年特斯拉运转大范畴推送 FSD Beta 版起，智驾行业资格过屡次算法变动，这对期望遐想芯片的念念路有冲击吗？你们作念了哪些调节？

谢炎：这等于作念 ASIC 和 PU 的永别。作念 ASIC 如果应用一变，硬件固化了等于祸害。但咱们作念的是 PU，可编程、有生动度，只消应用筹备大的特征不变，算子的变化齐能适配，而且效率齐保持得很高。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，但什么应用齐能跑，且后果还可以。

不外，如果筹备特征发生巨大变化，的确有影响。大语言模子兴起后，筹备特征如实和之前的深度神经收罗有区别，跑大语言模子至极是 Decode 阶段筹备密度很低，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：当今人人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，最终要看有用算力。举例评价一部手机好不好，内存很困难，但苹果内存最低，体验却最佳。是以弗成简单拿参数量度芯片才智。就像拳击比赛，胜利选手是空洞实力强，不是比泰森重、比泰森高就能打赢泰森。

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

谢炎：对，尽量用舛误模子评价，致使最佳平直拿自动驾驶话语。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，英伟达遐想这款芯一霎对 Transformer 研讨较少。期望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 最困难的注目力筹备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，然后反复打听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提醒驱动，筹备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，咱们作念注目力筹备很高效，因为数据流架构可以把筹备过程活水线化，不单依赖全局内存，防碍易遇到 "内存墙"。然后是矩阵乘，等于临了大的筹备终结再去跟大的矩阵相乘时，需要给每个筹备单元齐复制一份矩阵，而咱们有全局播送总线，可以一次把矩阵同期送给总共筹备单元。英伟达 GPU 是提醒驱动，每个筹备单元齐要到全局仓库去找，效率更低。

第三，咱们的筹备单元里有一些算子可以平直形成数据流。不是每次算完邂逅知其他模块来算，而是把多个筹备门径串联起来一语气处理，效率高许多。

这些效率擢升来自体系架构遐想，不是固化的。如果把总共高效的东西齐固化，那参数也会固化，就失去了架构的生动性上风。

AI 时间，东说念主的一个困难才智是能够跳出踱步概率念念考

误点：你评价我方是工程师，但加入期望后很快成为 CTO。你奈何看车企 CTO 这个职位？期望 CTO 需要作念哪些中枢奇迹？

谢炎：在职何公司的高管里，CTO 界说最暧昧。期望 CTO 有对外技能对接的职责，对内主若是在 AI 筹备这条线上——从模子、操作系统到芯片，再到封装等干系技能——保证公司异日有竞争力，在中国一定最初。

这是我干涉元气心灵的重点，因为这是期望成为具身智能公司的中枢之一，自然不是唯一，因为车是复混居品。这条线又分为录用和保证最初两部分。录用要实足好，会花少许元气心灵，但更困难的是往前看，因为技能永远坚贞不渝，是以一定要花时期关注还在地平线上的新技能。

误点：你当今关注哪些新技能？

谢炎：第一是模子异日的发展，这个我会花元气心灵看，至极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，之后还会连续迭代。

第三，芯片遐想自己挺特真谛，像盖屋子一样，材料和构建方法有无尽瞎想空间。摩尔定律让半导体接近极限，要进一步提高性能，业界有许多新目的，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形态更好地遐想架构，我也会花元气心灵关注。

还有用 AI 赋能芯片遐想和编译器，这也很困难，异日咱们必须走在前边，效率一定要实足高。是以我在推动中枢筹备团队用 AI 擢升效率，突破原来瞎想不到的事情，比如平直用 Claude、Codex 等 AI 器具写算子、用 AI 编译优化通盘链条。

误点：你的奇迹格调是什么？

谢炎：抓重点。从工程师成长到要构建更大事情时，最困难的是学会分拨元气心灵。弗成像我方作念工程师时每个点齐亲自处理，要分清哪些点看浅少许，哪些点看深少许。

误点：在不同节点，你的奇迹重点踱步在什么事上？

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，用硬件描绘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。舛误终结可能会看得多一些。我对我方要求是，保证在东说念主工智能技能道路上，可以过大契机，少踩坑，达到最初并能不绝最初。

误点：在 AI 时间少踩坑，可能吗？

谢炎：是以要加强研究，许多东西得先知说念发展目的。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、英伟达今天奈何改，但不知说念为什么，说它这样改是以我也这样改，这最危境。

不是他奈何改咱们就奈何改，而是即使跟他方法一样，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方法。干一模一样的事没什么真谛。咱们当今作念的许多事齐和业界不一样，但这不是投契步履，而是真的从底层分析明晰后的决策，不是押宝。

误点：你说保证期望在 AI 时间不绝最初，范围指车企照旧全行业？

谢炎：首先是车企，这是基本目的。咱们不会跟 OpenAI、Claude 去比 Coding，这没特真谛。每家公司有它的责任和范围，咱们的责任和上风更多是在三维宇宙构建具身智能的全栈才智。

误点：十年后，你瞻望具身智能会达到多大范畴？

谢炎：汽车当今是中国第一大行业，卓越房地产，具身最终服气比这个商场大。东说念主类需求是无限的，不会嫌坐褥力少，而是需要更多机器东说念骨干多样活。

误点：期望在往具身和 AI 目的转型，汽车业务还有多困难？

谢炎：汽车业务对咱们挺困难，很是于练兵场，可以提供巨额资金、东说念主才、场景，许多技能从里面孵化造就、成本斥责。汽车业务对期望来劝服气是今天最困难的业务，外面说想哥不想作念汽车了，不是的。自然有精深目的，咱们照旧藏身汽车，今天总共东西照旧服务于汽车。

误点：你加入时期望正处于飞腾期，到今天遇到挑战，你的扮装也愈发困难。奈何看待期望这几年的变化？在不同阶段，你奈何判断种种事情的困难性？

谢炎：我基本上没什么变化，公司在业务上服气是有上有下，但更困难的是看到一些不变的东西。我来之前就信托汽车是困难的东说念主工智能居品，一定要通过软硬件结合打穿到芯片、操作系统，才能形成持久竞争力。至于中间的升沉，只消咱们还没困难到少许儿钱齐莫得，那就保持这个研发强度，把内功练好，让人人有这个耐性。

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瑕瑜常小的比例，他们安称心静在一个边缘把中枢的东西打磨好就行，不要被所谓的销量潦倒影响。困难的是，执意信托正在作念的长期是这个时间很困难的事，这少许咱们一直没变过。

而且我信托 AI 时间会有一套新的筹备架构，我一直想在汽车上把它试出来。这件事不管如何齐相配特真谛，而且一朝作念成，一定能匡助期望设立相配强的壁垒。

误点：今天团队可能没法再安称心静，像你就要被推到台前了。

谢炎：你作念出来就好，拿东西话语，而不是靠对外说。

芯片能上车仅仅动身点，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。也很庆幸处在这个时间，这个时间最困难的是具身智能居品，而汽车是很好的载体。其他东西齐不太困难。

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。除此以外，不需要关怀更多杂音。

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

谢炎：我不赞同他的方法。这只可阐明某些东说念主打比赛至极熟习，关联词更困难的，AI 至极擅长巨额数据的平均踱步，如果这个东说念主是技能熟习型的，总共通晓齐在平均踱步里，也很容易被 AI 替代。而东说念主最困难的是跳出概率踱步的那部分，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，它一定不会预见回收火箭，致使包括用 "筷子" 夹的方法。今天的 AI 作念不到，因为它从没见过，很难完全跳出踱步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 才智和智驾作念好，才能成为头部公司，但商场上许多东说念主齐照旧结实到这少许。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：因为刚才在说踱步概率。

谢炎：这是两件事。一件是你跳出踱步概率，让原来弗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。东说念主类需求莫得踱步概率的问题，比如你需要一个机器东说念主帮你干活，这是毫无疑问的，可能每个东说念主齐这样但愿，而且瑕瑜常低廉的价钱。

误点：你刚才说到，当今国内厂商在智驾这块的才智齐在第一梯队，高下之间辞别没那么大。

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，最光泽靠智驾辞别不出来哪个车才智强？

谢炎：智驾照旧能辞别出来的。一个是今天离闭上眼睛、完全定心开还有比较长的距离，但人人照旧渐渐信托这件事会发生。还有空洞成本问题，也等于用多大的成本达到这个程度，这会有各别。

另外当自动驾驶终了后，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踱步概率的一种？

谢炎：对。你如果让 AI 遐想，它约略率不会选拔数据流架构。

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踱步概率？

谢炎：会。

误点：那奈何办？

谢炎：是以有训导的东说念主当今照旧困难的，弗成齐交给 AI。当今硅谷为什么裁掉一线工程师？因为他莫得实足的训导，跳不出踱步概率，只可梦想。梦想自然也有价值，训导无意候也会限制你跳出踱步概率。但在有些范围，莫得实足训导，你跳出踱步概率的想法可能 90% 是错的，还会滥用巨额时期。

误点：训导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：你们当今奈何作念？

谢炎：我莫得至极好的方法，照旧要容忍一些，不要全是 AI。底层奇迹 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奇迹，而是在表层构建通晓，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，但当今能写 C 语言的齐未几，但这并不妨碍人人的坐褥力更强。

误点：哪些事情你不允许用 AI 作念？

谢炎：莫得不允许，人人放开作念。今天无谓 AI 比用的风险更高，是以人人尽量用，抑遏风险就好。

误点：有训导的东说念主会看出来质料好坏。

谢炎：对，有训导的东说念主会提高相配快，没训导的东说念主也有契机快速切入一些范围，是以不限制人人。我的想法是推动人人去试，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，而且可以瞎想它异日颖慧更多事。

误点：乔布斯谢世时，苹果搞过闭塞策略会百东说念主会（Top 100），目的是确保公司最高层能明晰地知说念最利弊的东说念主在想什么，守密程度相配高。期望有什么管理机制，能够让好想法从下到上涌现？

谢炎：这很困难，不要太科层化，比如我会平直跟校招生、一线职工不依期聊，等于聊你今天在想什么。我也会跟人人共享我看到什么、我在想什么。

在资源分拨上，咱们本年在念念考一件事：不要把资源管制在一个个垂直的井里。如果组织结构一朝形成，东说念主力、筹备资源齐在一个井里，下层即使有好想法，也不一定能获取相应资源。

第二，好想法落地经常需要不同的才智，而即使是引导可能也只领有一部分才智，因此要跨团队协同。是以，困难的是率性部门墙。

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建议来，然后跳出他的组织架构上会评审，通事后人人就匹配资源，致使跨部门调集一个臆造团队来干，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"，让人人可以快速形成一些 idea，快速试错和反映。

误点：之前有期望居品高管说，前两年当一部分高管被调去作念佛由后，年青职工很难平直跟 CEO 产生有用交流，最终李想成了居品天花板。奈何幸免这种情况？

谢炎：这种情况服气有，因为一线听到炮火的东说念主更了解施行情况。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，既要保证他的转换能跑出来，也要保证的确落地的是高质料建议。许多东说念主齐会提建议，但 1000 个建议中的确靠谱的可能唯独 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：这应该莫得一个实足的方法，唯惟一种情况：你的团队范畴实足小，实足紧密，这种形态才会相配见效。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巨额元气心灵鉴别哪些是杂音，哪些的确有价值。不外团队小，东说念主员素质要实足高，人人齐得靠谱才行。

误点：今天你是更集权照旧更均权？

谢炎：我比较均权，因为我的奇迹模式是这样：许多事我如果发现存问题，就平直跳进去跟工程师一说念看。我的时期并不完全固定，而是看哪个时期段的哪件事更困难。如果是人人照旧界说好的事，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：平直向你呈报的有几许东说念主？

谢炎：比较多，我当今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。但平正是咱们的架构以事为驱动，自然我兼了两个一级部门负责东说念主，其他齐是一级部门负责东说念主向我呈报，唯独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奇迹，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：传闻你推动了期望的 AI 策略？

谢炎：不是。策略服气是 CEO 想哥推动，我等于实施，包括让技能目的落地。

误点：这和你加入期望之后的建议、判断推断吗？因为你认为汽车是东说念主工智能、具身智能端侧终了的旅途之一。

谢炎：大面上他没受我影响，或者说咱们俩判断一致。不是我说他就以为 AI 困难，只消 CEO 看到大趋势，就齐知说念 AI 服气困难。

我无非是推动了跳出踱步概率的技能道路选拔，更多是为了最初，最初亦然为业务服务。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困难，作念的事很困难。

误点：基于你今天作念的事情和想达到的目的，如果 CTO 这个 Title 不困难，当下对你来说什么最困难？

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、芯片致使更底层，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" 的后果，模子，软件，操作系统，芯片同期加快逾越，这种上风可能会是结构性的。

误点：确保你能实施这条道路是最困难的？

谢炎：对我来说，困难的不是在什么位置，而是能参与困难的变革和历史进度。在能够胜利的基础上，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：期望汽车

注目（高下滑动检察）：

[1] 冯·诺依曼架构：由数学家冯·诺依曼在 1945 年建议的筹备机架构，被当代绝大多数筹备机禁受。其中枢特质是提醒和数据存在合并存储器中，CPU 按礼貌实行提醒。

[2] 数据流架构：一种筹备架构，1970 年代由 MIT 的 Jack B. Dennis、Arvind、高光荣等东说念主建议。其特质是当操作所需的输入数据准备就绪，操作会自动实行筹备。

[3] 内存：筹备机用于存储数据和按序的硬件组件，也称为主存储器或赶紧存取存储器。处理器可以快速读写内存中的数据，是筹备机运行按序和处理数据的困难部件。

[4] 缓存：位于处理器和主内存之间的高速存储器，用于临时存储频繁打听的数据和提醒，减少处理器恭候数据的时期，提高全体性能。

[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，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）泄露模子参数和筹备，比拟传统 32 位浮点数可显赫斥责筹备量和内存占用，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，是一种内存技能程序。DDR 内存在时钟信号的飞腾沿和下落沿齐能传输数据，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，合适处理图像数据，通过卷积层索要特征。

[9]Transformer：一种基于注目力机制的神经收罗架构，最初用于自然语言处理，现已世俗应用于筹备机视觉等范围，是 ChatGPT 等大模子的基础架构。

[10]PCIe：Peripheral Component Interconnect Express 的缩写，即高速串行筹备机彭胀总线程序，用于聚拢主板上的多样硬件组件，如显卡、存储斥地等。

[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筹备遐想的处理器，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，即通用图形处理器筹备，指将蓝本用于图形渲染的 GPU 用于通用筹备任务。

[13]SoC：System on Chip 的缩写，即片上系统，将好意思满筹备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 等多样类型的处理器。

[16]Chiplet：芯粒技能，将蓝本集成在单个大芯片上的不同功能模块判辨为多个小芯片，再通过先进封装技能聚拢，可以提高良率、斥责成本。

[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，专为自动驾驶筹备优化遐想。

[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、内存抑遏器等，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、定位和成立错误的过程，是确保系统正常运行的要津。

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

- FIN -

FIFA世界杯官方合作指定网站