作为刚刚入职超级充电站一个多月的新人，同事们可能知道我花了一个月时间才完成入职流程，但并不知道我其实从今年三月就开始「面试」了，当时之所以犹豫不决，是因为感觉无论是智能驾驶还是智能座舱，都还处在一个十分「混沌」的阶段，很多定义都不清晰。

但任何新的事物，不都是在曲线中前进的嘛，汽车经历电动化共识之后，正在智能化的道路上「摸着石头过河」。不过在这一历史进程中，有一件事是高度确定的，那就是智能汽车行业对大算力车规级芯片的强烈需求。

大算力芯片推动汽车创新

纵观整个电子行业全产业链，智能汽车已然成为最受关注的领域。

黑芝麻智能首席市场营销官杨宇欣打趣说，他经常跟汽车产业的合作伙伴交流，传统的汽车人聊天时就说，他们也很幸运，一夜之间从夕阳产业变成了朝阳产业。

事实上这并非玩笑话，特别是在芯片领域，完全没有 35 岁被裁的危机，甚至某年过四旬的芯片工程师，两年内连着换了五份工作，且每一份都能获得更高的薪水。这在当前的经济环境下，着实令人羡慕。

相比资深芯片工程师，杨宇欣自认为还是一个新汽车人。事实上最近几年，汽车领域不断有从电子、软件、互联网，甚至其他科技领域进来的新伙伴，他们作为新汽车人，希望能把一些跨领域经验带到这个行业里来。

当然无论之前从事哪个行业，大家都有一个共识，那就是自动驾驶作为在汽车智能化里非常有代表性的技术，将越来越多地成为新车型的标配。

根据第三方机构研究数据，2025 年 L2 级别以上的自动驾驶技术渗透率预计超过 25%，也就是说每四辆车中就有一辆车具备「高阶」自动驾驶能力。

杨宇欣认为，在 2025 年之前的 L2-L3 级别，主要以人机共驾为主，技术相对成熟，安全可靠性也有保障，能够被司机掌控。而 L3/L4 的推动，更多需要依靠规章制度、政策法规、以及相应智慧交通体系的建设。

而这一切都离不开智能驾驶芯片的算力支持，从整个产业上游观察，黑芝麻智能认为存在超过百亿美金的市场规模容量。以及伴随汽车电子电气架构的演进，其他周边芯片也存在大量机会。

除了赋能汽车算力之外，黑芝麻智能还可以让路也变智能，路的智能化对车的智能化来讲是非常好的补充。

「从车的感知范围来讲，现在摄像头拍摄的清晰程度可能是 250 米到 300 米这个感知范围，更远就感受不到了。如果把路变得智能化以后，可以无限延伸车的感知距离。当车的感知数据和路的感知数据进行充分地融合，再配合云控平台等等，可以把交通的效率提高很多。我们看过一些案例，有些地方的车路协同的试点通过动态调节路上的状况可以把道路拥堵率降低三分之一，甚至更多。」

杨宇欣的这一观点我十分认同，其实我们现在已经能接触到一丢丢「智能道路」的体验，比如高德地图导航在某些路口，会告诉你接下来的红绿灯需要等待多久。

这只是一个简单的交通方面，未来自动驾驶开始商业化落地后，车配合路可以把事情变得更简单、更可实现，黑芝麻智能认为自动驾驶在「智能道路」方面大有可为，并且已经开始在国内几个城市进行试点。

前段时间深圳开始允许 L3 上路试点，政策法规层面很多事情在逐渐打通。同时商业模式也越来越清晰，软件收费的模式车厂还在尝试，但杨宇欣相信这条路能够走通。毕竟在智能手机时代，用户已经养成为软件订阅付费的数字消费习惯。

相比智能手机芯片，汽车芯片要更复杂一些，同时集成电路的规模也日趋复杂，以应对不断提升的汽车智能化需求。

虽然行业一直在讲「中央计算」的概念，但黑芝麻智能认为，下一代电子电气架构的演进并不是一蹴而就的，从域控架构向中央计算演进过程中还会有不同的阶段，包括域与域之间的融合，最后一定会出现一个巨大的芯片把所有的功能集成起来。

至于算法重要还是算力重要，杨宇欣认为是后者，因为算力是整个系统功能的「边际」。黑芝麻智能作为一个相对标准的芯片企业，还是坚定地认为硬件能力是最重要的。

大算力芯片的发展，将成为推动汽车创新的核心动力。

数据是智能汽车的「血液」

如果说算力是智能汽车的「大脑」，那么数据就是智能汽车的「血液」。

智能汽车需要实现非常大数据量的高速传输流转，才能支撑起在新一代电子电气架构上所部署的功能。为了处理这些大量数据，就又需要性能更强的算力，通过芯片来推动电子电气架构的演变。

在黑芝麻智能副总裁丁丁看来，当前阶段智能汽车会把几个大的功能单元，按域分成几个大的控制器，解决相关的功能体验的提升。随着技术进步，将考虑对几大功能域进行合并，向最终极的中央控制域集中化演进。这时候就面临如何去管理集成后大量数据的问题，以及如何去搭建服务架构。这是黑芝麻智能对电子电气架构底层逻辑的理解。

遵循这样的逻辑，面对行业需求的变化，黑芝麻智能的 A1000 系列芯片也对商业化落地进行阶段性匹配，顺应电子电气架构集中化趋势。

当然，除了应用于电子电气架构域控制，黑芝麻智能芯片组合方案的主战场还是在 L2-L3 智能驾驶领域，比如在高阶智能泊车方面，A1000L 芯片可以在相同成本控制下带来更充分的算力。

另外，随着车内感知、人机交互需求的提升，黑芝麻智能也在用同样的芯片去做座舱内的协议处理器。

虽然看上去 A1000 系列芯片的通用性很强，但在实际落地应用场景中，由于周边配套芯片的缺失，客户会存在方案整体性上的担心。为此黑芝麻智能提前做了一些周边国产芯片验证工作，形成一个初级版本的全国产化自动驾驶 L2+ 参考设计给到车厂，从而提升国产芯片利用率。

需要注意的是，作为一家半导体公司，黑芝麻智能的研发投入不仅限于芯片，还包括算法部分，以及算法背后的数据。理论上，芯片从设计到量产，大概需要两年时间，黑芝麻智能已经走完相关流程，比如 AEC-Q100 可靠性测试认证。

「我们的思考逻辑，为了客户把我们芯片用起来，用的快，用的好。解决客户可能会碰到的一些非常关键的技术点，提前准备好，让客户不用自己再去趟那些路。」

从黑芝麻智能副总裁丁丁的话里话外可以感受到，他们非常重视芯片方案对于客户的「可用度」，不是说造出来一枚大算力车规级芯片就完事儿了，而是从客户角度出发，去完善整个芯片算力应用场景的实现。

黑芝麻智能提供的不仅是算力，还有整套的项目服务。

车规级芯片制造流程

额日特是黑芝麻智能芯片产品专家，他可能是公司最清楚智能驾驶大脑车规级大算力芯片制造流程的人。

不得不承认，汽车行业还是处在一个「缺芯」状态，这跟供应链有关，同时也由于智能汽车时代芯片数量和种类明显提升。那么到底芯片是怎样一条产业链流程？汽车芯片相关的制造是和其他行业又有什么不同？

继 PC 和智能手机之后，汽车电子正在成为芯片制造行业的强劲增长动力引擎。黑芝麻智能作为产业链中游芯片供应商，业务涉及芯片设计、系统集成、仿真测试等。

与消费电子类芯片一样，车规级芯片也遵循摩尔定律，目前业内比较认可的工艺是 28nm。车规级芯片工艺制程是要落后于消费级的，同时车规认证也要严苛得多，需要保证在十五年周期内，芯片不会出任何问题。

黑芝麻智能在芯片生产制造方面，主要委托台积电进行代工，台积电的车用芯片产线跟消费类芯片是分开的，并且人员培训等方面也更为严格。另外在制造流程中，封装也是很关键的一步。

目前黑芝麻智能的 A1000 和 A1000L 均处在量产状态，能够做到单芯片支持「行泊一体」，也就是行车功能和泊车功能。相比大多数行泊芯片分离的多芯片方案，单芯片方案设计更简洁同时具备成本优势。

面对不同的客户需求，黑芝麻智能除了提供基于 A1000 系列芯片的硬件算力平台外，也会提供软件增值服务，包括底层 BST、中间件、以及上层算法应用。

总之，额日特表示，以 A1000 和 A1000L 平台化方案，基本上能够覆盖市面上渗透率较高的辅助驾驶功能。未来黑芝麻智能还将构建 Drive BEST 矩阵平台，推动中国自动驾驶发展。

算法的「量产化」

芯片提供算力，算法实现功能。

黑芝麻智能自研了很多感知算法，可以在相对较短的周期内，推动智能领航和泊车应用的产品落地速度，从而加速芯片的量产及应用。

感知算法方面，系统架构高级经理仲鸣举了一个摄像头像素升级的例子，比如从 2MP 到 8MP，探测距离可以从 120m 扩展到 250m。

基于 800 万像素摄像头，车辆在高速公路上可以以更高的时速进行自动巡航。同时，对于远处行人横穿的行为运动轨迹，以及 100 米左右的红绿灯的目标，都可以提前进行检测。

「200 万摄像头通常对应产品形态是 L2 的一些驾驶辅助，它不需要去做红绿灯或者说更复杂的交通标志牌检测。对于 800 万应用场景，可以拓宽到 NOA 这样的一些应用，对于轿车、SUV、Van、BUS 等等这些车型都可以做分类。」

对于自动驾驶，仲鸣认为需要解决的标准场景只有 20%，其他 80% 都是各种各样的非标场景。随着一些 Corner case 的验证，算法会越来越稳健地向量产目标推进。

只是完成感知算法其实距离量产还有很远距离，因为在量产过程中会遇到各种各样奇奇怪怪的问题，尤其故障诊断。车辆风吹雨淋通常会有一些镜头脏污或者失效，产生标定的偏差，这些都需要视觉部分进行对图像的诊断，来确保整个系统的功能是工作在一个认可的状态下。

感知算法的设计，基于辅助驾驶的视觉需求，以及相关采集数据，通过不同的方法进行后处理，进而完成最终的产品化，整体形成一个闭环迭代过程。

以上，大概就是基于芯片的算法「量产化」过程。

完成 C 轮和 C+ 轮融资，黑芝麻智能募资总规模超过 5 亿美元。充足的资本注入，将全面提速其自动驾驶芯片的量产应用。

黑芝麻智能创始人兼 CEO 单记章表示：「汽车智能化发展为高性能、大算力的自动驾驶芯片提供了时代助力。感谢各位投资人对黑芝麻智能的信任、认可和支持，我们将继续提升核心技术及芯片产品的研发能力，不断加强自身技术优势，全面提速自动驾驶芯片的商业化应用，进一步强化产业竞争优势。」

面对未来 3-5 年的智能驾驶需求爆发期，毫无疑问大算力自动驾驶芯片将成为刚需。在「软件定义汽车」的理念下，算力将成为智能汽车新的「驱动」，其对汽车产业格局的重构，甚至要超过之前的电动化浪潮。

届时，智能汽车不仅是车，还是继 PC 和智能手机之后的，下一代高性能计算平台。