The following article is from 误点Auto Author 误点团队

上行期理所自然的手艺决策，到了用买卖驱散评释合感性的时候。

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、系统与计较群组负责东谈主谢炎告诉《误点 Auto》，"竟然的顺利，是搭载马赫 M100 的 L9 智驾才调跑到业界第一，然后车又卖得很好。那样咱们才能相等有底气地说达到业务方针。"

1982 年，好意思国计较机科学家 Alan Kay 曾说，"你如果竟然认真对待你的软件，就要我方作念硬件。" 基于访佛逻辑，逸想在 2022 年立项自研芯片，并已为此累计参预数十亿元资金。谢炎是逸想芯片自研样式的负责东谈主。他 2022 年 7 月事好意思团首创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——其时逸想正好业务上行期，公司高下充满 "想赢" 的劲头。特斯拉评释了自研芯片对进步智驾体验的匡助，而国内新动力车商场正激情壮志，本钱商场也愉快给冒尖的新势力更多想象空间。

到马赫 M100 准备上车时，逸想履历了自 ONE 委用以来的初次年度销量下滑，不仅纯电战术碰到周折，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。

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、流片和供应链过程。即使是小芯片，失败一次也要亏空数百万好意思元；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，但要何如作念？" 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调作念芯片而作念芯片，应该径直惩处最中枢的问题：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，而是聘用了数据流架构。按照逸想的说法，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 的几位训导在 1970 年代建议。谢炎在好意思国特拉华大学读研时战斗到它，认为它比冯·诺依曼架构更接近大限度 AI 计较的需要，曩昔几十年一直莫得大限度商用一是因为它的上风需要敷裕大的计较限度才能浮现，二是编程和调试难度也更高。

谢炎信赖 AI 改造了一些假定，"我信赖 AI 时期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 依赖围聚式调整和无数数据搬运，限度越大，效率损耗越明白；数据流架构让数据驱动计较，表面上能减少恭候和搬运，把更多晶体管用于竟然的计较。但这也把压力转机到软件栈、编译器和软硬协同上。

杜克大学电子与计较机工程系训导陈欢然认为，马赫 M100 是一次有前程的工程尝试，但不应简便地认为数据流架构即是将来发展方针——要害在于袭取哪种具体的数据流遐想，以及它与方针应用和软件系统的协同效率。由于大部分优化工作转机到软件栈，实践效率很大程度上取决于编译器的熟悉度，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 等计较范式间保持敷裕的活泼性。

"数据流架构是一个平方想法，涵盖从脉动阵列、内核级数据重用决策到更激进的编译器调整架构（如 Groq）等多种遐想。" 陈欢然训导对《误点 Auto》解释，"马赫 M100 袭取了介于传统 GPU/TPU 与 Groq 纯静态编译器调整模子之间的手艺门路，通过编译器等软件更精确地限定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、土产货缓存、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、行径预测、旅途狡计等存在无数复杂计较任务的要津，目下还波及大型 AI 模子推理。"如果软件系统能有用协调这些数据传输和计较，芯片利用率会权贵提高，处理速率更结识、能耗更低。"

谢炎承认马赫 M100 上车过程也如实有不少 "坑"：硬件遐想复杂度质问，软件复杂度提高，对传统编程形式并不友好，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鼓励。逸想芯片团队早期万古候只好几十东谈主，目下约 200 东谈主，仍远小于外界想象中的无缺芯片团队限度。谢炎说，东谈主多不一定好，东谈主多时许多皆是在搞政事斗争。中枢部分我方作念，后端、SoC 集成等要津可以借助供应商。在逸想近万东谈主的研发体系里，这个团队更像一个闲散的边缘，尽量不被每月销量升沉烦躁。

"只须咱们还没阻塞到少量儿钱皆莫得，那就保持这个研发强度，把内功练好。遑急的是，你信赖这件事自己不管在什么时期皆遑急。" 谢炎说。

以下是咱们与谢炎的对话，略经裁剪。

不认为马赫 M100 依然顺利，目下只达成方针的 60%

误点：回有顷候目下有两种说法，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，通盘东西皆结识了才说顺利。一般刚回片就文书顺利，是为了蛊惑本钱。你有时三个月，根柢不成细则里面有莫得问题。

误点：流片驱散和你们的预期完全一致吗？

谢炎：对。这即是前期工作作念得多的平正。你作念得越多，记忆之后跟你的预期越一致。

误点：许多公司会在流片顺利后很快对外文书。

谢炎：对，一般皆是这样干的。咱们把芯片从台积电背记忆，第 12 个小时就点亮了，但我什么皆没说，因为我知谈那不代表任何真谛。

误点：其时有惦记过流片记忆，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，而且把许多大模子皆无缺地跑了，保证这个东西最终出来时尽量不出意外情况。许多东谈主以为咱们的测试作念得过于充分。

误点：李想知谈马赫 M100 流片顺利后是什么反应？

谢炎：我不铭刻了。直到今天，我也不认为它依然算是顺利，竟然的顺利是全新一代逸想 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，包括非常特斯拉吗？

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。来源：逸想汽车

误点：你工作教养相等丰富，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：这颗芯片照旧挺了不得的。好多公司可能作念了很万古候，但仅仅作念一些比较小的芯片。是以你看咱们团队，自然有些东谈主在业界也工作了十几、二十几年，以致更万古候，但照旧挺兴隆。

这样短的时候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，然则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。自然台积电比较熟悉、靠谱，我也相等感恩他们。

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买卖获赢输责吗？

谢炎：咱们没法对买卖获赢输责，只可让芯片具备敷裕竞争力，也即是性价比一定很高，算力阐扬的着力一定超越能买到的芯片。如果作念不到这些，自研就莫得真谛。

误点：逸想是全系车型皆要搭载马赫 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：全系搭载敌手艺决策有什么影响？

谢炎：这很遑急，咱们一启动的方针即是全系搭载，如果里面皆不肯意用，那就阐述芯片不够好。反过来讲，全系搭载也帮咱们计较出简略需要在成本、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，每块芯片大摘记比外购低廉些许钱。

误点：是从昨年芯片流片顺利之后就决定全系搭载吗？照旧说会有一些中间的征询？

谢炎：决策过程不是你想象的那样，更多是一启动全球商定好要作念到什么程度，经过考证敷裕有竞争力才能搭载。是以要一步步考证，流片记忆，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。大部分东谈主照旧会打一个问号，因为不参与这件事，也可以鸠集。当渐渐让他们从看见到信赖，决策就落地了。

误点：哪个目的竟然打动了他们？

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

误点：从芯片跑起来，到竟然上车，中间最大的挑战是什么？

谢炎：第一颗芯片终末要上车，让模子皆能跑起来且性能很好，还需要一些软件工作。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质问，但软件复杂度进步，它不是那么合乎东谈主类编程，但这也不是不可以作念。因为我我方作念编译器，我照旧会跟团队征询何如让编程更简便。

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，编译器越熟悉迭代越快。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，是以可以不停优化。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，一般对于单干除外的工作我会了解，但尽量不影响他们决策，因为还有买卖和其他议论。

误点：一颗芯片从遐想到量产，最难的要津是什么？

谢炎：各式阻塞皆有，但最难的是聘用作念什么、不作念什么。这些聘用来自澄莹的居品界说，需要有好的应用场景才能明确方针。在逸想，咱们能比较澄莹地看到需求，这最难得。一朝需求界说澄莹，手艺门路就会澄莹，剩下即是匹配资源，看参预产出是否合算。背面的工作也有难度，但并不是最难的。

手艺上，前、后端遐想的挑战如实比较大，好在咱们团队的东谈主皆比较靠谱，教养也比较丰富，像罗安分（逸想算力单元部门负责东谈主罗旻）皆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定在一定面积以内，他们干了许多相等密致的活儿，以至于咱们后端供应商的东谈主皆以为太挑战，他们同期给好几家公司作念芯片，阐述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，不作念就无法兑现居品各别化

误点：对于自研芯片，你们最初是何如议论的？

谢炎：在我 2022 年加入公司前一年，逸想就依然启动议论作念芯片，但没细则要作念多大算力、作念到什么程度、什么时候委用。这些是我来逸想后，经过征询才定下来。

来之前跟李想雷同，我提到一个遑急不雅点：将来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。我其时和想哥达成一致：如果逸想将来以居品为中枢竞争力，一定得自研中枢软硬件。

误点：口试时，你和李想即是这样雷同的？

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：自研芯片参预很大，李想其时是什么立场？

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

误点：外传逸想决定作念芯有顷，经管层为此批了 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：咱们的意思意思是，逸想芯片自研的合座预算是 10 亿好意思元。

谢炎：芯片自研是渐渐迭代的过程，很难用固定预算来计算。比如苹果从 A4 启动作念，从 A 系列作念到 M 系列，从手机、服务器到札记本皆用自研芯片，这些参预没办法用单一预算来计算多照旧少。

咱们更多是按样式批预算，有了第一个样式就会滚动到第二代、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 还没竟然进入全球的生涯，只好 Chatbot、"小龙虾" 等简便应用，这仅仅产业早期的早期，相等像 1970 年代末的计较机。那时全球以为 640K 内存就够了，处理器 1M 赫兹皆极其高端，一直到 1980 年代中期才出现。更早即是 8088、8086，即是几百 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。不仅是算力大幅进步，而且数目信服要更多。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，其后变成每家每户、百行万企皆要用。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：这样重的参预，李想为什么会支柱？

谢炎：他比较信赖垂直整合兑现各别化这个逻辑。

对于任何居品，竟然的各别化即是掌抓中枢手艺链条，比别东谈主更快迭代翻新。在这个逻辑下，该作念什么、不该作念什么就很澄莹。能帮咱们在性能和成本方面兑现各别化的，就精确参预；不成的就不作念大参预，即使它今天很遑急。

每个时期皆有中枢居品，它不仅自身遑急，还能孵化手艺并溢出到其他鸿沟。八九十年代是 PC，最近二十年是手机。智高手机手艺熟悉后，Pad、电视、车载触摸屏皆出来了。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通顺的车内交互体验？

智能电动车即是这样的居品，可以围绕它把端侧东谈主工智能作念得相等熟悉，因为它是刻下个东谈主能领有的最大算力结尾开辟。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手艺，让这些手艺变得高性能、低成本、微型化。当手艺孵化充分时，其他应用就变得容易。如果今天径直作念机器东谈主，真的太累了，因为好多东西根柢没熟悉，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，其后者何如超越？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，全球以为车企自研智驾芯片难度很大，或者第一代芯片即是交膏火的。

谢炎：这个逻辑大体没问题，但需要间隔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。然则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。

不要低推测较量需求，手艺还在发展，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，需要的计较限度很大，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，具体价钱也与采购限度相关系。

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，只看自研芯片节俭的采购成本，我认为可以降一半以致更多。而且这是不息动态发展的，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，将来可能到 2500 以致 3000 好意思元，成本降一半的限度至极可不雅，是以不需要搭载一百万辆就敷裕消除芯片研发成本。只须能得志一年销量，就能消除好几年芯片研发团队的用度。

另外我方斟酌、遐想之后的效率比较高。如果本年卖的车皆部署自研芯片，咱们一年省下来的钱就非常三年研发用度，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，其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。头部公司体量敷裕大，比如手机和汽车，一定会掌抓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，最中枢的手艺我方莫得限定力。这很危境，因为那意味着别东谈主可以很容易地复制你的居品，而你也无法有用掌抓居品手艺迭代的节律。如果最中枢部分全球皆一样，皆是高通或 Google，就很难作念出竟然的各别化。

反过来讲，如果企业有志于成为最头部公司，最中枢的部件信服要掌抓。自然也不是什么皆要作念，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 算力信服是不停发展的，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即是这颗 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，主要看两个条目：一是它很遑急，能决定用户体验永别；二是它能够各别化，因为手艺还在高速发展，莫得进入平台期。

AI 恰好两者皆具备。当咱们把汽车当作机器东谈主，AI 一定是决定性要素，这辆车机灵不机灵信服能看出来。第二，AI 还在高速发展，是以一定要参预，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任天由命。

我一位共事以前在苹果。苹果自研芯片最先用的是 Arm 的 IP 核，想改造某些部分提高效率，但 Arm 说不成改，因为它要得志通盘客户的需求。Arm 依然是很强的 IP 供应商，但它要成为通盘客户的最大条约数，不会为最强的公司定制居品。即使它愉快定制，时候成本也会很高且效率低。是以苹果其后只买 Arm 的指示集授权，IP 全是我方遐想。目下苹果核比宇宙上任何 Arm 核效率皆高，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，"你如果竟然认真对待你的软件，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，它们是围绕一套调处的架构念念想合伙遐想起来的。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鸠集的那样白璧青蝇。

目下计较机系统的底层逻辑在 1950 年代出现，70 年之后，第一次遇到了竟然真谛上的剧变——从以标记逻辑为基础，转向以概率论和深度神经相聚为基础。那么，通盘计较机架构，包括硬件、软件和操作系统，皆有必要围绕新的基础进行大范围重构，来有用支柱需求的爆发式增长。2022 年我来公司时就和手艺团队说，这是通盘计较机系统从业者 70 年一遇的契机。

要掌抓自研芯片中枢的 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状？

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，但要何如作念？" 其时蔚小理皆在作念，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调作念芯片而作念芯片。咱们应该径直从这个时期，汽车芯片上最遑急的问题来源，那即是 AI 推理计较。不要怕惧没东谈主、没教养。这些皆不要害，独一要害的即是战术方针的正确性。

咱们最终细则：自研的方针是在量产时超越同期最强盛的英伟达芯片。这个决定很遑急。竟然有真谛的即是围绕这个时期的主题，作念一颗敷裕强的 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，毕竟许多公司皆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。但这不是咱们的聘用。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 时期手艺最初。

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

今天看马赫 M100 芯片，咱们很自傲，这是中国第一款完全原创遐想的 AI 芯片，袭取了非主流但更合乎 AI 的数据流架构。

误点：四倍着力对标英伟达，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 的实践算力是 Thor-U 的 3 倍。

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

误点：马赫 M100 芯片当中哪个处所不成被 Trade  off（选定），哪些处所可以？

谢炎：中枢中的中枢是 for AI 的那部分，要完全掌抓在我方手上。有公司去买 NPU 核，那还不如不自研，径直买芯片就好——AI 部分皆不掌抓，等于作念芯片不掌抓任何东西。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、模子皆要能垂直整合。相对来说，CPU 核因为不在 AI 推理计较中占据主导，发展速率也比较纯粹，可以不作为前期重点参预的方针。

误点：这亦然你们在 2022 年定下来的？

谢炎：对，相等澄莹，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：当初界说芯有顷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工作，2026世界杯比赛买输赢中国官网比如某块土产货内存到底需要多大容量才能阐扬最大着力，这需要软件和模子沿途适配。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量。2022 年时咱们依然超出通盘自动驾驶团队的判断，全球皆说 Orin-X 依然比较充足了，而咱们的遐想方针是全球需求上限的 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：即是咱们需要更大着力、更大算力。我相等信赖将来需要更大算力，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 打形成智能机器东谈主。目下咱们好多才调皆要算力，而且要的还不少。一辆车有 11 颗 "眼睛"，除了自动驾驶，它还要能够鸠集你，帮你干活，以致将来咱们可能会在车内装个机械臂帮你拎东西。

访佛的需求皆需要敷裕强盛的土产货算力，因为云霄算力会受无线伙同的影响。你并不但愿你的物默默能体时灵时不灵，也不但愿它工作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：界说芯有顷，智驾团队更了解刻下算法和量产节律，芯片和操作系统团队则要提前看三四年后的需求。不同团队敌手艺演进的判断不完全一样，你们何如均衡这些意见？

谢炎：咱们参考了智驾团队的输入，但底层手艺研发周期长，是以咱们照旧要将就我方看得再远少量，否则三四年后出来的居品可能过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：其时无论端到端照旧 VLA，今天全球挑剔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俗例。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：互联的才调可以作念得更高少量。其时以为单芯片的遐想较力依然很高，是以莫得遐想 PCIe 支柱。但今天看来照旧不够。不外咱们也通过操作系统的互联手艺技能，达到了互联带宽需求。这亦然一个掌抓手艺全栈后带来的价值。

误点：你们细则袭取数据流架构时，芯片团队有多大限度？

谢炎：未几，咱们初期有很万古候是二三十东谈主。

误点：业界有种说法，"一个无缺建制的芯片团队应该在 600 东谈主傍边。" 你们目下简略些许东谈主？后续还要增多吗？

谢炎：咱们目下约莫 200 东谈主。有时候我以为东谈主多不一定是功德，东谈主少少量更团结、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，全球协同起来效率相等高，不是通盘东西皆要芯片团队我方干。

误点：芯片团队的成员主要来自哪些处所？

谢炎：各个公司皆有，也有许多校招。咱们莫得针对性地找哪个公司的东谈主，只须才调够强，咱们就招过来。全球形成战斗力就行，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，好的东谈主照旧值得好的薪酬。更遑急的是，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：界说这颗芯有顷，各式参数优先级何如细则？

谢炎：参数不是先定的。界说芯片最遑急的是先鸠集要惩处的问题，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计较特征，包括数据微辞、计较密度等。因为芯片最终是为跑任务服务的，如果莫得潜入鸠集雇务，芯片作念出来再去适配会浑家当军。

是以，咱们一启动花了半年分析计较特征，第二步是鸠集如何遐想数据流架构，终末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，把依然作念好的芯片参数拿过来，然后这儿加少量、那儿减少量。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，全球沿途 Co-Design 亦然发生在这半年吗？

谢炎：时候会更长，Co-Design 分几个阶段。

首先，界说芯有顷要全球沿途界说，这相等遑急。遐想过程中可能有新通晓，也需要全球沿途征询。因为兑现功能时你会发现，比如要达到某个带宽，如果绕线密度太高就需要息争，少绕少量；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、硬件团队无数协同遐想。

其次，芯片记忆后硬件依然无法修改，是以模子遐想要对硬件性情酌盈注虚。软件如模子方法、参数方法可以匹配硬件性情：硬件在哪些方法上效率最高，咱们就匹配哪些方法。

是以前期是硬件瞄着模子作念，芯片记忆后是模子、编译沿途想办法瞄着硬件作念。芯片供应商很难这样紧密互助。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：哪些东谈主会参与征询？

谢炎：许多东谈主参与征询，这亦然咱们跟其他公司很不一样的处所。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皆拉到沿途，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。

是以比较要害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微辞、数据搬运延时、带宽等目的。作念居品界说时全球能坐到沿途遐想，这是咱们其时作为一家限度不大公司的平正。

"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建议，为什么到今天才合乎用在车端 AI 芯片上？数据流不是全新想法，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腐的想法，最早在 1970 年代建议，MIT 的 Jack B. Dennis、Arvind、高光荣训导他们提的，到目下依然几十年，但工业界落地相等少，最遑急的原因是计较限度不够大。在计较和数据限度较小时，数据流架构的效率上风很难阐扬和体现。

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 操作皆抽象成指示，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，至极合乎东谈主脑在有限的高下文长度下作念念念考和编排。代价是亏空了一定的计较并行度，质问了效率。但这在 AI 计较之前的时期还能哑忍。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 微架构手艺来缓解。

数据流架构的优弱势正好违反，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，而且调试工作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——自然想法很好，但落地很难。但当计较限度扩大到一定程度后，冯·诺依曼架构的瓶颈依然越来越明白。再往后走，数据流架构应该是一种更好的体系架构形式。

误点：具体讲讲，数据流架构为什么更合乎 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，中间有个调整员负责发指示。这种围聚式经管容易 Debug 和编程，但调整员负载很重，限度扩大后容易形成瓶颈：可能有东谈主温情但调整员没看到，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% 的晶体管用于任务调整。

GPU 在此基础上改造，不再配置超大调整员，而是把东谈主员分组并为每组配简便调整员，减少晶体管占用。但本责难题没惩处：指示没到就得恭候，形成阔绰；各组资源不成互用；限度扩大还需要分层调整，有点像狡计经济，效率很低。系统也不成径直掌抓资源匹配情况，中间需要一层又一层狡计东谈主员。

还颠倒据搬运的物流问题。调整和数据皆是围聚式的，会形成瓶颈。是以 GPU 里有无数内存（Memory）仁和存（Cache），皆是为了支柱中心化调整。限度小时没问题且容易 Debug，因为全是中心化的；限度变得超大时，瓶颈也会越来越明白。是以 GPU 需要作念多层 Cache 和高 HBM 带宽来弥补效率不及。

误点：数据流架构何如惩处这些问题？

谢炎：那些不径直产生价值的晶体管至极于额外支拨，但芯片本色是要完成计较任务，竟然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，是以要走向散播式。

无谓指示驱动，可以去掉调整员，让切菜、配菜、炒菜的东谈主径直互助，这样能进步效率，省却许多晶体管。但难点是让全球在莫得调整员的情况下高效工作，这对组织要求很高，是以编译器很遑急。在咱们的处理器里，自然还有纪律，但不按原来形式施行，Debug 很难。

但平正是，这样的架构自然合乎 AI，反过来当 AI 才调很强时，AI 也比东谈主更能经管这些超大资源匹配。冥冥之中自有天意。手艺莫得好坏，只好匹配不匹配。

因为咱们莫得中心化调整，通盘施行不是调整员告诉你启动，而是每个东谈主在我方工位上，数据到了就启动，施行完就不绝放到活水线上。

误点：你其时何如猜想用数据流架构？

谢炎：数据流架构主要草创者之一高光荣训导是我在特拉华大学念书时的导师。当年咱们实验室称号是 "计较机体捆绑构和并行系统实验室"（CAPSL），重点斟酌方针之一是使用数据流架构惩处大限度并行计较问题。

在当年许多问题的惩处过程中，咱们看到了数据流架构的特有上风。我那时的嗅觉是：它比冯·诺依曼架构更接近计较本色。但受限于其时计较机应用的需求范围，这套架构念念想主如若在超等计较机和大限度科学计较场景下利用，而一般的 Windows 和 Mac 的通用桌面计较并不成有用阐扬其上风。

深度神经相聚出现并流行后，至极是当下大模子 Scaling Law 推动模子参数和计较限度快速增长，需要更高效地惩处大限度并行计较和数据搬运的问题。这让咱们从头看到，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细则用数据流架构的吧？

谢炎：团队早期在架构门路上有过深入征询。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；需要活泼性的部分就额外加 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，这本色上是两套东西的拼接，不是调处架构，而且上限不高——芯片里有一部分跑的时候另一部分就闲置，形成资源阔绰。更要害的是，AI 算子在快速演进，如果核神思较单元不可编程，很难适合将来算法变化。是以，咱们最终聘用可编程的数据流架构，自然难度更大，但天花板更高，能奴婢 AI 发展不息演进。

误点：之前全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。有些工程师说无谓 CUDA，工作效率会质问许多，这个问题何如惩处？

谢炎：第一，用英伟达芯片成本很高。如果自研居品界说澄莹，自然器用链莫得 CUDA 好用，可能需要工程师多花一两周作念适配，但车能获取 50% 的成本色问、好几倍的性能上风，哪个更遑急？这背后更多是居品质价比和筹谋的考量。

第二，数据流架构自己是 for AI 的，AI 亦然 for 数据流架构的。将来这些适配工作皆会由 AI 来作念。当 AI 敷裕强时，世界杯比赛买输赢(中国)2026最新官方网站CUDA 的生态上风会质问，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，其目的是质问东谈主类纪律员的编程难度。

而不久以后，或者刻下依然启动，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植 "拐棍"，遑急性会越来越低。AI 以致可以抛开 "拐棍" 径愉快速对硬件编程，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，推理效率的遑急性在快速飞腾，而东谈主类编程通用性的遑急性在质问。英伟达依然意志到这少量，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，它的居品是相等静态的数据流架构，完全不支柱 CUDA，莫得全球通晓的可编程性，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：有挺多征询。芯片团队里面一启动有东谈主因为手艺理念不同而离开，这莫得对错，仅仅信赖和看见的东西不同。当架构念念路调处后，全球方针一致，配合很默契，施行起来反而比较得手。

公司里眼前期信服也有一些疑问，毕竟这是全新鸿沟。全球会想：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聘用，但更多是能超越市面上最佳的芯片这个方针自己是否感性。

这点上，咱们花了无数时候对 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 —— 也即是 GPGPU 架构 —— 进行超越。不同的门路或技能，比如数据流架构，是独一的契机。

误点：这至极于是走 "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。如果仅仅评释能够替代，那么走前东谈主走过的熟悉门路就敷裕了，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 "明白" 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 年的立项文档完全即是这个逻辑。

误点：他听完后什么反应？

谢炎：不铭刻了，但信服莫得认为咱们在瞎掰八谈（哈哈）。实践上，他莫得作念聘用，因为他知谈这件事遑急，况且支柱咱们作念芯片。

误点：李想是业界公认对细节要求很高的 CEO，但芯片应该有许多处所超出他的手艺通晓。比如手艺门路对不合，李想何如判断？

谢炎：作为 CEO，他会把大的战术和买卖逻辑判断好，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。同期手艺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，不需要知谈具体手艺何如作念。更本色的，这可以类比狡计经济和商场经济。狡计经济在限度小时更容易构建，径直下指示形式也够高效。当限度相等大时，商场经济的上风会越来越大。

误点：你们前期征询他参与得多吗？

谢炎：每个节点他皆会看。

误点：不需要每个节点他皆点头？

谢炎：对，因为测试、架构、后端这些皆是手艺节点。李想照旧会抓大放小，要害节点看得很细，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、花多万古候。

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，最佳的团队限度是你想要限度的 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，我仅仅作念的时候比较长。

误点：总体上你有丰富的软件研发教养，加上是作念编译器降生。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，芯片才调阐扬些许，最终软件起很大作用。无论 2010 年前的英特尔，照旧目下的英伟达，软件工程师东谈主数皆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。这阐述同样的硬件，软件优化好不好，最终阐扬出的才调迥乎不同。

但更遑急的是，计较机的软件和硬件架构，其实是应该沿途遐想的。软件作为一种构建在硬件之上的 "逻辑实体"，它的底层，也即是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。

曩昔几十年，东谈主们迟缓健忘了这点遑急性，是因为传统架构支吾通用计较依然够用，并莫得必要在这里作念大的翻新，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 计较的需求在快速爆发，而传统架构依然接近极限。当咱们需要为了更大限度、更高效率的计较从头遐想通盘计较机的时候，这样的双向视角和才调，是一个优秀团队必须具备的。

芯片才调要转机为智驾体验上风，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互助，会不会有需求冲突的时候？

谢炎：需求倒不太会冲突，因为全球的最终目的是但愿在智驾上兑现最初。最遑急的不是芯片作念得好，而是智驾才调强。接下来，我也会花较万古候和智驾团队沿途看，何如在模子上竟然最初。这是相等遑急的一场仗，如果智驾皆不成最初，何如能阐述芯片最初？

误点：你之前跟智驾团队的交流频率如何？

谢炎：主要会议我皆参加，手艺征询有些我也参加。

误点：目下呢？

谢炎：目下因为我有这个职责，是以会更多参与征询，手艺门路上也会共享一些具体想法。各家目下的智驾水平在昆玉之间，莫得东谈主太最初，差距相等小。但往后发展有两个要害点：

第一，要勇猛投资将来手艺。特斯拉的手艺门路就迭代过好几次，最怕以为 "这一代就够了"。手艺永远是用新门路惩处更难问题，是以要挑战我方，突破原有通晓。是以咱们会无数参预研发，不仅是量产手艺，还会斟酌其他可能的手艺门路。

第二，更高效的算力相等遑急。咱们会加强模子和芯片的互助。有更强算力后，能作念事的空间就大许多，不会像在小限度的跷跷板上，这个高了、阿谁就低了。当算力大时，可以用通用方法惩处许多问题。今天的大语言模子不为任何一个特定行业遐想，但由于参数敷裕大、数据敷裕多，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调惩处长尾问题。这些问题不可能靠专用小模子惩处，信服需要大模子，而且需要系统具备东谈主类通晓，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 分需要的算力不是简便乘以 2，可能是乘以 5 或 10。

误点：是以特斯拉 AI5 芯片简略 2000TOPS 的寥落算力远远没到非常？

谢炎：离竟然的 L4 也还不太够，自然这仅仅我个东谈主的判断。

误点：你们依然在车端用马赫 M100 替代英伟达，但云霄还在用英伟达。云霄算力不够用而且很贵，这个问题何如惩处？

谢炎：英伟达不会因为咱们没用它的车端芯片就不供应云霄居品，老黄不是这样的东谈主。马斯克也买英伟达的云霄居品，车端同样没在用，是以该合作照旧合作。咱们可以用通盘云厂商和芯片厂商的居品。国产的皆在用，只须好用就行，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形式进步效率吗？

谢炎：自然。

误点：能作念到什么水平？

谢炎：Google 首席科学家 Jeff Dean 的不雅点我至极招供。他最近两年一直在讲寥落和低精度，质问精度亦然一种广义的寥落。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，算法皆能保持敷裕性能。这些手艺是咱们的重点斟酌方针。

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，是以并不是通盘处所皆用低精度。就像你开车时，视觉焦点除外看个简略就行，其余部分根柢不需要高精度。是以在检修和架构的合伙遐想上有许多厚爱：如何用好低精度，如何用好结构化寥落和其他寥落方法，比如 KV 缓存的寥落化，这里面有许多可供软硬件合伙遐想的处所，不是简便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 从什么时候启动支柱机器东谈主？

谢炎：这得看咱们机器东谈主业务的节律，不焦躁。芯片就在那，业务准备好随时可以用，更遑急的是机器东谈主的手艺方针。逸想作念机器东谈主，信服不会简便复制别东谈主的方法，那样没真谛，更遑急的是走出一条我方的路，那会决定何如用咱们的芯片。如果机器东谈主业务需要高性能的量产芯片，马赫 M100 比市面其他芯片皆好，又有里面支柱，效率会很高。

误点：机器东谈主团队还短少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。目下想哥界说的分层是：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皆基于基模团队提供的模子，是以模子检修皆在沿途。也即是说，机器东谈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，并因此节俭 1000 元单车成本，具体是何如回事？

谢炎：很简便，马赫 M100 有比较强的处理器，里面有 24 个 A78，咱们用诬捏化和操作系统手艺阻隔出一部分给 XCU 用，通盘 XCU 限定器就节俭掉了。

误点：除了自动驾驶，马赫 M100 还有其他应用场景吗？

谢炎：全球一定要鸠集，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 的计较中心，通盘 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，这样着力最高、单元算力成本最低。无论自动驾驶照旧座舱里需要的 AI，皆放到沿途效率才最高。如果这边摆一个 AI 小计较，那儿摆一个 AI 小计较，而且双方架构还不一样，适配起来皆抨击。

在底盘和以后要推出的机器东谈主上，咱们也皆会用马赫 M100。你看特斯拉 FSD 芯片在机器东谈主上也用。媒体不时把 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 年特斯拉启动大限度推送 FSD Beta 版起，智驾行业履历过屡次算法变动，这对逸想遐想芯片的念念路有冲击吗？你们作念了哪些调整？

谢炎：这即是作念 ASIC 和 PU 的永别。作念 ASIC 如果应用一变，硬件固化了即是磨折。但咱们作念的是 PU，可编程、有活泼度，只须应用计较大的特征不变，算子的变化皆能适配，而且效率皆保持得很高。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，但什么应用皆能跑，且效率还可以。

不外，如果计较特征发生巨大变化，的确有影响。大语言模子兴起后，计较特征如实和之前的深度神经相聚有区别，跑大语言模子至极是 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，略略加了一些东西。

误点：目下全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：只看参数没真谛，最终要看有用算力。举例评价一部手机好不好，内存很遑急，但苹果内存最低，体验却最佳。是以不成简便拿参数计算芯片才调。就像拳击比赛，告捷选手是轮廓实力强，不是比泰森重、比泰森高就能打赢泰森。

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

谢炎：对，尽量用要害模子评价，以致最佳径直拿自动驾驶言语。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，是以有东谈主认为，英伟达遐想这款芯有顷对 Transformer 议论较少。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 最遑急的珍见地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，然后反复访谒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，咱们作念珍见地计较很高效，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，辞谢易遇到 "内存墙"。然后是矩阵乘，即是终末大的计较结尾再去跟大的矩阵相乘时，需要给每个计较单元皆复制一份矩阵，而咱们有全局播送总线，可以一次把矩阵同期送给通盘计较单元。英伟达 GPU 是指示驱动，每个计较单元皆要到全局仓库去找，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，而是把多个计较方法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。如果把通盘高效的东西皆固化，那参数也会固化，就失去了架构的活泼性上风。

AI 时期，东谈主的一个遑急才调是能够跳出散播概率念念考

误点：你评价我方是工程师，但加入逸想后很快成为 CTO。你何如看车企 CTO 这个职位？逸想 CTO 需要作念哪些中枢工作？

谢炎：在职何公司的高管里，CTO 界说最恶浊。逸想 CTO 有对外手艺对接的职责，对内主如若在 AI 计较这条线上——从模子、操作系统到芯片，再到封装等相关手艺——保证公司将来有竞争力，在中国一定最初。

这是我参预元气心灵的重点，因为这是逸想成为具身智能公司的中枢之一，自然不是独一，因为车是复混居品。这条线又分为委用和保证最初两部分。委用要敷裕好，会花少量元气心灵，但更遑急的是往前看，因为手艺永远迎难而上，是以一定要花时候关注还在地平线上的新手艺。

误点：你目下关注哪些新手艺？

谢炎：第一是模子将来的发展，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，之后还会不绝迭代。

第三，芯片遐想自己挺专门念念，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，业界有许多新方针，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式更好地遐想架构，我也会花元气心灵关注。

还有用 AI 赋能芯片遐想和编译器，这也很遑急，将来咱们必须走在前边，效率一定要敷裕高。是以我在推动核神思较团队用 AI 进步效率，突破原来想象不到的事情，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：你的工作立场是什么？

谢炎：抓重点。从工程师成长到要构建更大事情时，最遑急的是学会分拨元气心灵。不成像我方作念工程师时每个点皆亲自处理，要分清哪些点看浅少量，哪些点看深少量。

误点：在不同节点，你的工作重点散播在什么事上？

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，用硬件描写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。要害驱散可能会看得多一些。我对我方要求是，保证在东谈主工智能手艺门路上，可以过大契机，少踩坑，达到最初并能不息最初。

误点：在 AI 时期少踩坑，可能吗？

谢炎：是以要加强斟酌，许多东西得先知谈发展方针。所谓 "踩坑"，中枢是莫得一手信息、东谈主云亦云，只看特斯拉、英伟达今天何如改，但不知谈为什么，说它这样改是以我也这样改，这最危境。

不是他何如改咱们就何如改，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。咱们目下作念的许多事皆和业界不一样，但这不是投契行径，而是真的从底层分析明晰后的决策，不是押宝。

误点：你说保证逸想在 AI 时期不息最初，范围指车企照旧全行业？

谢炎：首先是车企，这是基本方针。咱们不会跟 OpenAI、Claude 去比 Coding，这莫得真谛。每家公司有它的工作和鸿沟，咱们的工作和上风更多是在三维宇宙构建具身智能的全栈才调。

误点：十年后，你瞻望具身智能会达到多大限度？

谢炎：汽车目下是中国第一大行业，非常房地产，具身最终信服比这个商场大。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 方针转型，汽车业务还有多遑急？

谢炎：汽车业务对咱们挺遑急，至极于练兵场，可以提供无数资金、东谈主才、场景，许多手艺从里面孵化熟悉、成本色问。汽车业务对逸想来说信服是今天最遑急的业务，外面说想哥不想作念汽车了，不是的。自然有弘迢遥针，咱们照旧存身汽车，今天通盘东西照旧服务于汽车。

误点：你加入时逸想正处于飞腾期，到今天遇到挑战，你的变装也愈发遑急。何如看待逸想这几年的变化？在不同阶段，你何如判断各样事情的遑急性？

谢炎：我基本上没什么变化，公司在业务上信服是有上有下，但更遑急的是看到一些不变的东西。我来之前就信赖汽车是遑急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，只须咱们还没阻塞到少量儿钱皆莫得，那就保持这个研发强度，把内功练好，让全球有这个耐性。

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是相等小的比例，他们安闲散静在一个边缘把中枢的东西打磨好就行，不要被所谓的销量凹凸影响。遑急的是，坚忍信赖正在作念的弥远是这个时期很遑急的事，这少量咱们一直没变过。

而且我信赖 AI 时期会有一套新的计较架构，我一直想在汽车上把它试出来。这件事不管如何皆相等有真谛，而且一朝作念成，一定能匡助逸想建立相等强的壁垒。

误点：今天团队可能没法再安闲散静，像你就要被推到台前了。

谢炎：你作念出来就好，拿东西言语，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。也很红运处在这个时期，这个时期最遑急的是具身智能居品，而汽车是很好的载体。其他东西皆不太遑急。

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

误点：一家自动驾驶创业公司挖东谈主的形式是看比赛收货，谁的分数高就把他挖过来，你呢？

谢炎：我不赞同他的方法。这只可阐述某些东谈主打比赛至极熟练，然则更遑急的，AI 至极擅长无数数据的平均散播，如果这个东谈主是技能熟练型的，通盘通晓皆在平均散播里，也很容易被 AI 替代。而东谈主最遑急的是跳出概率散播的那部分，也即是 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，它一定不会猜想回收火箭，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，很难完全跳出散播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 才和谐智驾作念好，才能成为头部公司，但商场上许多东谈主皆依然理会到这少量。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：因为刚才在说散播概率。

谢炎：这是两件事。一件是你跳出散播概率，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。东谈主类需求莫得散播概率的问题，比如你需要一个机器东谈主帮你干活，这是毫无疑问的，可能每个东谈主皆这样但愿，而且是相等低廉的价钱。

误点：你刚才说到，目下国内厂商在智驾这块的才调皆在第一梯队，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，最光芒靠智驾辞别不出来哪个车才调强？

谢炎：智驾照旧能辞别出来的。一个是今天离闭上眼睛、完全宽心开还有比较长的距离，但全球依然迟缓信赖这件事会发生。还有轮廓成本问题，也即是用多大的成本达到这个程度，这会有各别。

另外当自动驾驶兑现后，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散播概率的一种？

谢炎：对。你如果让 AI 遐想，它简略率不会聘用数据流架构。

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散播概率？

谢炎：会。

误点：那何如办？

谢炎：是以有教养的东谈主目下照旧遑急的，不成皆交给 AI。目下硅谷为什么裁掉一线工程师？因为他莫得敷裕的教养，跳不出散播概率，只可逸想。逸想自然也有价值，教养有时候也会限制你跳出散播概率。但在有些鸿沟，莫得敷裕教养，你跳出散播概率的想法可能 90% 是错的，还会破费无数时候。

误点：教养是通过切身实践得来的，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：这的确是一个问题。

误点：你们目下何如作念？

谢炎：我莫得至极好的方法，照旧要容忍一些，不要全是 AI。底层工作 AI 能作念时，就给新东谈主契机。不外新东谈主不是相通全部底层工作，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，许多东谈主能写汇编语言，但目下能写 C 语言的皆未几，但这并不妨碍全球的出产力更强。

误点：哪些事情你不允许用 AI 作念？

谢炎：莫得不允许，全球放开作念。今天无谓 AI 比用的风险更高，是以全球尽量用，限定风险就好。

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等快，没教养的东谈主也有契机快速切入一些鸿沟，是以不限制全球。我的想法是推动全球去试，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，而且可以想象它将来颖慧更多事。

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蛮横的东谈主在想什么，守秘程度相等高。逸想有什么经管机制，能够让好想法从下到上涌现？

谢炎：这很遑急，不要太科层化，比如我会径直跟校招生、一线职工不依期聊，即是聊你今天在想什么。我也会跟全球共享我看到什么、我在想什么。

在资源分拨上，咱们本年在念念考一件事：不要把资源拘谨在一个个垂直的井里。如果组织结构一朝形成，东谈主力、计较资源皆在一个井里，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调，而即使是教唆可能也只领有一部分才调，因此要跨团队协同。是以，遑急的是突破部门墙。

咱们正在尝试另一种方法：有东谈主有好想法之后能径直建议来，然后跳出他的组织架构上会评审，通事后全球就匹配资源，以致跨部门调集一个诬捏团队来干，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"，让全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过程后，年青职工很难径直跟 CEO 产生有用交流，最终李想成了居品天花板。何如幸免这种情况？

谢炎：这种情况信服有，因为一线听到炮火的东谈主更了解实践情况。他的想法被否掉后，其后发现是对的，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，既要保证他的翻新能跑出来，也要保证竟然落地的是高质地建议。许多东谈主皆会提建议，但 1000 个建议中竟然靠谱的可能只好 20 个。如果只须有 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，只好一种情况：你的团队限度敷裕小，敷裕紧密，这种形式才会相等收效。这亦然为什么我不但愿团队太大，东谈主少雷同反而更容易，东谈主多了之后你要破耗无数元气心灵辨认哪些是杂音，哪些竟然有价值。不外团队小，东谈主员教授要敷裕高，全球皆得靠谱才行。

误点：今天你是更集权照旧更均权？

谢炎：我比较均权，因为我的工作模式是这样：许多事我如果发现存问题，就径直跳进去跟工程师沿途看。我的时候并不完全固定，而是看哪个时候段的哪件事更遑急。如果是全球依然界说好的事，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：径直向你陈诉的有些许东谈主？

谢炎：比较多，我目下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谈主，其他皆是一级部门负责东谈主向我陈诉，只好那两个部门是二级部门负责东谈主向我陈诉。

那些东谈主围绕一件事工作，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。战术信服是 CEO 想哥推动，我即是实施，包括让手艺方针落地。

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、具身智能端侧兑现的旅途之一。

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 遑急，只须 CEO 看到大趋势，就皆知谈 AI 信服遑急。

我无非是推动了跳出散播概率的手艺门路聘用，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遑急，作念的事很遑急。

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 不遑急，当下对你来说什么最遑急？

谢炎：像我刚才说的，主如若在整条 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，就会产生访佛 "飞轮效应" 的效率，模子，软件，操作系统，芯片同期加快向上，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遑急的？

谢炎：对我来说，遑急的不是在什么位置，而是能参与遑急的变革和历史进度。在能够顺利的基础上，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：逸想汽车

谛视（高下滑动巡逻）：

[1] 冯·诺依曼架构：由数学家冯·诺依曼在 1945 年建议的计较机架构，被当代绝大多数计较机袭取。其中枢特色是指示和数据存在合并存储器中，CPU 按端正施行指示。

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

[3] 内存：计较机用于存储数据和纪律的硬件组件，也称为主存储器或立时存取存储器。处理器可以快速读写内存中的数据，是计较机运行纪律和处理数据的遑急部件。

[4] 缓存：位于处理器和主内存之间的高速存储器，用于临时存储频繁访谒的数据和指示，减少处理器恭候数据的时候，提高合座性能。

[5] 内存带宽：单元时候内，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）泄漏模子参数和计较，比拟传统 32 位浮点数可权贵质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，是一种内存手艺圭臬。DDR 内存在时钟信号的飞腾沿和着落沿皆能传输数据，比拟传统内存速率更快。

[8]CNN：Convolutional Neural Network 的缩写，即卷积神经相聚，一种深度学习模子，合乎处理图像数据，通过卷积层索求特征。

[9]Transformer：一种基于珍见地机制的神经相聚架构，最初用于自然语言处理，现已凡俗应用于计较机视觉等鸿沟，是 ChatGPT 等大模子的基础架构。

[10]PCIe：Peripheral Component Interconnect Express 的缩写，即高速串行计较机推广总线圭臬，用于伙同主板上的各式硬件组件，如显卡、存储开辟等。

[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，指将蓝本用于图形渲染的 GPU 用于通用计较任务。

[13]SoC：System on Chip 的缩写，即片上系统，将无缺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：芯粒手艺，将蓝本集成在单个大芯片上的不同功能模块解析为多个小芯片，再通过先进封装手艺伙同，可以提高良率、质问成本。

[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、内存限定器等，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、定位和培植失实的过程，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世界杯比赛买输赢中国官网