当前位置:首页 > > 是说芯语
[导读]“是说芯语”已陪伴您1031天近年来,汽车向智能化、网联化、电动化方向不断发展,产品定位也逐渐发生改变。对于很多用户而言,汽车已经不仅仅是出行工具,更像是集休闲、娱乐、办公等功能于一体的定制私密空间。在此背景下,汽车智能座舱系统的重要性日益凸显。根据咨询机构IHSMarkit发布...

“是说芯语”已陪伴您1031天


近年来,汽车向智能化、网联化、电动化方向不断发展,产品定位也逐渐发生改变。对于很多用户而言,汽车已经不仅仅是出行工具,更像是集休闲、娱乐、办公等功能于一体的定制私密空间。

在此背景下,汽车智能座舱系统的重要性日益凸显。

根据咨询机构IHS Markit发布的《智能座舱市场与技术发展趋势研究白皮书》,现阶段,汽车座舱的智能科技配置水平,已经成为影响购车用户选择产品的第二大要素。重要性超过动力、舒适度,仅次于安全性。

而且,由于国内消费者对移动互联网和智能手机有着更强的依赖性,所以国内用户在购车时,往往更在意智能座舱表现。

正是因此,很多国内汽车厂商都十分重视智能座舱系统以及零配件的研发。甚至有企业宣布,只进入智能座舱市场,不进行整车制造。

好消息是,很多国内企业都在该领域取得了非常亮眼的成绩。譬如吉利就发布了首款自研智能座舱芯片——SE1000。

根据吉利介绍,SE1000是中国第一颗7nm车规级SoC芯片,采用87层电路,集成了88亿颗晶体管。从参数来看,SE1000是名副其实的高端处理器。

吉利能在众多国产汽车品牌中率先实现技术突破,并不令人意外。毕竟,吉利一直都是国内汽车厂商中,最注重研发的企业之一。根据官方在吉利龙湾技术荟上公布的信息来看,未来五年吉利将拿出1500亿人民币用于技术研发,单看研发投入,吉利有望蝉联第一。

当然,吉利大手笔投钱进行研发,也是为了取得更多的技术领先。按照计划,吉利会在2025年实现L4级别自动驾驶商业化,并完全掌握L5级别自动驾驶技术。如若吉利计划能够如期进行,那么在未来五年时间里,吉利很有可能成长为中国第一新能源车企。

据悉,SE1000智能座舱芯片将会在2022年开始量产。此外,吉利还有一款自研5nm芯片计划在2024到2025年推出。

其实,纵观吉利在智能汽车赛道的布局,可以发现,吉利进行智能座舱芯片自研,目的不仅仅是为了防范芯片受制于人的情况出现,也是为了能给用户打造出更出色的服务体系。

简单举例,吉利将会在2026年完成72颗物联通信卫星以及168颗导航增强低轨卫星的组网,搭配吉利自研芯片,吉利汽车将可以实现全球无盲区通信,定位精度也可以精准到厘米级别。

值得一提的是,吉利自研芯片并不一定会是吉利汽车独占,因为研发该芯片的芯擎科技公司,虽然有吉利的投资,但吉利并不是第一大股东。

也就是说,这颗7nm芯片最终或可以应用在多款智能汽车上,帮助国内汽车厂商,摆脱对高通、联发科的依赖。





转自:芯榜



----------------------- END-----------------------



本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除( 邮箱:macysun@21ic.com )。
换一批
延伸阅读

依托微五科技公司平台的技术积累与产业资源,芯片产品已在燃气、电网、信创及物联网等领域实现芯片规模化应用,成为推动RISC-V架构落地的重要力量。未来,该公司将持续深耕AIoT芯片领域,为更多行业客户赋能,提供高性能、高安...

关键字: 芯片 半导体

中国,2026年5月25日——意法半导体(简称ST)(纽约证券交易所代码:STM)总裁兼首席执行官 Jean-Marc Chery 将于北京时间2026年6月2日下午17点(即同日中欧时间上午11点)在巴黎举行的 BNP...

关键字: 意法半导体 电源 芯片

在汽车电子、工业控制、医疗设备等安全关键领域,嵌入式产品的生命周期不仅仅是从开发到上市这一短周期,而是要5年、10年甚至更久的长期维护、更新与迭代。对嵌入式系统开发工程师与研发团队而言,时间不再只是衡量项目进度的标尺,而...

关键字: 汽车电子 工业控制 芯片

少一次回写、少一次读回,按理说融合应更快,可很多内核一融合反而掉速,问题常不在算子数学,而在活跃状态被拉得太长。AI芯片做编译优化时,最容易高估的不是融合收益,而是寄存器和片上暂存能否接住融合后的活跃值。

关键字: AI 芯片 寄存器

峰值带宽写得很高,实际执行却总像喂不饱阵列,这种落差常常不在 HBM 规格本身,而在数据流并没有均匀走到每一条通路。AI芯片若把外存分布和片上互连解耦看,理论带宽再大也会先堵死在局部热点。

关键字: AI 芯片 HBM

模型并不轻,单次推理却总跑不出预期吞吐,这种问题在小批量场景尤其常见。AI芯片面对在线推理、实时控制或多租户请求时,最难受的往往不是峰值算力不够,而是流水线永远没被真正填满。

关键字: AI 芯片 算力

理论上跳过零值就能省算力,可很多稀疏加速器一上真模型,利用率却远没想象中高。AI芯片要把稀疏红利吃满,难点并不在于识别零,而在于元数据和负载波动会把省下来的乘法重新花在别处。

关键字: AI 芯片 负载均衡

模型规模没变,利用率却总上不去,很多时候不是算力单元太少,而是片上缓存先被撑爆。AI芯片一旦把局部存储和分块调度看得过于理想,乘加阵列就会反复等数据,而不是持续吃满。

关键字: AI 芯片 SRAM

标称功耗没超预算,频率却总是跑不久就掉下来,这类现象往往不是散热器不够大这么简单。AI芯片在高并发矩阵和缓存访问同时拉满时,最先撞上的常常是瞬态供电边界和热控反馈,而不是长期平均功耗。

关键字: AI 芯片 功耗

权重和激活一降到低比特,吞吐是上去了,精度却常常不是线性下降,而是在某几个层面突然断崖。AI芯片做低比特计算时,最危险的并不是量化本身,而是量化误差和累加边界在同一层上叠加失控。

关键字: AI 芯片 精度
关闭