后摩智能创始人兼CEO吴强：突破芯片创新边界，赋能智能驾驶未来 | WISE2022 新经济之王大会( 二 ) 11月29日-30日

它带来的挑战其实主要有两个方面：
第一方面，从需求来看，是有非常多难点的，因为算力的需求会在使用中持续地增长。举例来讲，我们可以看到智能汽车安装的摄像头越来越多、数据量越来越大，所以对算力要求越来越大。前几年大家还在讨论几十T到百T ，现在已经从百T到千T 。
第二方面，我们整个算法大概是从封闭式的算法向开放式的发展趋势。
传统架构下要想提供这么大算力的芯片，一般是两种方式：
第一种，先进的制程，比如说5nm、3nm 。这种方式的最大问题是成本非常高， 5nm做一颗芯片它的成本差不多是以亿美金为单位，这样也会增加整车成本，并不是每辆车都能够负担起这样一个成本。与此同时，对于先进工艺的依赖存在供应链安全的问题，尤其在当下，非常容易被卡脖子。
第二种，做这么大的算力主要是利用一些专用的芯片，也就是牺牲通用性来获得效率。这种情况其实又不符合我们整个算法走向开放、通用的发展趋势，所以这个其实是核心的矛盾，也是对于我们最大的挑战。
怎么应对这个挑战？其实是需要一些更底层的创新来应对解决这样一些核心矛盾。
仔细分析一下我们面临的矛盾和挑战，两个最重要的问题，就是性能上不去和功耗下不来，这里有一个关键的两面墙问题，就是存储墙和功耗墙。
如果想解决应对这样的问题，我们必须要想到一些创新的方法，去解决所谓的两面墙的问题。现在有很多创新的技术都可以解决这样的一些两面墙问题，存算一体是其中的一种，但这种是目前在业内认为是最有希望的，另外也是最接近商业落地的。
它本身的想法其实也比较简单，是说传统的冯·诺依曼架构，其实是为CPU而设计的，它是其计算和存储分割开来，但是对于今天以数据为主的AI计算，本身会造成很多的算力瓶颈问题。另外由于大量的没有必要的数据搬运，也造成了大量的高功耗的问题。
所以存算一体它的基本想法是说我把计算和存储完全融合在一起，这样的话从根本性的解决了无效的数据搬运，另外突破了算力的瓶颈。
所以我们希望通过这种底层的架构创新真正地解决我们智能驾驶芯片面临的一些挑战，我们能不能提供一个大算力的芯片，但同时它又是一个低功耗和低成本的，可以面对我们中国广大的消费者，可以让那些10-25万这种大众化的汽车也能享受得起这样的智能驾驶芯片，这是我们希望用创新的架构去解决的问题，也符合我们今天这次WISE大会所说的LongChina ， LongInnovation这么一个主题，守望中国，保持创新。
举个例子，如果说对汽车芯片我们能用一个10倍能效比的芯片，我们就可以做到，在自然散热的情况下用更大的算力满足高阶智能驾驶的需求，在这种情况下，它不需要液冷、不需要复杂的散热系统，可以降低整个系统的复杂性和成本，芯片以及汽车的成本都能够得到有效的控制，这样的芯片就非常适用于对成本敏感的大众化车型上，
另外它又有足够的大算力可以支持高阶的自动驾驶，所以这才是一款真正的大众型的和普惠型的智能驾驶芯片，让平价新能源汽车，甚至是燃油车都能享受到智能驾驶带来的实惠和收益，也能够真正为智能化的普及助力。
举另外一个例子，因为存算一体是后摩尔时代的技术，它其实对先进制程的依赖是比较弱的，所以我们可以用相对成熟的工艺比如说28nm做出媲美7nm甚至5nm这样的算力和能效比。