辉羲智能章健勇：打造中国版FSD，计算引擎可扩展是关键

FSD若入华即开卷！单靠模仿超越不了特斯拉。

作者|迩言

编辑|志豪

车东西6月24日消息，日前，智一科技旗下智能汽车产业新媒体「车东西」、AI与硬科技知识分享社区「智猩猩」，联合「上海市国际展览（集团）有限公司」主办的GTIC 2024中国智能汽车算力峰会于上海成功举办。

辉羲智能联合创始人章健勇登台演讲，主题为《可扩展的计算引擎，加速打造中国FSD》。

在智能化加速、AI算法革新、产业链自主可控的三浪叠加之下，中国车企迎来量产与技术的双重角力。但业界依赖“重投入卷出新高度”的线性模式难以为继，同时特斯拉FSD在技术、数据和算力上已经打造了极高门槛，这也意味着对于中国企业来说，模仿并非最佳路径。

面对要量产还是要自建的两难挑战，辉羲智能联合创始人章健勇提出打造中国FSD的创新路径——“可扩展的计算引擎”。

而要达到这一目标，章健勇则表示，要通过芯片算法系统协同设计，实现可持续的自我增益闭环。

依托自研智驾芯片，辉羲联合产业合作伙伴推出11VnR1L的城区NOA解决方案，以及11VnR的高速NOA解决方案，覆盖L2++及以上级别的智能驾驶场景需求。首款旗舰芯片将于下半年推向市场并于明年上车量产，同时，搭载辉羲城区NOA方案的车型也将于四季度邀请客户和合作伙伴评测体验。

01.

智能化竞争加剧

研发资源需求骤增

辉羲智能成立于2022年初，企业愿景是用可扩展的创新计算平台能够服务于智慧出行，主要目标是做高阶智驾的计算平台，以芯片为基础，打造前沿算法和数据工程，以及和合作伙伴一起推动高级的自动驾驶解决方案。截至现在，辉羲智能历经四轮融资，大部分的投资人都是产业方，主要研发团队在北京、上海、合肥、杭州、宜宾，研发团队主要聚集在芯片、算法和汽车工程领域。

去年开始，智能网联电动车的销量和智能化竞争不断加剧，无论是客户还是供应商，都会看到高阶智驾面临非常多竞争，同时因为项目不可扩展给行业带来极大研发压力。此外，高阶智驾企业还面临车型多、销量少，量产时间周期非常短的问题。

如果在资源充足的情况下大家做成一件事情并不难，但现在综合因素之下，智驾降本量产之路显得尤为艰难，每个智能驾驶项目的开发几乎都需要线性倍增的资源投入，传感器配置的不断变更、摄像头安装位置的调整、多软件模块的集成合作，以及多车型策略下的市场销量不确定性等等，都对项目的时间、费用和人力资源提出了更高要求。

这也意味着，在今天整个行业面临竞争、融资和资源压力情况下，高阶智驾的研发存在非常大的挑战，需要整个行业共同解决。

02.

算力要求持续增长

城市NOA成必争之地

汽车行业存在摩尔定律，即在不断满足用户/客户需求提升的同时，成本不断下降。那么在智能化时代，如何真正跨越规模边界，用更小的投入实现更快数量级的增长，是我们必须要思考的问题。

从产品体验上看，2023年开始在消费者品牌认知度里，更先进的智能驾驶功能已经超越了智能座舱，成为了中国高端新能源汽车品牌受消费者青睐的主要原因，并且中国消费者为城区NOA付费意愿上升明显，城市NOA成为必争之地。

从智能驾驶路线演进上看，从2020年以前基础的1V1R方案到高速NOA、到城区NOA记忆行车到接近L3的智驾能力，对计算能力不断要求增长。

03.

FSD可扩展能力门槛极高

国内企业还有差距

而目前业内要解决的问题就是，怎么把城区NOA的体验做上来，真正让用户订阅，既能够帮助车企卖车，也能让其变成企业另一种盈利途径。

而对于这些要求，特斯拉FSD做出了尝试。特斯拉FSD拥有门槛极高的可扩展能力，这体现在训练资源、算力、自研芯片和数据量方面。

特斯拉Model 3/Y近五年销量超过460万辆，但特斯拉传感器系统的变化上非常保守、克制，而特斯拉的训练资源超过了100+ExaFlops，工信部在2022年项目规划是300+ExaFlops，产业环境方面，特斯拉接近最先进的AI产业源头，人才和算力不受限制。

和特斯拉相比，国内企业高阶智驾单一车型销量相差1到2数量级，传感器系统快速迭代，两年一变，单一车企训练资源相差100倍，此外，虽然国内产业环境蓬勃发展，但是受到的制约因素非常多。

从可扩展能力角度来说，在智能芯片、数据训练和算法方面，国内企业和特斯拉还存在一定差距，但是我们也不能完全照搬。

04.

芯片算法系统协同设计

实现可持续的自我增益闭环

站在供应商的角度，车企的降本量产交付和自建能力两方面的需求，供应商都要完整支持，而要达到该目标，可以从芯片、算法、系统协同设计角度实现可持续的自我增益闭环。

简单打个比方，中国工程师创新执行能力可以降低20%的成本，路线选择上采用传感器、轻地图路线也可以降低20%的成本。而如果算法模式能够演进满足中国市场多车型的需求，那就也可以实现降本。此外，如果能在芯片架构和算力平台架构上进行创新，最终成本也可以大幅降低。

从芯片架构角度来看，随着算法的代际演进，算力需求进一步扩张。在算力提升的同时，NPU架构需要从原来多头输出的单一基础模型演变为多个模型复合的状态，像Safety/NOA/Pilot复合，能够实现规控引入模型参与，甚至直接实现端到端，并且除了自动驾驶感知之外，该能力也能够通过LLM大语言模型，延伸至更多的场景。

对此，辉羲智能推出高阶智驾芯片和高速NOA、城区NOA的自动驾驶解决方案。

RINA（Rhino Intelligent Navigation Assistant） Max城区NOA方案，可以支持16路以上Camera接入，同时支持自研NPU，原生支持BEV&Transformer、支持全域NOA（城区+高速）、支持LLM端侧部署等。而RINA Pro方案也能够支持高速NOA以及点到点记忆城区路线。

以上两个平台是采用同一架构、同一套算法框架，可以实现客户从原有平台到新平台极速和丝滑的切换。

05.

可扩展的城区NOA方案

成本大幅下移

值得注意的是，高阶智驾开发，3/4的成本发生于数据闭环。

今天讨论所有的项目建造方案里，怎样高效降低成本十分重要，如果没有这一支撑，很多的方法就不具有实际可操作性。辉羲智能正通过自研数据闭环工具链，在保证准确率的前提下提升10倍效率，并大幅降低数据处理成本，助力智驾的稳定量产。

辉羲智能的目标是用可扩展的计算引擎打造中国版的FSD，基于高阶智驾芯片、前沿感知算法，和计算平台软件栈的核心能力优势，辉羲智能正在与产业合作方共同推进可扩展的自动驾驶量产解决方案，在硬件层面与主流传感器高度兼容，在软件层面通过高效的SDK提升算法执行效率，同时，辉羲智能为数据闭环的量产过程提供全链路支撑，极大缩短了技术迭代周期。

非常感谢大家，辉羲智能希望能够与合作伙伴一起全力推动中国FSD实现规模量产。