丰富、完整产品序列,助力产业高质量发展
2024年4月26日,中国北京 — 时隔四年,社会各界热切期盼的北京国际汽车展览会再次在北京举办。2024(第十八届)北京国际汽车展览会(简称2024北京车展)于2024年4月25日-5月4日在北京中国国际展览中心顺义馆举行,本次北京车展主题为:“新时代 新汽车”,展示全球汽车产业在科技创新上的新成就,体现以技术创新为驱动的发展方向和我国汽车工业自主创新的成果,助力汽车产业可持续和高质量发展。
新能源汽车的蓬勃发展,推动了中国的智能驾驶技术快速的演进和突破。可以看到,中国的车厂、Tier1和算法提供商以及芯片厂商等企业在技术以及前瞻性上进步得非常快,并且在总体水平上已经迈上了一个更高的台阶。应对智能驾驶技术的高速发展趋势,安霸推出了针对ADAS/自动驾驶全系解决方案。
安霸展出的 CV3是5纳米车规制程的大算力AI域控芯片。CV3系列拥有几款不同的算力的芯片可供客户选择,包括CV3-AD635,CV3-AD655和CV3-AD685。在此系列中,CV3单芯片分别可支持实现从高速无图NOA、城市点对点记忆行车到城市NOA,再到更高阶的L3-L4级自动驾驶。继今年1月推出后,CV3 在2024年北京汽车展上完成了公开首秀。
安霸的CV3系列大算力域控芯片兼容所有深度学习算法类型,可凭借CVflow引擎高效运行各种神经网络算法, CPU和内存带宽占用低。CV3系列均支持摄像头实时视频采集,脱敏,编码,回传,实现数据回环。所有CV3系列产品均支持功能安全,达到ASIL-B级别,其中功能安全岛可达ASIL-D级别。
安霸对CV3系列芯片进行了平台化设计,满足了客户不同定位的产品在算力和解决方案上的差异化需求,可提供完整的智驾域控系列方案,从 “无图”高速NOA(CV3-AD635)到“无图”城区NOA(CV3-AD655),最后再到“无图”L3及更高阶的自动驾驶解决方案(CV3-AD685)。
CV3-AD685 可覆盖L3及以上更高阶的自动驾驶解决方案,它可单芯片支持多模态大语言模型+端到端自动驾驶。CV3-AD685可实时处理24 x 摄像头 + 5 x 毫米波雷达 + 傲酷中央域控雷达+3 x 激光雷达(可选)。在算法应用层面,CV3-AD685可支持BEV+Transformer+前融合+规控,且无需高精度地图。
CV3-AD655 可覆盖城区NOA + AVP 解决方案,它可实时处理12 x 摄像头 + 5 x 毫米波雷达 + 3 x 激光雷达(可选), 在算法应用层面,CV3-AD655可支持BEV + Transformer + Occupancy + 前融合,且无需高精度地图和高精度定位。CV3-AD655芯片功耗低于30瓦。
CV3-AD635 可覆盖高速NOA + 记忆行车+HPA解决方案,它可实时处理7 x 摄像头 + 5 x 毫米波雷达, 可运行BEV + Transformer + 前融合 ,且无需高精度地图和无高精度定位。CV3-AD635芯片超低功耗,无需风扇,可被动散热。
这次安霸还带来了基于CV3的中央域控4D成像雷达全向(360度)演示及实车展示。5R 雷达每秒生成百万级密集点云,类似高线激光雷达成像效果,单芯片成像雷达可达到4级联雷达指标,前雷达的横纵向角分辨率都在1度以内,4D雷达原始数据和摄像头原始数据可深度前融合,支持 L2+ 至 L4 自动驾驶的雷达感应。
2023年上海车展期间面向中国市场发布的极致性价比的全时行泊一体的 CV72AQ,目前已经取得良好的市场进展。本次北京车展不仅有基于CV72的前视ADAS量产产品展出, 还有合作伙伴的全时行泊一体的产品展示。
生成式AI无疑是市场目前最大的热点,安霸带来了今年新推出的N1 系列生成式 AI 芯片以及早前推出的CV72芯片上的多模态大模型推理演示。N1支持单颗芯片实现1 至 340 亿参数多模态大模型推理,功耗低于 50 瓦;CV72可提供更完整的开发套件Cooper Mini,实现30亿参数的多模态大模型推理,并且功耗在6瓦以下。
在2024年北京汽车展现场,安霸除了充分地展示了其芯片、核心技术及面向ADAS及自动驾驶的全面解决方案之外,还在其生态展示区,展示了基于10纳米CV2系列的量产产品,有前视一体机,CMS产品及舱内智能感知产品等。
2024北京车展期间展示将持续至4月29日,欢迎莅临安霸的展台:W4展馆外临时馆W08 6B展位,了解安霸半导体的前沿技术和资讯,以及富有市场竞争力的最新产品。
好文章,需要你的鼓励
谷歌正在测试名为"网页指南"的新AI功能,利用定制版Gemini模型智能组织搜索结果页面。该功能介于传统搜索和AI模式之间,通过生成式AI为搜索结果添加标题摘要和建议,特别适用于长句或开放性查询。目前作为搜索实验室项目提供,用户需主动开启。虽然加载时间稍长,但提供了更有用的页面组织方式,并保留切换回传统搜索的选项。
上海交通大学研究团队发布了突破性的科学推理数据集MegaScience,包含125万高质量实例,首次从12000本大学教科书中大规模提取科学推理训练数据。该数据集显著提升了AI模型在物理、化学、生物等七个学科的推理能力,训练的模型在多项基准测试中超越官方版本,且具有更高的训练效率。研究团队完全开源了数据集、处理流程和评估系统。
两起重大AI编程助手事故暴露了"氛围编程"的风险。Google的Gemini CLI在尝试重组文件时销毁了用户文件,而Replit的AI服务违反明确指令删除了生产数据库。这些事故源于AI模型的"幻觉"问题——生成看似合理但虚假的信息,并基于错误前提执行后续操作。专家指出,当前AI编程工具缺乏"写后读"验证机制,无法准确跟踪其操作的实际效果,可能尚未准备好用于生产环境。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。