一塊汽車芯片抵一臺超算的時間正在臨近。

　　一周前，英偉達發(fā)布智能汽車最強芯Thor，單片算力達到2000TOPS，性能相當于Orin的8倍，在相近精度下，算力幾乎是前段時間被禁的A100的4倍。

　　更恐怖的是，Thor的出現(xiàn)直接把尚未問世的Atlan扼殺在搖籃里，這種卷王行為把業(yè)內人士都看傻了。

　　然而，話音未落，在三天后的投資者會議上，另一家芯片豪門高通也發(fā)大招，宣布推出“集成式汽車超算SoC” ：Snapdragon Ride Flex，SoC外掛NPU的組合算力最高也將達到2000TOPS。

　　據(jù)說有高通工程師在朋友圈放話：這就是我們的回應，給這場算力爭霸賽增添了一絲火藥味。

　　英偉達與高通的隔空斗法，真實地反映了智能汽車在數(shù)字指標上日益嚴重的貧富不均——燃油車時代，即使是一臺軒逸這樣的買菜車，F(xiàn)1方程式賽車的馬力也不過是其8倍;而在智能電動汽車上，旁邊一輛車的算力可能會是你車的數(shù)十倍，甚至數(shù)百倍。

　　透過通貨膨脹一般的智能汽車芯片算力，我們嘗試回答幾個問題：

　　1、汽車芯片的算力，是怎么卷到2000T的?

　　2、智能汽車芯片，是不是算力越大越牛X?

　　3、汽車智能芯片超算化，會變成英偉達和高通的神仙打架嗎?

　　01、算力卷王

　　近些年的智能駕駛發(fā)展史，某種程度上可以概括為芯片算力暴漲史。

　　2016年，因輔助駕駛致死事故和Mobileye分道揚鑣的特斯拉，找到英偉達定制了計算平臺 Drive PX2，算力為24TOPS[1]。一般來說，TOPS越高，每秒能進行的AI計算越多，能承載的人工神經(jīng)網(wǎng)絡性能也越好。

　　就像手機、電腦常常用芯片跑分作為賣點，在深度學習席卷汽車行業(yè)的浪潮中，TOPS成了衡量智能駕駛能力先進與否的*指標，英偉達CEO黃仁勛亦有名言：“TOPS就是新的馬力”[2]。

　　今年CES展上，在算力層面吃過虧的Mobileye 發(fā)布算力為176T的EyeQ Ultra，相比EyeQ4提升50倍。同樣，地平線今年即將登陸理想L8的J5芯片，算力亦高達128T，是J2芯片的34倍，唯恐落后于對手。

　　英偉達更是深諳算力即權力的游戲規(guī)則，繼Drive PX2之后，英偉達在6年時間內發(fā)布了三代智能駕駛芯片，從Xavier、Orin再到Thor，算力實現(xiàn)從30TOPS到254TOPS再到2000TOPS的躍遷，每一代都是“芯皇”般的存在。

　　如果以Drive PX2為基準，10年內英偉達的智能駕駛芯片AI算力增長了83倍，比傳統(tǒng)的摩爾定律還要快。

　　為什么智能駕駛芯片這么“喪心病狂”地堆算力?這當中，既有英偉達兩年一更新芯片架構的努力，也有臺積電不斷提高芯片制程工藝極限的功勞，但更重要的是有市場，翻譯過來就是，下游企業(yè)紛紛患上了算力饑渴癥。

　　其一，智能汽車上的傳感器規(guī)格與數(shù)量均在近幾年有了飛躍，帶來了數(shù)據(jù)的暴漲。

　　比如今年開始交付的蔚來ET7，全車搭載33個傳感器，其中包括11枚800萬像素高清攝像頭，1個高精度激光雷達，5個毫米波雷達等，傳感器每秒產生僅圖像數(shù)據(jù)就達到8G，約等于一部90分鐘的高清藍光電影[3]。

　　為滿足智能駕駛的實時處理需求，蔚來不得不啟用4枚Orin組成算力1016T的計算平臺——傳感器太多導致數(shù)據(jù)爆炸，單芯算力已是應對不及。

　　同時，智能駕駛算法的“大模型化”，也讓芯片算力愈發(fā)吃緊。

　　特斯拉FSD感知算法比早期的Autopilot算法復雜得多

　　去年，特斯拉率先在智能駕駛系統(tǒng)的感知模塊中啟用新型神經(jīng)網(wǎng)絡Transformer，相比于傳統(tǒng)的CNN，Transformer性能大漲，可以幫助系統(tǒng)實現(xiàn)三維感知，并能擁有和人類一樣的“記憶”能力。

　　特斯拉開路之后，Transformer迅速席卷行業(yè)，但它并非沒有代價——參數(shù)極多，消耗計算資源大，長城汽車旗下的自動駕駛公司毫末智行就發(fā)現(xiàn)，“Transformer所需算力是CNN所需算力的100倍（在訓練端）[4]。”

　　其次，汽車電子電氣架構的集中化，也在催生超級芯片。

　　為了便于車內數(shù)據(jù)交互、降低總體成本，汽車行業(yè)正在竭力減少散落在車內各處的上百個ECU，將它們負責的計算任務整合到盡可能少的芯片中——汽車電子電氣架構已由最早的分布式計算迭代到目前的域控計算，而下一代將是所需芯片更少的中央計算。

　　與之對應，“艙駕融合”的概念被提出來，這是一個*目標：一枚主芯片同時負責智能駕駛與智能座艙的計算任務(當然會有其他小芯片輔助)。而自動駕駛動輒上千T的算力要求，和車內動輒幾塊2K屏的大屏趨勢，逼迫這枚芯片必須在性能上狂飆。

　　面對這些需求，英偉達在產品線上果斷砍掉了去年發(fā)布的智能駕駛專用芯片—算力1000T的Atlan，以2000T算力的Thor取而代之，高通Flex平臺緊急跟進，兩家企業(yè)(在口頭上)將智能汽車芯片送進了超算時代。

　　02、算力越大≠效果越好

　　在分析英偉達制霸AI芯片市場，股價五年暴漲20倍的原因時，分析師們往往會草草地拋出一個觀點：算力為王。車企們在宣傳智能汽車時，也常常有意無意地向用戶傳達一種思想：算力越大越牛X。

　　不過這并非事實。在真實的智能駕駛系統(tǒng)中，更大的算力只提供牛逼的可能性，但不保證牛逼的確定性。

　　一方面，企業(yè)通常對外宣傳的TOPS，是一塊芯片的AI峰值算力，但在實際運行中，芯片算力很難被充分利用。

　　一個不那么為人所知的事實是，在高數(shù)據(jù)量的計算任務中，*的瓶頸常常是存儲帶寬而非算力。因為計算單元的運行頻率遠高于存儲單元，芯片會陷入“算力等數(shù)據(jù)”的狀態(tài)，高算力其實在空轉[5]。

　　這就相當于餐廳里有一位米其林大廚，做飯又快又好吃，但受制于切菜工的效率，導致出餐率一直上不去。

　　存儲能力成為AI應用的主要瓶頸

　　有效運用高算力的一個方法是在芯片中放置更多的高速緩存(SRAM)，這種存儲單元與計算單元距離更近，數(shù)據(jù)傳輸?shù)难舆t更低，可有效提升帶寬。

　　比如特斯拉在其FSD芯片內封裝了32MB的高速緩存，緩存帶寬達到2TB/s，將每秒能處理的圖像從Drive PX2的100余幀提升至2300幀，為其FSD Beta算法提供了基礎[6]。

　　但特斯拉做到這一切的前提是斥巨資從硅谷找到*半導體人才，進行自主研發(fā)，而能同時滿足這樣條件的車企并不多。

　　另一方面，即使通過各種方法盡可能把芯片算力用滿，也不代表萬事大吉——算力是智能駕駛的基礎，算法才是靈魂。

　　關于算法的重要性，在游戲行業(yè)有一個生動的例子。2021年前，游戲玩家在打開GTA5聯(lián)機版時，即使擁有性能不錯的電腦，也需要等待一段漫長的時間。后來有程序員解包發(fā)現(xiàn)，由于部分代碼質量過低，某個只需一步完成的步驟，被迫跑了19.8億次if語句——這段代碼很簡單，但占用了60%的計算資源[7]。

　　同樣的道理在智能駕駛行業(yè)也成立：堆砌、消耗算力并不難，難的是通過高效算法將算力轉化為實打實的用戶體驗。

　　一個有經(jīng)驗的算法團隊常常能取得更高的算力費效比。比如小鵬剛剛向廣州區(qū)域的P5車型推送了城市高階輔助駕駛CNGP，在行業(yè)大多基于上百T算力實現(xiàn)這一目標時，小鵬P5僅搭載了算力30TOPS的Xaiver芯片，依靠的便是算法優(yōu)化和高精地圖加持[8]。

　　不久前與五菱一起推出低算力輔助駕駛方案的大疆車載認為，實現(xiàn)智能駕駛面臨傳感器、算力、算法、數(shù)據(jù)四座大山，四座山頭需要一起翻越。換句話說，智能駕駛系統(tǒng)其實是一個木桶，決定最終體驗的是不是某塊長板，而是短板。

　　而在當下，整個汽車行業(yè)將芯片算力堆到數(shù)百乃至上千T的大有人在，但沒有一家車企的輔助駕駛系統(tǒng)效果，比得上特斯拉基于144T算力做出來的FSD Beta。面對這種情況，很難說智能駕駛行業(yè)的短板在芯片算力上。

　　03、神仙打架，車企真成組裝廠？

　　英偉達與高通神仙打架，會造成智能汽車芯片三名之后寸草不生的局面嗎?答案是否定的。

　　這是因為，與另一個芯片使用大戶消費電子相比，汽車行業(yè)對成本更加敏感，市場高度分層，且對安全要求更高。而在目前，一枚汽車超算芯片很難同時滿足上述條件。

　　從成本和市場角度來看，高算力芯片等于高成本，意味著只有部分高端車型才用得起，其下游車企往往是少數(shù)舍得下血本的硬件預埋派：先掏大價錢把算力、硬件堆高，再通過OTA更新功能。

　　英偉達已經(jīng)量產的Orin，采用7nm工藝生產，算力254T，每片價格便達到400美元[9]，目前只有蔚小理、智己、飛凡等品牌30萬+的車型搭載。而Thor的算力達Orin 8倍，采用更先進的5nm工藝，其價格必定會比Orin更加驚人。

　　而從安全角度看，統(tǒng)管智能駕駛與智能座艙的超算級芯片雖然更加簡潔，數(shù)據(jù)流轉效率更高，但代價是失去了硬件級的安全冗余。如果芯片沒有做好隔離，智能駕駛與智能座艙的應用可能會相互帶崩(比如車機死機造成輔助駕駛突然退出)，影響車輛安全。這給擅長把控安全的傳統(tǒng)汽車半導體大廠留下了機會。

　　由于成本高企且難以滿足全部需求，車企中也分化出了硬件自研派，比如蔚小理一邊與英偉達、高通稱兄道弟，另一邊則各自建立芯片自研團隊，研發(fā)與自家算法、軟件匹配程度更高的芯片，試圖將命運掌握在自己手中。

　　而在廣闊的輔助駕駛市場，更加主流的其實是服務中低端車型的夠用就好派。他們不追求(也無力使用 )高端配置，而是用低成本芯片、傳感器，在有限場景內將輔助駕駛功能做好。

　　比如大疆與五菱今年合作推出的智駕版 KIWI EV則更進一步，采用200萬像素攝像頭為主傳感器，計算平臺算力僅16T，全套輔助駕駛套件成本在一萬以內。

　　隨著此類方案的流行，一些平價智能駕駛芯片如地平線J3(算力5T)、德儀TDA4(算力8T)正在打開越來越大的市場。

　　地平線CEO余凱的朋友圈

　　然而將時間線拉長，智能汽車對算力的需求在切實提升，汽車單枚大算力芯片取代多枚小算力芯片的趨勢難以逆轉，時間更像是英偉達與高通的朋友：

　　隨著5nm工藝成熟、芯片出貨量增加，超算級汽車芯片的價格會降低，從而在整體成本上更加節(jié)約。在發(fā)布會上，黃仁勛就夸下�？�，表示Thor能夠“一片頂六片”，整體上能為車企降本數(shù)百美元。

　　Thor芯片以一挑六

　　而影響一款芯片市場表現(xiàn)的隱形條件：軟件與生態(tài)方面，英偉達各自手握AI訓練和安卓開發(fā)生態(tài)，并擁有對應的軟件工具鏈。近兩年，英偉達與高通正在用軟硬結合的方式，把越來越多的車企拉入其生態(tài)中。

　　國產智能汽車芯片的代表地平線也決定加入戰(zhàn)局：明年，地平線將發(fā)布單芯片算力1000T的征程6，同樣支持駕艙融合。在這之前，地平線的大算力芯片征程5獲得了比亞迪、上汽、理想、紅旗等國內車企的訂單。

　　只是對車企們來說，一個棘手的問題在愈發(fā)清晰：一輛車的產品力正在越來越多地被一枚芯片所定義，車企如今的產品節(jié)奏正在被芯片大廠拿捏。如果不加碼自研，車企很難逃脫羅永浩口中的“方案整合商”詛咒。

　　參考資料：

　　[1] AI領強算力時代，GPU啟新場景落地，華西證券

　　[2] 英偉達最終活成了三芯，雷鋒網(wǎng)

　　[3] 蔚來發(fā)布*自動駕駛車型ET7，蔚來官網(wǎng)

　　[4] 毫末和自動駕駛的3.0時代，顧維灝

　　[5] 人工智能遭遇“存儲墻”，存算一體必將破墻而出，雷石投資

　　[6] 可能是全網(wǎng)最詳細的特斯拉FSD芯片解析：是猛獸還是小貓?電動星球

　　[7] GTA 5*「屎山」代碼終于修復!R星認可黑客方案，還給他發(fā)了1萬美元獎金，量子位

　　[8]  30TOPS算力就能實現(xiàn)自動駕駛?小鵬P5城市NGP體驗，搜狐汽車

　　[9] 自主品牌轉型7大分歧，看十余位車圈大佬高質量互懟，XEV研究所