再大的芯片算力，也治不了车企的精力内耗

扶风老马

来源：远川钻研所


一块汽车芯片抵一台超算的时间正在邻近。
一周前，英伟达公布智能汽车最强芯Thor，单片算力达到2000TOPS，机能至关于Orin的8倍，在相近精度下，算力简直是前段时间被禁的A100的4倍。
更恐惧的是，Thor的泛起间接把尚未问世的Atlan抹杀在摇篮里，这类卷王行动把业内人士都看傻了。
但是，话音未落，在三天后的投资者会议上，另外一家芯片寒门高通也发大招，宣告推出“集成式汽车超算SoC” ：Snapdragon Ride Flex，SoC外挂NPU的组合算力最高也将达到2000TOPS。
听说有高通工程师在敌人圈放话：这就是咱们的回应，给这场算力争霸赛削减了一丝炸药味。
英伟达与高通的隔空斗法，实在地反应了智能汽车在数字目标上日趋重大的贫富不均——燃油车时期，即便是一台轩逸这样的买菜车，F1方程式赛车的马力也不外是其8倍；而在智能电动汽车上，旁边一辆车的算力可能会是你车的数十倍，乃至数百倍。
透过通货收缩个别的智能汽车芯片算力，咱们尝试回答几个问题：
1、汽车芯片的算力，是怎么卷到2000T的？
2、智能汽车芯片，是否算力越大越牛X？
3、汽车智能芯片超算化，会变为英伟达和高通的仙人打架吗？
01算力卷王
近年的智能驾驶开展史，某种水平上能够概括为芯片算力暴跌史。
2016年，因辅佐驾驶致死变乱和Mobileye各奔前程的特斯拉，找到英伟达定制了计算平台 Drive PX2，算力为24TOPS[1]。个别来讲，TOPS越高，每秒能进行的AI计算越多，能承载的人工神经网络机能也越好。
就像手机、电脑经常用芯片跑分作为卖点，在深度学习席卷汽车行业的浪潮中，TOPS成为了权衡智能驾驶才能先进与否的第一目标，英伟达CEO黄仁勋亦着名言：“TOPS就是新的马力”[2]。
往年CES展上，在算力层面吃过亏的Mobileye 公布算力为176T的EyeQ Ultra，比拟EyeQ4晋升50倍。一样，地平线往年行将登陆现实L8的J5芯片，算力亦高达十二8T，是J2芯片的34倍，惟恐后进于对手。
英伟达更是深谙算力即权力的游戏规定，继Drive PX2之后，英伟达在6年时间内公布了三代智能驾驶芯片，从Xavier、Orin再到Thor，算力完成从30TOPS到254TOPS再到2000TOPS的跃迁，每一个代都是“芯皇”般的存在。
假如以Drive PX2为基准，10年内英伟达的智能驾驶芯片AI算力增长了83倍，比传统的摩尔定律还要快。


英伟达Thor智能驾驶芯片
为何智能驾驶芯片这么“丧心病狂”地堆算力？这傍边，既有英伟达两年一更新芯片架构的致力，也有台积电不停进步芯片制程工艺极限的功勋，但更首要的是有市场，翻译过去就是，上游企业纷纭患上了算力饥渴症。
其一，智能汽车上的传感器规格与数量均在近几年有了奔腾，带来了数据的暴跌。
好比往年开始交付的蔚来ET7，全车搭载33个传感器，其中包罗十一枚800万像素高清摄像头，1个高精度激光雷达，5个毫米波雷达等，传感器每秒发生仅图象数据就达到8G，约等于一部90分钟的高清蓝光电影[3]。
为知足智能驾驶的实时处置需要，蔚来不能不启用4枚Orin组成算力1016T的计算平台——传感器太多致使数据爆炸，单芯算力已经是已经应答不迭。
同时，智能驾驶算法的“大模型化”，也让芯片算力愈发吃紧。


特斯拉FSD感知算法比初期的Autopilot算法繁杂很多
去年，特斯拉率先在智能驾驶零碎的感知模块中启用新型神经网络Transformer，比拟于传统的CNN，Transformer机能大涨，能够帮忙零碎完成三维感知，并能具有和人类同样的“记忆”才能。
特斯拉开路之后，Transformer迅速席卷行业，但它并不是没有代价——参数极多，损耗计算资源大，长城汽车旗下的自动驾驶公司毫末智行就发现，“Transformer所需算力是CNN所需算力的100倍（在训练端）[4]。”
其次，汽车电子电气架构的集中化，也在催生超级芯片。
为了便于车内数据交互、升高整体本钱，汽车行业正在极力增加散落在车内遍地的上百个ECU，将它们担任的计算工作整合到尽量少的芯片中——汽车电子电气架构已由最先的散布式计算迭代到目前的域控计算，而下一代将是所需芯片更少的地方计算。
与之对应，“舱驾融会”的概念被提出来，这是一个终纵目标：一枚主芯片同时担任智能驾驶与智能座舱的计算工作（固然会有其余小芯片辅佐）。而自动驾驶动辄上千T的算力要求，和车内动辄几块2K屏的大屏趋向，欺压这枚芯片必需在机能上狂飙。
面对这些需要，英伟达在产品线上果决砍掉了去年公布的智能驾驶公用芯片—算力1000T的Atlan，以2000T算力的Thor取而代之，高通Flex平台紧迫跟进，两家企业（在口头上）将智能汽车芯片送进了超算时期。
02算力越大≠成果越好
在剖析英伟达制霸AI芯片市场，股价五年暴跌20倍的缘故时，剖析师们往往会草草地抛出一个观念：算力为王。车企们在鼓吹智能汽车时，也经常无意有意地向用户转达一种思想：算力越大越牛X。
不外这并不是事实。在真正的智能驾驶零碎中，更大的算力只提供牛逼的可能性，但不包管牛逼确实定性。
一方面，企业通常对外鼓吹的TOPS，是一块芯片的AI峰值算力，但在实际运转中，芯片算力很难被充沛利用。
一个不那末为人所知的事实是，在高数据量的计算工作中，最大的瓶颈经常是存储带宽而非算力。由于计算单元的运转频率远高于存储单元，芯片会堕入“算力等数据”的形态，高算力其真实空转[5]。
这就至关于餐厅里有一名米其林大厨，做饭又快又好吃，但受制于切菜工的效力，致使出餐率始终上不去。


存储才能成为AI运用的次要瓶颈
无效应用高算力的一个办法是在芯片中搁置更多的高速缓存（SRAM），这类存储单元与计算单元间隔更近，数据传输的提早更低，可无效晋升带宽。
好比特斯拉在其FSD芯片内封装了32MB的高速缓存，缓存带宽达到2TB/s，将每秒能处置的图象从Drive PX2的100余帧晋升至2300帧，为其FSD Beta算法提供了根底[6]。
但特斯拉做到这所有的条件是斥巨资从硅谷找到顶级半导体人材，进行自主研发，而能同时知足这样前提的车企其实不多。
另外一方面，即便经过各种办法尽量把芯片算力用满，也不代表万事大吉——算力是智能驾驶的根底，算法才是灵魂。
对于算法的首要性，在游戏行业有一个生动的例子。2021年前，游戏玩家在关上GTA5联机版时，即便具有机能不错的电脑，也需求等候一段漫长的时间。起初有顺序员解包发现，因为部份代码品质太低，某个只需一步实现的步骤，自愿跑了19.8亿次if语句——这段代码很简略，但占用了60%的计算资源[7]。
一样的情理在智能驾驶行业同样成立：堆砌、损耗算力其实不难，难的是经过高效算法将算力转化为实打实的用户体验。
一个有教训的算法团队经常能取得更高的算力费效比。好比小鹏刚刚向广州区域的P5车型推送了城市高阶辅佐驾驶CNGP，外行业大多基于上百T算力完成这一指标时，小鹏P5仅搭载了算力30TOPS的Xaiver芯片，依托的即是算法优化和高精地图加持[8]。
不久前与五菱一同推出低算力辅佐驾驶计划的大疆车载以为，完成智能驾驶面临传感器、算力、算法、数据四座大山，四座山头需求一同翻越。换句话说，智能驾驶零碎实际上是一个木桶，抉择终究体验的是否某块长板，而是短板。
而在当下，全部汽车行业将芯片算力堆到数百甚至上千T的大有人在，但没有一家车企的辅佐驾驶零碎成果，比得上特斯拉基于144T算力做出来的FSD Beta。面对这类状况，很难说智能驾驶行业的短板在芯片算力上。
03
仙人打架，车企真成组装厂？
英伟达与高通仙人打架，会形成智能汽车芯片三名之后寸草不生的场面吗？谜底是不是定的。
这是由于，与另外一个芯片使用小户消费电子比拟，汽车行业对本钱更为敏感，市场高度分层，且对平安要求更高。而在目前，一枚汽车超算芯片很难同时知足上述前提。
从本钱和市场角度来看，高算力芯片等于高本钱，象征着只要部份高端车型才用得起，其上游车企往往是多数舍得下血本的硬件预埋派：先掏大价格把算力、硬件堆高，再经过OTA更新功用。
英伟达曾经量产的Orin，采取7nm工艺出产，算力254T，每片价钱便达到400美元[9]，目前只要蔚小理、智己、飞凡等品牌30万+的车型搭载。而Thor的算力达Orin 8倍，采取更先进的5nm工艺，其价钱必然会比Orin更为惊人。
而从平安角度看，统管智能驾驶与智能座舱的超算级芯片虽然更为简洁，数据流转效力更高，但代价是失去了硬件级的平安冗余。假如芯片没有做好隔离，智能驾驶与智能座舱的运用可能会互相带崩（好比车机死机形成辅佐驾驶忽然退出），影响车辆平安。这给长于把控平安的传统汽车半导体大厂留下了时机。
因为本钱高企且难以知足整个需要，车企中也分化出了硬件自研派，好比蔚小理一边与英伟达、高通称兄道弟，另外一边则各自建设芯片自研团队，研发与自家算法、软件婚配水平更高的芯片，试图将命运掌握在本人手中。
而在宽广的辅佐驾驶市场，更为主流的实际上是办事中低端车型的够用就好派。他们不寻求（也有力使用 ）高端配置，而是用低本钱芯片、传感器，在无限场景内将辅佐驾驶功用做好。
好比大疆与五菱往年协作推出的智驾版 KIWI EV则更进一步，采取200万像素摄像头为主传感器，计算平台算力仅16T，全套辅佐驾驶套件本钱在一万之内。
跟着此类计划的盛行，一些平价智能驾驶芯片如地平线J3（算力5T）、德仪TDA4（算力8T）正在关上愈来愈大的市场。


地平线CEO余凯的敌人圈
但是将时间线拉长，智能汽车对算力的需要在切实晋升，汽车单枚大算力芯片取代多枚小算力芯片的趋向难以逆转，时间更像是英伟达与高通的敌人：
跟着5nm工艺成熟、芯片出货量减少，超算级汽车芯片的价钱会升高，从而在总体本钱上更为勤俭。在公布会上，黄仁勋就夸下海口，表现Thor可以“一片顶六片”，总体上能为车企降本数百美元。


Thor芯片以一挑六
而影响一款芯片市场表示的隐形前提：软件与生态方面，英伟达各自手握AI训练和安卓开产生态，并具有对应的软件工具链。近两年，英伟达与高通正在用软硬结合的形式，把愈来愈多的车企拉入其生态中。
国产智能汽车芯片的代表地平线也抉择参加战局：明年，地平线将公布单芯片算力1000T的征程6，一样反对驾舱融会。在这以前，地平线的大算力芯片征程5获取了比亚迪、上汽、现实、红旗等国际车企的定单。
只是对车企们来讲，一个辣手的问题在愈发明晰：一辆车的产品力正在愈来愈多地被一枚芯片所定义，车企如今的产品节拍正在被芯片大厂拿捏。假如不加码自研，车企很难逃脱罗永浩口中的“计划整合商”咒骂。
参考材料：
[1] AI领强算力时期，GPU启新场景落地，华西证券
[2] 英伟达终究活成为了三芯，雷锋网
[3] 蔚来公布首款自动驾驶车型ET7，蔚来官网
[4] 毫末和自动驾驶的3.0时期，顾维灏
[5] 人工智能遭受“存储墙”，存算一体势必破墙而出，雷石投资
[6] 多是全网最具体的特斯拉FSD芯片解析：是猛兽仍是小猫？电动星球
[7] GTA 5家传「屎山」代码终于修复！R星认可黑客计划，还给他发了1万美元奖金，量子位
[8] 30TOPS算力就可以完成自动驾驶？小鹏P5城市NGP体验，搜狐汽车
[9] 自主品牌转型7大不合，看十余位车圈大佬高品质互怼，XEV钻研所