一块汽车芯片抵一台超算的时间正在相近。
一周前,英伟达宣布智能汽车最强芯Thor,单片算力到达2000TOPS,性能相当于Orin的8倍,在相近精度下,算力险些是前段时间被禁的A100的4倍。
更恐怖的是,Thor的泛起直接把尚未问世的Atlan抹杀在摇篮里,这种卷王行为把业内人士都看傻了。
然而,话音未落,在三天后的投资者集会上,另一家芯片权门高通也发大招,宣布推出“集成式汽车超算SoC” :Snapdragon Ride Flex,SoC外挂NPU的组合算力最高也将到达2000TOPS。
听说有高通工程师在同伙圈放话:这就是我们的回应,给这场算力争霸赛增添了一丝火药味。
英伟达与高通的隔空斗法,真实地反映了智能汽车在数字指标上日益严重的贫富不均——燃油车时代,纵然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,甚至数百倍。
透过通货膨胀一样平常的智能汽车芯片算力,我们实验回覆几个问题:
1、汽车芯片的算力,是怎么卷到2000T的?
2、智能汽车芯片,是不是算力越大越牛X?
3、汽车智能芯片超算化,会酿成英伟达和高通的仙人打架吗?
01、算力卷王
近些年的智能驾驶生长史,某种水平上可以归纳综合为芯片算力暴涨史。
2016年,因辅助驾驶致死事故和Mobileye分道扬镳的特斯拉,找到英伟达定制了盘算平台 Drive PX2,算力为24TOPS[1]。一样平常来说,TOPS越高,每秒能举行的AI盘算越多,能承载的人工神经网络性能也越好。
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成了权衡智能驾驶能力先进与否的*指标,英伟达CEO黄仁勋亦著名言:“TOPS就是新的马力”[2]。
今年CES展上,在算力层面吃过亏的Mobileye 宣布算力为176T的EyeQ Ultra,相比EyeQ4提升50倍。同样,地平线今年即将上岸理想L8的J5芯片,算力亦高达128T,是J2芯片的34倍,唯恐落伍于对手。
英伟达更是深谙算力即权力的游戏规则,继Drive PX2之后,英伟达在6年时间内宣布了三代智能驾驶芯片,从Xavier、Orin再到Thor,算力实现从30TOPS到254TOPS再到2000TOPS的跃迁,每一代都是“芯皇”般的存在。
若是以Drive PX2为基准,10年内英伟达的智能驾驶芯片AI算力增进了83倍,比传统的摩尔定律还要快。
为什么智能驾驶芯片这么“丧心病狂”地堆算力?这当中,既有英伟达两年一更新芯片架构的起劲,也有台积电不停提高芯片制程工艺极限的劳绩,但更主要的是有市场,翻译过来就是,下游企业纷纷患上了算力饥渴症。
其一,智能汽车上的传感器规格与数目均在近几年有了飞跃,带来了数据的暴涨。
比现在年最先交付的蔚来ET7,全车搭载33个传感器,其中包罗11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像数据就到达8G,约即是一部90分钟的高清蓝光影戏[3]。
为知足智能驾驶的实时处置需求,蔚来不得不启用4枚Orin组成算力1016T的盘算平台——传感器太多导致数据爆炸,单芯算力已是应对不及。
同时,智能驾驶算法的“大模子化”,也让芯片算力愈发吃紧。
特斯拉FSD感知算法比早期的Autopilot算法庞大得多
去年,特斯拉率先在智能驾驶系统的感知模块中启用新型神经网络Transformer,相比于传统的CNN,Transformer性能大涨,可以辅助系统实现三维感知,并能拥有和人类一样的“影象”能力。
特斯拉开路之后,Transformer迅速席卷行业,但它并非没有价值——参数极多,消耗盘算资源大,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、降低总体成本,汽车行业正在勉力削减散落在车内各处的上百个ECU,将它们认真的盘算义务整合到尽可能少的芯片中——汽车电子电气架构已由最早的漫衍式盘算迭代到现在的域控盘算,而下一代将是所需芯片更少的中央盘算。
与之对应,“舱驾融合”的看法被提出来,这是一个*目的:一枚主芯片同时认真智能驾驶与智能座舱的盘算义务(固然会有其他小芯片辅助)。而自动驾驶动辄上千T的算力要求,和车内动辄几块2K屏的大屏趋势,强制这枚芯片必须在性能上狂飙。
面临这些需求,英伟达在产物线上武断砍掉了去年宣布的智能驾驶专用芯片—算力1000T的Atlan,以2000T算力的Thor取而代之,高通Flex平台紧要跟进,两家企业(在口头上)将智能汽车芯片送进了超算时代。
02、算力越大≠效果越好
在剖析英伟达制霸AI芯片市场,股价五年暴涨20倍的缘故原由时,剖析师们往往会草草地抛出一个看法:算力为王。车企们在宣传智能汽车时,也经常有意无意地向用户转达一种头脑:算力越大越牛X。
不外这并非事实。在真实的智能驾驶系统中,更大的算力只提供牛逼的可能性,但不保证牛逼简直定性。
一方面,企业通常对外宣传的TOPS,是一块芯片的AI峰值算力,但在现实运行中,芯片算力很难被充实行使。
一个不那么为人所知的事实是,在高数据量的盘算义务中,*的瓶颈经常是存储带宽而非算力。由于盘算单元的运行频率远高于存储单元,芯片会陷入“算力等数据”的状态,高算力其着实空转[5]。
这就相当于餐厅里有一位米其林大厨,做饭又快又好吃,但受制于切菜工的效率,导致出餐率一直上不去。
存储能力成为AI应用的主要瓶颈
有用运用高算力的一个方式是在芯片中放置更多的高速缓存(SRAM),这种存储单元与盘算单元距离更近,数据传输的延迟更低,可有用提升带宽。
好比特斯拉在其FSD芯片内封装了32MB的高速缓存,缓存带宽到达2TB/s,将每秒能处置的图像从Drive PX2的100余帧提升至2300帧,为其FSD Beta算法提供了基础[6]。
但特斯拉做到这一切的条件是斥巨资从硅谷找到*半导体人才,举行自主研发,而能同时知足这样条件的车企并不多。
另一方面,纵然通过种种方式尽可能把芯片算力用满,也不代表万事大吉——算力是智能驾驶的基础,算法才是灵魂。
关于算法的主要性,在游戏行业有一个生动的例子。2021年前,游戏玩家在打开GTA5联机版时,纵然拥有性能不错的电脑,也需要守候一段漫长的时间。厥后有程序员解包发现,由于部门代码质量过低,某个只需一步完成的步骤,被迫跑了19.8亿次if语句——这段代码很简朴,但占用了60%的盘算资源[7]。
同样的原理在智能驾驶行业也确立:堆砌、消耗算力并不难,难的是通过高效算法将算力转化为实打实的用户体验。
一个有履历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车型推送了都会高阶辅助驾驶CNGP,在行业大多基于上百T算力实现这一目的时,小鹏P5仅搭载了算力30TOPS的Xaiver芯片,依赖的即是算法优化和高精舆图加持[8]。
不久前与五菱一起推出低算力辅助驾驶方案的大疆车载以为,实现智能驾驶面临传感器、算力、算法、数据四座大山,四座山头需要一起翻越。换句话说,智能驾驶系统实在是一个木桶,决议最终体验的是不是某块长板,而是短板。
而在当下,整个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助驾驶系统效果,比得上特斯拉基于144T算力做出来的FSD Beta。面临这种情形,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,会造成智能汽车芯片三名之后寸草不生的事态吗?谜底是否认的。
这是由于,与另一个芯片使用大户消费电子相比,汽车行业对成本加倍敏感,市场高度分层,且对平安要求更高。而在现在,一枚汽车超算芯片很难同时知足上述条件。
从成本和市场角度来看,高算力芯片即是高成本,意味着只有部门高端车型才用得起,其下游车企往往是少数舍得下血本的硬件预埋派:先掏大价钱把算力、硬件堆高,再通过OTA更新功效。
英伟达已经量产的Orin,接纳7nm工艺生产,算力254T,每片价钱便到达400美元[9],现在只有蔚小理、智己、飞凡等品牌30万 的车型搭载。而Thor的算力达Orin 8倍,接纳更先进的5nm工艺,其价钱肯定会比Orin加倍惊人。
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加倍精练,数据流转效率更高,但价值是失去了硬件级的平安冗余。若是芯片没有做好隔离,智能驾驶与智能座舱的应用可能会相互带崩(好比车机死机造成辅助驾驶突然退出),影响车辆平安。这给善于把控平安的传统汽车半导体大厂留下了时机。
由于成本高企且难以知足所有需求,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,另一边则各自确立芯片自研团队,研发与自家算法、软件匹配水平更高的芯片,试图将运气掌握在自己手中。
而在广漠的辅助驾驶市场,加倍主流的实在是服务中低端车型的够用就好派。他们不追求(也无力使用 )高端设置,而是用低成本芯片、传感器,在有限场景内将辅助驾驶功效做好。
好比大疆与五菱今年互助推出的智驾版 KIWI EV则更进一步,接纳200万像素摄像头为主传感器,盘算平台算力仅16T,全套辅助驾驶套件成本在一万以内。
随着此类方案的盛行,一些平价智能驾驶芯片如地平线J3(算力5T)、德仪TDA4(算力8T)正在打开越来越大的市场。
地平线CEO余凯的同伙圈
然而将时间线拉长,智能汽车对算力的需求在切实提升,汽车单枚大算力芯片取代多枚小算力芯片的趋势难以逆转,时间更像是英伟达与高通的同伙:
随着5nm工艺成熟、芯片出货量增添,超算级汽车芯片的价钱会降低,从而在整体成本上加倍节约。在宣布会上,黄仁勋就夸下海口,示意Thor能够“一片顶六片”,整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显示的隐形条件:软件与生态方面,英伟达各自手握AI训练和安卓开发生态,并拥有对应的软件工具链。近两年,英伟达与高通正在用软硬连系的方式,把越来越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决议加入战局:明年,地平线将宣布单芯片算力1000T的征程6,同样支持驾舱融合。在这之前,地平线的大算力芯片征程5获得了比亚迪、上汽、理想、红旗等海内车企的订单。
只是对车企们来说,一个棘手的问题在愈发清晰:一辆车的产物力正在越来越多地被一枚芯片所界说,车企现在的产物节奏正在被芯片大厂拿捏。若是不加码自研,车企很难逃走罗永浩口中的“方案整合商”诅咒。
参考资料:
[1] AI领强算力时代,GPU启新场景落地,华西证券
[2] 英伟达最终活成了三芯,雷锋网
[3] 蔚来宣布*自动驾驶车型ET7,蔚来官网
[4] 毫末和自动驾驶的3.0时代,顾维灏
[5] 人工智能遭遇“存储墙”,存算一体必将破墙而出,雷石投资
[6] 可能是全网最详细的特斯拉FSD芯片剖析:是猛兽照样小猫?电动星球
[7] GTA 5*「屎山」代码终于修复!R星认可黑客方案,还给他发了1万美元奖金,量子位
[8] 30TOPS算力就能实现自动驾驶?小鹏P5都会NGP体验,搜狐汽车
[9] 自主品牌转型7大分歧,看十余位车圈大佬高质量互怼,XEV研究所