再大的芯片算力，也治不了车企的精神内讧

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