智能网联汽车四大核心技术——芯片、操作系统、算法、数据共同形成生态闭环，其中，芯片是智能网联汽车生态发展的基石，汽车算力实现的载体是各类计算芯片，算力提升是新一代汽车发展的核心方向。因此，在汽车产业快速变革的时代，如何实现软件定义算力、算力定义汽车是产业高速发展中需要思考的重点。

如今，数字经济进入新发展阶段，业务数字化、技术融合化和数据价值化等加速演进，开启数字经济引领高质量发展新征程。在此发展过程中，算力作为数字时代核心资源的作用日益突出，以算力为核心的数字信息基础设施建设被提到前所未有的高度。

算力时代呈现特点

无处不在的通信网络已经打通了信息流动的任督二脉，在技术和行业的双重驱动下，未来的算力设施将通过三方面特点的呈现，变成像水、电一样随取随用的社会公共服务资源。

一是算力多样性态势日益凸显。作为新一轮技术革命的衍生品，数据资源正在以极低的边际成本加速涌现。这些数据资源既可以与新材料技术、先进制造技术相结合，也可以作为独立生产资料存在，从生产、管理、计算、交流等多方面赋能企业经营，成为新的关键生产要素。在此背景下，没有任何一种计算架构可以满足所有行业诉求，围绕数据分析处理的算力被赋予更加丰富的内涵，在基础通用算力之外，诞生了智能算力、超算算力以及前沿算力（如量子计算、光子计算）等专业化的算力设施。

二是算力布局呈现泛在化趋势。算力资源从集中的部署方式，正在往多级化的方向发展，尤其是以边缘计算、端计算为代表的算力形态的出现，与规模化算力形成互补之势，构建新型的云计算基础设施，成为各行各业转型升级的数字底座。同时，供需剪刀差、分布不均衡、使用效率低等问题亟待全社会算力集约化发展，算力网络化技术将整合不同归属、不同地域、不同架构的算力资源，打破数据孤岛，推动数字经济走向繁荣。

三是“智能敏捷、绿色安全”将作为算力发展新要求，即算力智能化、算力绿色化、算力可信化成为未来发展方向。伴随数字世界和物理世界的边界逐步消融，人工智能将从无人驾驶、工业互联网等上层应用向底层基础设施蔓延，智能敏捷、随愿自治将成为智能社会算力设施的重要标签。着眼当下，绿色安全与数字经济偕行发展，在坚定不移地推进“连接+ 算力”，朝着生态优先、绿色低碳目标演进的同时，云网融合的数字信息基础设施也将筑牢可靠可信的安全堤坝，为经济的逆势崛起保驾护航。

算力三定律

在算力多样化、网络化、智能化、绿色化、安全化等发展趋势下，数字信息基础设施将进一步演变成为高速泛在、天地一体、云网融合、智能敏捷、绿色低碳、安全可控的智能化综合性数字信息基础设施，为数字经济健康发展提供坚实底座。整体上而言，从现在开始到2050年，算力的发展正在并且将长期呈现三个趋势，可谓之为“算力三定律”。

算力第一定律（时代定律），算力就是生产力。生产力即社会生产力，也称“物质生产力”，是人类利用自然、改造自然的能力。纵观历史，不难得出这样的结论：技术的发展和人类对美好生活的需求共同推动生产力向前加速发展，而人类社会生产力的发展过程其实是从简单以人力为核心向以技术为核心的演进过程。因此从技术角度来看，人类生产力的发展历史可用“四力”来划分：原始经济以人力为主；农业经济以畜力为主；工业经济以动力（电力）为主；数字经济时代，算力即计算能力，成为当前最具活力和创新力的新型生产力。算力不仅改变了人类的生产方式、生活模式和科研范式，而且越来越成为科技进步和经济社会发展的底座，代表着人类智慧的发展水平。总之，算力已成为数字经济时代的核心生产力。

算力第二定律（增长定律），算力每12个月增长1倍。底层技术融合发展及加速成熟，尤其是5G 以及物联网的大规模部署使得算力应用的范围大幅度扩展，基于人工智能算法的智能业务正在从互联网行业开始向交通、工业、金融、政务等传统行业加速渗透，应用场景也从通用场景进一步拓展到行业场景，特别是在数字经济、数字社会和数字政府领域中得到了广泛的应用。在此过程中，算力资源增长显著，尤其是智能算力增速迅猛，已经打破“每隔18 个月芯片性能可提升1 倍”的摩尔定律，而由英伟达首席执行官黄仁勋提出的“黄氏定律”则预测，GPU 将推动 AI 性能实现逐年翻倍；赛迪研究院也预测2025 年AI 算力将成为绝对的主流。此外，随着元宇宙的技术成熟与应用场景拓展，算力资源的需求将进一步增大，将推动算力规模呈现爆发式增长态势。因此，综合当前发展态势与未来趋势分析，预计算力每12个月增长1倍成为新的规律。

算力第三定律（经济定律），算力每投入1 元，带动3~4 元GDP增长。全球各国算力规模与经济发展水平呈现出显著的正相关关系，算力规模越大，经济发展水平越高。算力在驱动社会和产业发生深刻变革的同时，也将产生显著的经济价值。据中国信通院测算，2016—2020 年，我国算力规模平均每增长1 个百分点，带动数字经济增长0.4 个百分点、GDP 增长0.2 个百点。从投入产出看，2020 年我国算力产业规模达2万亿元，直接带动经济产出1.7 万亿元，间接带动经济产出6.3 万亿元，尤其是对制造、交通、零售、能源、农业等领域的经济产出带动作用较为明显。平均来看，算力每投入1 元，将带动3~4 元GDP 增长，算力对经济产出的带动作用日益明显。

手机、PC 、汽车，谁是算力大赢家？

在目前主流的手机AP中，苹果A15 SoC拥有15.8 TOPS的算力，即AI计算能力每秒达15.8万亿次。安卓机高端首选骁龙888，AI算力接近两个A15。

一直以来，苹果在手机摄像领域没有展现出太强烈的进攻欲望，处理器的AI算力自然也比别家低。而以拍照技术起家的OPPO，去年发布了自研的影像专用NPU芯片马里亚纳X，AI算力18TOPS，也在A15之上。

要论目前应用第一，仍当属海思旗下的那颗麒麟 9000 。在苏黎世联邦理工学院（ETH）的AI性能榜单AI-Benchmark上，麒麟 9000 在手机领域稳居第一，虽然没有具体的数据，但这颗5nm SoC每秒钟可以识别 2000 张高清图片。

PC领域，除了刚刚发布完M2芯片，风头正盛的苹果，还有一对在x86架构上互不谦让的“死对头”英特尔和AMD。

对于手机和PC来说，新机首发在跑分软件上操作一波再正常不过。但自从苹果与英特尔“分手”后，后者在10nm上死磕了太长时间，老对头AMD甚至已经安排上6nm。

有评论称，苹果M2打算捅破笔记本界的天花板。晚些时候亮相M2 MaX据称基于3nm工艺打造，或许这才是苹果今年真正的换代产品，算力恐怕远不止15TOPS。

算力的最终赢家，其实有一个很明显的答案——智能驾驶芯片。从英伟达、Mobileye公布的最新信息来看，下一代产品的AI算力都将突破100TOPS，甚至1000TOPS的Atlan也将被安排出道。

具体到产品，Mobileye眼下是落后的毋庸置疑。蔚来ET7搭载4颗OrinX，算力超过1000TOPS，而Mobileye最新一代产品仍是2016年发布的Mobileye EyeQ5，和同样采用7nm工艺制造的Orin X对比，算力还不到后者的十分之一。

一台自动驾驶车辆，AI芯片是大脑，算力则代表了反应速度。L4/L5高阶自动驾驶功能，需要对车身上下百余个传感器、摄像头、激光雷达等部件采集的信息快速作出反应。

少了人的干预，汽车必须看起来更像人。

这或许也是Mobileye发布176 TOPS的EyeQ Ultra，试图力挽狂澜的重要原因。掉没掉队，至少现在判断还太早，不妨给英特尔留一点想象空间，毕竟176TOPS若增长10倍，可以做更多更复杂的事。

自动驾驶与AI算力

智能化自动驾驶汽车是人工智能技术落地的最大应用场景之一，智能化汽车很有可能成为未来万物互联的终端，成为继智能手机之后，深刻改变社会形态的产品，软件定义汽车成为未来发展的趋势。

从AI角度来看，算力、算法、数据采集及用户数据是决定AI发展能力的关键因素，对应于自动驾驶，具体为AI芯片、决策软件、传感器、用户数据等，对于实现完全的无人驾驶同样高度依赖于这四个基本要素，并且缺一不可。而其中算力能力的倍增速度，关系着车载端和数据中心端核心基础能力对自动驾驶技术发展和突破的支撑力度。

自动驾驶研发的每一个阶段几乎都要涉及到AI深度学习算法和算力的参与，机器视觉，深度学习，增强学习、传感器技术等均在自动驾驶领域发挥着重要的作用，自动驾驶发展的瓶颈主要在于这些AI底层技术和AI算力发展水平上能否实现突破。

自动驾驶与AI技术结合点分析

特别是计算机视觉领域，是自动驾驶最重要、使用最频繁的AI技术，计算机视觉技术水平关系着自动驾驶整体水平的提升速度，而计算机视觉算法又对算力能力提出了很高的要求。

为了迭代出更准确的算法，用户需要对每天的路测数据进行处理，对自动驾驶模型反复训练优化，这些大量验证测试的工作，都需要大量算力资源在背后支撑。而业界目前对昂贵的算力资源的管理，缺乏一套行之有效的解决方案，这成为每个车企或自动驾驶公司都亟待解决的难题。

汽车应该有自己的想法

不仅仅是抱着复刻手机功能的思路，在上千TOPS算力的加持下，一颗AI芯片的自我修养，应该是让原始配置后天成长为更高级的物种。

不妨想象一下，如果智能驾驶芯片分化出新的功能，不局限在驾驶操作上，和座舱芯片融合为一，汽车可以是变形金钢，也可以是最接近真实人类的机器人。

对手机来说，AI是全职劳模，既要负责影像、游戏、健康监测，又要培训监督语音助手的自我学习。因此苹果、三星、高通等主流厂商都在手机SoC中集成了专门的AI模块。

汽车的未来，显然不止于这些。从上面三张数据表格可以看到，目前主流的的手机和PC处理器的算力水平仍处于30TOPS以内，高通去年发布的骁龙8gen 1手机SoC的算力达到100TOPS，约为A15的10倍。

整体上看，算力提升是趋势，但笔者认为，手机领域的创新几乎是江郎才尽，骁龙8gen 1的最终目标是否是汽车也难说。而智能驾驶芯片，1000TOPS的算力应该还不是上限。

如果智能电动车的下半场关乎算力，英特尔和AMD还得再使把劲。一旦用户用车对算力真正有了概念，硬件配置差距太大难免被喷。

在工艺换代的节奏上，汽车其实已经越来越接近于手机了。

全球第一颗5nm手机SoC是华为在2020年发布的麒麟9000，5nm智能驾驶芯片上车量产目测要晚上5年，座舱芯片要更快一点。

出于对人身安全的考虑，汽车主控芯片的工艺节点往往要落后于手机和PC。手机上各种验证完了，才能升级规格上车量产，以保万无一失。不过，座舱和智能驾驶赛道越来越卷，也加速了手机SoC上车的步伐。

接下来，两大领域的工艺节点很可能会进一步缩小，甚至并驾齐驱。一方面，制造工艺逼近极限，突破越来越困难；另一方面，智能汽车的发展实在太快，对算力需求远超预期。

本文来源：AutoLab，互联网思想，趋动科技