一颗高算力AI芯片的发布，其关注度远远超过一款新车。

日前，英伟达首席执行官黄仁勋发布了新一代自动驾驶计算芯片DRIVE Thor。据悉，这款芯片主要升级了汽车的中央计算架构，算力达到了惊人的2000TOPS，是此前发布的Altan的2倍，是Orin的8倍。有分析人士指出，DRIVE Thor的横空出世，犹如传统燃油车汽车12缸发动机的问世，在汽车圈引得阵阵惊叹，随之传来的极氪等汽车品牌已经计划搭载，将车企的芯片“算力大战”推上新高度。

车载芯片算力从2019年的144TOPS到2022年的1440TOPS，再到最新的2000TOPS，这场“算力大战”愈演愈烈。

01

从「马力」到「算力」

目前，「算力」已经成为评价一辆车的重要指标。

2019 年特斯拉推出 HW3.0 芯片时，144TOPS 的算力在当时冠绝行业，让很多车企意识到算力对于智能汽车的重要性。当时，英伟达的 Orin 芯片还未量产，主打产品是 2017 发布的 Xavier 芯片，采用 12nm 工艺，算力 30TOPS。

到了 2021 年，这场竞赛被拉高到新的高度。

2021 年初，蔚来 NIO Day，创始人李斌发布了他们第一款轿车——ET7。相比当时其他车型，它最大的亮点之一是首款量产车采用 Nvidia Orin 芯片。在目前量产自动驾驶芯片中，Orin 被认为是单片算力最高、技术最领先、量产节奏最快。

在之后的一年半中，拼芯片、拼算力成为一种风气，最近越来越多的车企开始推出大算力的平台。跟手机一样，越来越多的汽车的发布会开始把算力、芯片作为宣传噱头。

从数据上来看，目前芯片算力最强的是魏牌摩卡 DHT-PHEV 激光雷达版。它搭载毫末智行联合高通打造的 Snapdragon Ride 芯片，综合算力达到了 1440TOPS；紧随其后的的是蔚来 ET7 和威马 M7，它们都采用了四颗英伟达 Orin-X 自动驾驶芯片，车载系统的最大算力达到 1016 TOPS；随后的小鹏 G9 与理想 L9，采用了两颗英伟达 OrinX 芯片，算力也达到 508TOPS……

相比之下，一直被认为是智能汽车标杆的特斯拉，其搭载的 FSD 辅助驾驶芯片总算力依旧是 144TOPS。

从汽车芯片玩家来看，跟智能手机行业类似，竞争者也呈现多元化。这里既包含老牌芯片厂商 Nvidia、Intel、高通，也不乏主机厂（Tesla）、中国初创企业（地平线等）及 IT 巨头华为。

其中，在智能座舱领域，比较有名的芯片有高通的 8155 与 8195，还有地平线基于其征程 2、征程 3 芯片打造的 Halo 2.0 与 Halo 3.0 方案；在智能驾驶领域，则有英伟达的 Orin、英特尔旗下 MobileEye 的 Q4 与 Q5、华为刚刚发布的 MDC 系列，以及地平线已经上车的征程 2、征程 3 和即将量产的征程 5 与征程 6。一般来说，自动驾驶和智能座舱芯片最大的不同在于，智能驾驶需要更大 NPU 算力，支持自动驾驶算法的落地。

根据开信息，英伟达可谓是智能驾驶芯片赛道的算力霸主。目前明确采用 Orin 芯片的主机厂包括蔚来汽车、理想汽车、上汽智己、威马汽车、沃尔沃、路特斯、高合汽车、集度汽车、小马智行等。

不过，主机厂商在选择芯片的时候，并非只是考虑单芯片的性能强度，还会参考性价比以及相关的软件生态、工具链的成熟程度。

主机厂商为了打造差异化的体验，需要芯片支持传感器的「多路输入」，并保持高度灵活度。目前，基于英伟达 Orin 芯片构建的自驾平台，可以支持 12 个外部 摄像头、3 个内部摄像头、9 个雷达、12 个超声波雷达、1 个前置激光雷达，这基本涵盖大部分主机厂的传感器配置，整体性价比较高。这也是 Orin 芯片被众多车型采用的主要因素。

02

高算力不等于高智能

在消费者的眼中，汽车所配装芯片的算力高低，几乎就是判断一辆智能网联汽车智能水平的标准。那么，高算力是否可以和高智能直接画等号？

全国政协经济委员会副主任、工信部原部长苗圩日前表示：“算法比算力还重要，如果有一个好的算法，可能TOPS不是最高，但是功耗会降低，运算效率会比较高，这同样能够弥补我国芯片行业的一些缺失。”

“算力是智能化的一个必备条件，但不是决定性条件，我国在车路协同领域，如果只有算力，没有软件、基础设施包括网络通信的配合，算力也发挥不了充分的作用。”国家新能源汽车技术创新中心总经理、中国汽车芯片产业创新战略联盟秘书长原诚寅表示，“算力是很容易用来做量化指标的依据，就像新能源汽车刚起步发展之时，大家关注的是动力电池能量密度的高低、大小，但现在我们已经不再简单地追求动力电池的能量密度，而是更关注整车的安全性、百公里能耗及快充时间。”

“算力毋庸置疑可以成为算法发挥更大能力的基础，但如同所有衡量性能或产品特性的单一指标一样，算力本身的大小并不直接等同于车辆的智能程度，例如在嵌入式软件层面做出合理的设计，才能发挥出算法更优的性能，这需要在算力、功耗、成本、算法之间找到一个更好的平衡。”智能驾驶和智慧出行领域的核心技术服务商——智驾科技相关负责人李立（化名）表示，“在智能驾驶领域，随着高阶技术的升维，处理的场景和功能复杂度的提升，行业将会拥抱一个高算力的时代，但算力永远不是衡量性能的绝对标准，算力决定了算法发挥的下限，而不是上限。”

在李立看来，高阶智能驾驶系统对算力资源的要求将会更高，但高算力不等于高智能。算力是“肌肉”，算法则是“智慧”，而数据是“生产资料”，三者需要互相配合。如果算法没有取得突破，或者数据积累不够充分，无论堆砌多高的算力也无法实现高智能。

地平线认为，算力并不反映自动驾驶计算平台真实的性能。当前智能汽车发展的核心瓶颈确实是算力不足，智能化竞争在提速，这体现在算力的军备竞赛上。但受摩尔定律的功耗限制，单纯追求算力的突破并不可持续，同时算力也并不代表汽车智能芯片的真实性能，芯片计算效率同样需要关注。正如对于汽车来说，马力不如百公里加速时间更能真实反映整车的动力性能，算力也不反映汽车智能芯片真实性能，每秒准确识别帧率FPS才是更直接的性能指标。

以特斯拉为例，得益于其软件能力，FSD标称算力只有Nvidia Drive PX2的3倍，但真实性能却是PX2的21倍。因此，算法驱动车载智能芯片设计的软硬结合趋势下，新一代汽车智能芯片领导者，也将是世界级的算法公司。

目前，行业单纯追逐上千TOPS级别的物理算力，实际上，物理算力是晶体管的数目乘以主屏，等于芯片面积。它不代表效率、性能，更不是用户价值，它是给整车企业的成本衡量标准之一。相比关注物理算力，更应该关注最先进的神经网络在芯片上如何跑得快、跑得好，即真实计算性能，这才是用户价值所在。

03

车企走上“拼算力”歧路

与过去传统燃油车贵在“发动机、变速器”有所不同，现在的智能电动汽车则贵在动力电池和车载芯片上，其成本飙升有过之而无不及。但区别在于，过去的发动机和变速器几乎掌握在车企手中，而现在动力电池和车载芯片几乎都掌握在供应商手中，车企处于相对被动的地位。

如今，最先进的高算力芯片仅仅掌握在少数高科技企业手中，车企采购可能需要下“血本”。“如果高算力指的是200TOPS起步的芯片，行业中的方案一般是1~4颗不等，日前英伟达推出的2000TOPS芯片，致力于集中解决所有问题，那么就只需要1颗即可，但成本应该在数千元甚至上万元级别。”一位业内人士表示。

“芯片的算力提升，会对研发成本和制造工艺提出更高的要求。因为在保持高算力的前提下，不能让能耗也同时正比例增加，反而要降低能耗，这就要求使用更好的制造工艺。所以，流片的成本、研发的成本都会明显上升。”原诚寅表示，“车上需要有多少颗高算力芯片，与车辆的需求有关。比如车辆的设计目标是辅助驾驶还是高速自动驾驶，车辆行驶的外部环境如何，这些综合因素确定后才能确定对于算力的需求。”在原诚寅看来，车企不应该盲目配装高算力芯片。

“车企‘打肿脸充胖子’，最后还是会把成本转移到消费者身上，所以现在的智能电动汽车，售价越来越高，随便一款配置相对较高的车型，售价往往都在20万甚至30万元以上。”在业内人士王讯（化名）看来，车企堆配置的行为，最终损害的是消费者的利益。

国家统计局最近公布的《中国人口普查年鉴——2020》披露了第七次人口普查的分项数据，其中，长表数据资料的第九卷反映了全国及各省份家庭用车价位情况。数据显示，中国有车家庭比例已达41.67%，有车家庭中81.4%的家庭汽车价格在20万元以下。“汽车已经是普通的消费品，大多数消费者还是希望质优价廉，现在这么多的汽车品牌在堆配置、拼算力，可能忽略了最大消费群体的需求。”王讯认为，比“壕”的做法不太可取，最多只适用于小部分汽车品牌。

04

从算力到算法再到智能生态

接下来让我们回到车载芯片的本质——算力，即AI系统所需要的硬件计算能力。

英伟达和高通“们”在芯片领域拥有的一技之长帮助它们快速接入了智能汽车的产业链，它们也仅经过短短几年布局之后便大幅度将车载芯片算力提升到了满足L5自动驾驶级别。

但就目前汽车科技的发展程度来看，仅靠高算力芯片的简单叠加，汽车离达到L5级别的自动驾驶还相差甚远。从某一方面来说，智能汽车的发展似乎出现了一种畸形现象，一方是强大的算力芯片，另一方是迟迟跟不上节奏的算法。

要知道的是，推动算力的发展，是为了能够保证算法的实现，即使有能够达到L5级别的算力水平，但是没有实现L5级别的算法建构，高级自动驾驶也是天方夜谭。这就好比仅仅有一套顶级的厨具，但是缺少手艺高超的厨师，想要做出一桌美味佳肴，是完全不可能的。

由此来看，仅仅拥有高算力芯片对于智能汽车发展来说远远不够，当各家芯片厂商都达到了最高标准时，决定汽车产品力的，便是算法大战，是软件的适配程度和功能的丰富程度。

由此，算力为算法的实现提供保证，算法是实现智能的方法论，算法的目的则是构造汽车的智能生态。智哥认为，各大芯片厂商和自研车企们，除了在发展算力的同时，还需要着重考虑围绕算法，构建汽车的智能生态。

相比于英伟达和因特尔，AMD似乎正是以此行动目标的。虽然在涉足智能汽车领域时间远远落后其它芯片巨头，但AMD正在另辟蹊径，打造自己的智能汽车生态圈。

据AMD 大中华区销售副总裁唐晓蕾女士介绍，在汽车行业，现阶段AMD重点关注三个领域，分别是信息娱乐、ADAS和自动驾驶。其中信息娱乐，聚焦的是车舱内的数字化。8月11日，AMD宣布将联手亿咖通科技打造智能座舱平台，这也预示着AMD向自己的汽车智能生态迈出了第一步。

从国内来看，也有着不少着眼于算法建构，打造智能生态的大企业。以百度为例，其于2017年推出全球首个自动驾驶开放平台Apollo，并在自动驾驶、智能汽车、智能交通三大领域取得了巨大突破，仅智能交通解决方案一项，便包含了智能网联、智慧交管、智能停车等8个类别。

总而言之，算力的堆叠上最终要落脚到技术和智能化的进步，要适配用户的驾乘体验和各类使用场景。在未来的某天，当各大芯片巨头包括国产芯片厂商都到达了算力发展的峰顶时，谁能够转变思维，围绕汽车打造自己的智能生态，谁就能够进一步拓宽市场。

否则，再高的算力芯片，也可能沦为一个个技术堆叠下的营销噱头。

05

提升性能不仅是“拼算力”

既然无需盲目追求高算力，那么相关企业应该怎么做？

在地平线看来，车企一定要有差异化的思考和创新思维，在智能驾驶时代，核心竞争力是单位成本下面数据的处理量而不是晶体管的集成密度。以地平线为例，目前虽然也关注峰值算力的持续提升，但本质上更加关注有效算力的提升。这就好比住房面积大，但是公摊面积可能也大，得房率并不高。最核心的关注点应该是在一定的面积下、一定数量的晶体管中，能够有多少可以用于深度神经网络计算，这涉及创新的硬件架构设计及软件和硬件的协同。

同时还有算法的优化和提升。算法在过去的几年里突飞猛进的发展，未来20年，整个算法每年都将会有大的更新和迭代。所以，如何适应算法本身的迭代也非常重要。地平线提出新摩尔定律，即通过场景驱动定义软件框架，然后软件框架结合硬件的架构设计，使得软件和硬件结合，继续提高计算效率。

地平线相关人士介绍，“软硬结合”存在两方面的壁垒。一是软件算法原理处于高速发展的过程，难以预测未来发展情况，因此要求企业在基础算法原理方面具备较强的研发能力；二是面对软件场景，需要设计高效的硬件架构。两点相结合，其复杂度与难度大大增加，这也是自动驾驶要走“软硬结合”之路门槛高的两大原因。

由此，地平线认为，要想真正做到“软硬结合”，核心要从应用场景出发，不仅要掌握软件算法的先进技术，更重要的是深刻掌握未来技术发展脉络，这样硬件设计才能真正适应场景计算的需求。

值得注意的是，地平线研发的征程5，得益于软硬协同优化，真实计算性能（FPS）从最初的1283 FPS刷新至1531FPS。实测对标结果显示，在典型分类、检测模型下，征程5在轻量化计算具有一定优势，相较Orin性能表现更佳；经软硬结合优化的高效模型，同精度下征程5性能与能效表现全面领先于Orin-X，计算性能（FPS）最高可达Orin-X的3倍，能效（FPS/Watt）最高可达Orin-X的9倍。

在李立看来，软件算法的改善会直接影响自动驾驶的功能实现和功能体验。在自动驾驶领域，获取更多有效场景数据意味着下一代系统边界性能的突破。在技术维度之外，产业链协作的进一步优化、行业法规的不断健全也将是自动驾驶功能真正落地的必要因素。

文章来源： 中国汽车报，券商中国，智行驾道