算力越高,車越智能?新造車“算力大戰”背後的真相是啥?

語言: CN / TW / HK

因為疫情的原因,原本4月底舉辦的北京車展延期至今尚未舉辦,這也讓最近開幕的成都車展,成為今年的第一個A級車展。

在這次展會上,各大車企和供應商把智能駕駛的「軍備競賽」推向高潮:一方面,智能駕駛的使用場景從高速、自動泊車延伸到城市;另一方面,激光雷達、高清攝像頭、高算力芯片等硬件產品加速上車。

特別是高算力芯片,成為越來越多汽車廠家的主打賣點,很多車型的自動駕駛計算平台突破1000TOPS。這裏的「TOPS」是計算機的算力單位,1TOPS代表處理器每秒鐘可進行一萬億次(10^12)操作。

這背後是汽車的競爭邏輯發生了變化。

傳統汽車時代的競爭,主要是圍繞動力、操控和空間來展開。但智能汽車發展的背後,是整車計算平台的演進,從最初的分佈式計算、單個子系統擁有自己的ECU,到域控制器邏輯、以功能劃分集成化控制運算,再到最終實現整車運算能力的高速集中、智能化分配算力。這也對芯片的性能,提出了更高的要求。

因此,現在很多汽車廠商宣傳的重點之一,就是採用了英偉達或者高通的芯片,算力有多強。這讓人不禁回想起手機和電腦廠商這麼多年來,圍繞芯片做營銷的習慣。

對於一台汽車來説,是不是像電腦和手機一樣,芯片越快,算力越高就越好?答案可能並不是你想的那樣。

從「馬力」到「算力」

目前,「算力」已經成為評價一輛車的重要指標。

2019 年特斯拉推出 HW3.0 芯片時,144TOPS的算力在當時冠絕行業,讓很多車企意識到算力對於智能汽車的重要性。當時,英偉達的Orin芯片還未量產,主打產品是2017發佈的Xavier芯片,採用12nm工藝,算力30TOPS。

蔚來ET7 | 視覺中國

到了2021年,這場競賽被拉高到新的高度。

2021年初,蔚來NIO Day,創始人李斌發佈了他們第一款轎車——ET7。相比當時其他車型,它最大的亮點之一是首款量產車採用Nvidia Orin芯片。在目前量產自動駕駛芯片中,Orin被認為是單片算力最高、技術最領先、量產節奏最快。

在之後的一年半中,拼芯片、拼算力成為一種風氣,最近越來越多的車企開始推出大算力的平台。跟手機一樣,越來越多的汽車的發佈會開始把算力、芯片作為宣傳噱頭。

從數據上來看,目前芯片算力最強的是魏牌摩卡DHT-PHEV激光雷達版。它搭載毫末智行聯合高通打造的Snapdragon Ride芯片,綜合算力達到了1440TOPS;緊隨其後的的是蔚來ET7和威馬M7,它們都採用了四顆英偉達Orin-X自動駕駛芯片,車載系統的最大算力達到1016 TOPS;隨後的小鵬G9與理想L9,採用了兩顆英偉達OrinX芯片,算力也達到508TOPS……

相比之下,一直被認為是智能汽車標杆的特斯拉,其搭載的 FSD 輔助駕駛芯片總算力依舊是 144TOPS。

從汽車芯片玩家來看,跟智能手機行業類似,競爭者也呈現多元化。這裏既包含老牌芯片廠商Nvidia、Intel、高通,也不乏主機廠(Tesla)、中國初創企業(地平線等)及IT巨頭華為。

其中,在智能座艙領域,比較有名的芯片有高通的8155與8195,還有地平線基於其征程2、征程3芯片打造的Halo 2.0與Halo 3.0方案;在智能駕駛領域,則有英偉達的Orin、英特爾旗下MobileEye的Q4與Q5、華為剛剛發佈的MDC系列,以及地平線已經上車的征程2、征程3和即將量產的征程5與征程6。一般來説,自動駕駛和智能座艙芯片最大的不同在於,智能駕駛需要更大NPU算力,支持自動駕駛算法的落地。

英偉達Orin芯片 | 視覺中國

根據開信息,英偉達可謂是智能駕駛芯片賽道的算力霸主。目前明確採用Orin芯片的主機廠包括蔚來汽車、理想汽車、上汽智己、威馬汽車、沃爾沃、路特斯、高合汽車、集度汽車、小馬智行等。

不過,主機廠商在選擇芯片的時候,並非只是考慮單芯片的性能強度,還會參考性價比以及相關的軟件生態、工具鏈的成熟程度。

主機廠商為了打造差異化的體驗,需要芯片支持傳感器的「多路輸入」,並保持高度靈活度。目前,基於英偉達 Orin 芯片構建的自駕平台,可以支持12 個外部 攝像頭、3 個內部攝像頭、9 個雷達、12 個超聲波雷達、1 個前置激光雷達,這基本涵蓋大部分主機廠的傳感器配置,整體性價比較高。這也是 Orin芯片被眾多車型採用的主要因素。

車企「堆料大戰」

讓車企對於算力「如飢似渴」的,正是越來越普及的智能駕駛技術。

現階段,市面上的量產車型普遍的自動駕駛等級介於L2到L3級之間,可以實現自動緊急煞停(AEB)、主動式巡航控制(ACC)、車道偏移輔助(LKA)等功能。總體來看,這個階段對算力的要求並不高,算力達到幾十TOPS就足夠。

那為什麼越來越多的主機廠,現在就把芯片算力堆高到500到1000TOPS呢?這跟智能駕駛的加速落地有關,主要表現為自動駕駛的使用場景,由最早的自動泊車或高速這樣的單一場景,逐步向多場景甚至全場景延伸。

自動駕駛的主流場景有三個,根據實現的難度,由低到高分別是高速/環路、停車場、城區。目前,高速/環路場景下的體驗已經不錯,2022年被認為是城市域的自動駕駛落地的元年。

隨着自動駕駛場景的拓展,激光雷達+視覺+毫米波雷達的多傳感器宂餘方案正在成為主流。目前主流車型的傳感器數量已經超過30個。越多的傳感器、越深的網絡、越多的網絡,這些都對芯片的算力提出了極大的需求。

所以,硬件預埋、軟件OTA迭代,成為主機廠商主流的策略。

車企在量產車輛上裝配高級別智能駕駛硬件,把芯片直接拉至高級別(L4)生命週期,通過硬件快速上量來獲取大量數據,然後對體驗不斷進行技術迭代。因為自動駕駛要突破到更高級別,需要數據、算法、算力來實現閉環,用數據來驅動算法的迭代。

汽車芯片 | 視覺中國

當然,主機廠推出這些高算力芯片,並不僅僅是技術發展的需要,也有營銷的因素。

回想一下當年的智能手機,通過大屏、快充,以及更大的電池容量、內存、高像素攝像頭,在各種宣傳和排行榜中賺足了眼球。所以,目前智能汽車正在模仿智能手機的營銷策略,就像人們談論手機配置一樣,汽車的芯片配置也將是消費者日常談論的話題之一。

其實,算力軍備競賽背後,更多體現的是車企的焦慮。

自動駕駛雖然已經經過十幾年的發展,但各項細分技術還在不斷迭代、向外延伸,這也意味着技術方向和市場都充滿了不確定性。正因為自動駕駛是新事物,沒有人知道怎麼做,以及怎麼才能做好,所以車企傾向於提前預埋一些高配置的硬件,為後續的升級提供基礎。

算力不等於智能

在這場軍備競賽中,部分主機廠商已經有些「迷失」,開始更多堆料配置,追求性能參數。但堆料能堆出高階自動駕駛嗎?從目前來看,僅僅靠堆高芯片算力,並不能做到高級別自動駕駛。

在智能汽車時代,算力、算法和數據是推動行業發展的三個關鍵因素。其中,數據被認為是「生產資料」,算法是「智慧」,算力是「肌肉」。

簡單説,智能汽車水平的提高,除了算力絕對數值,還與數據、軟件算法的協同配合相關。在數據和算法還未取得突破的時候,即便算力堆高到1000TOPS,也無法達到高級別自動駕駛。這就像一個人渾身都是「肌肉」,但「腦子」不行,是一種畸形的狀態。

未來決定汽車差異性的,將是軟件及後續迭代帶來的性能和功能變化。比如特斯拉 HW 3.0 芯片,單芯片的算力只有72TOPS,相較上一代芯片並沒有提升太多,但自動駕駛性能最高提升幅度可達 20 倍。

更重要的是,產品最終是要面向用户用的。目前高算力的芯片,並沒有給用户帶來使用體驗的明顯改善,算力利用率並不高,沒有發揮其價值,用户還需要花費極高的價格為硬件和軟件買單。

有人會認為,車企在芯片算力上堆料,是為將來高級自動駕駛做準備。但L4級別的自動駕駛什麼時候能實現突破,業內還沒有共識。Waymo早在2017年就開始自動駕駛的商業化,當時內部員工透露已經解決了99%的問題。但Waymo後來商業化遇挫,部分原因是要解決最後那1%的問題,難度可能是前面99%的數十倍甚至於數百倍。

除了技術上的問題,高級自動駕駛的實現,還取決於是基礎建設和政府的政策法規,包括 5G、物聯網、智慧城市的建設進度等等。Gartner此前預測,實現真正實用的L4級自動駕駛可能需要10年的時間。

其實類似情況,在PC和手機行業都上演過。如果回看智能手機過去幾年的發展,處理器性能和頻率越來越高、屏幕越來越大、分辨率越來越高、攝像頭也越來越好……這些配置不一定帶來更好或更明顯的體驗,但卻帶來了很多問題,比如散熱問題,充電時間越來越長,價格越來越貴,體積越來越大等等。

當一個行業不斷強調性能參數,開始脱離用户真實的使用場景時,是需要警惕的,這些被重點營銷的參數,很可能只是曇花一現的噱頭。未來智能汽車的主戰場在於差異化的體驗,而不只是硬件的性能參數。

免責聲明:本文來自騰訊新聞客户端創作者,不代表騰訊網的觀點和立場。