算力越高,车越智能?新造车「算力大战」背后的真相是啥?

摘要

芯片区别不大,未来智能汽车的主战场在于差异化体验。

因为疫情的原因,原本4月底举办的北京车展延期至今尚未举办,这也让最近开幕的成都车展,成为今年的第一个A级车展。

在这次展会上,各大车企和供应商把智能驾驶的「军备竞赛」推向高潮:一方面,智能驾驶的使用场景从高速、自动泊车延伸到城市;另一方面,激光雷达、高清摄像头、高算力芯片等硬件产品加速上车。

特别是高算力芯片,成为越来越多汽车厂家的主打卖点,很多车型的自动驾驶计算平台突破1000TOPS。这里的「TOPS」是计算机的算力单位,1TOPS代表处理器每秒钟可进行一万亿次(10^12)操作。

这背后是汽车的竞争逻辑发生了变化。

传统汽车时代的竞争,主要是围绕动力、操控和空间来展开。但智能汽车发展的背后,是整车计算平台的演进,从最初的分布式计算、单个子系统拥有自己的ECU,到域控制器逻辑、以功能划分集成化控制运算,再到最终实现整车运算能力的高速集中、智能化分配算力。这也对芯片的性能,提出了更高的要求。

因此,现在很多汽车厂商宣传的重点之一,就是采用了英伟达或者高通的芯片,算力有多强。这让人不禁回想起手机和电脑厂商这么多年来,围绕芯片做营销的习惯。

对于一台汽车来说,是不是像电脑和手机一样,芯片越快,算力越高就越好?答案可能并不是你想的那样。

马力算力

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。

蔚来ET7 | 视觉中国

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。

英伟达Orin芯片 | 视觉中国

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。

车企「堆料大战」

让车企对于算力「如饥似渴」的,正是越来越普及的智能驾驶技术。

现阶段,市面上的量产车型普遍的自动驾驶等级介于L2到L3级之间,可以实现自动紧急煞停(AEB)、主动式巡航控制(ACC)、车道偏移辅助(LKA)等功能。总体来看,这个阶段对算力的要求并不高,算力达到几十TOPS就足够。

那为什么越来越多的主机厂,现在就把芯片算力堆高到500到1000TOPS呢?这跟智能驾驶的加速落地有关,主要表现为自动驾驶的使用场景,由最早的自动泊车或高速这样的单一场景,逐步向多场景甚至全场景延伸。

自动驾驶的主流场景有三个,根据实现的难度,由低到高分别是高速/环路、停车场、城区。目前,高速/环路场景下的体验已经不错,2022年被认为是城市域的自动驾驶落地的元年。

随着自动驾驶场景的拓展,激光雷达+视觉+毫米波雷达的多传感器冗余方案正在成为主流。目前主流车型的传感器数量已经超过30个。越的传感器、越的网络、越的网络,这些都对芯片的算力提出了极大的需求。

所以,硬件预埋、软件OTA迭代,成为主机厂商主流的策略。

车企在量产车辆上装配高级别智能驾驶硬件,把芯片直接拉至高级别(L4)生命周期,通过硬件快速量来获取大量数据,然后对体验不断进行技术迭代。因为自动驾驶要突破到更高级别,需要数据、算法、算力来实现闭环,用数据来驱动算法的迭代。

汽车芯片 | 视觉中国

当然,主机厂推出这些高算力芯片,并不仅仅是技术发展的需要,也有营销的因素。

回想一下当年的智能手机,通过大屏、快充,以及更大的电池容量、内存、高像素摄像头,在各种宣传和排行榜中赚足了眼球。所以,目前智能汽车正在模仿智能手机的营销策略,就像人们谈论手机配置一样,汽车的芯片配置也将是消费者日常谈论的话题之一。

其实,算力军备竞赛背后,更多体现的是车企的焦虑。

自动驾驶虽然已经经过十几年的发展,但各项细分技术还在不断迭代、向外延伸,这也意味着技术方向和市场都充满了不确定性。正因为自动驾驶是新事物,没有人知道怎么做,以及怎么才能做好,所以车企倾向于提前预埋一些高配置的硬件,为后续的升级提供基础。

算力不等于智能

在这场军备竞赛中,部分主机厂商已经有些「迷失」,开始更多堆料配置,追求性能参数。但堆料能堆出高阶自动驾驶吗?从目前来看,仅仅靠堆高芯片算力,并不能做到高级别自动驾驶。

在智能汽车时代,算力、算法和数据是推动行业发展的三个关键因素。其中,数据被认为是「生产资料」,算法是「智慧」,算力是「肌肉」。

简单说,智能汽车水平的提高,除了算力绝对数值,还与数据、软件算法的协同配合相关。在数据和算法还未取得突破的时候,即便算力堆高到1000TOPS,也无法达到高级别自动驾驶。这就像一个人浑身都是「肌肉」,但「脑子」不行,是一种畸形的状态。

未来决定汽车差异性的,将是软件及后续迭代带来的性能和功能变化。比如特斯拉 HW 3.0 芯片,单芯片的算力只有72TOPS,相较上一代芯片并没有提升太多,但自动驾驶性能最高提升幅度可达 20 倍。

更重要的是,产品最终是要面向用户用的。目前高算力的芯片,并没有给用户带来使用体验的明显改善,算力利用率并不高,没有发挥其价值,用户还需要花费极高的价格为硬件和软件买单。

有人会认为,车企在芯片算力上堆料,是为将来高级自动驾驶做准备。但L4级别的自动驾驶什么时候能实现突破,业内还没有共识。Waymo早在2017年就开始自动驾驶的商业化,当时内部员工透露已经解决了99%的问题。但Waymo后来商业化遇挫,部分原因是要解决最后那1%的问题,难度可能是前面99%的数十倍甚至于数百倍。

除了技术上的问题,高级自动驾驶的实现,还取决于是基础建设和政府的政策法规,包括 5G、物联网、智慧城市的建设进度等等。Gartner此前预测,实现真正实用的L4级自动驾驶可能需要10年的时间。

其实类似情况,在PC和手机行业都上演过。如果回看智能手机过去几年的发展,处理器性能和频率越来越高、屏幕越来越大、分辨率越来越高、摄像头也越来越好……这些配置不一定带来更好或更明显的体验,但却带来了很多问题,比如散热问题,充电时间越来越长,价格越来越贵,体积越来越大等等。

当一个行业不断强调性能参数,开始脱离用户真实的使用场景时,是需要警惕的,这些被重点营销的参数,很可能只是昙花一现的噱头。未来智能汽车的主战场在于差异化的体验,而不只是硬件的性能参数。

最新文章

极客公园

用极客视角,追踪你不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表具有科技的商业洞见。