来Ï源：ð极客公园Ä
‾ 作☜者Π/周永亮
◊੬
编辑/靖宇
因为疫情的ਮ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。
ö 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ϖ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બ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Ρ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î生了变化。
传统汽车时代的竞争，主要是围绕动力、Ñ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、Ø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ö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Ņ之一，就是采用了英Î伟达或者高通的芯片，算力有多强Þ。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ϒ，是不是像电脑和手机一样，芯片越快，算力β越高就越好？答案可能并不是你想的那样„。
从▩“马ç力”到“é算力”
è目前，“算力”已经成为评价一જ辆车的重要指标。੫
ૣ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ਭ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મ12nm工艺，算力30TOPS。
♨
到了2021年，这场竞赛被拉高到新♧的高度。â
2021年初，蔚来NIODay，创始人李લ斌发布了他们第一款轿ö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NvidiaO‹rin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ý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SnapdragonRide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1016TOPS；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ਫ਼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Halo2.0与Halo3.0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，ઠ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જ算力霸主。目χ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，ç主机厂商在选择芯片的时候，并非只ψ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ਮ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ધ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。
ࢮ车ડ企“堆料∀大战”
让车š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L੍2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૪并不高，算力达到几十TÞOPS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੫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ψ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Ø/环b2;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ਖ਼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。越多的传感器、越深的网络、越多的网络，这些都对芯片的ð算力提出了极大的需求。
所以，硬件Ç预埋⇑、软件OTA迭代，成为主机厂商主流的策略。á
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ćd;快速上量来获取大量数ੜ据，然后对体验不断进行技术迭代。因Ǝ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。
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Ü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Η消费者日常谈论的话题之一。
其实，算力♡军备竞赛背ઝ后，更æ多体现的是车企的焦虑。
自动驾驶虽然已经经过十ω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δ能੦
在这场军备竞赛中，部分主机厂商已经有Œ些“ઍ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ϒ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Ç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。
ćd;
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HW3.0芯片，单芯片的算力只有72TOPS，相较上一代芯ο片并没有提升太多，但自动驾驶性能最Æ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，γ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。Waymਫ਼o早在2017年就开始自动驾驶的商业化，当时内ćd;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ਲ਼联网、智慧城市的建设Ù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ý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Ξ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Æ一现α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。
“掌”握科技鲜闻 （微Ο信搜⇑索techsin↑a或扫描左侧二维码关注）
新⌋浪ࢮ科技
ઢ
新浪科技为你带来最新鲜的科技资讯⊃
ς'
苹果汇Χ
苹果È汇为∼你带来最新鲜的苹果产品新闻
新浪Χ众测࠹
新酷产品χΜ第一ઝ时间免费试玩
ૠ新浪੍探索c8;
提供最新的科学家新闻，精彩σ的震થ撼图片
新浪科技意ⓗ见ਭ反馈留ÿ言板
Al੦l ઘRights Rખeserved 新浪公司 版权所有
