本文來源：智車科技

／ 導(dǎo)讀 ／

11月29日，百度旗下集度汽車宣布，全球首款5nm汽車芯片高通SA8295P將率先搭載于集度汽車。明年4月北京車展集度將展出概念車型；2023年，首款量產(chǎn)車正式上市。

高通8295是第4代驍龍汽車數(shù)字座艙平臺，CPU采用與驍龍888同一代的第6代Kryo CPU，GPU的3D渲染性能相比8155芯片有3倍性能提升，其AI算力達到30TOPS�？瓷先ニ懔Σ⒉桓撸�不過，這個芯片只是一個座艙平臺，還不能與自動駕駛AI算力同日而語。

還有算力更低的案例，2021年初，商用車安全駕駛硬件和數(shù)據(jù)服務(wù)產(chǎn)品提供商所托瑞安基于英特爾子公司Mobileye EyeQ?4H SoC平臺開發(fā)的新一代智能防碰撞方案，相比其他量產(chǎn)方案系統(tǒng)性能提升了約100倍，在滿足使用需求的同時，2．5 TOPS的算力可以將平臺整體功耗控制在9W以內(nèi)；此外，攝像頭可視角度增加了40％，探測距離更遠（車輛探測超過200米、行人探測超過70米、摩托車探測超過80米），集成的DNN深度神經(jīng)網(wǎng)絡(luò)加速還能進一步擴展數(shù)據(jù)服務(wù)應(yīng)用，最高支持L3級別。

這就搞不明白了，到底算力代表了什么？它又和哪些因素有關(guān)呢？

自動駕駛的算力與延遲

自動駕駛汽車將在安全性和效率方面體現(xiàn)真正的社會效益，它需要依靠人工智能、視覺計算、雷達、監(jiān)控裝置和全球定位系統(tǒng)的協(xié)同合作，讓計算機在沒有任何人類主動干預(yù)的控制下，自動安全地操控車輛。因此，人們將未來的汽車稱為四個輪子上的超級計算機。

自動駕駛技術(shù)有三個重要層次：人工智能（AI）算法、運行AI的超級計算機（處理器芯片）和高分辨率地圖。不管怎樣，自動駕駛工作負載都需要盡可能低的延遲，這對保證車輛及時做出決策至關(guān)重要。

延遲與處理器芯片的計算能力（算力）有很大關(guān)系，當(dāng)然也與系統(tǒng)架構(gòu)有一定關(guān)系。所以，一提起自動駕駛，人們除了首先想到安全，馬上就會想到處理器是否足夠強大？拼算力的軍備競賽愈演愈烈也就不足為怪了。

算力是功能和性能的舞臺

過去，汽車基本上就是一個打鐵的行業(yè)，車就像一個鐵疙瘩。但是，今天的汽車有了越來越多的科技屬性，開始呈現(xiàn)從功能手機到智能手機那樣的變化。汽車正成為移動的客廳、行走的機器人，具有越來越多的游戲?qū)傩�、電影院屬性，甚至越來越多的攝像頭將使其成為一個全方位相機。而且，由于具有超強的算力，汽車也會成為一個游戲服務(wù)器，甚至未來可能成為一個挖礦機。

中科創(chuàng)達高級副總裁、智能汽車事業(yè)群總裁常衡生指出：“由于芯片算力不足加上零部件的組合方式，過去的汽車整體架構(gòu)主要是以分布式ECU為主。一輛車可能有100多個ECU，現(xiàn)在由于汽車芯片算力以及汽車軟件復(fù)雜性的提升，域集中控制架構(gòu)成了一個非常流行的趨勢�！�

電子電氣架構(gòu)創(chuàng)新需要高算力芯片

黑芝麻智能科技CMO楊宇欣認為，智能汽車需要高性能計算芯片，“不管是什么技術(shù)路線和發(fā)展方向，高性能計算芯片都是智能駕駛產(chǎn)業(yè)發(fā)展的核心和基礎(chǔ)。AI等技術(shù)的應(yīng)用需要用算力支撐，算力就是一個支撐軟件發(fā)展和硬件拓展的發(fā)動機。芯片決定功能和性能的邊界，所以舞臺的大小要由芯片來決定�！�

高算力芯片是智能汽車大腦

他表示，無論是傳感器還是算力，都要留有足夠多的冗余，例如特斯拉的車出廠時可能是L2，但其硬件是按照L2＋或L3級別設(shè)計的，后期可通過軟件不斷升級支持各種功能。特斯拉下一代車會標配游戲手柄，因為新款Model S的車載系統(tǒng)游戲性能已接近索尼PlayStation 5。這就是算力冗余的價值所在。

算力不斷攀升是喜是憂？

在為自動駕駛計算平臺選擇處理器時，一些供應(yīng)商一直在“爭創(chuàng)TOPs”（每秒萬億次操作），越來越多功能的強大器件不斷發(fā)布，當(dāng)然也越來越耗電。從表面上看，TOPs越多越好，但與生活中的許多事情一樣，現(xiàn)實并不總是那么簡單。

中國工程院院士、中國電子科技集團公司第58研究所名譽所長許居衍認為：“面對AI的挑戰(zhàn)，根據(jù)摩爾定律集成電路上容納的晶體管數(shù)目大約每過18個月便會翻一番，但是AI訓(xùn)練的算力每3．4個月就會翻一番�？梢�，即使摩爾定律仍然有效，也滿足不了算力的需求，更何況現(xiàn)在CPU已進入了瓶頸�！�

智能駕駛芯片初創(chuàng)公司地平線創(chuàng)始人及CEO余凱也表示：“幾百、上千TOPs算力的增長可能難以持續(xù)，畢竟有摩爾定律的物理極限，如果按照現(xiàn)在摩爾定律的功耗標準，超過了10000TOPs，汽車就會熱的燙手，不可能正常行駛。”他認為，算力并不代表汽車智能芯片的真實性能。TOPs數(shù)值實際上是物理乘法器數(shù)目乘以最高主頻，只是個理論數(shù)值，真正能夠利用多少取決于和軟件算法的配合，這與用戶感受之間其實是一個間接關(guān)系。

話雖這么說，2021年7月，地平線發(fā)布向全場景整車智能的高性能大算力整車智能中央計算芯片征程?5，單顆芯片AI算力128TOPs。不知您做何感想？

現(xiàn)在的自動駕駛一直在模仿人類，人的視覺皮層處理速度非�？�，準確度難以置信，幾乎不用大腦巨大的處理能力。如果人類的大腦像今天的自動駕駛汽車一樣工作，我們就不會作為一個物種存活下來。

鮑勃·尼斯在《決策的力量》（The Power of Five Bits）一書中描述人類大腦每秒處理一千兆比特（bit）信息，但只有50比特用于有意識思維。這是由多種進化因素造成的，包括由視覺皮層篩選出與生存無關(guān)的環(huán)境信息。

雖然人的眼睛總是在掃描，識別進入場景的新對象，但只將注意力集中在重要對象和受關(guān)注的區(qū)域，以此做出適當(dāng)?shù)捻憫?yīng)。

當(dāng)前的自主車輛利用激光雷達、攝像頭、超聲波和雷達的組合作為其“感官”，限于固定搜索模式連續(xù)（單向）收集信息。它們收集盡可能多的數(shù)據(jù)，然后在事件發(fā)生后進行校準、處理和分析。這種后處理速度很慢，無法實現(xiàn)實時捕獲數(shù)據(jù)方式的變化。在高速公路，這種延遲會導(dǎo)致車輛在傳感器數(shù)據(jù)處理完之前移動6米以上。

對樹木、路緣、路邊車輛、道路和其他靜態(tài)對象的數(shù)據(jù)篩選也要巨大的算力和功耗，雖然算力在不斷攀升，整個系統(tǒng)的能力并沒有多大起色，難以避免風(fēng)險。因此，關(guān)注一切，事后分析環(huán)境中的每一項，會犧牲及時行動的敏捷。這與人駕駛時處理時空數(shù)據(jù)的方式正好相反。

因此，那些為ADAS和自動駕駛選擇計算平臺的人在得出結(jié)論之前，需要超越TOPs數(shù)字的束縛，深入研究算法、軟件成熟度、處理器架構(gòu)和功耗以及硬件和軟件之間的集成，還有應(yīng)用的場景。

為什么算力要基于場景？

自動駕駛目前還處在發(fā)展初期，大家經(jīng)常會問一個問題：到底需要多少算力？沒有人能回答，主機廠也回答不上來。因為既要滿足現(xiàn)在的算力要求，同時又要為日后留足冗余，所以就不停地向芯片廠商要算力。

地平線戰(zhàn)略生態(tài)合作總監(jiān)劉繼鋒說：“汽車智能芯片是硬科技的珠穆朗瑪。在追趕特斯拉的過程中，盡管人們并不知道車輛需要多大算力，國內(nèi)新造車勢力和傳統(tǒng)車企都在算力方面發(fā)力拼殺，但重要的是，結(jié)合實際應(yīng)用場景、實際算法，才能把效能發(fā)揮到極致�！�

他表示，除了芯片算力，感知是非常重要的因素，車輛對感知的需求呈現(xiàn)幾何增長，從像素、數(shù)據(jù)量都對芯片和算法提出了很高的要求。

自動駕駛對感知的需求急劇提升

他說，大家都想去做軟件定義汽車，都想效仿特斯拉，但是比較難。很多主機廠都在堆積算力，產(chǎn)品性能確實有所提升，但在品牌差異化方面，中國主機廠的供應(yīng)商都是同一家或兩家Tier 1，得到的軟硬一體功能沒有什么差別，這樣就失去了競爭力，存在價格競爭、技術(shù)風(fēng)險的隱患。

只有通過算法將場景需求和硬件結(jié)合起來，包括高精度檢測要求、穩(wěn)定性、低延時和帶寬，將場景需求轉(zhuǎn)變?yōu)樾酒�設(shè)計要求，才能實現(xiàn)軟硬一體，滿足真實場景處理要求。

算力如何分布？

車路協(xié)同是中國特色的自動駕駛方案，涉及車、路、云分層協(xié)同感知以及云端全局決策能力的下放，有助于突破單車感知和算力瓶頸，從系統(tǒng)維度賦予自動駕駛多層級安全冗余和巨大的決策效率優(yōu)化空間。現(xiàn)階段的主要應(yīng)用是城市和高速場景，以提升交通系統(tǒng)的安全性，優(yōu)化交通系統(tǒng)的運行效率。

英特爾中國研究院院長宋繼強認為，智能駕駛基礎(chǔ)設(shè)施必須依靠車端和邊緣智能計算的開放融合。他解釋說：“現(xiàn)在的云計算時代，我國和發(fā)達國家算力基礎(chǔ)設(shè)施的差距開始縮小。而智能駕駛是一個非常需要傳感和算力的時代，也需要網(wǎng)聯(lián)。而這些傳感和算力在哪里分布是一個大問題。”

傳統(tǒng)上，傳感和算力都分布在車里，需要搭載足夠的算力才能實現(xiàn)AI能力。未來需要持續(xù)不斷擴展AI能力，還要滿足其他信息和更多功能的連接需求，這就決定了不能將傳感、算力和各種新功能全部放在車機上，因為車企不可能一直升級硬件。

他指出，事實上，硬件迭代永遠慢于軟件迭代，軟件定義實際上要靠分級構(gòu)造的基礎(chǔ)設(shè)施來實現(xiàn)。所以，盡管智能汽車一定會逐步升級，但其構(gòu)造需要連續(xù)化擴展。

機會在哪里？傳統(tǒng)觀點認為，要通過網(wǎng)絡(luò)把智能、軟件能力融入云端。這在某些領(lǐng)域是可行的，因為升級數(shù)據(jù)就能實現(xiàn)，但在智能駕駛相關(guān)領(lǐng)域是無法滿足要求的。因為這些領(lǐng)域需要更低的延遲，且傳感器種類很多，數(shù)據(jù)量很大，難以滿足時延要求，所以要靠邊緣計算。

邊緣計算可以定制化服務(wù)器和相應(yīng)級別的算力資源，包括通信、網(wǎng)絡(luò)帶寬和存儲。所以，充分的定制化有助于垂直領(lǐng)域做很多軟硬件協(xié)同優(yōu)化的工作，滿足不同領(lǐng)域的特殊要求。

智能邊緣成為算力融合關(guān)鍵

十字路口情況非常復(fù)雜，有一半交通事故發(fā)生在這里，它就是一個邊緣。如果只靠車輛本身提高感知和算力，永遠會存在人駕駛的問題——在視線遮擋時無法了解全局。

現(xiàn)實案例顯示，在路口安裝七個攝像頭收集四個方向數(shù)據(jù)，加上邊緣計算，就可以把各種傳感器擴展到路口附近，通過算法把不同傳感器檢測到的物體運動軌跡合成在一起，形成全景視角，同時實時追蹤車輛、行人、電動車等交通參與者的軌跡。當(dāng)算力增強時，就可以超實時運行，預(yù)測未來可能發(fā)生的碰撞。如果再將數(shù)據(jù)疊加到高精地圖上，車輛就可以實時知道前方可能發(fā)生什么情況。

工信部車聯(lián)網(wǎng)安全領(lǐng)域?qū)＜椅瘑T會委員、聯(lián)通智網(wǎng)科技股份有限公司總經(jīng)理張然懋指出：“車路協(xié)同繞不開5G＋車聯(lián)網(wǎng)，現(xiàn)在IT基礎(chǔ)設(shè)施的發(fā)展已經(jīng)到了云網(wǎng)融合的階段，網(wǎng)絡(luò)的支撐帶來了實現(xiàn)分布式云架構(gòu)的可能性，而協(xié)同計算技術(shù)的出現(xiàn)也為算力的分布帶來了一個新的有效的支撐方式�！�

所以，自動駕駛網(wǎng)絡(luò)應(yīng)該是一個云網(wǎng)一體的多級分布網(wǎng)絡(luò)，將引入更多邊緣計算節(jié)點、網(wǎng)絡(luò)中心、云智一體的概念，實現(xiàn)一個混合模式，滿足各種場景下自動駕駛交互的環(huán)境要求。

算力分布只是一個方面，由于需要很短的計算和傳輸延時，加上各種傳感器之間的同步要求，系統(tǒng)能力一定要不斷增強，所以需要定制服務(wù)器。未來構(gòu)建的一體化智能交通基礎(chǔ)設(shè)施在各種設(shè)備、各種模塊之間的互操作性非常關(guān)鍵。

互操作性可以解決傳感器供應(yīng)商很多、各家產(chǎn)品的互聯(lián)互通的問題；還可以解決處理（計算、傳輸和存儲）規(guī)范、模塊接口協(xié)議的認證問題，以便確定以多大算力提供什么樣的能力和延遲，保證監(jiān)測的可靠性。

追求TOPs時，還應(yīng)該考慮什么？

在選擇自動駕駛處理器時，TOPs是不是應(yīng)該作為首選？自動駕駛車輛服務(wù)研究分析公司Strategy Analytics在一份專門分析自動駕駛計算平臺傳統(tǒng)性能基準的報告中指出，人們不會停止將TOPs作為ADAS和自動駕駛處理器解決方案的指標，但很明顯，系統(tǒng)開發(fā)人員在為其未來平臺選擇正確的解決方案時，需要遠遠超越這個簡單的指標。自動駕駛的開發(fā)遠不止深度學(xué)習(xí)，需要根據(jù)執(zhí)行各種計算任務(wù)的實際性質(zhì)考慮以下一些因素：

處理器設(shè)計效率。提供海量數(shù)據(jù)處理功能的解決方案似乎是開發(fā)環(huán)境的理想選擇，但在擴展到經(jīng)濟高效的硬件時可能會遇到困難，不會對運行復(fù)雜算法有什么幫助。

芯片平臺。了解芯片平臺將用于哪些工作負載類型至關(guān)重要，以便對所需處理器的適當(dāng)架構(gòu)做出明智的判斷。

硬件和軟件的集成。集成程度將對性能產(chǎn)生重大影響，因此，需要全面評估選定供應(yīng)商的硬件和軟件生態(tài)系統(tǒng)的作用和能力。

硬件和軟件之間的交互。對于云計算來說，盲目地認為需要在車輛中部署與云相同的架構(gòu)是錯誤的，最理想的并不一定是汽車所需要的，這種模式需要打破。

功耗和成本。自動駕駛計算平臺的功耗對車輛的成本和可用性具有現(xiàn)實影響。

原始 TOPs 數(shù)。在評估系統(tǒng)未來功能增長的“凈空”時，原始 TOPs 數(shù)并不是一個有用的指標；靈活性才是一個更好的指標，選擇能夠從低端 ADAS 擴展到高端自動化的處理器解決方案可以帶來許多好處。

需要按圖索驥

算力不斷攀升是好事，但如何根據(jù)自動駕駛車輛計算平臺需要完成的非常復(fù)雜的工作負載，通過仔細的性能評估，將它送到需要的地方，如何按需分配，既有足夠的冗余，又不浪費，的確是很有講究的。

從芯片的發(fā)展來看，算力很重要，從客戶需求及市場成熟度來看，L2＋／L3已經(jīng)是消費剛需，高算力的SoC芯片、AI計算芯片及圖像處理器是自動駕駛演進的基礎(chǔ)，但并不是推動自動駕駛發(fā)展的唯一動力，因為更重要的是芯片的綜合計算能力。

－ End －