手机贤集

工业平台

返回贤集网

智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?

诗柯 2021-04-22 13:08:56

不断提高芯片算力,这在智能手机时代的比拼中司空见惯。如今,这一幕也在智能汽车领域上演。


智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?


4月19日,自动驾驶计算芯片公司黑芝麻智能发布了一颗号称是2021年「国产最强车规级自动驾驶芯片」:华山二号A1000 Pro。


这颗芯片在INT8的算力为106 TOPS,INT4的算力达到了196 TOPS,典型功耗25W,也意味着整体能效比高达8 TOPS/W。


A1000 Pro支持16路高清摄像头输入,而且功能安全等级能做到ASIL-B,还内置了ASIL-D级别的安全岛。


在应用场景上,它可以支持高级别自动驾驶功能,能实现泊车-城市-高速场景的无缝衔接。


基本上,这也是目前大多数车企都在重点投入的自动驾驶技术开发领域,A1000 Pro正好适应了这一市场需求。


按照黑芝麻智能的规划,A1000 Pro将会在今年第三季度提供工程样片,并在随后的第四季度提供开发平台,开发者最快在今年底就能基于这一平台进行系统测试。


如果只拿单芯片的算力来对比,黑芝麻智能目前的A1000 Pro芯片不输任何一家友商:


Mobileye EyeQ5是24 TOPS


英伟达Xavier是30 TOPS


英伟达Orin的高算力版本Orin X是200 TOPS


华为MDC是48-160 TOPS


特斯拉FSD是144 TOPS


更别说后续这款芯片也同样支持多块芯片级联,形成一个更强大的算力平台。


智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?


在黑芝麻智能的芯片产品路线图里,我还看到他们计划在2022年推出算力超过200 TOPS的芯片。


如果用4颗芯片组成一个超算平台,那么这个计算平台的整体算力将超过800 TOPS。


在今年1月的NIO DAY上,蔚来CEO李斌提到了一个观点,他说,「马力加算力是定义高端智能电动汽车的新标准。」


智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?


这个观点的背后,是算力高达1016 TOPS的NIO ADAM蔚来超算平台,依靠4颗英伟达Orin芯片,实现超过7个特斯拉FSD的总算力。


在这之后的多场新车发布会上,我们看到了诸多车企纷纷对高算力展开追求:


今年1月,上汽和阿里成立的新品牌智己汽车亮相,其中就提到新车将搭载可提供30-60TOPS算力的英伟达Xavier,以及可提供500-1000+TOPS算力的英伟达Orin X芯片;


今年3月,上汽R汽车发布新车型ES33,将搭载英伟达的Orin芯片,拥有500-1000+TOPS的算力。


智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?


就在昨天(4月20日),理想汽车CEO李想在微博透露,理想自研的自动驾驶系统,从明年起将标配508 TOPS的算力。


从各家目前公开的数据看,自动驾驶到底需要多少算力,到目前为止似乎也没有明确的答案。


1、自动驾驶需要多少算力?


数据、算法和算力是人工智能发展的三个重要因素。


其中,数据是「生产资料」,算法是「灵魂」,算力是「第一推动力」。


对应到自动驾驶,也是如此。


如果我们按照自动驾驶等级进行划分,那么相应的自动驾驶分别需要多少算力呢?


有观点认为,自动驾驶算力的变化范围取决于自动驾驶水平,从20到2000 TOPS不等。


也有观点认为,自动驾驶每往上升一个级别,需要的算力会增加5到10倍。


此前,业内有一个不成文的公式,总结了从L2到L5自动驾驶所需的算力:


(1)L2需要的算力<10 TOPS;


(2)L3需要的算力为30~60 TOPS;


(3)L4需要的算力>100 TOPS:


(4)L5需要的算力目前未有明确定义(有预测需要至少1000 TOPS)。


可能很多人对这样的算力没什么概念,举个简单的例子:


拿英伟达曾发布的Drive PX2自动驾驶计算平台(处理能力达8 TPOS)举例,这个平台搭载12颗CPU和2颗GPU,运算能力相当于150台联机工作的Macbook Pro苹果电脑。


在近两年,随着芯片公司不断推陈出新,车企在新车发布中也在不断强调新车搭载的算力有多高。


也许你会说,这只是堆料,是噱头。


但不否认的是,车企在下一代车型部署高算力的芯片或将成为一种趋势。


2、为什么智能汽车需要高算力芯片?


到目前为止,全球能够实现量产且具备大算力计算平台的芯片公司屈指可数。


今年1月,高通发布了拥有超700 TOPS算力的Snapdragon Ride计算平台。


在前不久英伟达举办的GTC大会上,英伟达宣布计划在2024年推出SoC:Nvidia Drive Atlan,直接将单颗芯片算力推至1000 TOPS。


在国内,作为国产芯的代表,在车展期间吸睛无数的北汽ARCFOX阿尔法S(华为HI版),搭载的是华为定制开发的计算平台MDC 810,算力达到了400+TOPS。


智能汽车的算力焦虑,为什么只能靠高算力芯片来缓解?


国产芯的另一个代表,黑芝麻智能在去年推出FAD计算平台。这也是目前在为数不多的高性能计算平台中,能够挑战特斯拉FSD的平台。


到了今年的上海车展,黑芝麻智能继续发起产品攻势,发布了一款最新的芯片——华山二号A1000 Pro。


这颗芯片在INT8算力的为106 TOPS,INT4的算力达到了196 TOPS。


据称这是目前「国内算力最高」的自动驾驶芯片。


A1000 Pro采用16nm工艺制程,功耗为25W,能够支持包括自动泊车,城市道路到高速公路场景的高级别自动驾驶。


按照规划,A1000 Pro预计在今年第三季度提供工程样片,第四季度提供开发平台。


根据黑芝麻智能的芯片产品路线图,在2022年,他们还将发布一颗算力超过200 Tops的芯片。


芯片的迭代速度在加快,算力也在不断攀升,背后的驱动力是什么?


黑芝麻智能科技的CEO单记章认为,芯片算力不断创新高,很大程度上是源于车企对新商业模式的思考。


「车企现在产生了一个新模式,即在车内进行硬件预埋后,通过软件升级来赚钱。车企不是特别了解未来需要多大的算力,但可以先把算力预埋进去,之后再去升级它的功能。」


另外一点是,「车企对算力的要求比我们想象的迭代还要快。」


也就是在这样背景下,为了满足现有车企客户越来越旺盛、越来越急迫对算力要求,黑芝麻智能推出了更高算力芯片。


更进一步看,这也就解释了车企需要高算力芯片的核心驱动力,其实是车企想要模仿特斯拉售卖软件的盈利模式。


通过硬件预埋的方式,汽车通过不断的软件升级,用户可以获得更好的使用体验。


诸如更高级别的自动驾驶功能,虽然当下不能实现,但通过硬件预埋部署冗余算力,车企能够为持续的OTA升级提供更多可能性。


拿特斯拉的FSD(完全自动驾驶选装包)来说,安信证券的数据显示,通过分析财报并建立财务模型,特斯拉FSD的累计现金收入预计达到12.6亿美元。


到2025年,特斯拉FSD收入预计将近70亿美元,占特斯拉汽车业务营收的接近9%,贡献25%的汽车业务毛利。


到2030年,FSD的订阅服务收入有望超过160亿美元/年。


这就是软件定义汽车所带来的巨大潜力,与此同时,这背后又离不开超强算力的支撑。


当然,这种商业模式的变化,对同样利好芯片公司。


单记章认为,到了车企卖软件的商业模式,芯片公司是有机会加入到这种模式的,并参与软件带来的利润分成。


不过,仅仅有高算力仍然不够,要收获更多客户的青睐,围绕芯片而打造的开发生态也必须完善起来。


当下,各大车企和自动驾驶公司都在向更高级别的自动驾驶功能量产挺进,计算平台的升级换代也成为必然的需求。


3、高算力芯片背后,为什么说开放是大势所趋?


在ADAS行业,Mobileye EyeQ系列芯片占全球超过60%的视觉感知芯片市场份额,地位不可撼动。


不过,Mobileye的封闭模式一直被行业诟病。


尽管Mobileye为车企提供芯片+算法的软硬一体方案,但EyeQ芯片就像是一个「黑盒」,车企无法在芯片上注入自己的算法。


曾有车企尝试基于Mobileye视觉感知开发自主泊车方案,但因为Mobileye不支持客户对感知算法进行自主更新,导致开发受阻。


很大程度上,也正是这个原因,特斯拉与Mobileye分道扬镳,走上了自研芯片的道路。


诸如新造车三强中的蔚来、理想、小鹏,包括上汽R品牌推出的下一代车型,纷纷选择英伟达的芯片,其中一个考量是英伟达支持车企写入自己的算法,能满足车企各种定制化需求。


当然,车企要使用英伟达的芯片,门槛也很高。高额入会费和联合开发费并非一般企业能够承受。


据说小鹏汽车和德赛西威为了开发P7的自动驾驶域控制器,向英伟达支付了上亿的会员费。


在智能汽车时代,车厂都希望深度参与自动驾驶技术的演进,在要求高算力的同时,也希望芯片公司能将芯片的某些功能开放给车企,让后者拥有更大的空间去进行自己的应用创新。


在这一趋势的推动下,Mobileye推出「开放」策略不可避免。事实上,在发布EyeQ 5芯片之后,Mobileye尝试变得开放起来,允许第三方自有代码写入芯片。


从更大的趋势看,在面向未来中央计算的电子电气架构,芯片厂商需要更加开放:为车企提供芯片、工具链,让有自研算法的车企直接移植到硬件平台中,同时为没有算法能力的车企提供算法。


单记章表示,「开放」可以让芯片公司与车企创造出更大的合作空间。


对新兴的芯片或者计算平台而言,开发生态、配套软件和工具链的搭建至关重要。


为了配合高算力的芯片,黑芝麻智能在本届上海车展发布了一个名为「山海」的人工智能开发平台。


这个开放平台拥有超过50种AI参考模型库转换用例,可以有效帮助车企客户降低算法开发的门槛。


这意味着黑芝麻智能可根据车企的需求提供芯片+算法的整体方案,车企也可以在芯片上写入自己的算法。


另外,黑芝麻智能自研了一系列神经网络自动优化工具、AI工具链和感知算法,并且通过软件SDK和API接口的形式开放给客户。


最后,黑芝麻智能还与传感器厂商、算法厂商合作,打造出一套标准化的FAD参考平台,能够进行快速部署,帮助提升车厂及自动驾驶企业客户的系统开发效率。


正是这种开放性,黑芝麻智能还将芯片应用到了车路协同领域。


针对车路协同场景应用,发布新一代车路协同路侧计算平台:FAD Edge。


这个车路协同计算平台可以将云端的计算下沉到边缘层,在边缘计算节点完成绝大部分计算,满足车路协同超低延时需求。


截止现在,黑芝麻智能已经与一汽、蔚来、上汽、比亚迪以及博世、滴滴、中科创达、亚太、东风悦享科技等车企、Tier 1和自动驾驶公司在ADAS和自动驾驶方面开展了合作。


其中黑芝麻智能与一汽南京联合打造的红旗「芯算一体」自动驾驶平台,将服务红旗后续量产车型。


摩根士丹利在一份与自动驾驶相关的产业报告中提到,目前在整车价值中,硬件价值占据90%,软件占据10%。


而在未来,整车价值硬件价值将下降到40%,软件价值上升到40%,内容价值增加到20%。


软件价值的提升意味着,未来汽车更多的创新将集中在电子和软件部分,智能汽车必须搭载更高算力的芯片才能满足算力需求,从而支撑汽车不断「进化」,让用户常用常新。

来源:汽车之心Autobit

注:文章内的所有配图皆为网络转载图片,侵权即删!

免责声明

最新回答

还没有人评论哦,抢沙发吧~

为您推荐