本文來(lái)源：智車(chē)科技

／ 導(dǎo)讀 ／

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

高通8295是第4代驍龍汽車(chē)數(shù)字座艙平臺(tái)，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(dá)到30TOPS�？瓷先ニ懔Σ⒉桓撸�不過(guò)，這個(gè)芯片只是一個(gè)座艙平臺(tái)，還不能與自動(dòng)駕駛AI算力同日而語(yǔ)。

還有算力更低的案例，2021年初，商用車(chē)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(tái)開(kāi)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(shí)，2．5 TOPS的算力可以將平臺(tái)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(cè)距離更遠(yuǎn)（車(chē)輛探測(cè)超過(guò)200米、行人探測(cè)超過(guò)70米、摩托車(chē)探測(cè)超過(guò)80米），集成的DNN深度神經(jīng)網(wǎng)絡(luò)加速還能進(jìn)一步擴(kuò)展數(shù)據(jù)服務(wù)應(yīng)用，最高支持L3級(jí)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(dòng)駕駛的算力與延遲

自動(dòng)駕駛汽車(chē)將在安全性和效率方面體現(xiàn)真正的社會(huì)效益，它需要依靠人工智能、視覺(jué)計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)的協(xié)同合作，讓計(jì)算機(jī)在沒(méi)有任何人類主動(dòng)干預(yù)的控制下，自動(dòng)安全地操控車(chē)輛。因此，人們將未來(lái)的汽車(chē)稱為四個(gè)輪子上的超級(jí)計(jì)算機(jī)。

自動(dòng)駕駛技術(shù)有三個(gè)重要層次：人工智能（AI）算法、運(yùn)行AI的超級(jí)計(jì)算機(jī)（處理器芯片）和高分辨率地圖。不管怎樣，自動(dòng)駕駛工作負(fù)載都需要盡可能低的延遲，這對(duì)保證車(chē)輛及時(shí)做出決策至關(guān)重要。

延遲與處理器芯片的計(jì)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(dòng)駕駛，人們除了首先想到安全，馬上就會(huì)想到處理器是否足夠強(qiáng)大？拼算力的軍備競(jìng)賽愈演愈烈也就不足為怪了。

算力是功能和性能的舞臺(tái)

過(guò)去，汽車(chē)基本上就是一個(gè)打鐵的行業(yè)，車(chē)就像一個(gè)鐵疙瘩。但是，今天的汽車(chē)有了越來(lái)越多的科技屬性，開(kāi)始呈現(xiàn)從功能手機(jī)到智能手機(jī)那樣的變化。汽車(chē)正成為移動(dòng)的客廳、行走的機(jī)器人，具有越來(lái)越多的游戲?qū)傩�、電影院屬性，甚至越�?lái)越多的攝像頭將使其成為一個(gè)全方位相機(jī)。而且，由于具有超強(qiáng)的算力，汽車(chē)也會(huì)成為一個(gè)游戲服務(wù)器，甚至未來(lái)可能成為一個(gè)挖礦機(jī)。

中科創(chuàng)達(dá)高級(jí)副總裁、智能汽車(chē)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(guò)去的汽車(chē)整體架構(gòu)主要是以分布式ECU為主。一輛車(chē)可能有100多個(gè)ECU，現(xiàn)在由于汽車(chē)芯片算力以及汽車(chē)軟件復(fù)雜性的提升，域集中控制架構(gòu)成了一個(gè)非常流行的趨勢(shì)�！�

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(rèn)為，智能汽車(chē)需要高性能計(jì)算芯片，“不管是什么技術(shù)路線和發(fā)展方向，高性能計(jì)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(gè)支撐軟件發(fā)展和硬件拓展的發(fā)動(dòng)機(jī)。芯片決定功能和性能的邊界，所以舞臺(tái)的大小要由芯片來(lái)決定�！�

高算力芯片是智能汽車(chē)大腦

他表示，無(wú)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(chē)出廠時(shí)可能是L2，但其硬件是按照L2＋或L3級(jí)別設(shè)計(jì)的，后期可通過(guò)軟件不斷升級(jí)支持各種功能。特斯拉下一代車(chē)會(huì)標(biāo)配游戲手柄，因?yàn)樾驴頜odel S的車(chē)載系統(tǒng)游戲性能已接近索尼PlayStation 5。這就是算力冗余的價(jià)值所在。

算力不斷攀升是喜是憂？

在為自動(dòng)駕駛計(jì)算平臺(tái)選擇處理器時(shí)，一些供應(yīng)商一直在“爭(zhēng)創(chuàng)TOPs”（每秒萬(wàn)億次操作），越來(lái)越多功能的強(qiáng)大器件不斷發(fā)布，當(dāng)然也越來(lái)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(shí)并不總是那么簡(jiǎn)單。

中國(guó)工程院院士、中國(guó)電子科技集團(tuán)公司第58研究所名譽(yù)所長(zhǎng)許居衍認(rèn)為：“面對(duì)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(guò)18個(gè)月便會(huì)翻一番，但是AI訓(xùn)練的算力每3．4個(gè)月就會(huì)翻一番。可見(jiàn)，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(jìn)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(zhǎng)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(biāo)準(zhǔn)，超過(guò)了10000TOPs，汽車(chē)就會(huì)熱的燙手，不可能正常行駛。”他認(rèn)為，算力并不代表汽車(chē)智能芯片的真實(shí)性能。TOPs數(shù)值實(shí)際上是物理乘法器數(shù)目乘以最高主頻，只是個(gè)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(shí)是一個(gè)間接關(guān)系。

話雖這么說(shuō)，2021年7月，地平線發(fā)布向全場(chǎng)景整車(chē)智能的高性能大算力整車(chē)智能中央計(jì)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(dòng)駕駛一直在模仿人類，人的視覺(jué)皮層處理速度非常快，準(zhǔn)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(dòng)駕駛汽車(chē)一樣工作，我們就不會(huì)作為一個(gè)物種存活下來(lái)。

鮑勃·尼斯在《決策的力量》（The Power of Five Bits）一書(shū)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(shí)思維。這是由多種進(jìn)化因素造成的，包括由視覺(jué)皮層篩選出與生存無(wú)關(guān)的環(huán)境信息。

雖然人的眼睛總是在掃描，識(shí)別進(jìn)入場(chǎng)景的新對(duì)象，但只將注意力集中在重要對(duì)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(chē)輛利用激光雷達(dá)、攝像頭、超聲波和雷達(dá)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(jìn)行校準(zhǔn)、處理和分析。這種后處理速度很慢，無(wú)法實(shí)現(xiàn)實(shí)時(shí)捕獲數(shù)據(jù)方式的變化。在高速公路，這種延遲會(huì)導(dǎo)致車(chē)輛在傳感器數(shù)據(jù)處理完之前移動(dòng)6米以上。

對(duì)樹(shù)木、路緣、路邊車(chē)輛、道路和其他靜態(tài)對(duì)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(gè)系統(tǒng)的能力并沒(méi)有多大起色，難以避免風(fēng)險(xiǎn)。因此，關(guān)注一切，事后分析環(huán)境中的每一項(xiàng)，會(huì)犧牲及時(shí)行動(dòng)的敏捷。這與人駕駛時(shí)處理時(shí)空數(shù)據(jù)的方式正好相反。

因此，那些為ADAS和自動(dòng)駕駛選擇計(jì)算平臺(tái)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(chǎng)景。

為什么算力要基于場(chǎng)景？

自動(dòng)駕駛目前還處在發(fā)展初期，大家經(jīng)常會(huì)問(wèn)一個(gè)問(wèn)題：到底需要多少算力？沒(méi)有人能回答，主機(jī)廠也回答不上來(lái)。因?yàn)榧纫獫M足現(xiàn)在的算力要求，同時(shí)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(shuō)：“汽車(chē)智能芯片是硬科技的珠穆朗瑪。在追趕特斯拉的過(guò)程中，盡管人們并不知道車(chē)輛需要多大算力，國(guó)內(nèi)新造車(chē)勢(shì)力和傳統(tǒng)車(chē)企都在算力方面發(fā)力拼殺，但重要的是，結(jié)合實(shí)際應(yīng)用場(chǎng)景、實(shí)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(chē)輛對(duì)感知的需求呈現(xiàn)幾何增長(zhǎng)，從像素、數(shù)據(jù)量都對(duì)芯片和算法提出了很高的要求。

自動(dòng)駕駛對(duì)感知的需求急劇提升

他說(shuō)，大家都想去做軟件定義汽車(chē)，都想效仿特斯拉，但是比較難。很多主機(jī)廠都在堆積算力，產(chǎn)品性能確實(shí)有所提升，但在品牌差異化方面，中國(guó)主機(jī)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(méi)有什么差別，這樣就失去了競(jìng)爭(zhēng)力，存在價(jià)格競(jìng)爭(zhēng)、技術(shù)風(fēng)險(xiǎn)的隱患。

只有通過(guò)算法將場(chǎng)景需求和硬件結(jié)合起來(lái)，包括高精度檢測(cè)要求、穩(wěn)定性、低延時(shí)和帶寬，將場(chǎng)景需求轉(zhuǎn)變?yōu)樾酒�設(shè)計(jì)要求，才能實(shí)現(xiàn)軟硬一體，滿足真實(shí)場(chǎng)景處理要求。

算力如何分布？

車(chē)路協(xié)同是中國(guó)特色的自動(dòng)駕駛方案，涉及車(chē)、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(chē)感知和算力瓶頸，從系統(tǒng)維度賦予自動(dòng)駕駛多層級(jí)安全冗余和巨大的決策效率優(yōu)化空間�，F(xiàn)階段的主要應(yīng)用是城市和高速場(chǎng)景，以提升交通系統(tǒng)的安全性，優(yōu)化交通系統(tǒng)的運(yùn)行效率。

英特爾中國(guó)研究院院長(zhǎng)宋繼強(qiáng)認(rèn)為，智能駕駛基礎(chǔ)設(shè)施必須依靠車(chē)端和邊緣智能計(jì)算的開(kāi)放融合。他解釋說(shuō)：“現(xiàn)在的云計(jì)算時(shí)代，我國(guó)和發(fā)達(dá)國(guó)家算力基礎(chǔ)設(shè)施的差距開(kāi)始縮小。而智能駕駛是一個(gè)非常需要傳感和算力的時(shí)代，也需要網(wǎng)聯(lián)。而這些傳感和算力在哪里分布是一個(gè)大問(wèn)題�！�

傳統(tǒng)上，傳感和算力都分布在車(chē)?yán)�，需要搭載足夠的算力才能實(shí)現(xiàn)AI能力。未來(lái)需要持續(xù)不斷擴(kuò)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(chē)機(jī)上，因?yàn)檐?chē)企不可能一直升級(jí)硬件。

他指出，事實(shí)上，硬件迭代永遠(yuǎn)慢于軟件迭代，軟件定義實(shí)際上要靠分級(jí)構(gòu)造的基礎(chǔ)設(shè)施來(lái)實(shí)現(xiàn)。所以，盡管智能汽車(chē)一定會(huì)逐步升級(jí)，但其構(gòu)造需要連續(xù)化擴(kuò)展。

機(jī)會(huì)在哪里？傳統(tǒng)觀點(diǎn)認(rèn)為，要通過(guò)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?yàn)樯��?jí)數(shù)據(jù)就能實(shí)現(xiàn)，但在智能駕駛相關(guān)領(lǐng)域是無(wú)法滿足要求的。因?yàn)檫@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(shí)延要求，所以要靠邊緣計(jì)算。

邊緣計(jì)算可以定制化服務(wù)器和相應(yīng)級(jí)別的算力資源，包括通信、網(wǎng)絡(luò)帶寬和存儲(chǔ)。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(gè)邊緣。如果只靠車(chē)輛本身提高感知和算力，永遠(yuǎn)會(huì)存在人駕駛的問(wèn)題——在視線遮擋時(shí)無(wú)法了解全局。

現(xiàn)實(shí)案例顯示，在路口安裝七個(gè)攝像頭收集四個(gè)方向數(shù)據(jù)，加上邊緣計(jì)算，就可以把各種傳感器擴(kuò)展到路口附近，通過(guò)算法把不同傳感器檢測(cè)到的物體運(yùn)動(dòng)軌跡合成在一起，形成全景視角，同時(shí)實(shí)時(shí)追蹤車(chē)輛、行人、電動(dòng)車(chē)等交通參與者的軌跡。當(dāng)算力增強(qiáng)時(shí)，就可以超實(shí)時(shí)運(yùn)行，預(yù)測(cè)未來(lái)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(chē)輛就可以實(shí)時(shí)知道前方可能發(fā)生什么情況。

工信部車(chē)聯(lián)網(wǎng)安全領(lǐng)域?qū)＜椅瘑T會(huì)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(chē)路協(xié)同繞不開(kāi)5G＋車(chē)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(lái)了實(shí)現(xiàn)分布式云架構(gòu)的可能性，而協(xié)同計(jì)算技術(shù)的出現(xiàn)也為算力的分布帶來(lái)了一個(gè)新的有效的支撐方式�！�

所以，自動(dòng)駕駛網(wǎng)絡(luò)應(yīng)該是一個(gè)云網(wǎng)一體的多級(jí)分布網(wǎng)絡(luò)，將引入更多邊緣計(jì)算節(jié)點(diǎn)、網(wǎng)絡(luò)中心、云智一體的概念，實(shí)現(xiàn)一個(gè)混合模式，滿足各種場(chǎng)景下自動(dòng)駕駛交互的環(huán)境要求。

算力分布只是一個(gè)方面，由于需要很短的計(jì)算和傳輸延時(shí)，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(qiáng)，所以需要定制服務(wù)器。未來(lái)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(wèn)題；還可以解決處理（計(jì)算、傳輸和存儲(chǔ)）規(guī)范、模塊接口協(xié)議的認(rèn)證問(wèn)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(cè)的可靠性。

追求TOPs時(shí)，還應(yīng)該考慮什么？

在選擇自動(dòng)駕駛處理器時(shí)，TOPs是不是應(yīng)該作為首選？自動(dòng)駕駛車(chē)輛服務(wù)研究分析公司Strategy Analytics在一份專門(mén)分析自動(dòng)駕駛計(jì)算平臺(tái)傳統(tǒng)性能基準(zhǔn)的報(bào)告中指出，人們不會(huì)停止將TOPs作為ADAS和自動(dòng)駕駛處理器解決方案的指標(biāo)，但很明顯，系統(tǒng)開(kāi)發(fā)人員在為其未來(lái)平臺(tái)選擇正確的解決方案時(shí)，需要遠(yuǎn)遠(yuǎn)超越這個(gè)簡(jiǎn)單的指標(biāo)。自動(dòng)駕駛的開(kāi)發(fā)遠(yuǎn)不止深度學(xué)習(xí)，需要根據(jù)執(zhí)行各種計(jì)算任務(wù)的實(shí)際性質(zhì)考慮以下一些因素：

處理器設(shè)計(jì)效率。提供海量數(shù)據(jù)處理功能的解決方案似乎是開(kāi)發(fā)環(huán)境的理想選擇，但在擴(kuò)展到經(jīng)濟(jì)高效的硬件時(shí)可能會(huì)遇到困難，不會(huì)對(duì)運(yùn)行復(fù)雜算法有什么幫助。

芯片平臺(tái)。了解芯片平臺(tái)將用于哪些工作負(fù)載類型至關(guān)重要，以便對(duì)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(duì)性能產(chǎn)生重大影響，因此，需要全面評(píng)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(duì)于云計(jì)算來(lái)說(shuō)，盲目地認(rèn)為需要在車(chē)輛中部署與云相同的架構(gòu)是錯(cuò)誤的，最理想的并不一定是汽車(chē)所需要的，這種模式需要打破。

功耗和成本。自動(dòng)駕駛計(jì)算平臺(tái)的功耗對(duì)車(chē)輛的成本和可用性具有現(xiàn)實(shí)影響。

原始 TOPs 數(shù)。在評(píng)估系統(tǒng)未來(lái)功能增長(zhǎng)的“凈空”時(shí)，原始 TOPs 數(shù)并不是一個(gè)有用的指標(biāo)；靈活性才是一個(gè)更好的指標(biāo)，選擇能夠從低端 ADAS 擴(kuò)展到高端自動(dòng)化的處理器解決方案可以帶來(lái)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(dòng)駕駛車(chē)輛計(jì)算平臺(tái)需要完成的非常復(fù)雜的工作負(fù)載，通過(guò)仔細(xì)的性能評(píng)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(fèi)，的確是很有講究的。

從芯片的發(fā)展來(lái)看，算力很重要，從客戶需求及市場(chǎng)成熟度來(lái)看，L2＋／L3已經(jīng)是消費(fèi)剛需，高算力的SoC芯片、AI計(jì)算芯片及圖像處理器是自動(dòng)駕駛演進(jìn)的基礎(chǔ)，但并不是推動(dòng)自動(dòng)駕駛發(fā)展的唯一動(dòng)力，因?yàn)楦�重要的是芯片的綜合計(jì)算能力。

－ End －