出品 | 搜狐汽车·黑客

作者 | 程功

编辑 | 周航

[搜狐汽车·黑客] 自动驾驶前进的路上,总会有各种以往从未见过的核心零部件出现,一遍遍刷新我们对车辆智能网联的新认知。在这些“新鲜血液”之中,车载计算平台就是其中一种。

与传统车载芯片相比,车载计算平台更贴近汽车传感器终端,可以结合传感器进行实时、快速的响应。通俗来讲,在一辆自动驾驶汽车中,摄像头是“眼睛”,雷达是“耳朵”,那么芯片就是“大脑”。众多传感器将数据汇总到车载计算平台进行处理,平台决定车辆如何避开障碍物,加速或减速,来统筹车辆传感器全局。

随着汽车新四化转型的到来,车载芯片在汽车核心零部件中的地位愈加重要,是实现5G通信与自动驾驶的关键,本期《黑客价值鉴定》榜单聚焦车载计算平台。目前,主流车企搭载的车载计算平台供应商有Mobileye、英伟达、地平线等。这些企业的主流产品搭载在自动驾驶车辆之上,构成了车辆智能网联的基础。

[·平台算力层面:高通力压群雄 华为后来居上·]

衡量车载计算平台的性能,公认最有效的指标就是平台算力与平台功耗。从分榜单我们可以看出,高通在2020年CES上推出的Snapdragon Ride 平台算力位居分榜单第一。该平台**为算力为700TOPS,功耗为130W。1TOPS算力所需功耗低于0.2W,功耗控制相当出色。


我们通常所说的算力通常以TOPS为单位,TOPS是Tera Operations Per Second的缩写,1TOPS代表处理器每秒钟可进行一万亿次操作。与此对应的单位还有GOPS(十亿次操作),1MOPS(一百万次操作)。

算力越大,芯片处理数据水平越高,就可以支持更高级别的自动驾驶。地平线方面曾在此前介绍,L4级自动驾驶需要320TOPS的计算能力,而L5级自动驾驶则需要超过4000TOPS的计算能力。

同样,平台功耗也是重要衡量指标。功耗越低,算力越大,性能越优秀。功耗是目前普遍制约车载芯片算力提升的障碍之一,因为算力提升会导致散热需求提升。高复杂度的散热,就会导致功耗上升,而高功耗对于智能纯电动车来说,显然是影响续航的一块“心病”。

2020年的CES上,高通以高调的姿态,宣布入局高性能车载计算市场,通用汽车则成了它们第一个签约客户,后者将于2023年正式部署高通的骁龙(Snapdragon)车载芯片。

同时,Snapdragon Ride平台的另一个核心竞争力在于低功耗。据其官方表述,实现400TOPS的算力只用60-70W的功耗,比竞争对手低33-50%。即便***将算力升级到700 TOPS,此时功耗仅有130W。

相比于其他计算平台采用的液冷系统,Snapdragon Ride平台只需要风冷系统,能够大大降低复杂度,从而显著降低功耗、成本和故障率。相比之下,特斯拉的FSD平台就是液冷散热的典型代表。

华为作为自主芯片设计厂商,在2018年的年度***大会上,发布了支持L4级别自动驾驶能力的计算平台MDC600。

同时,MDC600符合**级别的车规标准,即ISO26262 ASIL-D级别标准。如果想达到车规标准,需要车企独立进行集成和认证。获得认证来之不易,难度极高。即便是英伟达这样的全球企业,直到2019年才相继获得标准的认证。在发布MDC600后,华为随即宣布与奥迪达成战略合作。这款计算平台将集成在奥迪在华生产的汽车上,助后者实现自动驾驶能力。

高通与华为的**计算平台虽然先进,但并不是目前市占率最大的产品。在全球范围,自动驾驶计算市场已经被Mobileye和英伟达两家公司牢牢地控制在自己手里。其中,Mobileye主要垄断了L2级别的自动驾驶市场,英伟达则控制了L4及以上级别的自动驾驶市场。这两家企业在各自所在市场中完全处于垄断地位,市占率均超过70%。尽管Mobileye和英伟达都试图攻进对方统治的细分市场,但目前来看并无起色。

从产品上来看,英伟达依旧在主攻L4到L5市场。Pegasus于2018年下半年发售,英伟达表示,主要客户为数百家正在进行自动驾驶研究的汽车制造商和科技公司。

而Mobileye则继续稳步提升算力,其**计算平台为EyeQ5。同时,英特尔还称计划未来推出多个EyeQ5系列产品,其中包括12TOPS和24TOPS的版本。

汽车芯片领域的后起之秀特斯拉,在此前曾与Mobileye和英伟达有过不小的渊源。Mobileye不允许特斯拉对其方案进行任何修改,这是马斯克决心自研自动驾驶计算平台的初衷。在自研之初,英伟达也曾给予特斯拉一定的帮助。

在芯片设计上,这套计算平台的特点是充分考虑到安全性,在系统层面采用了大量的冗余设计,同一块板卡上的两颗芯片的供电和数据通道都是独立存在,且互为备份。

在分榜单上,还出现了一家最年轻的公司,名为地平线。该公司目前已是AI芯片领域最大的独角兽,估值超过30亿美金。该公司能够提供L2-L4级别不同的计算平台解决方案,Matrix就是其中一个。

[·核心芯片:高通保持第一 特斯拉自研芯片算力出众·]

车载计算平台的核心在于芯片,芯片赋予了车载计算平台绝大部分的算力。

与车载计算平台一样,芯片的算力也以TOPS为单位进行衡量。由于计算平台包含多种元器件,与芯片功耗比例差距较大。因此,在排行时我们仅依据核心算力。


在高通平台上,***可以依据需求来定制不同计算能力、不同种类的自动驾驶芯片。高通这么做,底气还是在于其在芯片领域的广泛布局。

FSD芯片设计总负责人曾为苹果公司一手搭建了A处理器的架构,FSD芯片每个系统的处理器囊括12个A72内核,一个神经网络处理器和一个GPU。

英伟达作为自动驾驶领域的先行者,在Drive Pegasus计算平台内搭载了两个完整的系统芯片处理器Xavier。

英伟达目前应用最广泛的是Xavier NX版本芯片,可提供高达14TOPS/10W或21TOPS/15W的性能,能够并行运行多个神经网络,并在与Nano同样尺寸(70x45mm)的小巧外形中,同时处理来自多个高分辨率传感器的数据。

排在分榜单第四名的华为,在芯片设计领域拥有***雄厚的积淀。另外,昇腾310芯片远不是华为的终点,与昇腾310同时推出的昇腾910是目前单芯片计算密度最大的芯片,计算力超过谷歌和英伟达。昇腾910最大算力512TOPS,支持128通道全高清视频解码(H.264/265),最大功耗350W。只不过,这套芯片目前没有搭载于计算平台,暂时未出现在计算平台榜单中。

在Mobileye公司这里,目前我们见到最多的是Mobileye的Q3(参数|图片)与Q4芯片,而Q5(参数|图片)芯片在此基础上更上一层楼。

然而,Q5芯片也是一个不折不扣的“期货”。英特尔方面曾宣布,量产定在2020年,2021年会整合进首款车型宝马 iNext。2021年这一装车时间,看上去并不快。这是由于汽车芯片的开发应用周期普遍比较长,有大量的测试工作以及车规认证工作需要进行。目前最常见的Q3芯片,其实已经是2014年的作品了。

榜单的最后一名地平线,虽然诞生时日较短,但做出的成绩已经足够优秀。识别精度超过99%,延迟少于100毫秒,每秒钟识别目标数可以超过2000个。

[·写在最后·]

目前自动驾驶芯片赛道上,因为新技术过多等原因,传统Tier 1厂商并没有**,而是各公司都相对处于并驾齐驱的状态,包括高通、华为等传统芯片厂商都在积极进行布局,以求抢占这一新兴市场。对于我国自主芯片企业来说,这是一个难得的契机,所以在资本与技术的推动下,地平线应运而生,但这绝不是终点,更精彩的搏斗还在后面。

从芯片的研发进度来看,近几年发布的芯片多为指数增长的形式,算力猛增。得益于制程工艺的提升,7nm等先进制程工艺将有助于芯片企业再次攀登算力顶峰。

综合所有芯片厂商已发布的芯片算力来看,**算力为700TOPS左右,距离L4-L5级自动驾驶量产阶段,仍需要漫长的等待。同时,功耗与算力之间的矛盾,仍将是一个旷日持久的难题。