英伟达算力降维打击，中国汽车芯片出路在哪？

日期：2022-09-23发布：www.qubaike.com

文 | 李科龙

编辑 | 张广凯

能打败黄大仙的或许只有他自己。

“今天，我们宣布Atlan不再是第一了……”皮衣教父黄仁勋在9月20日晚的GTC 2022上平静的宣布这个消息，他还有一个身份是英伟达创始人兼首席执行官。

黄仁勋的下半句是，“取代Atlan的将是Thor”，并表示其性能将是Atlan的两倍。

英伟达SOC算力示意图

Atlan是英伟达去年推出的一款5nm制程的1000TFLOPS算力的自动驾驶SOC芯片，原本计划2024年上市，随着Thor的面世，Atlan还没出生就成为历史。

1TFLOPS代表处理器一秒进行1万亿次浮点运算，这意味着Thor每秒将进行2000万亿次的运算。要知道，目前特斯拉的FSD（完全自动驾驶）自研芯片的算力为144 TOPS，Thor的算力约为前者的14倍。

GPU霸主英伟达，携算力优势杀入汽车芯片市场，正在对全行业降维打击。

面对英伟达的发起的算力军备竞赛，其它芯片厂商还有没有还手之力？

作为中国芯片产业与世界差距相对较小的领域，地平线、华为、黑芝麻等国产汽车芯片在大变局下又将何去何从？

汽车算力革命进行时

英伟达大搞算力竞赛的背后，是汽车芯片领域的一场巨大变革。

在传统汽车上，需要计算机自动控制的功能并不多。但是随着新能源时代开启，汽车对电子化的要求正在突飞猛进，从自动和辅助驾驶，到智能座舱，都需要强大的芯片控制。

可是芯片变多了，需要的电线也变多了，汽车变得像我们的电脑桌一样，乱糟糟的电源线看着都糟心。

车辆线束复杂度增加，还不只是糟心的问题，更是直接导致了更高的成本和更复杂的设计。特别是车辆智能化时代，各项功能的增加直接导致电子控制单元（ECU）数量的激增。

按照《自动驾驶车辆工程》杂志统计显示，高档轿车和全尺寸卡车可能使用了40种不同的线束，搭载了超过700个连接器和3000条电线。如果把汽车上的电线全部连起来，其长度可以超过4公里，重量将达到60公斤。

化繁为简、降低整车线束复杂度成为新需求。而减少线束最有效的方式，就是减少芯片数量。

在此背景下，零部件Tier1企业博世2016年最早提出域控制器的概念，将整车ECU整合为驾驶辅助、安全、车辆运动、娱乐信息、车身电子5个域，各自只需要一个域控制器，就可以替代过去大量的独立ECU。

特斯拉的做法更激进，直接按照车身域划分成前车身域、左车身域、右车身域三部分，实现整车控制。

根据中信证券近期拆解特斯拉model3的信息显示，前车身控制器包括ESP 车身稳定系统等安全相关、冷却液泵热管理相关、车头灯和雨刮等其他功能；左车身域控制的核心芯片控制和配电，包括左车身的灯具以及电机；右车身域负责空调、雷达、高位刹车灯和后机油泵等控制。

特斯拉域控制器示意图

汽车行业普遍认为，域控制器是汽车电子行业未来竞争门槛最高、利润最高的部分。想用一个域控制器，实现多个ECU的功能，最大的门槛当然是算力提升。

提到算力，英伟达可就不困了。

博世和特斯拉的域控制器模式也带动汽车产业迎来一次革新，黄仁勋想接过接力棒。对于自动驾驶而言，2000TFLOPS浮点算力已溢出，他的野心是将域控制器再集成。

黄仁勋在演讲中明确表示，Thor这颗SoC芯片就是为汽车的中央计算架构而生，用这一颗芯片打造一个控制器，即可同时为自动泊车、智能驾驶、车机、仪表盘、驾驶员监测等多个系统提供算力。“Thor支持计算域分隔开发，既能将2000TOPS全部用于自动驾驶工作流，也可以分配使用，将一部分用于智能座舱、AI娱乐，一部分用于辅助驾驶。”

言下之意，Thor不仅仅是Orin X自动驾驶芯片的升级版，同时还可以替代高通8155、8295等座舱芯片的工作。不只是要搅局智能驾驶芯片的市场，黄仁勋还要和竞争对手高通抢占座舱、娱乐芯片的份额。

汽车产业有一个共识，传统燃油车时代低算力MCU无法适应车辆智能化发展，汽车架构已由传统分布式架构转向域控制器，数量更少的大算力ECU替代庞杂的MCU，下一步是由域控制器转向中央式电子电气架构。英伟达正在引领汽车芯片的第二次革命。

据悉，Thor芯片将最先在极氪车型上量产交付，第一站就选择中国市场。

不只是黄仁勋，想引领第二次芯片革命的厂商并不少。德国零部件安波福今年9月表示，已推出全球首款整车中央计算平台CVC，将率先在中国市场运用，集成ADAS、车身功能、网关及VCU功能，可处理汽车中数百个组件的通信信号。新势力小鹏则是表示，新旗舰G9将采用“中央超算+区域控制”的融合硬件架构。

算力很好，但不是全部

英伟达算力霸权难以撼动，其它芯片厂商的出路在哪？

首先，尽管中央式电子电气架构是所有人的理想，但是现行的多个域控制器方案并非不可接受。通过多个低算力芯片的堆叠，来获得跟高算力类似的效果，是当下车企通行的做法。

目前，很多主机厂已经通过多芯片堆叠，将算力堆到1000TOPS级别。例如，今年陆续上市的新车蔚来ET7、ES7和威马M7，均搭载4颗7nm制程的英伟达orin芯片，算力达到1016TOPS。魏牌摩卡则是采用高通Snapdragon Ride自动驾驶平台推出的5nm制程的SA8540P+SA9000P芯片组合，算力达到1440TOPS。

更重要的是，绝对算力并不等价于最终的实车应用效果，很多低算力芯片的实际表现，未必输给高算力。

换句话说，高算力的确在面对更复杂的场景时响应速度。例如在车机系统领域，避免黑屏、宕机的窘境。但英伟达、高通、Mobileye提供的是通用智能驾驶平台，主机厂或者自动驾驶公司能否将芯片的算力发挥到100%？

美国辅助驾驶巨头Mobileye首席执行官Amnon Shashua就指出，TOPS是一个非常不充分的计算能力指标，效率比算力更重要。

国产芯片厂商地平线CEO余凯在反驳英伟达CEO的“TOPS就是新的马力”时直言，“百公里加速比马力更真实反映动力性能，每秒准确识别帧率MAPS比算力更能反映芯片的AI性能”。

对于英伟达亮相的Thor系统芯片，地平线相关人士告诉观察者网，“落地到量产应用层面，还是要关注车企的实际需求，车企的成本以及消费者的购买成本。我们还是更加强调效率，强调软硬结合。”

究其原因，决定芯片性能的并不只有硬件，还有软件，以及软硬件对具体需求的适配。汽车芯片并不是一个完全标准化的行业，不同的主机厂、不同的功能设计，对芯片都会提出不同的个性化需求。

其实，这可以类比手机市场。苹果坚持自研芯片，而非采购高通芯片，更好适配IOS系统，实现软硬件匹配。

在芯片与整车的适配方面，目前的优等生是特斯拉。

特斯拉没有一味强调算力，其FSD自研芯片的算力为144TPOS，但在点到点的驾驶辅助方面，比算力更强大竞争对手反而做得更好。

余凯也在第十四届汽车蓝皮书论坛上展现过一组数据，在国际权威的深度学习图像数据集MS CoCo上的物体检测跑分中，地平线的征程5芯片每秒准确识别帧率（MAPS）高达1283FPS，而英伟达Orin为1001FPS。