“初識”算力

算力，一個原本并不為外界所熟悉的芯片界術(shù)語，一般用于描述芯片處理數(shù)據(jù)或完成算法訓(xùn)練的能力，近些年卻時常出現(xiàn)在汽車領(lǐng)域的相關(guān)文案里。究其原因，實(shí)在是車載芯片之性能直到這會兒才值得被探討而已。

其實(shí)，此前用于控制ADAS高級輔助駕駛系統(tǒng)以及多媒體座艙的MCU單片機(jī)式微控制器，也具備算力。只是，隨著市場日益看重智能座艙的應(yīng)用以及自動駕駛技術(shù)的性能，乃至將它們作為購車時的重要參考，廠商這才單獨(dú)把算力摘出來，以便消費(fèi)者進(jìn)行量化比較。

既然是用來衡量比對，那自然得有基準(zhǔn)單位，而目前汽車行業(yè)普遍使用的算力單位則是TOPS，也就是Tera Operations PerSecond，意指處理器每秒可進(jìn)行一萬億次運(yùn)算。1TOPS即每秒運(yùn)算一萬億次，2TOPS便是每秒二萬億次，以此類推……這其實(shí)是相當(dāng)強(qiáng)大的算力，要知道，在TOPS之下至少還有每秒十億次的GOPS，跟每秒一百萬次的MOPS兩檔算力單位托著。

值得一提的是，今日所謂智能汽車的算力，說的是那個包含多顆SoC系統(tǒng)級芯片的車載計(jì)算平臺算力，并不包括其他域控制器所用MCU的算力。換句話說，目前智能汽車已憑借高算力平臺邁入大算力時代。

話雖如此，但眼下全車真正消耗大量算力的，卻“只有”智能座艙跟自動駕駛兩大系統(tǒng)。以智能座艙為例。當(dāng)前主流智能座艙操作系統(tǒng)除完成傳統(tǒng)的多媒體交互功能外，還需具備可支持高清大屏、多屏聯(lián)動等顯示功能的圖形計(jì)算能力，以及支持車內(nèi)人工智能助手完成交互、監(jiān)測等功能的AI運(yùn)算及學(xué)習(xí)能力。實(shí)際上，車載操作系統(tǒng)維持自身流暢運(yùn)行所需的算力并不亞于旗艦級智能手機(jī)。

不僅如此，今后隨著整車電子電氣架構(gòu)的進(jìn)一步集成化，或者直接通過OTA軟件進(jìn)行在線升級，智能駕駛系統(tǒng)必將融合更多的功能域控制器。而想要保證新系統(tǒng)繼續(xù)正常工作，并持續(xù)維護(hù)信息的安全，勢必要處理更為龐大的數(shù)據(jù)量。顯然，對于使用壽命遠(yuǎn)久于其他消費(fèi)級智能終端的汽車來說，對算力的需求永遠(yuǎn)不嫌少，畢竟還得為將來預(yù)留相當(dāng)大的余地。

至于自動駕駛方面，對算力的需求更是驚人。別看眼下L2級高級輔助駕駛系統(tǒng)只需10TOPS左右的算力，一旦進(jìn)入L3級有限自動駕駛模式，隨著傳感器數(shù)量的激增，以及決策場景的復(fù)雜化，系統(tǒng)所需的算力將躍升至30～60TOPS。順便一提，之前主流旗艦手機(jī)所用的驍龍888Plus芯片的AI算力“僅有”32TOPS。

另外，根據(jù)自動駕駛系統(tǒng)相關(guān)廠商的預(yù)測，若要完成L4級高速自動駕駛，車載計(jì)算平臺的算力至少要有300TOPS，而L5級無人駕駛則需有1000TOPS的算力打底才行。同時，海內(nèi)外的多家自動駕駛AI芯片供應(yīng)商也認(rèn)為，隨著自動駕駛技術(shù)的進(jìn)化和落地，系統(tǒng)對于車載算力的需求將呈指數(shù)級增長，并最終獲得遠(yuǎn)超消費(fèi)級智能終端的算力，甚至?xí)疖囕d芯片自身的革新。

值得一提的是，由于智能座艙的最終目標(biāo)是解放駕駛者，并將汽車變成“智能移動空間”，這跟自動駕駛系統(tǒng)的進(jìn)化方向其實(shí)是一致的，而在現(xiàn)實(shí)里，智能座艙與自動駕駛系統(tǒng)之間的界線也確實(shí)存在著模糊的地方。因此，已有不少相關(guān)從業(yè)人員認(rèn)為，將來這兩套域控制器有望合二為一，并由一顆SoC芯片控制。

事實(shí)也的確如此。英偉達(dá)在2022 GTC秋季大會上發(fā)布的新一代集中式車載計(jì)算平臺NVIDIA DRIVE Thor，即已憑借具備最高2000 TOPS AI算力以及2000 TFLOPS浮點(diǎn)算力的單顆Thor SoC芯片，將智能座艙和自動駕駛等智能功能整合到單個架構(gòu)中。

然而，在算力方面無限制地內(nèi)卷、膨脹未必有益于智能汽車的進(jìn)化。首先，算力并不完全等同于汽車智能。與其他人工智能一樣，車載AI系統(tǒng)最終所能呈現(xiàn)的人機(jī)交互、事件決策等自主行為的效果，更多取決于AI自身的學(xué)習(xí)能力，以及算法迭代的結(jié)果。而算力只是實(shí)現(xiàn)這一切的基礎(chǔ)。

不僅如此，現(xiàn)有的智能手機(jī)SoC芯片已經(jīng)證明，單方面提升算力，將使整個平臺難以兼顧功耗、散熱及安全等其他方面的需求，以至于在用戶體驗(yàn)層面一敗涂地。

總而言之，智能汽車的進(jìn)化離不開大算力計(jì)算平臺的支撐，但計(jì)算平臺的設(shè)計(jì)卻不能完全偏向算力，需要綜合復(fù)雜的外部環(huán)境和用戶需求等因素，并進(jìn)行整體優(yōu)化方可完成。

嚴(yán)格來講，根據(jù)測算對象的不同，使用對應(yīng)的算力單位。例如，在測算單片機(jī)或CPU處理指令的速度時，就該用MIPS，即Million Instructions PerSecond每秒執(zhí)行的百萬級指令數(shù)；而若用Dhrystone整數(shù)運(yùn)算測試程序進(jìn)行計(jì)算，則單位又會變成DMIPS，即Dhrystone測試模式下的MIPS。

又比如，在測試浮點(diǎn)計(jì)算能力時，則要使用FLOPS，即floating-point operations per second每秒執(zhí)行的浮點(diǎn)運(yùn)算次數(shù)。順便一提，F(xiàn)LOPS跟OPS一樣，也能細(xì)分為MFLOPS、GFLOPS、TFLOPS，以及代表每秒一千萬億次計(jì)算的PFLOPS。當(dāng)然，對于面向普通群眾的智能汽車來說，籠統(tǒng)地使用TOPS已足以代表整車的算力。

華為MDC智能駕駛計(jì)算平臺：Mobile Data Center移動數(shù)據(jù)中心是華為專門為智能駕駛研發(fā)打造的計(jì)算平臺。其中包含標(biāo)準(zhǔn)化的系列硬件產(chǎn)品以及智能駕駛操作系統(tǒng)AOS等軟件產(chǎn)品，并提供配套工具鏈及車路云協(xié)同服務(wù)。

于2021上海車展發(fā)布的MDC810搭載兩顆昇騰610芯片，使平臺的AI算力達(dá)到400TOPS，可滿足擁堵跟車、高速巡航、自動泊車等高級別自動駕駛應(yīng)用場景的需求。

高通驍龍Ride平臺：高通于2020年1月發(fā)布的自動駕駛計(jì)算平臺，平臺主要由單顆算力為30TOPS的安全系統(tǒng)SoC芯片、自動駕駛專用加速器和自動駕駛軟件棧構(gòu)成。平臺具有高度可擴(kuò)展性和完全可定制化的特點(diǎn)。

根據(jù)SoC芯片以及自動駕駛加速器數(shù)量的不同，平臺最高可提供單顆700TOPS的算力，從而可使面向城市環(huán)境的乘用車實(shí)現(xiàn)L5級自動駕駛功能。而若采用L2+級自動駕駛方案，平臺最多可支持7個攝像頭、6個毫米波雷達(dá)、高精地圖導(dǎo)航以及C-V2X車聯(lián)網(wǎng)技術(shù)。

英偉達(dá)DRIVE Thor：發(fā)布于2022年9月20日GTC秋季大會的英偉達(dá)新一代集中式車載計(jì)算平臺，可將自動駕駛和智能座艙的所有功能整合到單一架構(gòu)中。官方宣稱，這是首個集成推理Transformer引擎的自動駕駛汽車平臺，能使Transformer深度神經(jīng)網(wǎng)絡(luò)的推理性能提升9倍。與此同時，作為平臺核心的英偉達(dá)Thor SoC芯片還可憑借具備8位浮點(diǎn)精度的2000 TFLOPS浮點(diǎn)算力，讓開發(fā)人員在進(jìn)行數(shù)據(jù)傳輸時，不至于損失神經(jīng)網(wǎng)絡(luò)原本的精準(zhǔn)度。

順便一提，英偉達(dá)Thor并非那顆算力高達(dá)1000TOPS的Atlan SoC芯片的繼任者，而是直接取代Atlan，在不遠(yuǎn)的將來接班現(xiàn)役Orin 芯片上位。此舉甚至讓那套登臺不過半年，基于Atlan芯片構(gòu)建的NVIDIA DRIVE Hyperion 9自動駕駛平臺也變得前景未明。