中國智駕芯片正朝高性能、大算力突破，自主研發(fā)芯片的車企也越來越多。與此同時車企同樣也在布局云端算力，作為訓(xùn)練自動駕駛的重點資源。

本期情報所我們就來討論一下，算力升級會怎樣影響自動駕駛的發(fā)展。

以下為本期視頻文字版：

車端算力的價值

這是今年 1-4月ADAS域控芯片的裝機(jī)量排行榜，英偉達(dá)Orin-X，特斯拉FSD，英偉達(dá)Orin-N，總計占據(jù)了73%的市場份額。華為昇騰系列由于華為越來越大的朋友圈，以及問界車型持續(xù)熱銷，份額也超過了10%。地平線征程系列芯片，主要拿中低端市場，加起來也有8%的份額。

從這組數(shù)據(jù)可以看出，智能汽車的高端芯片，主要市場仍然在美國企業(yè)手中，中國品牌的智駕芯片，嚴(yán)重依賴英偉達(dá)。比如，目前主流的，支持城市領(lǐng)航輔助的智駕系統(tǒng)，基本都是雙Orin-X方案，蔚來，甚至每臺車都要裝四片Orin-X芯片。

為什么一片不夠，還要多片來湊？原因就是對算力的追求。

我們曾說過，算力，就是智能車時代的馬力。馬力代表著你能跑多快，而算力代表著你能有多聰明。

既然算力已經(jīng)是決定腦袋的關(guān)鍵因素了，所以還把它托付給隨時斷供的美國企業(yè)，就顯得不太靈光了。所以，目前蔚來，小鵬，理想，小米都在自研智駕芯片了。自研的目的不僅僅是擺脫海外供應(yīng)商的依賴，還有一個很重要的原因，就是通過軟硬件協(xié)同，提高算力利用率，加快智駕研發(fā)的效率。

前不久，小鵬G7正式亮相，何小鵬說，1+1+1=9，啥意思呢，就是說小鵬G7上的三顆圖靈芯片的算力，跟9顆Orin-X差不多。蔚來在最新的5566上，也終于把四顆Orin-X換成了自家的神璣NX903，李斌也說，算力非常強(qiáng)大，一顆頂四顆。大家似乎都在默契地把算力和智駕能力劃上等號，想用這種方式，盡快占領(lǐng)用戶的心智。

但事實上，我要告訴大家，算力雖然能夠代表你有多聰明，但它并不代表你做出來的事情，效果有多好，原因有三個。

第一，當(dāng)前智駕芯片基本都屬于異構(gòu)集成芯片，有負(fù)責(zé)邏輯控制的CPU，有承擔(dān)傳感器融合的GPU，有專攻深度學(xué)習(xí)的NPU，還有執(zhí)行高頻重復(fù)任務(wù)的ASIC，每個部分的算力利用率是不一樣的，所以芯片總體的算力數(shù)字，不能代表應(yīng)用于智能駕駛的算力能力。

第二，與超高的芯片算力相比，自身的內(nèi)存帶寬，數(shù)據(jù)調(diào)用，以及芯片之間的通訊延遲，同樣會影響到智能駕駛的實際效果。

第三，部署在車端的AI模型，對于自動駕駛能力的影響，跟算力同等重要。甚至在當(dāng)下，很多車企還沒有壓榨出智駕芯片全部算力時，AI模型的重要性，甚至是比車端算力還要更高的。

那么問題來了，怎么讓部署在車端的AI模型，能夠發(fā)揮算力優(yōu)勢，并且有很好的實際表現(xiàn)呢？答案就在云端算力上。

云端算力的價值

什么是云端算力？就是通過互聯(lián)網(wǎng)，遠(yuǎn)程調(diào)用數(shù)據(jù)中心的大規(guī)模服務(wù)器資源，然后實現(xiàn)數(shù)據(jù)處理，模型訓(xùn)練，實時分析之類的能力。這些云端算力也是來自于一座一座的數(shù)據(jù)中心，它們有的在貴陽，有的在西安，有的在烏蘭察布。

車端算力，我們常用多少多少TOPS，而云端算力呢，我們常用多少多少EFLOPS，一個是終端設(shè)備的算力單位，一個是超算平臺的算力單位，大家可以粗暴地理解成，1EFLOPS差不多相當(dāng)于10的六次方TOPS，但是要知道，超算平臺通常用的都是浮點運算，跟終端設(shè)備的定點運算是不一樣的，就可以了。

那這個兩種算力單位的差異，其實也就說明了云端算力和車端算力能力和功能上的差異。

云端算力強(qiáng)，并且是集中化管理，可以彈性拓展算力需求，所以非常適合參數(shù)量巨大的AI模型訓(xùn)練，比如自動駕駛將來要用到的VLA模型。

但同樣，由于云端算力需要靠網(wǎng)絡(luò)傳輸數(shù)據(jù)，實時性較差，而且要把車輛數(shù)據(jù)上傳到網(wǎng)絡(luò)，所以數(shù)據(jù)隱私以及網(wǎng)絡(luò)穩(wěn)定性，成為使用云端算力需要考慮的問題。

所以，現(xiàn)在的智能駕駛輔助的軟件方案，基本都是云端訓(xùn)練，然后車端部署，再通過車端收集數(shù)據(jù)，傳給云端繼續(xù)訓(xùn)練，然后再把更厲害的AI模型OTA到車端，這樣，就形成一個持續(xù)升級的閉環(huán)。

而部署在車端的AI模型，由于是已經(jīng)訓(xùn)練過的成熟模型，只需要負(fù)責(zé)執(zhí)行就可以了，性能，能耗，算力的要求都沒有那么高，并且因為在本地部署，還更容易實現(xiàn)自動駕駛需要的低延時，高精度。

而除此之外，各家頭部車企現(xiàn)在不都是在搞世界模型么，就是一種能夠模擬真實世界的物理交互模型。通過這個世界模型能夠生成非常接近真實世界的視頻數(shù)據(jù)，用于訓(xùn)練自動駕駛甚至是機(jī)器人。而這個世界模型則需要更多參數(shù)，更多算力，這都是云端算力能夠發(fā)揮價值的地方。

自動駕駛，從規(guī)則驅(qū)動變?yōu)锳I驅(qū)動之后，比拼的，就只是各家的時間效率了，而自動駕駛的效率怎么提升呢，其實還是由于算力，算法，數(shù)據(jù)同時決定的。

這三者，會在云端算力和車端算力，進(jìn)一步協(xié)同，最終，才能決定自動駕駛方案的高度。

如果把智能汽車作為一個智能體的話，我們覺得，車端算力，就像是它的四肢，要確保安全與實時性，并且需要持續(xù)突破芯片效能的邊界；而云端算力，就像它的中央大腦，通過超算集群與數(shù)據(jù)閉環(huán)能力，驅(qū)動算法不算地進(jìn)化。

未來的車企競爭一定會圍繞車-云-路一體化架構(gòu)展開，而車端和云端算力的躍升，也許就是自動駕駛的勝負(fù)手。

如果你也和我們一樣，對汽車行業(yè)的變革式發(fā)展?jié)M懷憧憬，歡迎大家到B站關(guān)注《童濟(jì)仁汽車情報所》，我們會在每周五與探討一個你可能感興趣的新話題。大家有任何意見與建議，也歡迎留言與我們交流。

入駐媒體平臺

商務(wù)聯(lián)系人：Maggie

Tel：135-6413-6455

E-Mail：maggie@neuesmedia.com

版權(quán)聲明：本文為《童濟(jì)仁汽車評論》獨家稿件。歡迎任何形式的轉(zhuǎn)載，但須注明出處為《童濟(jì)仁汽車評論》和撰寫作者。如有任何侵權(quán)行為，侵權(quán)者將承擔(dān)相應(yīng)法律責(zé)任。