单凭算力是堆不出自动驾驶的

提升硬件很重要，但不能陷入“唯算力论”的怪圈。

最近，一则新闻震动业界，赛灵思亚太地区实验室首席工程师、实验室主任胡成臣确认加入蔚来汽车，在技术规划领域担任首席专家、助理副总裁一职。

这则新闻的背后，是蔚来汽车自研AI芯片的加速。蔚来汽车的目的很清楚，就是像特斯拉一样，建立起自动驾驶能力闭环。而要建立这种闭环，芯片是绕不过去的一关。

实际上，从去年开始，我们发现，智能芯片（AI芯片）这个领域再次迅速进入高光时刻，除了云端居垄断地位的英伟达，国内无论是地平线，还是黑芝麻，都引起了业界极大关注。而算力的不断提升，也让各大车企对进入算力的“军备竞赛”产生焦虑。

比如，今年英伟达发布业内首款1000TOPS的SoC，相比特斯拉FSD单芯片算力72TOPS提升超过一个数量级。而在国内，也有地平线的征程5，算力最高达到128TOPS，以及黑芝麻A1000Pro，算力达到106TOPS等等。

但是，我们的一个问题就是，追求TOPS算力真的有那么重要吗？是不是堆叠芯片的算力，就能达到目的了？业内似乎进入了“唯算力论”的误区。所以，这里简单探讨一下。

01、算力VS软件

地平线创始人兼CEO余凯打过一个比方，“如果说动力电池是未来汽车的心脏，那么智能芯片就是未来汽车的大脑。”AI芯片作为未来车载计算中心的核心，其作用当然非常重要。

目前，这些汽车主控芯片的结构形式是由MCU向SoC异构芯片（ASIC结构）方向发展。根据观研天下的预测，全球自动驾驶汽车上的AI芯片（推理），其市场规模将从2017年的1.42亿美元，年均增长135%至2022年的102亿美元，远超AI芯片（手机侧）的市场规模34亿美元。

而部署于边缘端的（像地平线这样的）AI芯片/内置单元的市场规模占比，也将从2017年的21%上升到2022年的47%。其年均增速123%，超过部署于云端的AI芯片75%的年均增速。GPU（图形处理器，Graphics Processing Unit）市场份额则会从2017年的70%下降到2022年的39%。

但是，在“软件定义汽车”的情况下，车企的核心能力到底应该是什么？这是业界思考的一个问题。是不是唯芯片算力马首是瞻呢？

实际上不见得。还是需要辩证地看。我们说“数据是生产资料”，而提供处理数据的芯片是工具，不可能工具反客为主成为核心。工具是必备的，但是更重要的核心是跑在上面的软件。而随着各个芯片企业算力的快速提升，这个问题很快会变得不是问题。

此外，车企面对的消费端是不是立刻就需要那么高端的算力呢？也不见得。目前，车企号称8核芯片算力多强的多了，但是真的车机系统就流畅、好用了？

我们知道，近年“软硬件解耦”的趋势以及“软硬件融合”的提法都有。实际上，软件与硬件从来没有真正分离过，一直都是相互融合发挥作用的。

以PC时代的WinTel联盟为例，在WinTel架构下，Intel芯片和Windows操作系统高度协同，最终才能产生垄断市场份额的效果，缺一不可。

所以，地平线创始人和CEO余凯有句话讲得非常到位，芯片就是软件的舞台，衡量芯片优劣的标准，要看芯片之上的软件能否最大化地发挥作用。当然不是说算力不重要，算力和软件之间需要有效匹配。两款相同算力的芯片比较，能让软件运行得更高效的芯片才是“好芯片”。

而且，作为车企来说，还有一个芯片的成本问题。现在的一种倾向是“L4硬件+L2软件”，先硬件“预埋”以达标或者超标，软件上慢慢积累。但是反过来说，这是不是一种浪费？恐怕，还是要“对每一个TOPS都要精打细算地使用。”

比如，超星未来联合创始人兼首席技术官梁爽在最近一次论坛上说过，现在算力的军备竞赛是已经掀起来了，但是芯片的算力本质上对于智能驾驶系统还是必要不充分的条件，“现在大家更多提的算力是峰值算力。我们经常会看到一个优化程度不好的芯片宣称有10TOPS算力，实际跑出来的应用等效只有3~4TOPS的算力。”

说到底，是要AI算法流畅地跑在芯片上，最终，这成为一个非常复杂的需要进行系统优化设计的问题。

02、算力的“罩门”

作为现代科技工业中的集大成者和数字经济“基础设施”的芯片，汇集了最复杂、最尖端、最精密的基础性技术，以及高端人才和资金，无疑是未来争夺的焦点。

不过，由于芯片制造越来越复杂，芯片制程每提升一代往往就需要投入数百亿美元，我们可以看到，芯片制造逐渐集中到台积电、三星等少数几家公司。相应的，很多老牌芯片企业都放弃了制造，专注于设计。

所以，芯片设计公司的创新能力也变得更加重要。随之而来的，还有AI芯片公司和AI算法公司之间的纷争。不过，像英伟达这种TOP级的芯片公司，软件工程师其实比硬件工程师还要多。换句话说，芯片公司的底层技术都是包含着硬件和软件的。

而且，我们说芯片最终是为车企的车载计算平台服务的。所以，行业需要思考一个问题是，解决智能驾驶系统计算平台的支撑问题，是否只能通过芯片算力堆叠来实现？

答案显然是否定的。尽管汽车智能化需要更强的运算能力，但业内专家也表示：“算力也不能说无限增长，芯片PPA（功耗、成本和面积）都是很要命的。”

这是因为，对于车载AI芯片来说，算力指标重要，能效比更重要。在传统芯片行业，PPA是最经典的性能衡量指标。而现在出于自动驾驶对算力的追求，业界还是把“峰值算力”当作衡量AI芯片的主要指标的话，就导致了一种“唯算力论”的偏颇。

这方面，地平线提出了一个新的方法MAPS（Mean Accuracy-guaranteed Processing Speed，在精度有保障范围内的平均处理速度），用以评估芯片的AI真实性能。而在业内没有统一的测评标准情况下，目前还只能算是一家之言。

不过功耗方面地平线还是有巨大优势的。我们以地平线2020年最先商用量产的征程2芯片为例，它搭载自主研发的计算架构BPU2.0（Brain Processing Unit）,可提供超过4TOPS的等效算力，典型功耗仅2瓦，而且，每TOPS的AI能力输出可达同等算力GPU的10倍以上。

对于车企来说，在最高性能模式下，如果自动驾驶控制器的芯片功耗级别较高，即便其自身性能强劲，但也会引发某些不可预知的隐患，如发热量成倍增加，耗电率成倍增加，这些结果对于智能电动车来说毫无疑问是颗“雷”。因此，车企在自动驾驶芯片的选用中都会充分考虑其功耗指标。

我们说，AIoT时代大量的边缘AI应用（智能电动车就属于边缘端应用），对边缘智能计算提出更高要求。而边缘端一般条件会比较差，要求低功耗，AI边缘计算要解决的就是在功耗限制下提供最好的算力支持，以及配套的内存支持、连接能力。

也就是说，车企不大会担心车用电的问题，但芯片散热功耗等问题还是必须考虑的。以行业人士的分析来说，芯片算力的无限膨胀和硬件预埋不会是未来的趋势，硬件也需要匹配实际，有业内人士就说过，“特别是在SoC上，我们需要精准高效的算力来适配电子电气架构的变革。”

还有一个可能的情况是，未来在智能座舱域、自动驾驶域等的主芯片选择上，越来越多车企可能会选择同一家SoC芯片，原因就在于软件适配性更好，可以大幅节约开发周期与成本。像现在多家车企选择地平线的征程芯片，就是最好的例子。

最后说说，从曾任百度总裁的陆奇博士最近提出的“母生态”这个概念来说，智能汽车将是继PC、智能手机之后更大的母生态，也是中国汽车行业和科技产业最大的机遇所在。而且，芯片所在的科技产业逐步走向成熟的标志之一就是形成完整的生态。出于对未来生态的争夺，也需要芯片公司更加注重算力和软件匹配的问题。