车端的地平线，瞄着云端的英伟达

导语

Introduction

你有GPU，我有DSA。

作者丨王小西

责编丨李思佳

编辑丨朱锦斌

说到AI芯片领域，最近的一件大事是，10月13日地平线和大众旗下软件公司CARIAD官宣合作。双方成立合资企业，CARIAD控股60％，投资约24亿欧元，预计会在2023年上半年完成。

这算是地平线迄今为止最重磅的一个合作。而一个插曲是，半年前地平线才宣布第三代产品征程5芯片首个定点合作，花落比亚迪，上车时间2023年。不过，有意思的是，比亚迪同时也将投产搭载英伟达DRIVE Orin计算平台的车型。

而公社C次元最近一篇文章《英伟达不要的，地平线都要》，对地平线和英伟达在汽车领域AI芯片应用的竞争情况也做了介绍，所以，这篇我们就科普科普，到底这两家企业竞争些什么，以及车企的选择背后是怎样的考虑？

都是AI芯片，有啥不一样？

论及双方，他们的产品都是用于自动驾驶领域的AI芯片。但是区别还是很大的。

AI芯片的应用场景，主要分为云端和终端，还有边缘端。目前，云端应用的更多，相对成熟。此外，云端应用又可分为训练和推理两种，其中训练的市场规模占比较高。

云端应用的霸主，就是英伟达。而云端（服务器、数字中心）和终端（手机、智能汽车等移动端）应用场景中，AI芯片的运算方式有着本质性的差别。

比如，云端处理大批量一次性到达的累积数据（扩大批处理量，batch size），可以“等”数据“够了”再开始处理。但车端芯片则需要处理流数据，随着行驶（时间）陆续到来的数据；需要实时完成计算，尽可能得降低延迟。

对于交互性，终端要求更高。云端任务本身是限定在虚拟世界，无需考虑与现实世界的交互。终端则身处现实世界，每一个任务都需要考虑交互性。

此外，功耗和成本在车端AI芯片的考量中也占据更重的分量。可见，对于汽车终端来讲，AI芯片除了须保证计算能效，还有低功耗、低延迟、低成本的要求。

目前，AI芯片主要有三种，分别是通用型的GPU，可定制的FPGA，以及专用的ASIC。英伟达的Orin芯片，是基于通用GPU。而地平线的征程5芯片，既是ASIC芯片，也是DSA（Domain Specific Architecture 特定领域架构）芯片。值得注意的是，Orin芯片的核心GPU架构仍是云端架构。

不过，对车企来说，芯片的兼容性越强越好，因为车企可以一步到位，而且无需再从头做验证，用一个芯片就能实现未来高阶智能驾驶的硬件预埋，为未来更高阶的智能驾驶做好准备。这也是很多品牌愿意选择英伟达Orin芯片的原因。

而地平线采用面向特定场景的软硬结合方法论来设计芯片，也就是DSA芯片的做法，极大提升了芯片的有效算力。但是，我们的疑问是，征程5芯片的极限到达后，更高级别的自动驾驶需求就要换用征程6，那么，这个换装的综合成本，谁来买单承受呢？

除了算力，还有FPS

除了通用和定制的区别，目前业内存在“唯算力论”，好像芯片算力越高觉得越好。其实，这有失偏颇。实际上，还是要看FPS（每秒传输帧数）才行。

FPS通俗来讲就是指动画或视频的每秒画面数。FPS是测量用于保存、显示动态视频的信息数量。简单来说，FPS数值越大，性能越好。对于自动驾驶所有应用的计算平台来说，FPS被认为是衡量先进算法运行效率的评价标准之一。

比如，在芯片算力上，单片英伟达Orin和征程5的算力分别为254TOPS（每秒万亿次计算）和128TOPS，功率为45W和30W，功耗比分别为4．6TOPS／W和4．2TOPS／W。征程5只有英伟达Orin的一半。

但是，征程5的FPS（每秒传输帧数）却为1283。比Orin的1001FPS（基于同安培架构的英伟达RTX3090进行调整后测算得出）高出不少。地平线征程5画面传送视频的流畅度明显要好于英伟达Orin。怪不得地平线BPU算法负责人罗恒要说，“能效上来看，我们（征程5相比Orin）有6倍多的提升。”

其实，不仅是地平线以FPS来算帐。2017年发布自研的FSD芯片时，特斯拉创始人马斯克便以此前应用的英伟达Drive PX2作比，从算力来看FSD是Drive PX2的3倍，但FPS是Drive PX2的21倍。

此外，低延迟性能也是衡量AI芯片性能的关键指标。因为，延迟问题直接关乎驾驶证安全。比如，在紧急制动场景下，100毫秒意味着近1．7～3．3米的刹车距离。

而按照地平线的说法，征程5的8M单目前视感知结构化输出延迟小于60毫秒，比英伟达ORIN的延迟性能更好。而Orin芯片的低延迟数据未知。

所以，从FPS和低延迟、低成本来说，地平线在汽车领域的发展机会还是很大的，目前有超过20家车企的70多款车型应用了征程系列芯片，这也是地平线通过定制路线的“奇兵”收获的成果。

架构，决胜

而在第五波计算浪潮之下，决定芯片的核心，当然是架构。因为，架构是芯片企业最底层的核心技术，迭代成本巨大，也是最值钱的技术。

作为提出DSA架构的泰山北斗，John Hennessy与David Patterson在获得2017年图灵奖时的获奖演说中指出：“未来十年，将是计算机体系结构的黄金年代”。这是一个很好的注脚。

而地平线的征程系列芯片，从其架构来说，经历了名为高斯、伯努利和贝叶斯的三代BPU（Brain Processing Unit， 地平线自主设计研发的高效的人工智能处理器架构）架构。

从低到高，高斯架构主要处理感知，就是图像识别，识别摄像头，雷达，传感器等的图像，采用40nm工艺。而伯努利架构加入了深度学习，20nm工艺。贝叶斯架构则是加入贝叶斯网络，结合深度学习来提高AI的准确率，16nm工艺。

再来看英伟达。创立于1993年的英伟达厉害之处在于，1999年发明GPU（图形处理器），2006年发布CUDA?通用并行计算架构，实现了软硬解耦。开发者不必再使用高难度的GPU专用开发语言，而能使用通用性的编程语言调用GPU算力。

通过软硬解耦，将图形处理的专用芯片GPU变为适用于大规模并行计算的通用型芯片，英伟达站上AI时代的C位。对于地平线以及其他芯片企业来说，也是高山仰止、拼命追赶的对象。

而英伟达的Orin是基于Ampere（安培）架构，这也是推动英伟达数据中心业务增长近9成的主力产品架构。换句话说，面向高级别自动驾驶场景的Orin，用的还是魔改的通用架构。这就像，今年大热的高通8155芯片，是从消费电子芯片魔改而来。

通用架构的好处是“上手容易”，拿来就能用，而且工具丰富。不过，缺点是，很多硬件性能前期是浪费的，暂时用不上的。

那么，为什么站在云端的英伟达仍然在用通用架构？看看汽车业务占比就明白。

5月26日，英伟达发布2023财年Q1财报（截至2022年3月），本季营收82．9亿美元，同比增长46％。其中，由超大规模计算、云端和AI业务推动的数据中心业务占比45．23％；显卡支撑的游戏业务占比43．67％。汽车业务呢？微不足道，占比2．1％。

地平线的营收情况，没有公开的披露。不过，2020年《晚点LatePost》曾报道，地平线2020年营收为2～2．3亿元，其中70％来自向车厂提供芯片等产品的收入，客户包括长安、一汽和理想汽车等。

从营收来看，地平线和英伟达的差距还不是一个数量级的，还根本无法威胁到英伟达的地位，是海洋界鲸鱼和海豚的关系。所以，英伟达没什么动力去做面向车企的ASIC芯片。这也给了地平线和其他芯片企业巨大的机会。

当然，地平线还处于发展初期也就是要不断砸钱的阶段。根据企查查的数据，如果不计算未披露的融资金额，地平线累计融资超34亿美元（约合人民币243．3亿元）。最近一笔，是奇瑞汽车的。

地平线目前的核心业务只有端侧的汽车领域。市场方面，地平线征程系列芯片目前累计出货超过150万片。而通过针对自动驾驶场景算法和需求专门设计的专用芯片，实现在效率上的更高效，只是地平线追赶英伟达的第一步。

就像前面说的，比亚迪并不是唯一一个同时部署英伟达和地平线的车企。理想在2021理想ONE以及后续的理想L8 Pro上搭载了征程5，而在理想L8 MAX和L9上则使用的是英伟达Orin。

所以，地平线更难的是构建出好用的软件体系，以及能支撑持续演进迭代的用户生态，而这正是英伟达CUDA体系的王牌所在。地平线的天工开物还有很长的路要走。不过，无论怎样，地平线给中国汽车企业带来了一个DSA芯片的可选项，都是件“极好的”事。

原文标题:车端的地平线，瞄着云端的英伟达