芯片廠商永遠不會放過 CES 的角斗場。

與往屆一樣，2024 年 CES 的芯片專區(qū)也開啟了神獸亂斗模式。

一個更加顯著的特征是，芯片戰(zhàn)場已經(jīng)從 PC、智能手機轉(zhuǎn)移到了智能汽車。

無論是以英偉達為代表的從游戲起家的老牌芯片廠商，還是以安霸為代表的視覺芯片廠商，都在加碼投入到智能汽車自動駕駛芯片的競爭中。

兩年前，在 CES 上芯片廠商的關(guān)鍵詞是：期貨、百 Tops 算力。

2022 年 EyeQ Ultra 芯片算力也不過 176 TOPS，英偉達的自動駕駛計算架構(gòu) DRIVE Hyperion 9 內(nèi)置的智能駕駛芯片 Atlan，以跳票告終。

而英偉達發(fā)布的另一款算力超 2000TOPS 的 Drive Thor，則要等到 2025 年才投產(chǎn)。

NVIDIA DRIVE Hyperion 9將內(nèi)置芯片從Atlan換為Thor

兩年后，2024 年汽車市場中的芯片關(guān)鍵詞則圍繞高階自動駕駛展開：

性價比，大算力、BEV 算法、集中式架構(gòu)。既要保證價格要能在紅海中出圈，又要保證硬件冗余、智駕領(lǐng)先，還要為中央集成式計算平臺做好準備。

尤其隨著中國車企卷起城區(qū) NOA 大戰(zhàn)，BEV+Transformer 成為頭部車企以及自動駕駛廠商最主流的技術(shù)方案，更大算力的芯片將承擔技術(shù)底座。

一個問題橫亙在前，高階自動駕駛，到底需要一顆什么樣的芯片？僅僅是大算力就夠了嗎？

高階自動駕駛恰好需要一顆「看不見」的芯片。

看不見說的是芯片制程必須更加先進，肉眼可觀察到的芯片體積正在縮小，同時也是芯片必須打通過去分布式架構(gòu)的隔閡，放大芯片一體化、平臺化的優(yōu)勢，向中央計算架構(gòu)更進一步。

過去，只能看到智駕芯片是算力為王的單邊競爭，堆砌足夠多的算力就能贏下一局，但高階智駕到來，看不見的芯片反而要面臨的挑戰(zhàn)爭奪——單邊競爭變成了關(guān)注性能指標、價格、團隊協(xié)同的多邊競爭。

• 一體化、大算力、先進制程決定了自動駕駛芯片的底層技術(shù)。

• 成本、性能、功耗決定了車企采用芯片的商業(yè)邏輯。

• 單芯片、強耦合、平臺化決定了芯片廠商未來的技術(shù)發(fā)展方向。

隨著競爭要素的組合與變化，高階自動駕駛芯片正掀起新一輪競爭范式。

01、一體化、大算力、先進制程：智駕芯片進入迭代新周期

如果說過去分布式走向域控制器的過程是靠一個復(fù)雜的域控黑盒完成的，那么到了高階自動駕駛逐漸向中央計算靠攏時，就得用單顆大算力智駕芯片取代盒子。

過去，由于大多數(shù)智駕 SoC 無法滿足高功能等級安全要求，往往還會在智駕域控主板上外掛獨立 MCU，英飛凌、瑞薩、NXP 的 MCU 都是搶手的香餑餑。

現(xiàn)在，多數(shù) SoC 已經(jīng)內(nèi)置了 MCU 的功能安全島，而自動駕駛芯片的變化遠不止這一個細節(jié)。

業(yè)界將自動駕駛芯片的趨勢總結(jié)成三個關(guān)鍵詞：一體化、大算力、先進制程。

隨著市場滲透率的快速提升和 ODD 持續(xù)拓展，芯片廠商已普遍采用能力均衡的異構(gòu)計算平臺應(yīng)對復(fù)雜場景考驗。

如果過去廚師做是井然有序的川菜、江浙菜、魯菜，那么今天 GPU、CPU、NPU、ISP 等不同 IP 模塊協(xié)同作戰(zhàn)才是主流，相當于廚師做出了「新式融合菜」。

融合就是取不同處理器所長之處組合在一個芯片中，比如 CPU 擅長邏輯控制和通用計算，GPU 適合大規(guī)模并行計算和圖像處理，NPU 專注于深度學習算法和人工智能計算，DSP 功耗低，MCU 則安全等級更高。

那么異構(gòu)計算平臺發(fā)揮1+1+1＞3 的效果，應(yīng)對多傳感器數(shù)據(jù)不同的計算能力和處理方式，滿足路徑規(guī)劃、物體識別、決策控制等不同應(yīng)用和算法的計算需求。

據(jù)汽車之心了解，目前算力在 200TOPS 以上的自動駕駛芯片多采用異構(gòu)計算，尤其是面向深度神經(jīng)網(wǎng)絡(luò)，靠 CPU 一己之力遠遠不夠。

異構(gòu)計算對芯片帶來的改變可以歸納為「兩降一提」。

一方面，能夠降低整體功耗和散熱需求。

另一方面，由于不同的處理器具有不同的故障模式和可靠性特性，通過組合也可以進一步提升系統(tǒng)容錯性。

在異構(gòu)計算平臺的背景下，更大算力與更高制程成為必然。

大算力與更高制程呈正相關(guān)關(guān)系，算力越高也需要制程越先進。

換句話說，算力大小取決于芯片設(shè)計，而有著更大算力的芯片能否流片成功，則考驗晶圓和制造、封裝環(huán)節(jié)。

汽車之心梳理了現(xiàn)階段的市場情況，我們發(fā)現(xiàn) 2024—2025 年將會集中出現(xiàn)一批算力突破1000TOPS 的智駕芯片，相應(yīng)的，5nm、3nm 乃至更先進制程將成為芯片角力的新戰(zhàn)場。

蔚來自研神磯芯片算力預(yù)計超過1000TOPS

從目前已經(jīng)釋放的大算力芯片來看，2025 年戰(zhàn)況焦灼：

• 英偉達 DRIVE Thor 算力 2000 TOPS，4nm 工藝制程，將于 2025 年投產(chǎn)。

• 蔚來自研神磯芯片算力預(yù)計超過 1000TOPS，5nm 工藝制程，將于 2025 年上車。

• 特斯拉更為激進，已經(jīng)準備啟動 3nm 制程芯片代工計劃，在 N3E 基礎(chǔ)上繼續(xù)強化速度和功耗表現(xiàn)，預(yù)計 2024 年投產(chǎn)。

隨著芯片制程工藝不斷接近物理極限和工程極限，也使得面向 5nm 乃至 3nm 市場的單片晶圓及芯片設(shè)計成本同步指數(shù)級上升。

據(jù)臺積電最新報價，僅芯片流片中的制作晶圓費用 3nm 每片晶圓 19865 美元，折合人民幣14.2 萬元。

而將芯片設(shè)計模版復(fù)制到半導體硅片上的掩模則更加昂貴。因此，臺積電 5nm 芯片全光罩流片費用過億不足為奇。

數(shù)據(jù)來源：The Information Network

一顆小小的智駕芯片，已經(jīng)是車企、芯片廠商同臺秀技術(shù)的大舞臺。

往往，誰能造出制程更先進的異構(gòu)智駕芯片，這意味著開發(fā)費用與技術(shù)實力都不缺。

02、成本、性能、功耗的平衡：芯片從「不可能三角」到多要素耦合

一體化、大算力、先進制程說的都是技術(shù)命題，但智能芯片作為智能駕駛大腦，要投向商業(yè)化市場。

商業(yè)化市場最殘酷的命題是技術(shù)與成本的平衡。

因此，智駕芯片并不會不計成本地永遠突破性能上限。

以城市 NOA 為代表的 L2++轉(zhuǎn)而對大算力智駕芯片上車提出了多維度的精細要求。

業(yè)界期待高階智駕快速普及的另一面是全行業(yè)持續(xù)的降本壓力。

現(xiàn)階段，自動駕駛廠商其針對城區(qū) NOA 解決方案也降至萬元以下，更不用提車企已經(jīng)到了把錢掰兩半花的地步。

高階智能駕駛的前景一路坦途，目前 L2+已處在規(guī)?；l(fā)前夜，亟待在合理的性價比區(qū)間達到流暢的駕駛體驗，并在正式進軍城市場景前打好「重感知，輕地圖」的頭陣。

同時，隨著智駕進城，系統(tǒng)不僅需要應(yīng)對各類復(fù)雜場景和偶發(fā)情況，脫圖的趨勢也加大的對于激光雷達的需求。

在此背景下，城市 NOA 的芯片方案還需要在高速 NOA 基礎(chǔ)上繼續(xù)全面升級。

更高算力的芯片雖呼之欲出，硬件資源搶占引發(fā)的更加嚴重的功耗、散熱問題同樣更加不容忽視，芯片的模塊化、拓展性、綜合性價比訴求也開始凸顯。

在行業(yè)內(nèi)真實存在「搞不定散熱」的情況。

一家 Tier1 原來做一體機，后來為車企做行泊一體方案，干了半年發(fā)現(xiàn)無法在車企既有車型的預(yù)留小空間中搞定散熱，白費了半年時間。

現(xiàn)階段面向 L2+的芯片方案的痛點來源于方方面面，簡單概括是成本、算力、利用率、功耗、散熱、空間布置等要素間的選擇錯位：

• 算力層面：芯片性能虛高，但在實際應(yīng)用中會碰到性能瓶頸；單芯片方案算力、ISP 普遍性能不足，導致難以充分調(diào)動多 V 傳感器實現(xiàn) BEV 感知，跑得了 BEV 方案的成本又太高；

• 性能層面：雙芯片組合方案「貌合神離」，成本高、系統(tǒng)復(fù)雜，且難以做到真正的全時行泊一體；芯片就跑不了 BEV 難以最大程度擺脫高精度地圖，無法提升性價比；

• 結(jié)構(gòu)層面：真實算力強的，功耗居高不下，散熱措施成問題，加風冷水冷不僅費工費時，在正式上車時還要搶占空間布置；

而以上任意≥2 個要素一旦互相組合出現(xiàn)，就非常容易衍生智駕項目開發(fā)的各類過程風險。

應(yīng)對上述多要素耦合的迫切需求，2023 年，安霸在上海車展期間推出 CV72AQ，用這顆 5nm 車規(guī)制程芯片，打響高速 NOA 行泊一體之戰(zhàn)。

對一顆智駕芯片來說，最基本的要求是制程先進，算力真實。

CV72AQ 率先發(fā)揮 5nm 制程優(yōu)勢，算力適中同時功耗小于 5 瓦，1 秒鐘處理90 幀 800 萬像素的圖像，并實時處理 6 枚攝像頭輸入；

在芯片結(jié)構(gòu)上改變了過去行業(yè)中的「雙芯」，采用單芯片設(shè)計，延續(xù) ISP、視頻編碼器等傳統(tǒng)強項，直接面向全時行泊一體，硬件資源深度復(fù)用，高效運行各類 BEV；

最后在開發(fā)工具鏈上，安霸基于 CVflow AI 開發(fā)平臺提供一整套易用的算法開發(fā)和優(yōu)化工具，降低產(chǎn)品設(shè)計開發(fā)成本的同時最大限度地提高軟件的可復(fù)用性。

如果說 SLAM 算法+深度學習技術(shù)是第一代自動駕駛技術(shù)，在傳感器類型與數(shù)量變得更加復(fù)雜時，如何持續(xù)輸入多模態(tài)數(shù)據(jù)成為第一代自動駕駛技術(shù)的挑戰(zhàn)。

隨之 BEV+Transformer 這樣全新的第二代自動駕駛技術(shù)襲來。

BEV+Transformer 憑借全局性的表征關(guān)聯(lián)、空間/時序的融合能力、跨模態(tài)的特征級融合效果為城市 NOA 落地敲開大門后，業(yè)界對智駕芯片做「多邊形戰(zhàn)士」的要求又增加了極為重要的一條：對先進算法的高效支持。

在芯片和算法都在快速迭代的當下，業(yè)界普遍的做法仍然是硬件優(yōu)先——先確定一個各方面性能均衡的異構(gòu)計算平臺，再基于硬件部署算法方案，進行優(yōu)化、調(diào)度、通訊部署并逐步解決工程挑戰(zhàn)。

但是，新一輪 BEV+Transformer 帶來的卻是從算法滲透到芯片的變革壓力，解決兩者間耦合的錯配問題，與芯片本身的成本、性能、功耗平衡同樣迫切。

一個業(yè)內(nèi)普遍的困擾是，目前市面上大部分的自動駕駛芯片均是在 Transformer 出現(xiàn)之前設(shè)計的，對 Transformer 的支持并不友好。

BEV+Transformer 越熱，就意味著不支持這一技術(shù)架構(gòu)的芯片在未來的競爭中越有可能出局。

芯片廠商及車企接下來很可能在產(chǎn)品開發(fā)層面馬上進行適應(yīng)性調(diào)整。

在此之前，業(yè)內(nèi)已經(jīng)普遍在積極尋求折中方案，包括但不限于算子的重新適配，深度的網(wǎng)絡(luò)架構(gòu)和底層軟件優(yōu)化，以及改善帶寬要求。

但這樣的針對性優(yōu)化方案在小網(wǎng)絡(luò)上效果尚可，應(yīng)對更大的算法模型，挑戰(zhàn)仍然不可持續(xù)。

安霸半導體副總裁劉清濤則表示，安霸雖然是一家芯片供應(yīng)商，但一貫遵循「算法優(yōu)先」策略，尤其是考慮到 AI 算法仍然在快速演進，因此在芯片開發(fā)過程中會廣泛測試和評估開源網(wǎng)絡(luò)和自研算法，評估當下主流神經(jīng)網(wǎng)絡(luò)的同時超前考慮未來算法方向。

在 AI 域控制器芯片 CV3-AD 的開發(fā)過程中，安霸就測試了幾百種的開源算法，甚至整個芯片的開發(fā)都是圍繞著通用型算法進行的優(yōu)化，包括對 Transformer 神經(jīng)網(wǎng)絡(luò)進行了專門的支持。

這也是 CV3-AD 在更早前的 2022 年 CES 上發(fā)布，卻能支持后來流行的用于 BEV 的 Transformer 算法的根本原因。

在今年的 CES 上，安霸發(fā)布了 CV3-AD 系列芯片的最新產(chǎn)品：

CV3-AD635和 CV3-AD655。

其中，CV3-AD635 高效支持多個攝像頭及毫米波雷達，可實現(xiàn)主流的 L2+ 自動駕駛功能，如高速公路自適應(yīng)巡航和自動泊車；

CV3-AD655 支持更高等級的 L2++ 和城區(qū)自動駕駛功能，并高效支持更多的攝像頭、毫米波雷達、激光雷達和其他傳感器。

聯(lián)合此前發(fā)布的兩款芯片：

適用 L3/L4 自動駕駛系統(tǒng)的旗艦產(chǎn)品 CV3-AD685 和主打中國市場的 CV72AQ，CV3-AD 系列芯片算力覆蓋范圍廣，可以滿足汽車廠商從主流車型到中高端車型的算力要求。

在神經(jīng)網(wǎng)絡(luò)處理能力方面，CV3-AD685 是 CV3-AD655 的3 倍；CV3-AD655 是 CV3-AD635 的 2 倍。

據(jù)安霸介紹，從 CV72AQ 到 CV3-AD685，芯片的 AI 性能提高到 18 倍，是目前「汽車行業(yè)中性能覆蓋范圍最廣的、兼容性最好的 AI 域控芯片系列」。

安霸芯片登上的量產(chǎn)車型

這背后是安霸自研的一套 AI 算法加速硬件引擎 CVflow——采用特殊的流架構(gòu)、支持非結(jié)構(gòu)化稀疏，內(nèi)嵌多種非線性運算加速硬件，同時又和 ISP 集成在一起。

這帶來的好處是：在真實環(huán)境運行 Transformer 算法時 AI 性能、性能功耗比和內(nèi)存帶寬效率優(yōu)勢明顯。

03、單芯片、強耦合、平臺化：高階智駕芯片產(chǎn)業(yè)再升級

高階智駕芯片解決要素錯配，不是某一家企業(yè)能推動得了，而要靠汽車芯片產(chǎn)業(yè)技術(shù)路線再升級。

這一技術(shù)路線升級可以概括為：

單芯片、強耦合、平臺化。

過去，英偉達和 TI 分別在高算力、低算力芯片上占據(jù)多芯片行泊一體方案的半壁江山。

特別是前期面向高階智駕需求，算法的演進路徑尚不清晰的行業(yè)現(xiàn)象，車企們普遍先拼配置、做硬件預(yù)埋、準備系統(tǒng)冗余，雙 Orin 乃至 4 Orin 的方案率先成為主流方案。

這背后也存在一個原因——高階智駕滲透前期，通用芯片更受歡迎。

從芯片設(shè)計理念出發(fā)：

通用芯片為了無法沒有固化的業(yè)務(wù)作出的靈活設(shè)計，比如 GPU、FPGA 是目前比較成熟的通用型芯片。通用芯片在設(shè)計之初會加入預(yù)留模塊，優(yōu)點是通用性高、修改性強，但相應(yīng)地功耗高、價格也更貴。

專有芯片是針對固化業(yè)務(wù)進一步「降本增效」，專用芯片針對單一功能設(shè)計，速度快、功耗低，相應(yīng)成本也更低。

在高階智駕滲透前期，需要給芯片留出「試錯空間」，因此英偉達 Orin 系列芯片作為通用芯片大受歡迎。

但隨著高階智駕逐漸走向深水區(qū)，專用芯片則會成為必然趨勢。

比如安霸 CV3-AD 系列芯片就是專用芯片，支持各種網(wǎng)絡(luò)模型，大到 LLM（多模態(tài)大模型），小到各種嵌入式前端的網(wǎng)絡(luò)。

但專用芯片只是增本增效的第一步，單芯片方案對算力資源的深度復(fù)用及成本優(yōu)勢，有望使其成為大算力域控的長遠終極方案。

相比于多芯片，單芯片如果匹配充足 AI 的算力支持及多源異構(gòu)架構(gòu)設(shè)計，可以滿足高階智駕所需的各類傳感器接入，與之匹配各類存儲器和帶寬需求并預(yù)留擴充接口，各類 buff 疊滿后相比多芯片有天然優(yōu)勢：

• 傳感器深度復(fù)用，計算資源完全共享，AI 算力需求可比多芯片大幅降低；

• 不再需要與各自 SoC 配套的多套電源芯片和存儲芯片，更具成本優(yōu)勢；

• 芯片級穩(wěn)定性天然高于板級穩(wěn)定性，兩套系統(tǒng)間交互衍生的開發(fā)難度和開發(fā)成本也不復(fù)存在。

安霸半導體副總裁劉清濤表示，多芯片只是權(quán)宜之計，從成本上來說雙芯片要兩套電源，從穩(wěn)定性來說，單芯片級別的穩(wěn)定性與連接板級別的穩(wěn)定性不可同日而語。

眼下，以安霸為代表的單芯片行泊一體方案均已陸續(xù)登場，志在單顆芯片包打全場景 NOA。

在高階智駕開發(fā)中，芯片和算法的關(guān)系已完全不同于傳統(tǒng)的邏輯計算架構(gòu)。

如果說過去兩者的關(guān)系是芯片先行，算法在后，那今天，兩者的關(guān)系變成了相互定制。

芯片在設(shè)計之初，就需要考慮后續(xù)實際運行的先進算法架構(gòu)，算法的設(shè)計過程既需要、也有極大機遇根據(jù)芯片硬件架構(gòu)適配升級。

在此背景下，芯片公司做自動駕駛軟件的驅(qū)動力不斷凸顯，一方面為下一代 AI 芯片或 AI 引擎進行開展算法預(yù)研，更進一步改善芯片架構(gòu)或微架構(gòu)，推動部署優(yōu)化，甚至打通是算法和芯片，提升可擴展性。

以英偉達、安霸為代表的芯片廠商，已經(jīng)在軟硬協(xié)同、全棧優(yōu)化方面動作頻頻。這些芯片廠商基本上都以「芯片+開發(fā)工具鏈」的形式給到客戶。

更有壓力的是，蔚來、理想、比亞迪等車企也都陸續(xù)向上游芯片自研摩拳擦掌。

安霸則根植于「算法優(yōu)先」已先行一步，一方面在芯片開發(fā)過程中保持領(lǐng)先架構(gòu)，同時作為一家 AI 視覺芯片公司，也一直在下一局關(guān)于「算法」的棋局。

一家企業(yè)的稟賦總是與其誕生背景息息相關(guān)。

過去，ISP、圖像處理、視頻壓縮編碼算法是安霸在消費、安防、汽車等領(lǐng)域的一貫長項，這決定了其在自動駕駛圖像視覺上天然的稟賦。

安霸芯片賦能的安防攝像頭

安霸先后的兩次收購動作則增強了其在自動駕駛算法的業(yè)務(wù)能力。

比如 2015 年收購 VisLab 后，安霸在硬件層面整合了自動駕駛感知算法。在 2021 年收購傲酷后，安霸吸納了大量 4D 毫米波雷達及融合算法。

一個案例是，安霸在 CV3 中就去掉雷達前端 DSP，用 GVP 專門處理雷達信息，實現(xiàn)原始數(shù)據(jù)集中處理和底層跨模態(tài)融合。

CV3 系列芯片是安霸算法先行的代表之作。

安霸的 CV3 系列芯片采用新一代 CVflow 架構(gòu)，其中神經(jīng)矢量處理器 NVP 通過對 Transformer 網(wǎng)絡(luò)進行硬件加速，支持 BEV+Transformer 算法更快落地。

業(yè)界對芯片的期待更是結(jié)構(gòu)性的降本增效，從而系統(tǒng)支持智駕帶來的銷量紅利，在激烈競爭中突出重圍。

這也對芯片的「平臺化」提出了更高要求。

安霸 CV3 全系列統(tǒng)一 SDK，這意味著在一套硬件架構(gòu)下實現(xiàn)算法、中間件、應(yīng)用軟件等各層面遷移復(fù)用，從而覆蓋不同自動駕駛等級和各個智駕細分領(lǐng)域，釋放芯片的硬件潛力和利用效率，節(jié)約投入的同時縮短開發(fā)周期。

安霸總裁兼 CEO 王奉民曾表示，安霸已經(jīng)把中國市場作為全球戰(zhàn)略重點，CV3 系列的首批收入也將來自中國。

現(xiàn)在，智駕芯片更像是智駕技術(shù)、車企定制化需求、再帶點營銷詞匯的內(nèi)卷產(chǎn)物。

就像今天，我們說算力，有的廠商會用 GPU 的乘積累加矩陣運算算力來定義，有的廠商會在這個基礎(chǔ)上加上每秒圖像幀率 FPS 的數(shù)據(jù)。

但走上城區(qū)道路的高階智駕到底需要怎樣的芯片，除了以上總結(jié)的多個趨勢外，一個概念也會越發(fā)清晰：

高階智駕需要的芯片，不只在于芯片本身，更在于其是否能夠去偽存真，更加標準化深度參與智駕功能的開發(fā)。

這考驗的反而是「低調(diào)」的能力。

高階智駕市場是新一輪的牌局，而最適合高階智駕的芯片一定會在最卷的中國市場率先被驗證。

返回第一電動網(wǎng)首頁 >