晶彩智能完成数千万元Pre-A轮融资，由中国经济合作鲁信创业投资基金
06-18
受疫情影响，原定于4月底举办的北京车展被推迟，尚未举办。
这也使得刚刚开幕的成都车展成为今年首个A级车展。
本次展会上，各大车企和供应商将智能驾驶的“军备竞赛”推向高潮：一方面，智能驾驶的使用场景从高速、自动停车向城市延伸；另一方面，激光雷达、高清摄像头、高算力芯片等硬件产品正在加速上市。
尤其是高算力芯片成为越来越多汽车厂商的主要卖点，多款车型的自动驾驶计算平台已经超过TOPS。
这里的“TOPS”是计算机的计算能力单位。
1TOPS 意味着处理器每秒可以执行一万亿 (10^12) 次操作。
这背后是汽车竞争逻辑的变化。
传统汽车时代的竞争主要围绕动力、控制和空间展开。
但智能汽车发展的背后是整车计算平台的演变，从最初的分布式计算、单个子系统有自己的ECU，到域控制器逻辑、按功能划分的综合控制计算，最后到实现整车算力高速集中、智能分配。
这也对芯片的性能提出了更高的要求。
因此，现在很多车厂宣传的重点之一就是NVIDIA或者高通芯片的运算能力有多强大。
这不禁让人想起手机、电脑厂商多年来围绕芯片进行营销的习惯。
对于汽车来说，是不是像电脑或者手机一样，芯片速度越快、运算能力越高越好？答案可能不是你想的那样。
从“马力”到“算力” 目前，“算力”已经成为评价一辆汽车的重要指标。
2016年特斯拉推出HW3.0芯片时，TOPS的算力是当时业界最高的，让很多车企认识到算力对于智能汽车的重要性。
当时NVIDIA的Orin芯片还没有量产。
主打产品是发布的Xavier芯片，采用12nm工艺，算力达到30TOPS。
蔚来ET7 |新的一年，视觉中国将本次大赛提升到了新的水平。
年初的NIO Day，创始人李斌发布了他们的第一辆车——ET7。
与当时的其他车型相比，其最大的亮点之一就是它是第一款采用Nvidia Orin芯片的量产汽车。
目前量产的自动驾驶芯片中，Orin被认为是单芯片算力最高、技术最先进、量产节奏最快的。
在接下来的一年半时间里，芯片与算力的结合已经成为一种趋势。
最近，越来越多的车企开始推出拥有大算力的平台。
就像手机一样，越来越多的汽车发布会开始利用计算能力和芯片作为宣传噱头。
从数据来看，算力最强的芯片是蔚牌摩卡DHT-PHEV激光雷达版。
搭载豪魔智行联合高通打造的Snapdragon Ride芯片，综合算力达到TOPS；紧随其后的是蔚来ET7和WM7，均采用四颗NVIDIA Orin-X自动驾驶芯片，车载系统最大算力达到TOPS；随后的小鹏G9和Lideal L9则采用了两颗NVIDIA OrinX芯片，算力也达到了TOPS……反观一直被认为是智能汽车标杆的特斯拉，配备了FSD辅助的总算力驱动芯片依然是TOPS。
从汽车芯片厂商来看，与智能手机行业类似，竞争对手也呈现多元化。
其中包括老牌芯片制造商英伟达、英特尔和高通，以及大型机制造商（特斯拉）、中国初创企业（地平线等）和IT巨头华为。
其中，在智能座舱领域，比较出名的芯片是高通的以及基于其Journey 2和Journey 3芯片的Halo 2.0和Halo 3.0解决方案；在智能驾驶领域，有Nvidia的Orin和Intel的MobileEye Q4和Q5，华为刚刚发布的MDC系列，还有已经上市的Journey 2和Journey 3以及正在上市的Journey 5和Journey 6。
即将量产。
总体来说，自动驾驶与智能座舱芯片最大的区别在于，智能驾驶需要更强的NPU算力来支持自动驾驶算法的实现。
NVIDIA Orin 芯片 |视觉中国 据公开资料显示，NVIDIA可以说是智能驾驶芯片赛道上的算力霸主。
目前，明确采用Orin芯片的主机厂有蔚来汽车、理想汽车、上汽智机、威马汽车、沃尔沃、路特斯、高合汽车、极度汽车、小马智行等。
然而，主机厂商在选择芯片时，不仅仅考虑单芯片的性能强弱，还要考虑性价比以及相关软件生态系统和工具链的成熟度。
为了打造差异化的体验，主机制造商需要芯片支持传感器的“多种输入”并保持高度的灵活性。
目前，基于NVIDIA Orin芯片构建的自动驾驶平台可支持12个外部摄像头、3个内部摄像头、9个雷达、12个超声波雷达和1个前置激光雷达。
这基本上涵盖了大多数OEM厂商的传感器配置。
整体性价比较高。
这也是很多车型采用Orin芯片的主要因素。
车企之间的“堆栈战争”让车企对算力“饥渴”。
这就是日益流行的智能驾驶技术。
现阶段，市场上量产车型的自动驾驶水平一般在L2~L3之间，可实现自动紧急制动（AEB）、主动巡航控制（ACC）、车道偏离辅助（LKA）等功能。
。
一般来说，现阶段对算力的要求并不高，几十TOPS的算力就足够了。
那么为什么现在越来越多的OEM厂商将芯片算力提升到了TOPS呢？这与智能驾驶的加速落地有关，主要体现在自动驾驶的使用场景上，从最早的自动泊车、高速公路等单一场景，到逐渐延伸到多场景甚至全场景。
自动驾驶的主流场景有3种。
按照实施难度从低到高分别是高速公路/环路、停车场、市区。
目前高速/环路场景体验已经不错，2020年被认为是城市自动驾驶元年。
随着自动驾驶场景的扩大，激光雷达+视觉+毫米波雷达的多传感器冗余方案正在成为主流。
目前主流机型的传感器数量已经超过30个，传感器越多，网络越深，网络数量越多，这些对芯片的算力提出了很大的要求。
因此，硬件预埋和软件OTA迭代成为主机厂商的主流策略。
车企在量产车上装配高水平智能驾驶硬件，将芯片直接移至高水平（L4）生命周期，通过硬件快速爬坡获取大量数据，然后不断进行技术迭代关于体验。
因为自动驾驶想要突破到更高的层次，需要数据、算法、算力来实现闭环，用数据来驱动算法的迭代。
汽车芯片|当然，主机厂推出这些高算力芯片不仅是技术发展的需要，还有营销因素。
回想一下过去的智能手机。
凭借大屏幕、快速充电、更大的电池容量、内存和高像素摄像头，它们在各种宣传和排名中吸引了大量关注。
因此，智能汽车目前正在模仿智能手机的营销策略。
就像人们谈论手机配置一样，汽车的芯片配置也将是消费者每天谈论的话题之一。
事实上，算力军备竞赛的背后，更多地反映出车企的焦虑。
尽管自动驾驶已经发展了十多年，但各种细分技术仍在向外迭代和延伸，这也意味着技术方向和市场充满不确定性。
正是因为自动驾驶是个新鲜事物，没人知道怎么做、怎么做好，所以车企往往会提前埋藏一些高配置的硬件，为后续的升级提供基础。
计算能力不等于智力。
在这场军备竞赛中，一些主机厂商变得有些“迷失”，开始堆砌更多配置，追求性能参数。
但高水平自动驾驶能否通过材料堆叠实现？从目前来看，高水平的自动驾驶并不能仅仅通过增加芯片算力来实现。
智能汽车时代，算力、算法和数据是驱动行业发展的三大关键因素。
其中，数据被视为“生产手段”，算法被视为“智慧”，计算能力被视为“肌肉”。
简单来说，智能汽车水平的提升不仅与算力的绝对值有关，还与数据和软件算法的配合有关。
在数据和算法尚未取得突破的情况下，即使算力达到TOPS，也无法实现高水平的自动驾驶。
这就像一个人的身体充满了“肌肉”，但他的“大脑”却不够好。
是一种变形状态。
决定未来汽车差异化的，将是软件及后续迭代带来的性能和功能变化。
例如，特斯拉HW 3.0芯片的单芯片计算能力仅为72 TOPS，与上一代芯片相比并没有太大提升，但自动驾驶性能可提升高达20倍。
更重要的是，产品最终要被用户使用。
目前的高算力芯片并没有给用户体验带来明显的提升。
算力利用率不高，其价值没有得到充分利用。
用户还需要为硬件和软件支付极高的价格。
或许有人认为，车企正在堆砌芯片算力，为未来先进的自动驾驶做准备。
但L4级自动驾驶何时能取得突破，业界尚未达成共识。
Waymo早在2016年就开始自动驾驶商业化，当时内部员工透露99%的问题已经解决。
然而，Waymo 后来在商业化上遇到了挫折，部分原因是解决最后 1% 的问题可能比前 99% 的困难数十倍甚至数百倍。
除了技术问题，先进自动驾驶的实现还取决于基础设施和政府政策法规，包括5G、物联网、智慧城市等的建设进度。
Gartner此前预测，可能需要10年时间才能真正实现实用的L4级自动驾驶。
事实上，类似的情况在PC和手机行业都曾发生过。
如果我们回顾过去几年智能手机的发展，处理器性能和频率越来越高，屏幕越来越大，分辨率越来越高，摄像头越来越好……这些配置并不一定能带来更好的表现。
结果。
或者说是比较明显的体验，但是却带来了很多问题，比如散热问题、充电时间越来越长、价格越来越贵、体积越来越大等等。
当一个行业不断强调性能参数，开始偏离用户真实的使用场景时，就需要警惕了。
这些专注于营销的参数很可能只是昙花一现的噱头。
未来智能汽车的主战场在于差异化体验，而不仅仅是硬件性能参数。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-08
06-18
06-18
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态