【芯智駕】算力必須預埋? 軟件定義汽車的算力需求將動態變化

芯智駕──集萃產學研企名家觀點，全面剖析AI芯片、第三代半導體等在汽車“大變形”時代的機會與挑戰！

7月10日，在2021世界人工智能大會的智能駕駛論壇，英偉達中國區自動駕駛業務總經理劉通表示：“自動駕駛未來的形態是軟件定義汽車。”

英偉達中國區自動駕駛業務總經理劉通

其實，在過去十多年，“軟件定義”已顛覆了IT行業、手機行業。而且，軟件定義的手機帶來的“硬件成本化、軟件利潤化”商業模式已逐漸被接受，廣大用戶愿意為其買單，這也是為何今天蘋果手機的市值為何如此之高，軟件定義的蘋果，不斷通過服務產生價值，在全生命周期給用戶帶來無限魅力。

自動駕駛的發展，高度依賴人工智能

業界有很多人用手機的變革來類比汽車行業未來的變革，但也有人認為這樣簡單的類比很片面、不合適。對此，劉通指出：“目前，不用太在意這些瑕疵，更為關鍵的是，從手機走過的路，以及商業模式的變革，可以說軟件定義的智能手機對軟件定義的汽車，將有很好的的借鑒作用。”

從功能機到智能機，手機的軟件和硬件從緊密結合到分離，手機轉變為一個軟件平臺，支持應用生態系統，而不管底層的硬件是什么。與手機行業一樣，軟件定義汽車下，汽車架構的改變也帶來軟硬件解耦，新商業模式也隨之而起。

傳統的商業模式是，汽車在銷售時便已具備全部功能，處于最好的狀態。而軟件定義將為之帶來全新魅力，劉通表示，從購買的第一天開始，汽車會變得越來越完美，更重要的是，這將顛覆原來的商業模式，以前靠銷售硬件賺錢，如今通過軟件升級收費，讓用戶在整個汽車生命周期不停地對整車廠產生利潤。

這一市場對于價值鏈上參與者十分具有吸引力。劉通表示，“未來所有移動的設備都有自動駕駛的能力，無論是乘用車、商用車，還是出租車、無人配送等，其市場非常廣闊。”

自動駕駛時代的汽車，演變為最大的智能移動終端，簡單來講就是車載大腦加四個輪子，其中扮演“眼睛”、“大腦”的各種傳感器，以及計算平臺將高度依賴人工智能技術，而且是人工智能重要的應用場景之一。眾所周知，英偉達創造了人工智能領域的技術基礎，面向汽車行業，它的目標是提供功能最全、性能最強的自動駕駛技術方案。

芯片的大算力，為未來而預埋

那么，芯片供應商如何從技術上賦能軟件定義汽車？

在近期舉辦的集微半導體峰會上，黑芝麻智能CMO楊宇欣曾談到，“軟件定義汽車”是汽車智能化的發展趨勢，越來越多的軟件應用運營在硬件平臺之上，這背后需要強大的計算平臺“預埋”，才能支撐軟件的不斷迭代。比如特斯拉以預裝大算力SoC芯片，通過OTA實現汽車功能增加和性能提升。

圖片來源：網絡

在軟件定義汽車時代，算力怎么樣才算夠？對此，劉通表示，“從我們的認知，以及與行業的溝通發現，軟件定義汽車對算力的需求是動態的，不是靜止的，今天可能需要100TOPS，但算法是不斷開發的，需要訓練大型的數據，所以需要的算力也在不斷變化中。為了使汽車在全生命周期都能給用戶帶來驚喜，因此，算力必須預埋，以滿足軟件定義汽車的需求，要想富，先修路，因此，對于算力更應該有前瞻性的認知：其是為未來而預埋。”

算力代表汽車芯片的真實性能嗎?

為滿足自動駕駛的算力需求，該領域的諸多芯片供應商也內卷到有關大算力的軍備競賽中。那么，對于自動駕駛，究竟是不是算力值越大越好呢？劉通談到，“大家關注芯片的算力時，但單獨講TOPS沒有意義，關鍵是要看芯片的綜合能力，這才是自動駕駛需要的”。

關于算力是否代表汽車芯片的真實性能，地平線的創始人兼CEO余凱也曾表示：“頂級芯片公司一定不能夠以多少TOPS來膚淺地、簡單地去講這個故事，高算力意味著什么？它不是你的效用、性能、不是用戶價值，它是給車企的成本。” 余凱認為，鋪物理算力并不真正產生用戶價值，物理算力峰值計算效能等于晶體管數目乘以主屏，這個由芯片生產商決定，也即車企的成本；真正的價值應該在于最先進的神經網絡在芯片上面能夠跑多快。

如何看待芯片的綜合能力？以英偉達今年發布的下一代自動駕駛汽車產品NVIDIA DRIVE Atlan為例，利用最新的GPU架構、全新Arm CPU內核以及深度學習和計算機視覺加速器。GPU在自動駕駛中用來做推理；最新ARM CPU在芯片模組上，可以完成更復雜的操作系統的操作；最后，配備DPU，這是英偉達為數據中心、數據交換新發明的新處理器，可提供400G/s的傳輸數據速度，這意味著傳感器、攝像圖可以擁有更高的速度將核心數據傳輸到核心大腦，還提供可信賴的安全性、高級網絡和存儲服務。劉勇強調：“Atlan集成的這3款GPU、CPU、DPU都是軟件定義的，而且只有軟件定義的芯片，才能實現軟件定義的汽車。”

走向中央計算機架構，或是汽車缺芯的終極解決方案？

軟件定義汽車趨勢下，汽車電子電氣架構也發生本質的變化，從分布式ECU架構進階到域控制器的集中式架構，最終將走到中央計算機架構。當然，這勢必對整車計算性能提出了更高的要求。

圖片來源：地平線

在分布式架構中，車輛各功能由不同的單一ECU控制。據悉，從1993年到2010年，奧迪A8車型上使用的ECU數量從5個驟增至上百個。但進入智能駕駛、自動駕駛時代，原有分布式架構中每個ECU各自為政，運算能力不一，數據之間很難共享，難以支持更多智能的、復雜的功能。

如今，在車輛中，區域控制器應運而生，其作為節點，可以協調域下的各個ECU，同時擔負域內主要的運算職責，解決數據壁壘的問題。“最為關鍵的是，集成式的電子電氣架構能解決車企當下缺芯面臨的供應鏈問題” 劉通指出。

眾所周知，自2020年年底以來的全球汽車產業“芯片荒”愈演愈烈，全球汽車停產達數百萬輛，帶來的損失已超上千億美元。分布式的汽車架構中，不同ECU來自不同供應商，車廠后期維護升級困難且繁瑣，在汽車行業廣泛缺芯的當下，想想車廠要與數十家不同的芯片供應商討論商議供應鏈問題，帶來的負擔更為沉重。

如何解決芯片缺貨，已經成為全球高度關注的課題。對此，余凱曾公開認為，走向中央計算機架構將是汽車芯片缺貨的終極解決方案，因為它能極大簡化供應鏈管理、提升效率。

（Jimmy）

,依諾娃,WWW.66juju.COm,巨乳搜查官 http://www.cityruyi.com/lm-2/lm-3/7531.html