算力堆不出自動駕駛


作者丨王小西

責編丨查攸吟

編輯丨別緻

最近,一則新聞震動業界,賽靈思亞太地區實驗室首席工程師、實驗室主任胡成臣確認加入蔚來汽車,在技術規劃領域擔任首席專家、助理副總裁一職。


這則新聞的背後,是蔚來汽車自研AI晶片的加速。蔚來汽車的目的很清楚,就是像特斯拉一樣,建立起自動駕駛能力閉環。而要建立這種閉環,晶片是繞不過去的一關。

實際上,從去年開始,我們發現,智慧晶片(AI晶片)這個領域再次迅速進入高光時刻,除了雲端居壟斷地位的英偉達,國內無論是地平線,還是黑芝麻,都引起了業界極大關注。而算力的不斷提升,也讓各大車企對進入算力的“軍備競賽”產生焦慮。

比如,今年英偉達釋出業內首款1000TOPS的SoC,相位元斯拉FSD單晶片算力72TOPS提升超過一個數量級。而在國內,也有地平線的征程5,算力最高達到128TOPS,以及黑芝麻A1000Pro,算力達到106TOPS等等。


但是,我們的一個問題就是,追求TOPS算力真的有那麼重要嗎?是不是堆疊晶片的算力,就能達到目的了?業內似乎進入了“唯算力論”的誤區。所以,這裡簡單探討一下。

01 算力VS軟體

地平線創始人兼CEO餘凱打過一個比方,“如果說動力電池是未來汽車的心臟,那麼智慧晶片就是未來汽車的大腦。”AI晶片作為未來車載計算中心的核心,其作用當然非常重要。

目前,這些汽車主控晶片的結構形式是由MCU向SoC異構晶片(ASIC結構)方向發展。根據觀研天下的預測,全球自動駕駛汽車上的AI晶片(推理),其市場規模將從2017年的1.42億美元,年均增長135%至2022年的102億美元,遠超AI晶片(手機側)的市場規模34億美元。


而部署於邊緣端的(像地平線這樣的)AI晶片/內建單元的市場規模佔比,也將從2017年的21%上升到2022年的47%。其年均增速123%,超過部署於雲端的AI晶片75%的年均增速。GPU(圖形處理器,Graphics Processing Unit)市場份額則會從2017年的70%下降到2022年的39%。

延伸閱讀  馬斯克降價15%出售加州最後一套豪宅

但是,在“軟體定義汽車”的情況下,車企的核心能力到底應該是什麼?這是業界思考的一個問題。是不是唯晶片算力馬首是瞻呢?

實際上不見得。還是需要辯證地看。我們說“資料是生產資料”,而提供處理資料的晶片是工具,不可能工具反客為主成為核心。工具是必備的,但是更重要的核心是跑在上面的軟體。而隨著各個晶片企業算力的快速提升,這個問題很快會變得不是問題。


此外,車企面對的消費端是不是立刻就需要那麼高階的算力呢?也不見得。目前,車企號稱8核晶片算力多強的多了,但是真的車機系統就流暢、好用了?

我們知道,近年“軟硬體解耦”的趨勢以及“軟硬體融合”的提法都有。實際上,軟體與硬體從來沒有真正分離過,一直都是相互融合發揮作用的。

以PC時代的WinTel聯盟為例,在WinTel架構下,Intel晶片和Windows作業系統高度協同,最終才能產生壟斷市場份額的效果,缺一不可。

所以,地平線創始人和CEO餘凱有句話講得非常到位,晶片就是軟體的舞臺,衡量晶片優劣的標準,要看晶片之上的軟體能否最大化地發揮作用。當然不是說算力不重要,算力和軟體之間需要有效匹配。兩款相同算力的晶片比較,能讓軟體執行得更高效的晶片才是“好晶片”。


而且,作為車企來說,還有一個晶片的成本問題。現在的一種傾向是“L4硬體+L2軟體”,先硬體“預埋”以達標或者超標,軟體上慢慢積累。但是反過來說,這是不是一種浪費?恐怕,還是要“對每一個TOPS都要精打細算地使用。”

比如,超星未來聯合創始人兼技術長樑爽在最近一次論壇上說過,現在算力的軍備競賽是已經掀起來了,但是晶片的算力本質上對於智慧駕駛系統還是必要不充分的條件,“現在大家更多提的算力是峰值算力。我們經常會看到一個優化程度不好的晶片宣稱有10TOPS算力,實際跑出來的應用等效只有3~4TOPS的算力。”

說到底,是要AI演算法流暢地跑在晶片上,最終,這成為一個非常複雜的需要進行系統優化設計的問題。

02 算力的“罩門”

作為現代科技工業中的集大成者和數字經濟“基礎設施”的晶片,彙集了最複雜、最尖端、最精密的基礎性技術,以及高階人才和資金,無疑是未來爭奪的焦點。


不過,由於晶片製造越來越複雜,晶片製程每提升一代往往就需要投入數百億美元,我們可以看到,晶片製造逐漸集中到臺積電、三星等少數幾家公司。相應的,很多老牌晶片企業都放棄了製造,專注於設計。

延伸閱讀  魏建軍:長城汽車不造手機 也不上天

所以,晶片設計公司的創新能力也變得更加重要。隨之而來的,還有AI晶片公司和AI演算法公司之間的紛爭。不過,像英偉達這種TOP級的晶片公司,軟體工程師其實比硬體工程師還要多。換句話說,晶片公司的底層技術都是包含著硬體和軟體的。

而且,我們說晶片最終是為車企的車載計算平臺服務的。所以,行業需要思考一個問題是,解決智慧駕駛系統計算平臺的支撐問題,是否只能通過晶片算力堆疊來實現?


答案顯然是否定的。儘管汽車智慧化需要更強的運算能力,但業內專家也表示:“算力也不能說無限增長,晶片PPA(功耗、成本和麵積)都是很要命的。”

這是因為,對於車載AI晶片來說,算力指標重要,能效比更重要。在傳統晶片行業,PPA是最經典的效能衡量指標。而現在出於自動駕駛對算力的追求,業界還是把“峰值算力”當作衡量AI晶片的主要指標的話,就導致了一種“唯算力論”的偏頗。

這方面,地平線提出了一個新的方法MAPS(Mean Accuracy-guaranteed Processing Speed,在精度有保障範圍內的平均處理速度),用以評估晶片的AI真實效能。而在業內沒有統一的測評標準情況下,目前還只能算是一家之言。

不過功耗方面地平線還是有巨大優勢的。我們以地平線2020年最先商用量產的征程2晶片為例,它搭載自主研發的計算架構BPU2.0(Brain Processing Unit),可提供超過4TOPS的等效算力,典型功耗僅2瓦,而且,每TOPS的AI能力輸出可達同等算力GPU的10倍以上。

對於車企來說,在最高效能模式下,如果自動駕駛控制器的晶片功耗級別較高,即便其自身效能強勁,但也會引發某些不可預知的隱患,如發熱量成倍增加,耗電率成倍增加,這些結果對於智慧電動車來說毫無疑問是顆“雷”。因此,車企在自動駕駛晶片的選用中都會充分考慮其功耗指標。

我們說,AIoT時代大量的邊緣AI應用(智慧電動車就屬於邊緣端應用),對邊緣智慧計算提出更高要求。而邊緣端一般條件會比較差,要求低功耗,AI邊緣計算要解決的就是在功耗限制下提供最好的算力支援,以及配套的記憶體支援、連線能力。

也就是說,車企不大會擔心車用電的問題,但晶片散熱功耗等問題還是必須考慮的。以行業人士的分析來說,晶片算力的無限膨脹和硬體預埋不會是未來的趨勢,硬體也需要匹配實際,有業內人士就說過,“特別是在SoC上,我們需要精準高效的算力來適配電子電氣架構的變革。”

延伸閱讀  中保研碰撞測試表現最差的三十款車公佈:帕薩特居前五,思域上榜!


還有一個可能的情況是,未來在智慧座艙域、自動駕駛域等的主晶片選擇上,越來越多車企可能會選擇同一家SoC晶片,原因就在於軟體適配性更好,可以大幅節約開發週期與成本。像現在多家車企選擇地平線的征程晶片,就是最好的例子。

最後說說,從曾任百度總裁的陸奇博士最近提出的“母生態”這個概念來說,智慧汽車將是繼PC、智慧手機之後更大的母生態,也是中國汽車行業和科技產業最大的機遇所在。而且,晶片所在的科技產業逐步走向成熟的標誌之一就是形成完整的生態。出於對未來生態的爭奪,也需要晶片公司更加註重算力和軟體匹配的問題。

Scroll to Top