【芯智驾】算力必须预埋? 软件定义汽车的算力需求将动态变化

芯智驾──集萃产学研企名家观点，全面剖析AI芯片、第三代半导体等在汽车“大变形”时代的机会与挑战！

集微网消息，7月10日，在2021世界人工智能大会的智能驾驶论坛，英伟达中国区自动驾驶业务总经理刘通表示：“自动驾驶未来的形态是软件定义汽车。”

英伟达中国区自动驾驶业务总经理刘通

其实，在过去十多年，“软件定义”已颠覆了IT行业、手机行业。而且，软件定义的手机带来的“硬件成本化、软件利润化”商业模式已逐渐被接受，广大用户愿意为其买单，这也是为何今天苹果手机的市值为何如此之高，软件定义的苹果，不断通过服务产生价值，在全生命周期给用户带来无限魅力。

自动驾驶的发展，高度依赖人工智能

业界有很多人用手机的变革来类比汽车行业未来的变革，但也有人认为这样简单的类比很片面、不合适。对此，刘通指出：“目前，不用太在意这些瑕疵，更为关键的是，从手机走过的路，以及商业模式的变革，可以说软件定义的智能手机对软件定义的汽车，将有很好的的借鉴作用。”

从功能机到智能机，手机的软件和硬件从紧密结合到分离，手机转变为一个软件平台，支持应用生态系统，而不管底层的硬件是什么。与手机行业一样，软件定义汽车下，汽车架构的改变也带来软硬件解耦，新商业模式也随之而起。

传统的商业模式是，汽车在销售时便已具备全部功能，处于最好的状态。而软件定义将为之带来全新魅力，刘通表示，从购买的第一天开始，汽车会变得越来越完美，更重要的是，这将颠覆原来的商业模式，以前靠销售硬件赚钱，如今通过软件升级收费，让用户在整个汽车生命周期不停地对整车厂产生利润。

这一市场对于价值链上参与者十分具有吸引力。刘通表示，“未来所有移动的设备都有自动驾驶的能力，无论是乘用车、商用车，还是出租车、无人配送等，其市场非常广阔。”

自动驾驶时代的汽车，演变为最大的智能移动终端，简单来讲就是车载大脑加四个轮子，其中扮演“眼睛”、“大脑”的各种传感器，以及计算平台将高度依赖人工智能技术，而且是人工智能重要的应用场景之一。众所周知，英伟达创造了人工智能领域的技术基础，面向汽车行业，它的目标是提供功能最全、性能最强的自动驾驶技术方案。

芯片的大算力，为未来而预埋

那么，芯片供应商如何从技术上赋能软件定义汽车？

在近期举办的集微半导体峰会上，黑芝麻智能CMO杨宇欣曾谈到，“软件定义汽车”是汽车智能化的发展趋势，越来越多的软件应用运营在硬件平台之上，这背后需要强大的计算平台“预埋”，才能支撑软件的不断迭代。比如特斯拉以预装大算力SoC芯片，通过OTA实现汽车功能增加和性能提升。

图片来源：网络

在软件定义汽车时代，算力怎么样才算够？对此，刘通表示，“从我们的认知，以及与行业的沟通发现，软件定义汽车对算力的需求是动态的，不是静止的，今天可能需要100TOPS，但算法是不断开发的，需要训练大型的数据，所以需要的算力也在不断变化中。为了使汽车在全生命周期都能给用户带来惊喜，因此，算力必须预埋，以满足软件定义汽车的需求，要想富，先修路，因此，对于算力更应该有前瞻性的认知：其是为未来而预埋。”

算力代表汽车芯片的真实性能吗?

为满足自动驾驶的算力需求，该领域的诸多芯片供应商也内卷到有关大算力的军备竞赛中。那么，对于自动驾驶，究竟是不是算力值越大越好呢？刘通谈到，“大家关注芯片的算力时，但单独讲TOPS没有意义，关键是要看芯片的综合能力，这才是自动驾驶需要的”。

关于算力是否代表汽车芯片的真实性能，地平线的创始人兼CEO余凯也曾表示：“顶级芯片公司一定不能够以多少TOPS来肤浅地、简单地去讲这个故事，高算力意味着什么？它不是你的效用、性能、不是用户价值，它是给车企的成本。” 余凯认为，铺物理算力并不真正产生用户价值，物理算力峰值计算效能等于晶体管数目乘以主屏，这个由芯片生产商决定，也即车企的成本；真正的价值应该在于最先进的神经网络在芯片上面能够跑多快。

如何看待芯片的综合能力？以英伟达今年发布的下一代自动驾驶汽车产品NVIDIA DRIVE Atlan为例，利用最新的GPU架构、全新Arm CPU内核以及深度学习和计算机视觉加速器。GPU在自动驾驶中用来做推理；最新ARM CPU在芯片模组上，可以完成更复杂的操作系统的操作；最后，配备DPU，这是英伟达为数据中心、数据交换新发明的新处理器，可提供400G/s的传输数据速度，这意味着传感器、摄像图可以拥有更高的速度将核心数据传输到核心大脑，还提供可信赖的安全性、高级网络和存储服务。刘勇强调：“Atlan集成的这3款GPU、CPU、DPU都是软件定义的，而且只有软件定义的芯片，才能实现软件定义的汽车。”

走向中央计算机架构，或是汽车缺芯的终极解决方案？

软件定义汽车趋势下，汽车电子电气架构也发生本质的变化，从分布式ECU架构进阶到域控制器的集中式架构，最终将走到中央计算机架构。当然，这势必对整车计算性能提出了更高的要求。

图片来源：地平线

在分布式架构中，车辆各功能由不同的单一ECU控制。据悉，从1993年到2010年，奥迪A8车型上使用的ECU数量从5个骤增至上百个。但进入智能驾驶、自动驾驶时代，原有分布式架构中每个ECU各自为政，运算能力不一，数据之间很难共享，难以支持更多智能的、复杂的功能。

如今，在车辆中，区域控制器应运而生，其作为节点，可以协调域下的各个ECU，同时担负域内主要的运算职责，解决数据壁垒的问题。“最为关键的是，集成式的电子电气架构能解决车企当下缺芯面临的供应链问题” 刘通指出。

众所周知，自2020年年底以来的全球汽车产业“芯片荒”愈演愈烈，全球汽车停产达数百万辆，带来的损失已超上千亿美元。分布式的汽车架构中，不同ECU来自不同供应商，车厂后期维护升级困难且繁琐，在汽车行业广泛缺芯的当下，想想车厂要与数十家不同的芯片供应商讨论商议供应链问题，带来的负担更为沉重。

如何解决芯片缺货，已经成为全球高度关注的课题。对此，余凯曾公开认为，走向中央计算机架构将是汽车芯片缺货的终极解决方案，因为它能极大简化供应链管理、提升效率。

（校对/Jimmy）