在“软件定义汽车”的情况下,车企的核心能力到底应该是什么?

C次元
关注

作者

王小西

提升硬件很重要,但不能陷入“唯算力论”的怪圈。

责编丨查攸吟

编辑丨别致

最近,一则新闻震动业界,赛灵思亚太地区实验室首席工程师、实验室主任胡成臣确认加入蔚来汽车,在技术规划领域担任首席专家、助理副总裁一职。

这则新闻的背后,是蔚来汽车自研AI芯片的加速。蔚来汽车的目的很清楚,就是像特斯拉一样,建立起自动驾驶能力闭环。而要建立这种闭环,芯片是绕不过去的一关。

实际上,从去年开始,我们发现,智能芯片(AI芯片)这个领域再次迅速进入高光时刻,除了云端居垄断地位的英伟达,国内无论是地平线,还是黑芝麻,都引起了业界极大关注。而算力的不断提升,也让各大车企对进入算力的“军备竞赛”产生焦虑。

比如,今年英伟达发布业内首款1000TOPS的SoC,相比特斯拉FSD单芯片算力72TOPS提升超过一个数量级。而在国内,也有地平线的征程5,算力最高达到128TOPS,以及黑芝麻A1000Pro,算力达到106TOPS等等。

但是,我们的一个问题就是,追求TOPS算力真的有那么重要吗?是不是堆叠芯片的算力,就能达到目的了?业内似乎进入了“唯算力论”的误区。所以,这里简单探讨一下。

01

算力VS软件

地平线创始人兼CEO余凯打过一个比方,“如果说动力电池是未来汽车的心脏,那么智能芯片就是未来汽车的大脑。”AI芯片作为未来车载计算中心的核心,其作用当然非常重要。

目前,这些汽车主控芯片的结构形式是由MCU向SoC异构芯片(ASIC结构)方向发展。根据观研天下的预测,全球自动驾驶汽车上的AI芯片(推理),其市场规模将从2017年的1.42亿美元,年均增长135%至2022年的102亿美元,远超AI芯片(手机侧)的市场规模34亿美元。

而部署于边缘端的(像地平线这样的)AI芯片/内置单元的市场规模占比,也将从2017年的21%上升到2022年的47%。其年均增速123%,超过部署于云端的AI芯片75%的年均增速。GPU(图形处理器,Graphics Processing Unit)市场份额则会从2017年的70%下降到2022年的39%。

但是,在“软件定义汽车”的情况下,车企的核心能力到底应该是什么?这是业界思考的一个问题。是不是唯芯片算力马首是瞻呢?

实际上不见得。还是需要辩证地看。我们说“数据是生产资料”,而提供处理数据的芯片是工具,不可能工具反客为主成为核心。工具是必备的,但是更重要的核心是跑在上面的软件。而随着各个芯片企业算力的快速提升,这个问题很快会变得不是问题。

此外,车企面对的消费端是不是立刻就需要那么高端的算力呢?也不见得。目前,车企号称8核芯片算力多强的多了,但是真的车机系统就流畅、好用了?

我们知道,近年“软硬件解耦”的趋势以及“软硬件融合”的提法都有。实际上,软件与硬件从来没有真正分离过,一直都是相互融合发挥作用的。

以PC时代的WinTel联盟为例,在WinTel架构下,Intel芯片和Windows操作系统高度协同,最终才能产生垄断市场份额的效果,缺一不可。

所以,地平线创始人和CEO余凯有句话讲得非常到位,芯片就是软件的舞台,衡量芯片优劣的标准,要看芯片之上的软件能否最大化地发挥作用。当然不是说算力不重要,算力和软件之间需要有效匹配。两款相同算力的芯片比较,能让软件运行得更高效的芯片才是“好芯片”。

而且,作为车企来说,还有一个芯片的成本问题。现在的一种倾向是“L4硬件+L2软件”,先硬件“预埋”以达标或者超标,软件上慢慢积累。但是反过来说,这是不是一种浪费?恐怕,还是要“对每一个TOPS都要精打细算地使用。”

比如,超星未来联合创始人兼首席技术官梁爽在最近一次论坛上说过,现在算力的军备竞赛是已经掀起来了,但是芯片的算力本质上对于智能驾驶系统还是必要不充分的条件,“现在大家更多提的算力是峰值算力。我们经常会看到一个优化程度不好的芯片宣称有10TOPS算力,实际跑出来的应用等效只有3~4TOPS的算力。”

说到底,是要AI算法流畅地跑在芯片上,最终,这成为一个非常复杂的需要进行系统优化设计的问题。

02

算力的“罩门”

作为现代科技工业中的集大成者和数字经济“基础设施”的芯片,汇集了最复杂、最尖端、最精密的基础性技术,以及高端人才和资金,无疑是未来争夺的焦点。

不过,由于芯片制造越来越复杂,芯片制程每提升一代往往就需要投入数百亿美元,我们可以看到,芯片制造逐渐集中到台积电、三星等少数几家公司。相应的,很多老牌芯片企业都放弃了制造,专注于设计。

所以,芯片设计公司的创新能力也变得更加重要。随之而来的,还有AI芯片公司和AI算法公司之间的纷争。不过,像英伟达这种TOP级的芯片公司,软件工程师其实比硬件工程师还要多。换句话说,芯片公司的底层技术都是包含着硬件和软件的。

而且,我们说芯片最终是为车企的车载计算平台服务的。所以,行业需要思考一个问题是,解决智能驾驶系统计算平台的支撑问题,是否只能通过芯片算力堆叠来实现?

答案显然是否定的。尽管汽车智能化需要更强的运算能力,但业内专家也表示:“算力也不能说无限增长,芯片PPA(功耗、成本和面积)都是很要命的。”

这是因为,对于车载AI芯片来说,算力指标重要,能效比更重要。在传统芯片行业,PPA是最经典的性能衡量指标。而现在出于自动驾驶对算力的追求,业界还是把“峰值算力”当作衡量AI芯片的主要指标的话,就导致了一种“唯算力论”的偏颇。

这方面,地平线提出了一个新的方法MAPS(Mean Accuracy-guaranteed Processing Speed,在精度有保障范围内的平均处理速度),用以评估芯片的AI真实性能。而在业内没有统一的测评标准情况下,目前还只能算是一家之言。

不过功耗方面地平线还是有巨大优势的。我们以地平线2020年最先商用量产的征程2芯片为例,它搭载自主研发的计算架构BPU2.0(Brain Processing Unit),可提供超过4TOPS的等效算力,典型功耗仅2瓦,而且,每TOPS的AI能力输出可达同等算力GPU的10倍以上。

对于车企来说,在最高性能模式下,如果自动驾驶控制器的芯片功耗级别较高,即便其自身性能强劲,但也会引发某些不可预知的隐患,如发热量成倍增加,耗电率成倍增加,这些结果对于智能电动车来说毫无疑问是颗“雷”。因此,车企在自动驾驶芯片的选用中都会充分考虑其功耗指标。

我们说,AIoT时代大量的边缘AI应用(智能电动车就属于边缘端应用),对边缘智能计算提出更高要求。而边缘端一般条件会比较差,要求低功耗,AI边缘计算要解决的就是在功耗限制下提供最好的算力支持,以及配套的内存支持、连接能力。

也就是说,车企不大会担心车用电的问题,但芯片散热功耗等问题还是必须考虑的。以行业人士的分析来说,芯片算力的无限膨胀和硬件预埋不会是未来的趋势,硬件也需要匹配实际,有业内人士就说过,“特别是在SoC上,我们需要精准高效的算力来适配电子电气架构的变革。”

还有一个可能的情况是,未来在智能座舱域、自动驾驶域等的主芯片选择上,越来越多车企可能会选择同一家SoC芯片,原因就在于软件适配性更好,可以大幅节约开发周期与成本。像现在多家车企选择地平线的征程芯片,就是最好的例子。

最后说说,从曾任百度总裁的陆奇博士最近提出的“母生态”这个概念来说,智能汽车将是继PC、智能手机之后更大的母生态,也是中国汽车行业和科技产业最大的机遇所在。而且,芯片所在的科技产业逐步走向成熟的标志之一就是形成完整的生态。出于对未来生态的争夺,也需要芯片公司更加注重算力和软件匹配的问题。

声明: 本文由入驻OFweek维科号的作者撰写,观点仅代表作者本人,不代表OFweek立场。如有侵权或其他问题,请联系举报。
侵权投诉

下载OFweek,一手掌握高科技全行业资讯

还不是OFweek会员,马上注册
打开app,查看更多精彩资讯 >
  • 长按识别二维码
  • 进入OFweek阅读全文
长按图片进行保存