最近,，一則新聞震動業(yè)界，賽靈思亞太地區(qū)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(guī)劃領域擔任首席專家、助理副總裁一職,。

這則新聞的背后,，是蔚來汽車自研AI芯片的加速。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(huán)。而要建立這種閉環(huán)，芯片是繞不過去的一關,。

實際上,，從去年開始，我們發(fā)現,，智能芯片（AI芯片）這個領域再次迅速進入高光時刻,，除了云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(yè)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，今年英偉達發(fā)布業(yè)內首款1000TOPS的SoC,，相比特斯拉FSD單芯片算力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算力真的有那么重要嗎,？是不是堆疊芯片的算力,，就能達到目的了？業(yè)內似乎進入了“唯算力論”的誤區(qū),。所以,，這里簡單探討一下。

01

算力VS軟件

地平線創(chuàng)始人兼CEO余凱打過一個比方,，“如果說動力電池是未來汽車的心臟,，那么智能芯片就是未來汽車的大腦?！盇I芯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,，這些汽車主控芯片的結構形式是由MCU向SoC異構芯片（ASIC結構）方向發(fā)展,。根據觀研天下的預測，全球自動駕駛汽車上的AI芯片（推理）,，其市場規(guī)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芯片（手機側）的市場規(guī)模34億美元,。

而部署于邊緣端的（像地平線這樣的）AI芯片／內置單元的市場規(guī)模占比,，也將從2017年的21％上升到2022年的47％。其年均增速123％,，超過部署于云端的AI芯片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％,。

但是,，在“軟件定義汽車”的情況下，車企的核心能力到底應該是什么,？這是業(yè)界思考的一個問題,。是不是唯芯片算力馬首是瞻呢？

實際上不見得,。還是需要辯證地看,。我們說“數據是生產資料”，而提供處理數據的芯片是工具,，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件,。而隨著各個芯片企業(yè)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么高端的算力呢,？也不見得。目前,，車企號稱8核芯片算力多強的多了,，但是真的車機系統(tǒng)就流暢、好用了,？

我們知道,，近年“軟硬件解耦”的趨勢以及“軟硬件融合”的提法都有。實際上,，軟件與硬件從來沒有真正分離過,，一直都是相互融合發(fā)揮作用的。

以PC時代的WinTel聯盟為例,，在WinTel架構下,，Intel芯片和Windows操作系統(tǒng)高度協(xié)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(chuàng)始人和CEO余凱有句話講得非常到位，芯片就是軟件的舞臺,，衡量芯片優(yōu)劣的標準,，要看芯片之上的軟件能否最大化地發(fā)揮作用。當然不是說算力不重要,，算力和軟件之間需要有效匹配,。兩款相同算力的芯片比較，能讓軟件運行得更高效的芯片才是“好芯片”,。

而且,，作為車企來說，還有一個芯片的成本問題?，F在的一種傾向是“L4硬件＋L2軟件”,，先硬件“預埋”以達標或者超標，軟件上慢慢積累,。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(chuàng)始人兼首席技術官梁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，但是芯片的算力本質上對于智能駕駛系統(tǒng)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(yōu)化程度不好的芯片宣稱有10TOPS算力，實際跑出來的應用等效只有3～4TOPS的算力,?！?/p>

說到底，是要AI算法流暢地跑在芯片上,，最終,，這成為一個非常復雜的需要進行系統(tǒng)優(yōu)化設計的問題。

02

算力的“罩門”

作為現代科技工業(yè)中的集大成者和數字經濟“基礎設施”的芯片,，匯集了最復雜,、最尖端、最精密的基礎性技術,，以及高端人才和資金,，無疑是未來爭奪的焦點。

不過,，由于芯片制造越來越復雜,，芯片制程每提升一代往往就需要投入數百億美元,，我們可以看到，芯片制造逐漸集中到臺積電,、三星等少數幾家公司,。相應的，很多老牌芯片企業(yè)都放棄了制造,，專注于設計,。

所以，芯片設計公司的創(chuàng)新能力也變得更加重要,。隨之而來的，還有AI芯片公司和AI算法公司之間的紛爭,。不過,，像英偉達這種TOP級的芯片公司，軟件工程師其實比硬件工程師還要多,。換句話說,，芯片公司的底層技術都是包含著硬件和軟件的。

而且,，我們說芯片最終是為車企的車載計算平臺服務的,。所以，行業(yè)需要思考一個問題是,，解決智能駕駛系統(tǒng)計算平臺的支撐問題,，是否只能通過芯片算力堆疊來實現？

答案顯然是否定的,。盡管汽車智能化需要更強的運算能力,，但業(yè)內專家也表示：“算力也不能說無限增長，芯片PPA（功耗,、成本和面積）都是很要命的,。”

這是因為,，對于車載AI芯片來說,，算力指標重要，能效比更重要,。在傳統(tǒng)芯片行業(yè),，PPA是最經典的性能衡量指標。而現在出于自動駕駛對算力的追求,，業(yè)界還是把“峰值算力”當作衡量AI芯片的主要指標的話,，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,，在精度有保障范圍內的平均處理速度）,，用以評估芯片的AI真實性能。而在業(yè)內沒有統(tǒng)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(yōu)勢的。我們以地平線2020年最先商用量產的征程2芯片為例,，它搭載自主研發(fā)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。

對于車企來說,，在最高性能模式下,，如果自動駕駛控制器的芯片功耗級別較高，即便其自身性能強勁,，但也會引發(fā)某些不可預知的隱患,，如發(fā)熱量成倍增加，耗電率成倍增加,，這些結果對于智能電動車來說毫無疑問是顆“雷”,。因此，車企在自動駕駛芯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（智能電動車就屬于邊緣端應用），對邊緣智能計算提出更高要求,。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持,，以及配套的內存支持,、連接能力。

也就是說,，車企不大會擔心車用電的問題,，但芯片散熱功耗等問題還是必須考慮的。以行業(yè)人士的分析來說,，芯片算力的無限膨脹和硬件預埋不會是未來的趨勢,，硬件也需要匹配實際，有業(yè)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?！?/p>

還有一個可能的情況是,，未來在智能座艙域,、自動駕駛域等的主芯片選擇上，越來越多車企可能會選擇同一家SoC芯片,，原因就在于軟件適配性更好,，可以大幅節(jié)約開發(fā)周期與成本。像現在多家車企選擇地平線的征程芯片,，就是最好的例子,。

最后說說，從曾任百度總裁的陸奇博士最近提出的“母生態(tài)”這個概念來說,，智能汽車將是繼PC,、智能手機之后更大的母生態(tài)，也是中國汽車行業(yè)和科技產業(yè)最大的機遇所在,。而且,，芯片所在的科技產業(yè)逐步走向成熟的標志之一就是形成完整的生態(tài)。出于對未來生態(tài)的爭奪,，也需要芯片公司更加注重算力和軟件匹配的問題。