车规级计算芯片如何应对算力飙升挑战

车规级计算芯片如何应对算力飙升挑战 字体： 小 中 大 分享到： 车规级计算芯片如何应对算力飙升挑战 2022-03-24 08:16:31 来源：***电子报

随着汽车智能化的不断推进，其计算平台的计算能力水平正在飙升。如果L2自动驾驶所需的芯片计算能力为10TOPS，一般预计L3+的计算能力将达到1000TOPS。提高计算效率已经成为汽车智能化发展的关键环节。然而，车标级大计算能力芯片的开发不仅面临功耗、散热、电磁、质量等多重挑战，而且还有一个计算能力的物理上限。如何应对这些挑战将是汽车计算芯片厂商发展的重点。

定义汽车的计算能力需求。

随着智能化、电动化、网联化的发展，汽车行业正在发生巨大的变革，“SDV”逐渐成为业界的共识。相关统计显示，目前汽车行业约90%的创新来自汽车软件和电子领域。受此趋势影响，智能汽车的设计架构也在发生巨大变化，从传统的分布式ECU架构向域控制器集中式架构转变。

广汽研究院智能网联技术R&D中心副主任梁伟强指出:“芯片的集成度越来越高，计算能力越来越大，成为智能汽车向集中式架构发展的关键，拓展智能驾驶场景，提升智能驾驶舱的交互体验非常重要。芯片的计算能力和集成度直接决定了电子电气架构的形态，从而决定了智能汽车的性能和表现。”

计算能力的提升，对于汽车的供应链管理，对于解决汽车行业核心短缺的问题，也有很大的帮助。据地平线副总裁李兴禹介绍，目前汽车上需要管理的汽车芯片有1000多种，一辆汽车使用300个芯片。随着未来智能汽车的进一步发展，数量会更大。汽车厂需要进一步简化架构，大幅减少汽车芯片的种类，提高单芯片本身的性能和集成度，这是解决这一问题的重要方向。

在这种情况下，越来越多的芯片厂商投身于计算能力竞争的战场。Nvidia作为行业***，新推出了自动驾驶芯片Atlan。单个芯片的计算能力达到1000TOPS(每秒1万亿次定点计算)，比之前推出的自动驾驶芯片Orin高出近4倍。国内厂商方面，地平线拥有国内***车规AI芯片journey，journey five计算能力可达96TOPS。黑芝麻在往年上海车展发布了新一代A1000pro，计算能力106TOPS。

“云-网-边-端”融合，迎接***计算能力的挑战

但是，汽车的智能化并不是硬件堆砌那么简单。业内普遍认为，目前汽车所需的计算能力，可以根据车载传感器采集的数据量综合计算。L2自动驾驶的计算能力需要10TOPS，L3需要100TOPS以上，L3+的计算能力水平已经上升到1000TOPS以上。然而，为了支撑巨大计算能力的应用，星上计算平台的复杂度将增加数倍，芯片供应商势必面临功耗、散热、电磁、质量等多重挑战。

更重要的是，在汽车IT的背景下，消费者对智能手机的用户体验和偏好正在向车载环境延伸。智能手机可以通过系统升级让消费者体验到周期性的功能更新，汽车的应用周期更长，但不可能像手机一样一两年就能替代。如何满足汽车生命周期内OTA软件和算法升级带来的不断增长的计算能力需求，将是芯片厂商更重要的挑战。

在之前的演讲中，黑芝麻的CEO介绍，一种新的商业模式是在汽车中嵌入硬件，然后通过软件升级提供附加价值。企业并不是特别清楚未来需要多大的计算能力，但是可以先把计算能力嵌入，然后再升级它的功能。

根据《时宇资本》的报道，这也是目前汽车制造商较为普遍的做法。采用“硬件预置，软件升级”的策略，通过预置大计算能力芯片，为后续软件和算法升级优化提供开发空空间。车载计算芯片需要满足产品上车后5到10年的使用要求。

但是硬件预置只能在一定程度上解决这个问题。要想从根本上突破一辆自行车计算能力的物理上限，实现计算能力供给的弹性扩展，需要从“云-网-边-端”一体化计算的角度发力。东图科技高级副总经理薛柏华指出，未来智能汽车的发展一定是基于软件定义的架构。解决计算能力问题，一是如何提供更好的硬件计算能力，二是如何为实时通信提供更高的网络带宽。这是未来汽车发展需要面对的两个基本问题。

也就是说，未来智能汽车需要通过云、通信网络、边缘、车辆的连接和融合，构建一个充满计算和通信能力的环境，形成智能汽车的计算服务网络。在新的计算架构下，5G+V2X提供了更高效的通信通道，可以实现云、边缘、车辆之间近乎实时的数据交互。智能车辆和边缘计算节点实现协同感知和计算任务协作，具有低延迟、本地数据脱敏处理等优点。车辆计算平台侧重于场级计算需求，云计算侧重于非实时海量数据分析和算法训练。在“云-网-边-端”一体化的泛在计算架构下，实现车载计算的巨大计算能力需求。(记者陈炳新)

【纠错】