自动驾驶算力之争，背后的生死抉择-新浪汽车

刚过去的一年中，自动驾驶芯片领域出现了不少大事件。

英伟达在2021年推出了自家针对高阶自动驾驶的SoC，并将其命名为Atlan。Atlan被称为“车轮上的人工智能数据中心”，因为其目标为支持L4/L5级别自动驾驶，算力可达1000 TOPS，这也是当下自动驾驶领域里的最高算力，并将于2025年量产。

地平线则在2021年发布了征程5自动驾驶芯片。征程5芯片采用16nm工艺，单颗芯片的AI算力最高可达128 TOPS，支持16路摄像头感知计算，且在今年（2022）第三季度即可量产。这是地平线的重要里程碑，因为征程5的出现意味着地平线完成了从L2到L4的完整芯片产品与方案布局，虽然地平线CEO说地平线将坚持Tier 2的定位，但征程5的发布表明地平线有逐步走向台前的能力。

CES 2022上，Mobileye发布了重磅自动驾驶芯片—— Eye Q Ultra。借助5nm制程工艺，Eye Q Ultra的最高算力为176 TOPS，可以满足L4自动驾驶的需求和应用场景，同时避免了将多个系统集成芯片组合而产生的额外能耗和成本。Eye Q Ultra 系统集成芯片预计将于2023年底供货，并于2025年全面实现车规级量产。

英伟达与Mobileye的短兵相接

英伟达和Mobileye都是汽车高级辅助/自动驾驶领域的实力玩家。英伟达是当下L3领域的执牛耳者，当前最强算力的Orin芯片已经开始供应沃尔沃、理想、蔚来、上汽R、智己、集度等品牌车型。而Mobileye是L2及以下高级辅助驾驶芯片领域的王者。Mobileye的Eye Q系列自2007年开始，已经迭代6次，供应的厂商包括通用、特斯拉、奥迪、宝马、沃尔沃、日产、本田、吉利等。至2021年，Mobileye的Eye Q系列芯片已经累计装车了1亿枚，在高级驾驶辅助芯片的市占率达70%。是的，这是非常高的数字。

Mobileye在2022 CES发布Eye Q Ultra的同时还更新了两款采用7纳米制程工艺制造的L2级芯片，分别命名为Eye Q6L和Eye Q6H。前者是Eye Q 4的后续产品，主打小体积和超低功耗。后者支持L2向上拓展部分自动驾驶功能，算力等同于双片的Eye Q5。二者分别将于2023年中和2024年底量产。

很明显，Mobileye在今年的CES上发力很大，尤其是Eye Q Ultra芯片的发布表明Mobileye“南方已定、兵甲已足”，可以切入L4以上自动驾驶新领域向英伟达宣战了，但Eye Q Ultra芯片也引来了争议和对部分对Mobileye的看衰，因为其公布的算力仅为176 TOPS。

是的，算力是否足够的争论让英伟达和Mobileye成为了自动驾驶领域的话题主角。

高算力是第一重要吗？

Eye Q Ultra的算力仅为176 TOPS，比起英伟达的Atlan，算力数据确实不太好看，这一点Mobileye的CEO也大方的承认。但他同时强调效率比算力更重要，因为根据Mobileye无人出租车的数据，大约140 TOPS的算力（8枚算力17 TOPS的Eye Q5芯片）就足够支持无人出租车的运行，而新发布的Q ultra芯片足够应对L4级别的自动驾驶，且其系统能耗不到10W。

显然，Mobileye想强调的是，Eye Q Ultra的能效比高于别家的自动驾驶方案。和沙特少爷兵战五渣水平反映出的问题一样，武器装备只是一支军队的战斗力的一个方面，高效的指挥体系和协同配合更重要，当下标榜高阶自动驾驶车型中的绝大多数算力都被浪费掉了，TOPS值根本不是自动驾驶系统最短的那块板，因此高算力并不是排在重要性第一位置的方面。

持相近观点的还有地平线。地平线CEO在反驳英伟达CEO的“TOPS就是新的马力”时说，“百公里加速比马力更真实反映动力性能，每秒准确识别帧率MAPS比算力更能反映芯片的AI性能”。地平线征程5与英伟达Orin芯片的对比结果则表明，虽然征程5的算力仅为Orin的一半，但是帧率比Orin要高，考虑到能耗的MAPS/W比，征程5则远胜Orin。虽然这样的对比无法直接表明谁支持的自动驾驶产品更优，但也表明仅以算力来评判优劣的方法有着巨大的局限性。

以燃油车技术类比就更容易理解。提到麦弗逊式悬挂、后置发动机、水平对置发动机，大家第一想到的是不佳的倾角控制、糟糕的前后轴荷和奇怪的发动机的布局，随便哪个都是常理下车辆运动性提升应该避免的方案。但偏偏有人在同时具备这三重桎梏的条件下，造出了能让所有人闭嘴的性能车——保时捷911 GT2 RS。

对自动驾驶的关注应该在哪？

由于自动驾驶的复杂性和未来性，我们把实现自动驾驶的技术拆解后来比较，希望以此来对自动驾驶管中窥豹，这也是我们今天争论算力的出发点。但正是因为自动驾驶过于复杂，我们单纯争论算力其实已经有些偏离了初衷，因为算力并不能完全代表自动驾驶。但从商业意义上说，我们开始认真又大声的争论算力这件事情本身，就代表着某些主机厂或自动驾驶方案已经赢下一局。

这也可从当下高级辅助/自动驾驶行业的进展来解释。

为什么L2的算力争论少？L2对算力要求低固然是一方面，但更大的方面在于，L2已经有了诸多成熟的方案，L2在15万元以下汽车中也可称之为比比皆是，因此，交付能力和成本控制是主机厂对L2系统供应商的主要诉求，L2系统已经逐渐演化为供应商的交钥匙工程。这也是Mobileye系统相对封闭、给人以保守形象的原因。

而更高阶的自动驾驶则不然，即便是Tier1也只是和主机厂深度合作的关系，因为虽然供应商能提供给主机厂算法和生态，但自动驾驶的传感器数据融合和最终的决策都依赖于主机厂自身。从动机上说，这些将是主机厂的核心竞争力，主机厂只有自身掌握才能在未来的竞争中保持竞争力和独特的品牌DNA，这也是为什么众多车企都高调宣布算法自研的原因（也是车企们对华为自动驾驶方案冷淡的原因），也解释了为什么英伟达对车企的底层开放性更好。

从风险上说，主机厂选边站队，完全依赖于某一供应商也意味着把自己的命运交予他人，且不论与供应商的合作关系维护如何，供应商的团队规模和团队精力客观上也无法支持每一个汽车产品的所有细节，而这对主机厂来说是比较致命的。事实上已经有主机厂私下里吐槽，英伟达这样的别无他选的供应商的服务实在不敢恭维。

因此，比起通过算力来衡量自动驾驶，我们更应该把关注的焦点放在不同主机厂和供应商的技术路径选择上。尽管主机厂和供应商都对诸多技术细节讳莫如深，有限披露出的内容对普通人来说也有极高的专业壁垒，但自动驾驶并非不可知论，各主机厂、供应商之间的合纵连横很值得长期连续观察。

体系差异的十字路口

比如自动驾驶芯片的架构。英伟达的Atlan使用了ARM Neoverse V1指令集，这不令人意外。但让人觉得有趣的是Mobileye的Eye Q Ultra不包含任何x86架构，而是选择了Intel并不拿手的RISC-V指令集，且选择了ARM的GPU。

x86架构是前PC时代的王者，以性能强悍著称。ARM作为精简指令集，凭借低能耗撬动了x86架构的领域，尤其在移动互联时代手机等数码产品爆发的环境下，低能耗的优势越来越大，且性能方面并不落下风，苹果的M1芯片采用ARM架构就是很好的例证。而更年轻的RISC-V架构在日益崛起，因为其完全开源，设计简单，支持模块化，支持从FPGA、ASIC乃至未来器件等多种实现方式。大佬倪光南就表达过“未来RISC-V很可能发展成为世界主流CPU之一”的观点。

西门子、三星、谷歌、IBM、特斯拉、高通、恩智浦、日立等大厂都在RISC-V架构芯片上投入了精力，国内的中科物栖、阿里巴巴平头哥等公司也都押宝了RISC-V架构。而华为昇腾910芯片则在达芬奇架构中利用了部分ARM架构。

对主机厂来说，选定了供应商，就意味着选定了技术路线，也意味着从感知到决策、从软件到硬件都要围绕着选定的技术路线来，那么就会产生深远的后续影响。硬件的确定决定了软件开发的生态，软件生态的建立决定了算法的边缘，算法的指明也就选定了算法程序员、测试工程师以及一系列的配套。

就像选择了windows或mac os就选择了阵营，选择了安卓、鸿蒙或ios就选择了APP的上限。自动驾驶领域也会如此，从迈出最初的那一步开始，主机厂就相当于选择了未来的道路，而在此道路上前进的每一步都是自己know-how的积累和技术储备，反之，如果某一天放弃或更改，这也将是主机厂巨大的沉没成本。

因此，各主机厂一定会形成各自的技术生态体系，自动驾驶产品之间一定会呈现出巨大的差异。当下各家的体系差异不够明显，只是因为自动驾驶尚处于发展的早期，各家都在起点附近没走太远。未来如何我们暂无法推测，但走过一百多年的燃油车提供了一个很好的观察剖面。

我们看到了坚持后置后驱的保时捷，不做纯后驱轿车的奥迪，全供应链管控的丰田/现代，不自研而与ZF变速箱深度合作的宝马，与博格华纳TOD分动箱深度绑定的美系三大……自动驾驶最终也将出现类似的情形，各家都将点出不同的技能树。而这些技能树的源头，便是当下发展初期对不同技术路线的选择，比如上面提到的自动驾驶芯片的架构、自研的算法及其他技术方向。

就像不同作战体系下，人员配置、火力配置、后勤保障、指挥系统、协同策略都大有不同，每个子系统的目标都是服务于整个体系。自动驾驶也类似，自动驾驶产品的表现将是体系战斗力的体现。谁的生态更完整？谁的生态更开放？谁的技术演进弯路少？显然，未来自动驾驶产品的实际能力将获益于这些技术细节，也将受限于技术框架。