2024年4月1日发(作者：手机性价比最高的是哪款)

算力芯片迎来拐点

文

/

孟华

就像燃油车时代要讲动力一样，

智能电动车要讲算力。软件定义汽车

的趋势，既然已经成为共识，那么软件

能力的基础就是算力，算力来源于算力

芯片。

动力的计数单位是马力、功率、扭

矩这些指标。而算力则是Tops（每秒

进行1012次二进制计算）、Flops（每秒

浮点计算次数），这些都日益被业内人

士接受和熟知。这些常用来衡量GPU

的图形计算能力。

对于CPU，DMIPS（106次算逻运

算指令）常用来衡量处理器的整数运

算能力，这个单位就相对陌生。如果

智能座舱相比较流畅地运行AR、360

全景、流媒体、HUD等，至少要超过

20,000DMIPS。

其实，广义上的算力芯片，不只是

各种PU（CPU、GPU、NPU神经网络

处理器、TPU张量处理器），还包括手虽然MCU用途很广泛，多媒体、

机和车载比较流行的Soc（系统级芯

片，自动驾驶和智能座舱常用Soc方式

搭载）和MCU。顺便说一句，Soc既然

是系统芯片，往往集成了各种PU（看需

求）和动态、静态存储，可以视为一个

微型的PC机。

MCU地位下降

19

C

封面故事

over story

音响、导航、悬挂、车窗、雨刷等无所

不包，但是现在算力的演化趋势，就是

拿走了大部分的控制功能，MCU用途，

主流和非主流

现在的市场上，只要是2021、

到一小部分市场。

2023年上半年的数据，在中

国乘用车市场上，具备NCA功能

正在收窄为核心算力（Soc）的“协处理

器”。用通俗的语言描述，就是紧挨着

核心算力大脑的“小跟班”。一方面可

以充当安全处理器（冗余决策），另一

方面可以分担一些中央Soc的功能，减

轻后者的计算压力。比如管理电池、网

关和预处理雷达数据。

从主角变成配角，这个趋势虽然

没有普及化，但前景已经比较明确。

这让MCU的生产商颇为落寞。恩

智浦、英飞凌、瑞萨、德仪，这些传

统汽车芯片厂家，本世纪以来都在

MCU上赚了大钱。但是市场已经开

始接受了新势力的方案，就是将大

算力的各种PU作为汽车“大脑”的

做法。现在的趋势是，跨国厂商早就

开始研发相应E-E架构，但马上拿出

来可能还有困难。

但趋势也是没办法回头的。MCU

企业曾经幻想，让车企放弃昂贵的各

种PU方案，回到相对传统的架构。

从什么时候这个幻想破灭了

呢？这要追溯到2019年，特斯拉推出

HW3.0芯片，144TOPS的算力轰动业

界。一时间，高算力芯片炙手可热。自

那以后，只要用了大算力平台（无论是

自研还是买的），产品的软件体验（座

舱和ADAS）马上能上一个档次。这就

让传统芯片企业的风头，都被英伟达

和高通掠走了。始作俑者特斯拉，主动

终结Mobileye自动驾驶芯片供货之后，

又与英伟达分手，自此一直采用自研芯

片（代工方为三星和台积电）。

20

2023

2022年上市的、20万元以上的中国品

的计算方案市场份额，英伟达独占

牌车型，座舱芯片齐刷刷都是8155（准

52.57%，其余为地平线（30.7%）、德仪

确地说是高通的SA8155P）。2023年

（8.62%）、Mobileye（4.05%）、华为海

高通在智能座舱芯片的市占率高达

思（4.05%）。

90%。

有意思的是，座舱芯片除了8155

自动驾驶算力芯片，竞争对手就稍

之外，选择其实很多。华为的麒麟

微多一点，但跑不脱英伟达、地平线这

710A、恩智浦的8、6D/Q，联发

几家。德仪、Mobileye、华为海思也拿

科的MT2712、德仪的JT6、意法的

Mobileye认为，算力并非瓶颈，凭借算

法和5个并行核心的多任务模式，就可

以处理8颗摄像头数据，足以应对L4

场景。

Accord 7、5等。但比亚迪似乎剑走

偏锋，敢于使用高通的非车规SoC，

例如625、665、6350、7325等（手机

芯片）。

众所周知，非车规芯片的功能和

车规没什么不同，只不过后者的环境

适应性要求要苛刻得多。汽车使用非

车规芯片，可以缩短开发周期，价格便

宜。但可能引起黑屏、宕机等故障。比

亚迪的应对方案是额外配置一颗安全

芯片（就是刚才提到的“冗余决策芯

片”），以保证主芯片出问题时，能保住

核心程序继续运行。这种极致削减成

本（开发周期也是成本）的做法，也是

其核心竞争力的一部分。

高通和英伟达，一直在车载算力

芯片上较劲。一方面比拼算力芯片的巅

峰能力，另一方面，都在推出超级算力

芯片，统一双智运算，试图把对方的地

盘也抢过来。

去年9月，英伟达发布了高达

2000Tops算力的Thor，号称“驾舱

一体”。意思是这不是一块纯粹的自

动驾驶芯片，而是专为汽车的中央算

力架构而生。一块芯片控制所有车载

功能，满足所有算力需求。此举无疑

顺应了E-E架构由分布式向集中式演

进的趋势。

神仙打架的局面

这样一来，就很清楚了，算力芯

片领域，眼下是高通和英伟达“神仙

打架”的局面。值得一提的是，高通是

唯一一家没有被限制向中国出售芯片

（不止是汽车芯片）的美企。8155能够

占有率这么高，有这方面因素。但即便

如此，美国的政策翻脸如翻书，国产替

代一样充满紧迫性。

21

C

封面故事

over story

此前发布的算力254Tops算力的

英伟达Orin相形见绌。而且，Thor和

Orin一样，都可以叠加多颗使用。当

然，史上最强“叠叠乐”，仍是英伟达产

品，即DGX GH200（CPU和GPU的组

合）。叠加256颗，即可组成1E（1015）

Flops算力。但是5兆瓦的功率（相当于

一个小城市的用电功率），决定了它只

能在冷却完善的机房里运行。

在GH200上可以运行任何大模

型，超算能力可以让其充当强大的云

端服务器和训练大模型，这样，英伟

达就在AI大模型训练硬件上一骑绝

尘，并可以建立从云端到车端的连接。

既然拥有了空前强大的模型工具，甚

至可以用AI发明更强的GPU，这意味

着算力正走向“奇点时刻”：用AI发明

AI，起码现在就奠定了硬件基础。

高通更强的是算逻运算。与英伟

达不断强化图形计算能力不同，高通

更擅长发展移动CPU这样的路线。不

过两者殊途同归，高通2023年1月发布

的SA8775，也走向了驾舱一体路线。

高通声称，这款4nm芯片，通过组合

可以实现与英伟达Thor能力相当的

2000Tops算力。这其实就是暗示单

块8775无法做到这么高的算力。2022

年高通以45亿美元收购自动驾驶芯片

公司维宁尔，今年收购通信芯片公司

Autotalks，都是为了补强短板，在算

力领域与英伟达对抗。

双寡头下的变数

不过，车载算力的天花板，不但远

比超算里面的单颗芯片低，其造价和

周期也比后者长。一句话，同样算力，

车规芯片有成本劣势。

全新的手机Soc，技术储备支持

22

2023

“拾级而上”的话，两年就能做到。而

车规芯片要完成一系列认证，可能研

发时间要加倍。

这就决定了汽车芯片的迭代周期

没有手机快。不光是因为车规芯片的周

期问题，也由于车载硬件方案，要跟随

整车研发周期。因此我们看到2019年

发布的8155、Orin,都还是装车主力。尽

管他们的下一代芯片最晚在2022年发

布，但采用者依然寥寥。不过，由于中

国新能源汽车的竞争非常激烈，这个

进程正在加速。整体而言，算力芯片上

车周期，比国外快1、2年。这已经是很

大的差距了。毕竟后者距离算力完全集

中，还有很长的路要走。

即便不考虑车规验证周期，算力

芯片本身，也很容易产生“寡头”。一旦

某个芯片公司取得先发优势，他们会

凭借出货量和市场份额，迅速摊平研

发成本。利润回笼前就可以进入下一

轮研发。优化、开发、积累新的技术，

越跑越快，以至于对手从望其项背到

丧失上桌资格。

而且寡头化还有个激励因素，就是

制程的提高，让流片费用变得非常昂贵，

可能单芯就达到数千万美元。失败成本

非常高。如果安全性、稳定性、散热性达

不到设计，这钱就打水漂了，代工厂是不

负责的。这就更促使强者愈强。

现在算力这一块，虽然高通和英

伟达尚未完成驱逐传统芯片大厂的过

程，只是因为跨国整车厂的节奏没跟

上，让后者还有订单。一旦大家都实现

算力充分集中，可能全球车载算力需

求，都会沦为“双寡头”的盘中餐。

这里面唯一的变数，是中国芯片

供应商。目前寒武纪、黑芝麻、华为海

思等芯片公司日子都不大好过。出货

量太少令其很难追上英伟达的节奏。

但是美国的制裁，让英伟达只能向中

国客户提供专供版显卡，车载芯片这

一块倒尚未限制，但客户们都为这一

天积极做准备。这让中国芯片供应商，

仍保有商业机会。

车企造芯，基本也是投资率器

件、传感器、汽车MCU、电源管理等。

算力芯片门槛太高，直接孵化有困难。

合资和战投，是不错的入手方式。地平

线获得大众的投资，财务可能一时无

忧，但长期看，必须在算力芯片和架构

方案的正面战场上赢得市场地位，才

能有效解除警报。

在2018年，当时最新上市的

Mobileye Q4（28nm制程）自动驾驶

芯片，算力为2.5Tops。Mobileye认

为，算力并非瓶颈，凭借算法和5个

并行核心的多任务模式，就可以处

理8颗摄像头数据，足以应对L4场

景。他们引以为豪的是该芯片功耗只

有3W。

5年过去了，业内对算力的认知、

运用和由此产生的需求，都在飞跃发

展。2.5Tops算力应对L4的认知，就像

80年代IBM认为，只需要5台大型机

（其算力远不如现在的主流手机），就

足以满足全球的计算需求。两个预测

有相似之处。而《汽车人》认为，就算

限制在车载场景，算力需求也很难看

到终点。就像我们很难预料AI的终点

一样（可能所有事物的前方，都有一个

大模型，包括人本身）。

人类从历史中学到的唯一教训，

是从来不会汲取教训，这句话倒是仍

然有效。

23