隨著汽車智能化進程不斷推進，其計算平臺的算力等級也在直線飆升。如果說L2級汽車自動駕駛所需芯片算力為10TOPS，那么業界普遍預計L3+級算力將達到1000TOPS。提升計算效率已經成為汽車智能化發展的關鍵一環。然而，車規級大算力芯片的開發不僅面臨功耗、散熱、電磁、質量等多重挑戰，芯片算力也存在物理上限。如何應對這些挑戰將是車用計算芯片廠商發展的著力點。

軟件定義汽車催生算力需求

隨著智能化、電動化、網聯化的發展，汽車產業正在發生巨大改變，“軟件定義汽車（SDV）”逐漸成為業界共識。相關統計數據顯示，目前約90%汽車行業的創新來自汽車軟件和電子領域。受到這一趨勢的影響，智能汽車的設計架構也在發生巨大改變，從傳統的分布式ECU架構向域控制器集中式架構演進。

廣汽研究院智能網聯技術研發中心副主任梁偉強就指出：“芯片的集成化程度越來越高，算力越來越大，已經成為智能汽車向集中式架構發展的關鍵，對擴展智能駕駛場景、提升智慧座艙的交互體驗至關重要。芯片的算力和集成度直接決定了電子電器架構的形態，從而決定了智能汽車的性能和表現。”

算力的提升對于汽車的供應鏈管理，解決汽車產業缺芯問題，也有巨大幫助。根據地平線副總裁李星宇的介紹，目前汽車中需要管理汽車芯片的料號超過1000種，一輛汽車用到的芯片達到300顆，未來隨著智能汽車的進一步發展，數量還會更大。車廠需要進一步簡化架構，大幅度減少汽車芯片種類，提升單芯片本身的性能和集成度是解決這一問題的重要方向。

在此情況下，越來越多的芯片廠商投入到算力比拼的戰場當中。英偉達作為行業龍頭，最新推出的自動駕駛芯片Atlan，單顆芯片的算力達到1000TOPS（每秒1萬億次定點計算），相比此前推出的自動駕駛芯片Orin，算力提升接近4倍。國內廠商方面，地平線擁有國內首款車規級AI芯片征程，征程五算力可達96TOPS。黑芝麻于2021年在上海車展發布新一代A1000pro，算力達到106TOPS。

“云-網-邊-端”融合應對算力上限挑戰

不過汽車的智能化并非堆砌硬件那么簡單。業界普遍認為，當前汽車所需算力可根據車內傳感器采集到的數據量綜合推算出來，L2級別的自動駕駛，計算能力大致需要10TOPS，L3需要100TOPS以上的算力，到L3+的算力級別已經上升到1000TOPS以上。然而，要想支撐龐大算力的應用，車載計算平臺的復雜度將呈數倍提升，芯片供應商勢必將面臨功耗、散熱、電磁、質量等多重挑戰。

更重要的是，在汽車IT化的大背景下，消費者在智能手機上的用戶體驗和使用偏好正在延伸至車載環境。智能手機可以通過系統性的升級讓消費者體驗到階段性的功能更新，汽車的應用周期更長，卻不可能像手機一樣用一兩年就更換。如何滿足汽車在生命周期內，OTA軟件與算法升級帶來的持續上漲的算力需求，將是芯片廠商面臨的更加重要的挑戰。

黑芝麻CEO單記章在此前的演講中曾經介紹，現在的一個新的商業模式是在車內進行硬件預埋，然后通過軟件升級提供附加價值。車企不是特別了解未來需要多大的算力，但可以先把算力預埋進去，之后再去升級它的功能。

馭勢資本報告顯示，這也是目前車廠相對普遍的作法，采用“硬件預置，軟件升級”的策略，通過預置大算力芯片，為后續軟件與算法升級優化提供發展空間。車載計算芯片在上車之后需要滿足產品5至10年的使用需求。

但是，硬件預置也只能在一定程度上解決這一問題，要想從根本上突破單車算力的物理上限，實現算力供給彈性拓展，還需要從“云-網-邊-端”融合計算的角度發力。東土科技高級副總經理薛百華指出，未來智能車的發展肯定是以軟件定義的架構出現，要解決算力問題，一是如何提供更好的硬件算力，二是如何提供更高的網絡帶寬，以便進行實時通信。這是未來汽車發展需要面對的兩個必不可少問題。

也就是說，未來的智能汽車需要通過云端、通信網端、邊端、車端的連接融合，建立一個充滿計算和通信能力的環境，形成智能汽車算力服務網絡。在新的計算架構下，5G+V2X提供更高效的通信管道，云端、邊端、車端之間可實現近似實時的數據交互。智能汽車與邊緣計算節點實現協同感知和計算任務協同，具備低時延、本地數據脫敏處理等優勢，車載計算平臺聚焦現場級計算需求，云計算則聚焦非實時的大體量數據分析與算法訓練。在“云-網-邊-端”融合的泛在計算架構下，實現車載計算的龐大算力需求。（記者 陳炳欣）