英偉達又吊打特斯拉14倍了，但這關我啥事？| 硬核時間

每天打卡閱讀

更深刻理解汽車產業變革

————————

出品：電動星球News

作者：毓肥

昨天晚上 11 點半，我強忍睡意看英偉達 GTC 2021 的時候，一開始是拒絕的。

但慢慢看下去，我發現越來越不對勁。這不像是例行公事，更像是圖窮匕見。

英偉達釋出了一系列晶片和解決方案，從汽車製造、自動駕駛，到製藥、雲服務，甚至量子計算研究等等，實現了全覆蓋。

直到那個

「1000 TOPS」

的數字躍然螢幕上，我才發現這場 GTC2021 裡裡外外都透著「野心」兩個字。

篇幅所限，本文還是聚焦智慧汽車領域。

1000TOPS，指的就是英偉達下一代自動駕駛計算晶片 Atlan 的綜合算力。

是明年量產的 Orin 254TOPS 算力的 4 倍左右，或者是目前小鵬 P7 使用的 Xavier 30TOPS 算力的 33 倍有餘。

和特斯拉 FSD Chip 單晶片 72TOPS 相比，英偉達 Atlan 的算力也是其接近 14 倍。

從 2019 年 Xavier 到 2025 年的 Atlan，英偉達用了 6 年的時間，將自動駕駛單晶片算力提升了 33 倍。這個數字甚至超越了同期 iPhone A8 到 A14 的效能提升——雖然英偉達犧牲了一部分功耗，但速度依然令人吃驚。

作為消費者，這樣迅猛的效能提升，到底有什麼用？除了 1000TOPS 的自動駕駛晶片，英偉達還在怎樣思考

智慧汽車？

我們今天儘量聊得接地氣一點。

真正的全自動駕駛需要什麼？

人類開車用大腦思考

，當然前提是經過培訓。

但對於「讓機器自己開車」這件事來說，前提可能與人恰恰相反。

機器基本不存在違反交通法規的可能，把駕駛規則匯入自動駕駛系統甚至只需要一瞬間——但前提是得製造出足夠接近人類的腦子。

這個腦子就是自動駕駛晶片，至於怎麼衡量它是不是接近人腦，一個基本的參考就是 INT8 精度的算力，一般用多少個 TOPS 表達。

特斯拉 Autopilot 硬體 2。0、2。5 使用的是英偉達 Drive PX2/2。5 方案，最高算力為 16TOPS。這一時期只能稱為「L2 輔助駕駛晶片」，實現一些像是全速域跟停 ACC、車道居中 LCC 等等的基礎輔助功能。

2017 年釋出的英偉達 Drive Xavier，算力則提升到了 30TOPS。

但兩位數算力仍未脫離「輔助駕駛」晶片範疇

，包括小鵬 P7 基於 Xavier 實現的「NGP 高速領航輔助駕駛」，雖然站在了 L3 的門外，但仍差一層窗戶紙。

順帶一提，明天小鵬 P5 釋出的 XP3。5，會不會使用多個 Xavier 實現更高算力，這也是個懸念。

當算力突破三位數，廠商就可以開始琢磨「全自動駕駛」了。

特斯拉於 2019 年 4 月釋出了 FSD 晶片，單顆算力 72TOPS，Autopilot 硬體 3。0 板載兩枚晶片，理論算力一共 144TOPS。這也是目前量產車上搭載的最高算力方案。

馬斯克從那時開始，就一直強調 Autopilot 硬體 3。0 可以實現全自動駕駛，不過實際上依舊到了去年四季度，FSD Beta 才開始公測。因為Autopilot 軟體演算法經歷了近乎重寫的改進，才終於讓兩顆晶片的算力完全發揮。

特斯拉以外，英偉達也即將推出三位數算力的單晶片產品——英偉達Orin，它也是蔚來、小鵬、智己、理想等等車企最近搶「首發」的主角。

英偉達 Orin 可以在 45W 功耗的基礎上實現 254TOPS 算力。相比之下，維基百科資料顯示，特斯拉硬體 3。0 在搭載雙 FSD 晶片，算力 144TOPS 前提下，主機板功耗約為 100W。

從 Orin 開始，特斯拉以外的車企也開始採用多晶片的計算組合。一是為了提升總體算力，實現更多自動駕駛功能；二來配備冗餘的晶片「保險」，維持智慧汽車的安全性。

比如蔚來 ET7 上面搭載的 NAD 系統，就由 4 塊 Orin 組成，總算力達到了 1016TOPS。但其中負責計算的是兩塊，實際可用算力 508TOPS，另外兩塊則負責冗餘和訓練。

1000TOPS 有什麼用？

從昨天凌晨黃仁勳釋出的 Atlan 開始，自動駕駛正式進入了單晶片 1000TOPS 算力的時代。

如果像蔚來 ET7 那樣一車四芯，那麼算力可以堆砌到恐怖的 4000TOPS，是現在小鵬 P7 的 133 倍。

Atlan 的一切引數都可以用「下一代」概括：下一代半導體工藝、下一代 CPU 架構、下一代 GPU 架構，等等。

上面這些大家可能都有所耳聞，但今天的文章，我只打算聊一個很冷門，但又挺舉一反三的部件。下文甚至不會討論乾燥的資料，只研究最終的作用。

要說的就是上圖這個東西，英偉達命名為「DPU資料處理單元」。

本質上，這 DPU 就是

功能更多的「電腦網絡卡」

，用於連線乙太網，以及像固態硬碟這樣支援 PCIe 標準的裝置，並且可以提供硬體防入侵等安全功能。

比 DPU 本身更有意思的，是英偉達新一代自動駕駛晶片中，

「首次出現 DPU」

這件事情。

但想要解釋得更簡單易懂，我們還得再扯遠點。

昨晚的 GTC 2021 上，老黃表示 Orin 晶片並不僅僅可以用於自動駕駛計算，還可以

替代智慧座艙晶片，甚至還能同時控制儀表盤，成為「智慧汽車的唯一大腦」

，也就是「1 chip 4 domains 一芯四用」。

一芯多用，最直觀的好處就是減少額外的晶片數量和線束長度，降低成本和提升空間利用率，同時降低以往多節點間資料傳輸的難度。

比如特斯拉從 Model 3 開始拋離傳統汽車業界好幾個身位的線束控制，「Simple is perfect」，大致如此。

另一方面，目前汽車業界正在爭先恐後地進入 L3、L4 級別的自動駕駛時代，但 L5 和 L4 是完全兩個世界。

L4 是「場景內自動駕駛」，也就是隻要你畫了圈，圈內可以實現自動駕駛，那麼就算 L4。但 L5 是「完全自動駕駛」，也就是可以不要方向盤和踏板，權利和義務都由車輛承擔，

需要適配的場景近乎於無限

。

2019 年，特斯拉 AI 和計算機視覺負責人 Andrej Karpathy 在一場演講中表示，每一次「Forward Pass 順推」，Autopilot 軟體的神經網路就要處理 4096 幅影象。

而特斯拉汽車在路上的每一秒，Autopilot 軟體都需要處理 100 個左右的深度學習任務，每個任務都包括多次順推。

而這還是 2019 年，FSD Beta 尚未公測的時代。

除了車外的自動駕駛，車內智慧座艙和輔助駕駛視覺展示，都在消耗越來越大的硬體資源。

即將推出的賓士全新電動轎車 EQS，已經配備了高達 24GB 的執行記憶體和 320GB 的固態硬碟；特斯拉新一代數字座艙甚至外接了 PS5 遊戲主機級別的獨立 GPU——和上面兩位相比，高通第三代數字座艙平臺「至尊版」8195，似乎也不算大腕兒了。

圖片來自 wardsauto。com

鋪墊到這裡，可以下結論了：

無限大的自動駕駛場景，加上汽車內部結構集中化的大趨勢，帶來了單一節點無限大的資料處理要求。

而如果說我們快進到 1000TOPS 時代，相當於汽車擁有了一個強大的「大腦」，可以應付更高的計算需求，那麼資料處理單元，就是我們為 1000TOPS 準備的神經系統，負責轉達指令，反饋訊號。

1000TOPS 固然很重要，但如何高效利用 1000TOPS，甚至未來的 10000TOPS，也許更加重要。

和英偉達同樣走在這條路上的，還有特斯拉。

去年 8 月 17 號，根據臺灣媒體報道，臺積電已經接到了博通和特斯拉的聯合訂單，具體量產時間定在 2021 年四季度——Autopilot 硬體 4。0 要來了。

有意思的在於特斯拉找的合作伙伴——

博通是全球最大的網路半導體晶片公司之一

。更有意思的是，全球首款 7 奈米網路晶片，就出自博通之手，可以提供最高 3。2PB（1PB＝1024TB＝1024²GB） 的傳輸頻寬。

2019 年 7 月 22 日，特斯拉在一項專利中表示：

「傳統汽車接線方案是零碎的。通常是由不同的線束，將電氣元件連線到中央電池或電源。每個元件都通電，但需要多個線束才能進行通訊和訊號傳輸。在單個車輛中，導線的總長度可能很長。」

馬斯克曾經表示 Model 3 的線束從 Model S 的 3 公里減少到了 1。5 公里，他還說 Model Y 可以實現 100 米的線束長度，但至今仍未證明自己。

將紛繁複雜的資料收歸一個計算節點

，這就是兩家站在人類科技浪潮頂端的公司，都在試圖實現的目標。

智慧汽車再提速

這屆 GTC 2021 上面，英偉達還提出了很多跟汽車相關的方案。

比如已經運用於寶馬米蘭工廠的 Isaac 智慧 AI 機器人，可以透過訓練提升工作效率；

比如新一代自動駕駛訓練平臺 Hyperion 8，內建 7 塊不同用途的 Orin 晶片，定位是「資料採集/開發/訓練」，支援 8 個 800 萬畫素攝像頭，4 個 300 萬畫素魚眼攝像頭，9 個毫米波雷達和 2 個鐳射雷達。

一家獨大隻能證明行業遭遇瓶頸，特斯拉、英偉達、華為、高通、英特爾一眾科技企業，可以互相趕超，今天你超我 14 倍，明天我秒殺你 XX 倍，這才是我們熱衷於這場變革的理由。

1000TOPS 算力的 Atlan 將於 2025 年正式落地，但它的敵人可能已經是特斯拉 Autopilot 5。0，甚至馬斯克可能都要上火星了。英偉達怎麼打贏這場老科技廠商和新車企的「戰爭」，也是下一個十年智慧汽車界的一大懸念。

屬於智慧的新時代，就是這樣讓人期待。