智能汽车算力收敛

1. 英伟达新款Thor芯片发布 算力2000TOPS/极氪品牌2025年搭载

易车讯 日前，我们从相关渠道获悉，英伟达新款智能汽车芯片THOR发布，算力高达2000TOPS。据悉，该SoC芯片内部拥有770亿个晶体管，算力高达2000TOPS，或者是2000TFLOP，将于2024年量产，吉利旗下极氪品牌将于2025年搭载。

易车App提供销量、热度、点评、降价、新能源、实测、安全、零整比、保有量等榜单数据。如需更多数据，请到易车App查看。

2. 华为汽车“暗局”：4000人在激浪前行

[汽车之家行业]?如果一辆车的软硬件价值，有三分之一甚至一半都来自华为，届时你会认为华为是一家汽车公司吗？业内对于华为造车存有猜测，华为的态度是“华为本身不造车，但可以帮助车企造车”。未来，随着软件定义汽车时代的来临，汽车全生命周期价值被不断放大，华为从一辆车上可获得的价值必然会成倍增加。

今年北京车展，华为展台上，不断有车企高层前来一探究竟，深聊下华为的电驱动、感受下华为的雷达和智能座舱、听解下华为的云服务。种种迹象已经表明，华为将成为未来汽车产业不可或缺的供应商。近日，华为轮值董事长徐直军又一次直面媒体，透露了华为汽车的雄心，解开了来自市场的一些疑虑。

『华为全系列传感器』

四是华为做智能驾驶能比特斯拉更强吗？

“我们不做低等级智能驾驶，激光雷达只是起点。”徐直军称。尽管行业内经过多年的努力已经将视觉算法做得很好，但依然有天花板。尽管特斯拉当前不用激光雷达，仅依靠视觉计算，但这不能否认激光雷达的技术优势。

徐直军表示，在中国路况场景下，没有激光雷达解决不了的问题，华为要坚定地走激光雷达+毫米波雷达+视觉分析的融合感知路线，“只要方案做得好，成本高一点也没关系，我们可以少挣一点。”

五是华为汽车业务何时才能开始盈利？

“如果想盈利，最有效的办法就是关闭。”徐直军称。据悉，华为汽车业务在2020年的支出超过5亿美元，想要追求盈利，把这5亿美金放在口袋里面最好。汽车产业发展是有规律的，时间周期非常长，华为短期内不会考虑汽车业务团队的盈利问题，长期来看总会有一年实现盈亏平衡。

徐直军说：“华为每一个产业都有发展曲线，从立项开发到走向当期盈利、再走向累计盈利，这个周期平均八年。因此我们对汽车业务的发展也是有耐心的。”

编辑总结：

今年北京车展，华为备受关注，甚至有人认为，华为正在冲击全球零部件老大博世。对于与博世的竞争，华为倒是认为，业务目前重叠度并不高。我们也向博世进行了询问，博世称与华为一直有沟通交流，具体合作内容不便透露，而就在华为的展台上，也有不少博世的前员工。华为虽然是后来者，但他深知汽车产业的精髓，跨界创新不能脱离本质，让华为的技术成为车规级的产品还是要靠人，靠合作，靠聚圈。后来者是有耐心的，或者华为真的会成为中国汽车零部件领域的一颗新星。（文/汽车之家刘宏龙）

3. 算力提升、成本下探，地平线持续拓宽行泊一体「朋友圈」

智能驾驶告别愁订单，转而面向保交付。

如果说去年行泊一体还能用「出圈」形容。到了今年，行泊一体不光是「外火」缺芦，而是热到需要排队等待交付了。

地平线副总裁兼软件平台产品线总裁余轶南谈到：「量产交付效率是产业面临的核心挑战。」

这句话的前提是目前以地平线为代表的芯片厂商订单量充足，注意力转移到交付环节。

交付挑战主要体现在两方面：其一无论是车企、Tier1 还是 Tier2 等角色，都要直面深度协同的问题；其次，这也考验着各方的工程能力、供应链管理能力、人才储备等。

据汽车之心了解，目前吉利星越 L、吉利全新博越 L、领克 09 EM-P 远航版，第三代荣威 RX5，理想 L8 Pro/L8 Air、L7 Pro/L7 Air 等车型均已实现行泊一体方案量产落地，目前市场面上搭载行泊一体方案的车型已超过 20 余款。

行泊一体，似乎有了标配之势。

成为标配的基础是，行泊一体底层生态圈的基本成型。目前以地平线为代表的芯片厂商已经协同车企、Tier1 初步打造起了行泊一体生态圈。

以地平线征程系列芯片为例，征程 3 芯片算力达 5 TOPS，典型功耗 2.5W，具有高性能、低功耗、拓展性强</strong

【本文来自易车号作者汽车之心，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

4. 王平：高等级自动驾驶芯片技术发展现状如何丨汽车产经

2021年12月16日，由中国汽车工程学会和中国智能网联汽车产业联盟联合主办的2021第三届国际汽车智能共享出行大会在广州花都开幕。寒武纪行歌执行总裁、前麦肯锡董事合伙人王平以《高等级自动驾驶芯片技术现状和趋势》为题发表了演讲。

王平

王平指出，自动驾驶芯片发展遇到的挑战需要芯片企业和企业一起来克服。“不仅仅是一个单车的算力，它还要跟云端、路侧和车上其他的终端来进行协同。”

以下为演讲实录：

非常谢谢主办方的邀请，能够代表自动驾驶芯片企业做这样一个交流。

人工智能推动汽车智能化可以表现在三个方面：智能座舱、智能驾驶、车路云协同。

今天早上包括李克强院士也分享了非常精彩的观点，寒武纪行歌致力于在自动驾驶和母公司寒武纪一起在智能汽车和“车路云”协同方面做出贡献。智能汽车对于算力提出了越来越高的要求。最新发布的一些车子，比如一体机和智己，他们已经把算力放到了100tops以上，现在特别是智能电动汽车放了很多传感器、摄像头、激光雷达，那么这样导致数据量大幅提升；另一方面，自动驾驶的算法也是更加复杂，客观上也要求更高算力的芯片。

那我们看到了一个行业的趋势，我们是这样看的，我们认为有两个大特点：大算力、通用性。过去L1和L2时代，数据量是比较小的，算法也是相对比较简单的。那在这个阶段可能以Mobile2为主的主流厂商是提供一揽子的黑盒子方案给OEM。这种场景下，OEM不能做OTA的升级。往前走进入L2+L3甚至L4时代，刚才提到了上周DIANA在德国拿到了L3高速下的许可，开始第一例进入L3的时代，汽车数据的数量更加复杂，更加需要大算力的芯片。

同时由于OTA的加速普及，像特斯拉包括国内新势力的汽车企业都已经在推进OTA，硬件预埋，软件和算法可以在后续不断地去更新，可以不断地去升级我们的软件。在这个阶段，以英伟达为代表的国际厂商推出了通用的大算力芯片，所谓的通用性就是各个主机厂和算法公司在此基础上可以进行自主算法升级。所以自动驾驶主控芯片有两大发展趋势：大算力、通用性。

那么要做大算力和通用性的自动驾驶芯片其实是非常不容易的，我们认为有四大方面的挑战：

第一，芯片的系统架构非常复杂。200T以上大算力的芯片要求非常高，需要支持超大的带宽，这样的结构相对来讲是更加复杂的，国家在这方面的人才储备也是不够的。

第二，通用的AI软件战。我们这个算法是要不断地去升级和完善的，只有通用的AI软件站才能支持不同的算法和不同的主体，OEM和算法公司对它进行升级。

第三，大尺寸芯片工程的挑战，大算力芯片的尺寸更多，对于后端封装设计、电源和热设计、量产成本控制压力很大。因为它良率的挑战是非常大的。比如200tops这样大尺寸的芯片需要7nm先进的工艺，国内来说还没有7nm先进的车规级工艺。

以上几个挑战是我们要和企业一起来克服的，领先的车企开始部署云边车端，云端、车端、边端和终端来协同计算的能力，不仅仅是一个单车的算力，它还要跟云端、路侧和车上其他的终端来进行协同。特斯拉发布了打造全球算力最强的计算中心，来帮助他进行自动驾驶算法的训练。

简单汇报一下寒武纪和行歌在做的一些工作，寒武纪布局了全算力的人工智能芯片，从IP的终端授权给终端的手机等等，给他们授权。边缘端有路侧的芯片、云端加速卡和云端加速器，我们的特点是云边端的全系列覆盖，在云边端采用了统一的架构和指定级，也采用了统一的开发平台。这样的好处是什么呢？当我们需要采用云、边、端协同的时候，我们的软件算法呢，比如在云端训练的算法是可以以高效率很快Deploy到中端。

行歌是寒武纪的子公司，是今年成立的，我们的使命是用AI赋能来实现安全、快乐、低碳的出行。我们的路线图：希望明年推出超过20T的SoC产品（自动驾驶主控芯片），这也是国内第一颗。按照目前的性能要求，这颗芯片将超过英伟达的Orin，是国际最先进的芯片，计划于2022年下半年进行流片，2023年通过整个车规级的认证，在2023年底和2024年大概会上车。2024年会进一步退出超过500T的大算力的SoC芯片，继续走在全国的前列。

刚才我介绍到，2022年会推出的超过200个T的芯片会采用7nm的工艺，会达到车规级的要求，具有独立的安全岛，也借用包括寒武纪已有成熟的软件工具链。最后寒武纪和行歌还将推动云、边、车的协同。基于云端有云端大算力的数据中心的芯片；在路侧也有边缘端的芯片；同时车上基于行歌开发的自动驾驶芯片，这些会形成协同的感知、数据的融合，我们在云端训练的数据和模型可以非常快地发送到车端，实现OTA的升级，由于它们都采用统一平台级的基础软件，采用统一的处理器和指令级。

寒武纪行歌希望在自动驾驶用AI赋能，实现安全、快乐、低碳的出行，谢谢大家！

5. 交付倒计时，汽车机器人ROBO-01示范算力调校标杆

自英伟达掌门人黄仁勋提出“算力就是新的马力”之后，算力将替代马力和扭矩等机械化参数并成为衡量汽车产品力重要标准，这一论调已逐渐被行业接受。

传统车企无一例外在卯足劲智能化转型，新势力也在大把烧钱投智能化研发。平心而论，很少有一家车企具备10年的AI技术积累，缺乏强大的AI算法是许多车企没法把芯片算力充分发挥出来的原因之一。

通过对8155和8295的应用对比，我们发现下一代智能汽车对芯片算力使用的底层逻辑。究其根本，产品要面向用户，如果只是一味强上高算力芯片，却没有发挥算力价值的AI能力，则只能在无形中让用户徒增购车成本。

对其后使用8295芯片的车企而言，修炼好AI“内功”，上好算力使用这堂“必修课”，将高算力芯片的潜力最大化挖掘并标配，才能实现真正的科技普惠。

【本文来自易车号作者新能源汽车网，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

6. 銆愭苯杞︿汉銆戣溅杞界畻鍔涜姱鐗囷紝姝ｅ煎巻鍙茶浆鎶樼偣

鍦2018骞达紝褰撴椂鏈鏂颁笂甯傜殑Mobileye EyeQ4锛28nm鍒剁▼锛夎嚜鍔ㄩ┚椹惰姱鐗囷紝绠楀姏涓2.5Tops銆侻obileye璁や负锛岀畻鍔涘苟闈炵摱棰堬紝鍑鍊熺畻娉曞拰5涓骞惰屾牳蹇冪殑澶氫换鍔℃ā寮忥紝灏卞彲浠ュ勭悊8棰楁憚鍍忓ご鏁版嵁锛岃冻浠ュ簲瀵筁4鍦烘櫙銆傚畠浠寮曚互涓鸿豹鐨勬槸璇ヨ姱鐗囧姛鑰楀彧鏈3W銆

5骞磋繃鍘讳簡锛屼笟鍐呭圭畻鍔涚殑璁ょ煡銆佽繍鐢ㄥ拰鐢辨や骇鐢熺殑闇姹傦紝閮藉湪椋炶穬鍙戝睍銆2.5Tops绠楀姏搴斿筁4鐨勮ょ煡锛屽氨鍍忎笂涓栫邯80骞翠唬IBM璁や负锛屽彧闇瑕5鍙板ぇ鍨嬫満锛堝叾绠楀姏杩滀笉濡傜幇鍦ㄧ殑涓绘祦鎵嬫満锛夛紝灏辫冻浠ユ弧瓒冲叏鐞冪殑璁＄畻闇姹傘

銆婃苯杞︿汉銆嬭や负锛屽氨绠楅檺鍒跺湪杞﹁浇鍦烘櫙锛岀畻鍔涢渶姹備篃寰堥毦鐪嬪埌缁堢偣锛屽氨鍍忔垜浠寰堥毦棰勬枡AI鐨勭粓鐐逛竴鏍凤紙鍙鑳芥墍鏈変簨鐗╃殑鍓嶆柟锛岄兘鏈変竴涓澶фā鍨嬶紝鍖呮嫭浜烘湰韬锛夈

浜虹被浠庡巻鍙蹭腑瀛﹀埌鐨勫敮涓鏁欒锛屾槸浠庢潵涓嶄細姹插彇鏁欒銆傝繖鍙ヨ瘽鍊掓槸浠嶇劧鏈夋晥銆傘愮増鏉冨０鏄庛戞湰鏂囩郴銆婃苯杞︿汉銆嬪師鍒涚夸欢锛屾湭缁忔巿鏉冧笉寰楄浆杞姐

銆愭湰鏂囨潵鑷鏄撹溅鍙蜂綔鑰呮苯杞︿汉浼犲獟锛岀増鏉冨綊浣滆呮墍鏈,浠讳綍褰㈠紡杞杞借疯仈绯讳綔鑰呫傚唴瀹逛粎浠ｈ〃浣滆呰傜偣锛屼笌鏄撹溅鏃犲叧銆

7. 高阶智能驾驶下一站，除了激光雷达还在比什么

甚至能弥补现阶段我们看到的单车智能路线的短板，但至少短期内这个技术落地的可能性很小，也正是因为它涉及到方方面面的智能化终端改造，路面上的其他车必须智能，红绿灯、道路甚至摄像头都必须智能联网，这是一个缺了谁也不能完美实现的大体系，还需要整个生态的协同发展。

总结：

在很长一段时间内，量产车在自动驾驶发展路径上仍将处于无限趋近L3级别的能力范畴，随着芯片能力、5G、雷达等智能硬件水平的快速提升，用户实际体验感受也将得到大幅升级。这一阶段的高阶智能驾驶辅助水平高低除了上述几个大的关键点外，高精地图、全栈自研等方面因素也会对落地结果有一定的影响，但主要的竞争领域仍保持上这几个大方面上，但最终体验感的优劣仍是软硬件结合能力的综合影响，但在逐渐明朗的大趋势下，更完善强大的智能辅助驾驶非常可期。