因为疫情原因，原本在4月底举办的北京车展至今未能举办，这也使得最近开幕的成都车展成为今年的第一个A级车展。
在本次展会上，各大车企和供应商将智能驾驶的“军备竞赛”推向高潮:一方面，智能驾驶的应用场景从高速、自动泊车延伸到城市；另一方面，加快激光雷达、高清摄像头、大功率芯片等硬件产品。
尤其是高计算能力芯片，已经成为越来越多汽车厂商的主要卖点，很多车型的自动驾驶计算平台已经超过1000TOPS。在这里，“TOPS”是计算机的计算能力单位，1TOPS是指处理器每秒可以执行一万亿(10 ^ 12)次运算。
这是汽车竞争逻辑改变的背后。
传统汽车时代的竞争主要围绕动力、操控和空展开。但智能汽车发展的背后是整车计算平台的演变，从最初的分布式计算，单个子系统有自己的ECU，到域控制器逻辑，基于功能划分的集成控制运算，最后到整车计算能力的高速集中智能分配。这也对芯片的性能提出了更高的要求。
所以现在很多汽车厂商宣传的重点之一就是英伟达或者高通的芯片到底有多强大。这让人想起了手机和电脑厂商这么多年来围绕芯片做营销的习惯。
对于一辆车来说，是不是就像电脑和手机一样？芯片越快，计算能力越高越好？答案可能不是你想的那样。
从“马力”到“计算力”
目前“算力”已经成为评价一辆车的重要指标。
2019年特斯拉推出HW3.0芯片时，144TOPS的计算能力在当时高居行业榜首，这让很多车企意识到了计算能力对于智能汽车的重要性。当时英伟达的Orin芯片还没有量产，主要产品是2017年发布的Xavier芯片，采用12nm工艺，运算能力30TOPS。
蔚来ET7 |视觉中国
到2021年，这项比赛将被推向一个新的高度。
2021年初，蔚来NIO Day创始人李斌发布了他们的首款车——ET7。与当时的其他车型相比，它最大的亮点之一就是首款量产车采用了Nvidia Orin芯片。目前量产的自动驾驶芯片中，Orin被认为是计算能力最高、技术最先进、量产速度最快的。
随后的一年半时间里，拼芯片、拼计算能力成为一种趋势。最近越来越多的车企开始推出计算能力大的平台。和手机一样，越来越多的汽车发布会开始用计算能力和芯片作为宣传噱头。
从数据上看，目前最强大的芯片是DHT-PHEV激光雷达版的微摩卡。搭载Mimo智行和高通制造的骁龙Ride芯片，综合运算能力达到了1440TOPS；其次是蔚来ET7和威马M7，两者都采用了4颗NVIDIA Orin-X自动驾驶芯片，车载系统最大运算能力达到1016 TOPS；随后，小鹏G9和理想L9采用了两个NVIDIA OrinX芯片，计算能力达到了508 TOPS...
相比之下，一直被视为智能汽车标杆的特斯拉，依然搭载了144TOPS的FSD驾驶辅助芯片。
从汽车芯片玩家来看，类似于智能手机行业，竞争对手也是多元化的。既有老牌芯片厂商英伟达、英特尔、高通，也有代工厂商(Tesla)、中国初创企业(Horizon等。)和IT巨头华为。
其中，在智能驾驶舱领域，比较著名的芯片有高通的8155和8195，以及地平线基于其Journey 2和Journey 3芯片打造的Halo 2.0和Halo 3.0解决方案；在智能驾驶领域，有英伟达的Orin，英特尔的MobileEye的Q4和Q5，华为刚刚发布的MDC系列，还有地平线的Journey 2和Journey 3，以及即将量产的Journey 5和Journey 6。总的来说，自动驾驶和智能驾驶舱芯片最大的区别在于，智能驾驶需要更多的NPU计算能力来支持自动驾驶算法的落地。
英伟达奥林芯片|视觉中国
资料显示，英伟达可谓是智能驾驶芯片赛道的计算力霸主。目前明确使用Orin芯片的主机厂有蔚来汽车、李、知己、威马汽车、沃尔沃、路特斯、高和汽车、汽车、智行等。
但主机厂商在选择芯片时，不仅仅考虑单个芯片的性能实力，还会参考性价比、相关软件生态以及工具链的成熟度。
为了创造差异化的体验，制造商需要芯片支持传感器的“多输入”，并保持高度的灵活性。目前基于NVIDIA Orin芯片的自驾平台可以支持12个外置摄像头、3个内置摄像头、9个雷达、12个超声波雷达和1个前置激光雷达，基本涵盖了大部分主机厂的传感器配置，整体性价比较高。这也是Orin芯片被很多机型采用的主要因素。
汽车“堆码战”
正是越来越普及的智能驾驶技术，让车企对计算能力如饥似渴。
目前市面上量产车的自动驾驶水平一般在L2和L3之间，可以实现自动紧急停车(AEB)、主动巡航控制(ACC)、车道变换辅助(LKA)等功能。总的来说，现阶段对计算能力的要求不高，计算能力达到几十顶就够了。
那为什么现在越来越多的OEM厂商把芯片算力堆到500到1000TOPS？这和智能驾驶的加速落地有关，主要表现在自动驾驶的使用场景上。从最早的自动泊车或高速等单一场景，逐渐延伸到多个场景甚至全场景。
自动驾驶的主流场景有三个。按照实现难度，从低到高分别是高速/环路、停车场、市区。目前在高速/环路场景下的体验已经不错，2022年被认为是市区自动驾驶元年。
随着自动驾驶场景的发展，激光雷达+视觉+毫米波雷达的多传感器冗余方案正在成为主流。目前主流机型的传感器数量已经超过30个。传感器越多，网络越深，网络越多，这些都对芯片的计算能力提出了很大的要求。
因此，硬件嵌入和软件OTA迭代成为主机厂商的主流策略。
企业在量产车上组装高级智能驾驶硬件，将芯片直接拉到高级(L4)生命周期，通过硬件快速加载获取大量数据，然后在体验上进行技术迭代。因为自动驾驶要突破到更高的层次，需要数据、算法和计算能力来实现闭环，数据用来驱动算法的迭代。
芯片|视觉中国
当然，OEM厂商推出这些大功率芯片不仅仅是技术发展的需要，还有营销的因素。
回想当年的智能手机，通过大屏、快充，以及更大的电池容量、内存和高像素摄像头，在各种宣传和排名中赚足了眼球。所以目前智能汽车都在模仿智能手机的营销策略。就像人们谈论手机配置一样，汽车的芯片配置也会是消费者日常谈论的话题之一。
其实在计算能力军备竞赛的背后，更多体现的是车企的焦虑。
虽然自动驾驶已经发展了十几年，但是各种细分技术仍然在迭代和延伸，这也意味着技术方向和市场充满了不确定性。因为自动驾驶是新生事物，谁也不知道怎么做，怎么做好，所以车企往往会提前嵌入一些高配置的硬件，为后续升级提供基础。
计算能力是否意味着智能？
在这场军备竞赛中，一些主机厂商已经“迷失”了方向，开始配置更多的材料，追求性能参数。但是堆叠能堆出高阶自动驾驶仪吗？目前高水平的自动驾驶仅仅靠堆高芯片是做不到的。
在智能汽车时代，计算能力、算法和数据是推动行业发展的三大关键因素。其中，数据被认为是“生产数据”，算法是“智慧”，计算能力是“肌肉”。
简单来说，智能汽车水平的提升，除了计算能力的绝对值外，还与数据和软件算法的协调有关。在数据和算法还没有取得突破的时候，即使计算堆高达1000TOPS，也无法实现高水平的自动驾驶。这就好比一个人浑身“肌肉”却“脑子”不好。这是一种畸形的状态。
决定未来汽车差异的将是软件和后续迭代带来的性能和功能变化。比如特斯拉HW 3.0芯片，单个芯片的运算能力只有72TOPS，比上一代芯片提升不了多少，但自动驾驶性能却可以提升高达20倍。
更何况产品最终是面向用户的。目前高计算能力的芯片并没有给用户体验带来明显的提升，计算能力利用率不高，没有充分发挥其价值。用户还需要为硬件和软件支付极高的价格。
有人认为车企是在芯片计算能力上堆砌材料，为未来的高级自动驾驶做准备。但L4级自动驾驶何时能实现突破，业内并无共识。Waymo早在2017年就开始了自动驾驶的商业化，当时内部员工透露99%的问题已经解决。然而，Waymo后来在商业化方面遭遇了挫折，部分原因是解决最后1%的问题的难度可能是之前99%的几十倍甚至上百倍。
除了技术问题，高级自动驾驶的实现还取决于基础设施建设和政府政策法规，包括5G、物联网、智慧城市等的建设进度。Gartner此前预测，可能需要10年时间才能实现真正实用的L4级自动驾驶。
其实类似的情况在PC和手机行业也上演过。如果回顾过去几年智能手机的发展，处理器性能和频率越来越高，屏幕越来越大，分辨率越来越好，摄像头越来越好...这些配置并不一定能带来更好或者更明显的体验，反而带来了很多问题，比如散热，充电时间越来越长，价格越来越贵，体积更大等等。
当一个行业不断强调性能参数，开始脱离用户真实使用场景的时候，就需要警惕了。这些关键的营销参数很可能只是昙花一现的噱头。未来智能汽车的主战场在于差异化的体验，而不仅仅是硬件的性能参数。
