买车还得懂芯片?
2023-10-27 14:07

买车还得懂芯片?

本文来自微信公众号:果壳 (ID:Guokr42),作者:陆泰,编辑:沈知涵,题图来自:视觉中国

文章摘要
本文介绍了智能汽车中的车机芯片和智能驾驶芯片的重要性,以及芯片算力对驾驶和乘坐体验的影响。文章指出,芯片算力的提升可以带来更好的车载娱乐、导航和语音助手等功能体验。同时,文章强调了软件算法在充分发挥芯片性能方面的重要性。

• 车机芯片和智能驾驶芯片决定了智能座舱中的体验,包括车载娱乐、导航和语音助手等功能的响应和运行。

• 芯片算力的提升可以改善驾驶和乘坐体验,如加快开机启动、提高语音响应速度和应用启动速度等。

• 软件算法的优化和发挥对芯片性能的充分利用至关重要,能够提升智能汽车的性能和用户体验。

“跑分”这一词听起来些许久远了。


更多流行在智能手机早期。靠跑特定的程序,来测试和评估手机在CPU、显卡、内存、存储等方面的性能。因为对于普通消费者来说,不太容易弄懂繁琐的参数和芯片名称,所以“跑分越高=性能越好=买!”


但如今,你的车开始“跑分”了。


最近,一款跑分软件测试了数十款车机芯片,给出排名第一的接近70万分。车机芯片是什么?简单来说,车机芯片决定了智能座舱中的体验,比如车载娱乐,导航,语音助手等功能的响应和运行。


围绕高性能芯片,中控大屏,人机交互,全车语音识别等等做营销的智能座舱,的确跟手机厂商早年宣传路数很像。


那么对于消费者来说,是不是能像挑手机一样,“直接入手”芯片好的,跑分高的?在智能汽车的时代下,这些全新参数意味着什么?


一、油车靠马力,电车靠算力?


第一步,先要搞清楚,智能汽车的算力(跑分)升级能带来哪些体验上的改善。


如今的汽车像手机一样,淘汰了键盘与按键,进入到了大屏时代,和更加自动化、智能化的时代。但早期,这些功能刚出现时,并不被买账。很多人更乐意花9.9来买车用手机支架,用手机导航。或者用手机投射的方式,使用大屏,就是不用主机厂花重金打造的车载系统——原因就是车载系统太卡,且联网体验很差。


比如车机的开机启动、语音响应、应用启动,操作跟手速度等等。行驶路上,导航或仪表盘卡了或慢了,影响可不是一星半点,甚至会酿成大祸。


人们对于乘坐舒适度和智能化(传感器变多,触控代替实体,语音交互等等)的要求越来越高,车机芯片的性能也就变得越来越重要。以两款热门的车机芯片为例子,从骁龙820A到骁龙8155,后者CPU核心数从4核增加到8核,采用“1大3中4小”设计,超大核负责大型游戏运转及其他大型车内应用;中核负责汽车日常运转;小核处理微型软件,多核分开工作,就能保证打开多个应用程序不卡顿。


在智能汽车里,除了车机芯片,还有承担另外一处功能的芯片——智能驾驶芯片。


从保持车道内稳定行驶,到能识别前车速度,自动跟车行驶;从“开高速”,到自主完成变道超车和上下匝道;


如今车企们又着手攻克复杂的城市驾驶场景——道路环境复杂意味着,车感知和识别,规划决策,控制执行也越难。


当一辆自动驾驶车辆每天可以产生数TB,甚至数十TB数据需要处理,自然需要算力支撑。


所以我们看到了近十年,智能驾驶芯片算力近乎疯狂的增长。


2014年,特斯拉用上Mobileye发布的驾驶辅助芯片EyeQ3,算力只有0.256TOPS(TOPS,指每秒可以运算多少万亿次操作);到2019年,特斯拉自研144TOPS的自动驾驶芯片发布;再到2021年,蔚来Adam超算平台实现超过1000 TOPS算力;2022年,英伟达又刷新纪录,Thor一颗单片算力达到2000TOPS。


算力(芯片跑分)划定了驾驶和乘坐体验的“天花板”,它决定了是不是能预埋更多摄像头给未来智能驾驶升级;车内“大彩电”是想看2K还是4K的屏幕;想不想拥有“全车多音区识别功能”……这些都需要更高级别的芯片支撑,压榨低级别的芯片算力很难实现。甚至还出现了增加NPU(神经网络处理单元)的芯片——专门负责车AI计算部分的任务,以腾出CPU处理其他任务。


“大力出奇迹”固然好,但芯片算力还是拗不过“木桶理论”。


二、钱花在刀刃上?硬件上?软件上?


上千TOPS能怎么样?车企发布会上说得“天花乱坠”的,但这只是一个“最大值”。它跟汽车实际运行时的表现,并不能完全画等号。从算力强到表现好,这里面还差了一步。


地平线(AI芯片公司)曾呼吁行业“不该拼算力”,而要看真实性能,并推出了一种MAPS测试方法:即在精度有保障范围内的平均处理速度。


以特斯拉为例:特斯拉FSD芯片的单片算力72TOPS,只有英伟达Drive PX2(24 TOPS)的三倍;但在MAPS测试下,FSD每秒可准确识别2300帧图像,而PX2只能识别110帧图像,两者相差21倍。


这是因为车端芯片性能表现,不仅取决于算力,还受制于存储与带宽。特斯拉高效运用算力的方法是:在芯片内封装了32MB的SRAM(静态随机存储器),缓存带宽达到2TB/s,数据传输的延迟更低(高速缓存通常由SRAM组成,位于CPU和主内存之间,存取速度比主内存快,将经常使用的数据存储在高速缓存中,CPU能更快访问),这样将每秒能处理的图像大幅提升。


芯片性能的充分发挥,还得靠软件算法。


就像早年间游戏领域里一个著名的故事:乔布斯在雅达利时期,找来沃兹尼亚克优化游戏电路板。原本一款游戏要用100多个晶体管来负责运算,通过重新设计游戏的运算逻辑减少晶体管使用,沃兹最终只用了44枚晶体管,开发了打砖块游戏“鼻祖”。


就是这个游戏,《Breakout》丨wikipedia


汽车同理——算力是被算法“浪费”着用,还是“精打细算”用,差别很大。拿用了骁龙 820A芯片的车机系统来说,在不同车上表现也不尽相同。所以,都是芯片的“锅”吗?软件要“压榨”芯片,让软件和硬件匹配度更高,针对想要提供的用户体验做独有的优化。软件做好,把硬件潜力发挥出来,体验也能做到超越芯片层面的优秀。


同样,对于智能驾驶芯片,软件算法能力更为凸显。


比如过去传统的软件编写,是由人敲的逻辑代码(if-then规则),辅以机器学习,识别道路车辆和物体,用在规则清晰的“高速场景”下。


但在“城市场景”下,因为交通状况更为复杂,corner case(特殊场景)的数据集规模增加了上百倍。还以特斯拉为例,他们将原始图像直接输入名为“HydraNets(九头蛇)”的纯视觉神经网络算法中,这些车身摄像头从不同角度拍下的照片,进行一系列数据处理,最终汇总成(汽车的空间位置、周围交通状况)给机器的决策依据,“接下来该怎么开”。


越来越多车企使用“以神经网络训练形式”编写的软件,构建其自动驾驶策略。通过“制造算法的算法”,机器能无休止地“学习”。


如今“值得把所有行业重做一遍的大模型”也“上车”了。我们看到很多车企纷纷构建,云算力平台。在云端训练一个大模型,进行驾驶策略的训练;进行(代替人)数据自动标注;生成虚拟仿真数据,反复训练 corner case,弥补真实数据采集不足等一系列工作;最后把大模型“蒸馏”,把能力迁移到小模型上,再塞到车内。


说了这么多,判断一台车智能体验的好坏,取决于很多方面:软件研发能力,车企 OTA,工程技术的落地……这些做好了,智能汽车才不是“一锤子买卖”,车才会“常开常新”,体验越来越好。


这不是硬件数据或一两个参数就能下结论的——盲目地追求算力,消费者花了冤枉钱,车企们“白卷了”,行业呢,止步不前。


本文来自微信公众号:果壳 (ID:Guokr42),作者:陆泰,编辑:沈知涵

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定