作者
JimmyMa

邮箱
来源品驾(Ping-Drive)
“较上代产品提升XX%”
这样的宣传语,小到牙膏,大到汽车,可能会出现在各种各样的商品迭代上。而这次,英伟达竟然将新产品和另一款未上市的“准新产品”做比较。
说得直白点,就是英伟达自己卷了自己。
在去年的GTC2021上,英伟达发布了NVIDIA DRIVE Atlan,一款算力高达1000TOPS的AI处理器,预计将于2024年正式生产,2025年上车。
DRIVE Thor 图源:英伟达
只不过,2022年都还没过完,英伟达就进行了自我否定。在昨晚的GTC2022上,黄仁勋宣布,Atlan不再是第一了,全新的Thor芯片,将以2000TOPS的算力,成为自动驾驶芯片中的新一哥。
当然,英伟达在汽车领域的野心,也不仅仅是一家“自动驾驶芯片供应商”,而是掌管整辆车。

一芯多用时代,或许快到了

智能汽车的集成化水平,将会越来越高。更高的集成度不仅能优化体验,还能降低整车制造成本。据罗兰贝格的研究报告显示,域控制为智能座舱发展的关键。今后,智能座舱域将会与智能驾驶域相结合,最终,车载中央计算机将会进一步整合车内计算芯片。
图源:罗兰贝格
Thor的定位,则顺应了这一点。它并不只是自动驾驶芯片。集成超高算力的目的之一,也是为了服务整辆车的AI计算。可取代停车、自动驾驶及主动安全、驾驶员/乘客监控系统、摄像头监控系统以及娱乐系统等多领域的芯片。
图源:英伟达
事实上,自Orin芯片开始,英伟达就已经公布了“一芯多用”的计划。即便Orin X芯片已经上车近一年时间,为何车企还是把它只当成驾驶自动化的芯片来用?
品驾认为原因或在以下四点,第一,算力方面,254TOPS的算力甚至还不够满足驾驶自动化近期或中远期的算力需求,部分产品为了满足大算力需求,还要搭载多颗Orin X芯片,自然没有富余来分享给其他领域;第二,软件能力方面,目前各家车企或还不具备成熟的域整合方案,芯片能力即便到位,也需要等软件能力跟上;第三,安全方面,虽然Orin芯片的设计符合ISO26262《道路车辆功能安全》国际标准,拥有安全岛设计,但在实际应用中是否能够满足自动驾驶与其他领域的安全隔离,还需要时间来考证;第四,座舱方面,高通凭借其在移动设备领域多年的积累,已经在座舱芯片市场上占据大半江山,此外,在这样先发制人的优势下,目前消费者已经形成对于高通座舱芯片的认知与认可,英伟达想要进入该领域,存在一定困难。
Thor芯片则继承了该系列芯片的绝大多数优势,并进行史诗级提升。“一芯多用”的必要条件,是该芯片必须支持多个系统。Orin与Thor均支持Linux、QNX和Android。通常,车辆的娱乐信息系统会使用Android,但涉及驾驶安全的仪表、控制等部分则会使用稳定性更高的Linux系统。以理想ONE为例,该车型车机娱乐系统采用了高通骁龙820A芯片与Android底层系统,但仪表屏则采用了Linux与德州仪器J6芯片,从而达到“分而治之”的效果,来确保安全。
GTC2021 图源:英伟达
算力方面,英伟达表示,由于更复杂的AI模型,更多数量、更高分辨率的传感器上车,对于算力的需求也日益提升。因此,这款芯片的算力将会达到2000TOPS以上,并且具备灵活的分配方案。自然可以将这2000TOPS与2000TFLOPs全部供自动驾驶使用,也可以分出一部分给车机与座舱使用。
安全方面,Thor的多计算域隔离可提供并发的、对时间敏感的多进程无间断进行。由于目前还不清楚该芯片的具体设计,但如果考虑到一芯多用所涉及的安全问题,该芯片应当具备硬隔离的方案。
NXP i.MX 8 QM采用硬件分区 图源:恩智浦
DRIVE Thor将于2025年开始量产,而首发品牌则是极氪。也就是说,或许到了2025年,我们将有望看到集成度更上一层楼的智能汽车。
在硬件之外,英伟达的软件水平同样在线。

在“元宇宙”里训练自动驾驶

英伟达的另一个优势,则是在软件。不少车企以及自动驾驶公司都要走“全栈自研”的路线。对于这些初创公司来说,想要在钱烧完之前将自动驾驶落地,在开发上需要更迅速。而英伟达则同样提供软件上的服务。
NVIDIA DRIVE可提供多种软件支持,例如NVIDIA DRIVE SDK提供了自动驾驶所需的构建块和算法堆栈,其包含DRIVE OS、DriveWorks、DRIVE AV等多个部分。而在昨晚的GTC2022上,英伟达着重介绍了Drive Sim。
一项名为Neural Reconstruction Engine(神经再造引擎)的AI工作流为Drive Sim提供了新支持。通常情况下,为自动驾驶创建虚拟训练场景费时费力,且场景十分有限,并不能达到充分训练的目的。但通过这项新技术,只需上路采集一次信息,便可根据传感器数据对路上的人、车、物等信息进行采集,并在几分钟内重建完整的数字孪生。
图源:英伟达
在模拟场景下,这套系统可生成多种极端场景(如鬼探头),搭配Drive Map,开发者可生成一套想要的训练路线及场景。
通俗来说,以前需要上路获取大量数据的自动驾驶训练,现在在“元宇宙”里练就行了。
Drive Sim还可实现实时硬件在环,并生成实时雷达模拟数据以及实时多传感器模拟数据,可以说与真实训练相差无几。
图源:英伟达
而这套技术的背后,是英伟达的Omniverse在做支持。Omniverse是英伟达开发的实时图形协作平台,可生成数字仿真,来实现3D设计协作等功能。去年GTC上,15秒钟左右的“虚拟黄仁勋”曾引发热议,完全以假乱真的效果也是出自Omniverse平台。
GTC2021上的“虚拟黄仁勋” 图源:英伟达

竞争更加激烈,芯片大战一触即发

一个产业的发展必然会经历从分散到集成,而智能车领域目前正在经历这条路。从传统时代走向智能车时代的初期,随着智能化需求的不断扩大,车辆所需的MCU会急速上涨。但发展到下一阶段后,MCU的数量则会进入下降阶段,逐渐被能力更高的SoC取代。甚至车机芯片与自动驾驶芯片都会合二为一。
本来或许能在车上互不干涉的高通与英伟达,也必将成为敌人。近年来,高通也在车机之外的领域发布了骁龙数字底盘以及自动驾驶芯片。大厂的竞争况且如此,一些小厂的路恐怕要更难走了。

· 文章版权归品驾/品玩所有,未经授权不得转载。
· 发送关键词 转载合作招聘 到品玩微信公众号,获得相应信息。
· 您亦可在微博、知乎、今日头条、百家号上关注我们。
继续阅读
阅读原文