因為疫情的原因，原本 4 月底舉辦的北京車展延期至今尚未舉辦，這也讓最近開幕的成都車展，成為今年的第一個 A 級車展。

在這次展會上，各大車企和供應商把智能駕駛的「軍備競賽」推向高潮：一方面，智能駕駛的使用場景從高速、自動泊車延伸到城市；另一方面，激光雷達、高清攝像頭、高算力芯片等硬件產品加速上車。

特別是高算力芯片，成為越來越多汽車廠家的主打賣點，很多車型的自動駕駛計算平臺突破 1000TOPS。這里的「TOPS」是計算機的算力單位，1TOPS 代表處理器每秒鐘可進行一萬億次 (10^12) 操作。

這背后是汽車的競爭邏輯發生了變化。

傳統汽車時代的競爭，主要是圍繞動力、操控和空間來展開。但智能汽車發展的背后，是整車計算平臺的演進，從最初的分布式計算、單個子系統擁有自己的 ECU，到域控制器邏輯、以功能劃分集成化控制運算，再到最終實現整車運算能力的高速集中、智能化分配算力。這也對芯片的性能，提出了更高的要求。

因此，現在很多汽車廠商宣傳的重點之一，就是采用了英偉達或者高通的芯片，算力有多強。這讓人不禁回想起手機和電腦廠商這么多年來，圍繞芯片做營銷的習慣。

對于一臺汽車來說，是不是像電腦和手機一樣，芯片越快，算力越高就越好？答案可能并不是你想的那樣。

目前，「算力」已經成為評價一輛車的重要指標。

2019 年特斯拉推出 HW3.0 芯片時，144TOPS 的算力在當時冠絕行業，讓很多車企意識到算力對于智能汽車的重要性。當時，英偉達的 Orin 芯片還未量產，主打產品是 2017 發布的 Xavier 芯片，采用 12nm 工藝，算力 30TOPS。

蔚來 ET7 | 視覺中國

到了 2021 年，這場競賽被拉高到新的高度。

2021 年初，蔚來 NIO Day，創始人李斌發布了他們第一款轎車——ET7。相比當時其他車型，它最大的亮點之一是首款量產車采用 Nvidia Orin 芯片。在目前量產自動駕駛芯片中，Orin 被認為是單片算力最高、技術最領先、量產節奏最快。

在之后的一年半中，拼芯片、拼算力成為一種風氣，最近越來越多的車企開始推出大算力的平臺。跟手機一樣，越來越多的汽車的發布會開始把算力、芯片作為宣傳噱頭。

從數據上來看，目前芯片算力最強的是魏牌摩卡 DHT-PHEV 激光雷達版。它搭載毫末智行聯合高通打造的 Snapdragon Ride 芯片，綜合算力達到了 1440TOPS；緊隨其后的的是蔚來 ET7 和威馬 M7，它們都采用了四顆英偉達 Orin-X 自動駕駛芯片，車載系統的最大算力達到 1016 TOPS；隨后的小鵬 G9 與理想 L9，采用了兩顆英偉達 OrinX 芯片，算力也達到 508TOPS……

相比之下，一直被認為是智能汽車標桿的特斯拉，其搭載的 FSD 輔助駕駛芯片總算力依舊是 144TOPS。

從汽車芯片玩家來看，跟智能手機行業類似，競爭者也呈現多元化。這里既包含老牌芯片廠商 Nvidia、Intel、高通，也不乏主機廠（Tesla）、中國初創企業（地平線等）及 IT 巨頭華為。

其中，在智能座艙領域，比較有名的芯片有高通的 8155 與 8195，還有地平線基于其征程 2、征程 3 芯片打造的 Halo 2.0 與 Halo 3.0 方案；在智能駕駛領域，則有英偉達的 Orin、英特爾旗下 MobileEye 的 Q4 與 Q5、華為剛剛發布的 MDC 系列，以及地平線已經上車的征程 2、征程 3 和即將量產的征程 5 與征程 6。一般來說，自動駕駛和智能座艙芯片最大的不同在于，智能駕駛需要更大 NPU 算力，支持自動駕駛算法的落地。

英偉達 Orin 芯片 | 視覺中國

根據開信息，英偉達可謂是智能駕駛芯片賽道的算力霸主。目前明確采用 Orin 芯片的主機廠包括蔚來汽車、理想汽車、上汽智己、威馬汽車、沃爾沃、路特斯、高合汽車、集度汽車、小馬智行等。

不過，主機廠商在選擇芯片的時候，并非只是考慮單芯片的性能強度，還會參考性價比以及相關的軟件生態、工具鏈的成熟程度。

主機廠商為了打造差異化的體驗，需要芯片支持傳感器的「多路輸入」，并保持高度靈活度。目前，基于英偉達 Orin 芯片構建的自駕平臺，可以支持 12 個外部 攝像頭、3 個內部攝像頭、9 個雷達、12 個超聲波雷達、1 個前置激光雷達，這基本涵蓋大部分主機廠的傳感器配置，整體性價比較高。這也是 Orin 芯片被眾多車型采用的主要因素。

讓車企對于算力「如饑似渴」的，正是越來越普及的智能駕駛技術。

現階段，市面上的量產車型普遍的自動駕駛等級介于 L2 到 L3 級之間，可以實現自動緊急煞停（AEB）、主動式巡航控制（ACC）、車道偏移輔助（LKA）等功能。總體來看，這個階段對算力的要求并不高，算力達到幾十 TOPS 就足夠。

那為什么越來越多的主機廠，現在就把芯片算力堆高到 500 到 1000TOPS 呢？這跟智能駕駛的加速落地有關，主要表現為自動駕駛的使用場景，由最早的自動泊車或高速這樣的單一場景，逐步向多場景甚至全場景延伸。

自動駕駛的主流場景有三個，根據實現的難度，由低到高分別是高速/環路、停車場、城區。目前，高速/環路場景下的體驗已經不錯，2022 年被認為是城市域自動駕駛落地的元年。

隨著自動駕駛場景的拓展，激光雷達+視覺+毫米波雷達的多傳感器冗余方案正在成為主流。目前主流車型的傳感器數量已經超過 30 個。越多的傳感器、越深的網絡、越多的網絡，這些都對芯片的算力提出了極大的需求。

所以，硬件預埋、軟件 OTA 迭代，成為主機廠商主流的策略。

車企在量產車輛上裝配高級別智能駕駛硬件，把芯片直接拉至高級別（L4）生命周期，通過硬件快速上量來獲取大量數據，然后對體驗不斷進行技術迭代。因為自動駕駛要突破到更高級別，需要數據、算法、算力來實現閉環，用數據來驅動算法的迭代。

汽車芯片 | 視覺中國

當然，主機廠推出這些高算力芯片，并不僅僅是技術發展的需要，也有營銷的因素。

回想一下當年的智能手機，通過大屏、快充，以及更大的電池容量、內存、高像素攝像頭，在各種宣傳和排行榜中賺足了眼球。所以，目前智能汽車正在模仿智能手機的營銷策略，就像人們談論手機配置一樣，汽車的芯片配置也將是消費者日常談論的話題之一。

其實，算力軍備競賽背后，更多體現的是車企的焦慮。

自動駕駛雖然已經經過十幾年的發展，但各項細分技術還在不斷迭代、向外延伸，這也意味著技術方向和市場都充滿了不確定性。正因為自動駕駛是新事物，沒有人知道怎么做，以及怎么才能做好，所以車企傾向于提前預埋一些高配置的硬件，為后續的升級提供基礎。

在這場軍備競賽中，部分主機廠商已經有些「迷失」，開始更多堆料配置，追求性能參數。但堆料能堆出高階自動駕駛嗎？從目前來看，僅僅靠堆高芯片算力，并不能做到高級別自動駕駛。

在智能汽車時代，算力、算法和數據是推動行業發展的三個關鍵因素。其中，數據被認為是「生產資料」，算法是「智慧」，算力是「肌肉」。

簡單說，智能汽車水平的提高，除了算力絕對數值，還與數據、軟件算法的協同配合相關。在數據和算法還未取得突破的時候，即便算力堆高到 1000TOPS，也無法達到高級別自動駕駛。這就像一個人渾身都是「肌肉」，但「腦子」不行，是一種畸形的狀態。

未來決定汽車差異性的，將是軟件及后續迭代帶來的性能和功能變化。比如特斯拉 HW 3.0 芯片，單芯片的算力只有 72TOPS，相較上一代芯片并沒有提升太多，但自動駕駛性能最高提升幅度可達 20 倍。

更重要的是，產品最終是要面向用戶用的。目前高算力的芯片，并沒有給用戶帶來使用體驗的明顯改善，算力利用率并不高，沒有發揮其價值，用戶還需要花費極高的價格為硬件和軟件買單。

有人會認為，車企在芯片算力上堆料，是為將來高級自動駕駛做準備。但 L4 級別的自動駕駛什么時候能實現突破，業內還沒有共識。Waymo 早在 2017 年就開始自動駕駛的商業化，當時內部員工透露已經解決了 99% 的問題。但 Waymo 后來商業化遇挫，部分原因是要解決最后那 1% 的問題，難度可能是前面 99% 的數十倍甚至于數百倍。

除了技術上的問題，高級自動駕駛的實現，還取決于是基礎建設和政府的政策法規，包括 5G、物聯網、智慧城市的建設進度等等。Gartner 此前預測，實現真正實用的 L4 級自動駕駛可能需要 10 年的時間。

其實類似情況，在 PC 和手機行業都上演過。如果回看智能手機過去幾年的發展，處理器性能和頻率越來越高、屏幕越來越大、分辨率越來越高、攝像頭也越來越好……這些配置不一定帶來更好或更明顯的體驗，但卻帶來了很多問題，比如散熱問題，充電時間越來越長，價格越來越貴，體積越來越大等等。

當一個行業不斷強調性能參數，開始脫離用戶真實的使用場景時，是需要警惕的，這些被重點營銷的參數，很可能只是曇花一現的噱頭。未來智能汽車的主戰場在于差異化的體驗，而不只是硬件的性能參數。