国产自动驾驶芯片的破晓时刻(2)

除了特斯拉选择自研FSD之外，很多家车企开始基于黑芝麻A1000、地平线征程5开发新辅助驾驶系统，预及2022年会有多款搭载这两款芯片的车型上市。
而更高冗余的1000TOPS算力以上产品选择，目前市面上也仅有英伟达Orin 、高通、黑芝麻A1000 Pro，华为昇腾610等单SoC 200TOPS的芯片多颗级联来实现。基于这些芯片也都有车型项目在开发中，时间最早的是搭载英伟达Orin的蔚来ET7。

为何智能驾驶需要的算力越来越高呢？这需要从硬件和软件两个层面来解释。
先来说硬件。计算的上游是感知，也就是说，自动驾驶芯片首要任务是处理摄像头、激光雷达、毫米波雷达探测的信息。而这些年，随着功能的逐步升级，车上所需的感知单元也越来越多，感知精度也越来越高。
提供基础L2的车道保持和ACC自适应巡航，只需要1个摄像头和1个毫米波雷达，而实现NOA功能，则需要5颗以上摄像头和3颗毫米波雷达，想要实现城市道路点对点的辅助驾驶，除了摄像头和毫米波雷达外，还需要接入激光雷达、高精地图、甚至是V2X信号。
对计算芯片而言，基于1路视频信号做车道线分割目标检测，2TOPS左右的算力就够了，例如沃尔沃XC60搭载的Eye Q3芯片。如果想要处理5路以上信号，并加上环视摄像头信号的处理拼接渲染，实现NOA和自主泊车功能，算力需求在30TOPS左右，例如小鹏P7使用的英伟达Xavier。想要实现点对点的辅助驾驶，加入激光雷达的处理，算力就要到50到100TOPS 左右。
除了功能的实现，还要有体验的优化，传感器不仅数量越多越多，精度也会越来越高，从蔚来NT2.0开始，理想、小鹏、智己等诸多品牌都将原先的200万像素摄像头，升级为800万像素。但更高精度的数据，也会消耗更高的计算资源。