智能駕駛芯片TOP20排名
加入技術(shù)交流群
在智能駕駛系統中，CPU算力扮演著(zhù)至關(guān)重要的角色。由于軟件系統的復雜性，它需要消耗大量的CPU運算資源。軟件系統包含眾多中間件，如SOME/IP、自適應AUTOSAR、DDS、ROS等，以及基礎軟件如定制的Linux BSP、OS抽象層、虛擬機等。此外，與底層硬件關(guān)聯(lián)的內存管理、各種驅動(dòng)、通訊協(xié)議等也大量消耗CPU資源。
在應用層中，路徑規劃、高精度地圖、行為決策等也是CPU資源的主要消耗部分。同時(shí)，CPU還負責管理AI運算時(shí)的任務(wù)調度和存儲搬運指令等任務(wù)。盡管AI在圖像特征提取、分類(lèi)、BEV變換、矢量地圖映射或空間分布等方面具有重要作用，但CPU仍然是核心，而AI只是其附屬功能。
在衡量算力方面，權重排名依次為AI算力、存儲帶寬、CPU算力、GPU算力和制造工藝。存儲帶寬和AI算力具有同等重要性。盡管GPU在某些情況下可以處理FP32數據，發(fā)揮重要作用，但大部分車(chē)載AI處理部分僅對應INT8位數據。
為了更準確地衡量算力，MAC陣列數量是一個(gè)關(guān)鍵指標。例如，谷歌的TPU V1具有65000個(gè)FP16 MAC，運行頻率為0.7GHz，其算力為91TOPS。而特斯拉第一代FSD的兩個(gè)NPU，每個(gè)具有9216個(gè)INT8 MAC，運行頻率為2GHz，其總算力為73.7TOPS。至于制造工藝，更先進(jìn)的工藝意味著(zhù)更低的功耗。
智能駕駛芯片TOP20
圖片來(lái)源：公開(kāi)資料整理如何計算存儲帶寬，芯片本身都有存儲管理器，這通常是CPU的一部分，決定存儲帶寬的有兩點(diǎn)，首先是CPU支持的存儲類(lèi)型，即存儲的物理層和控制器，其次是CPU的存儲帶寬，LPDDR的存儲帶寬最高一般是256比特，GDDR可以到384比特，HBM可以到4096甚至8192比特，這些都關(guān)聯(lián)成本，廠(chǎng)家在設計芯片時(shí)，會(huì )在成本和性能之間找一個(gè)平衡點(diǎn)，有些廠(chǎng)家偏重成本，那就64比特甚至32比特，有些偏重性能，如真正的AI芯片，無(wú)一例外都是HBM的，成本都在1500美元以上。常見(jiàn)汽車(chē)內存性能與價(jià)格對比
圖片來(lái)源：公開(kāi)資料整理上表為常見(jiàn)汽車(chē)內存性能與價(jià)格對比，顯然，一分價(jià)錢(qián)一分貨。英偉達H100是HBM3的最大采購者，每GB的采購價(jià)格大約14美元。還有一點(diǎn)需要指出，目前沒(méi)有車(chē)規級GDDR6存儲芯片。目前智能駕駛芯片除了百度和特斯拉，都采用了LPDDR。
歷代LPDDR的參數
圖片來(lái)源：公開(kāi)資料整理存儲帶寬在智能駕駛系統中扮演著(zhù)至關(guān)重要的角色，其計算方式是將CPU的存儲位寬與存儲器的Data transfer rate（DDR）相乘，再除以8換算為大寫(xiě)的GB。以英偉達Orin和特斯拉一代FSD為例，Orin的存儲位寬為256比特，支持LPDDR5，傳輸速率為6400MT/s，其存儲帶寬為204.8GB/s；而特斯拉一代FSD的存儲位寬為128比特，支持LPDDR4，傳輸速率為3200MT/s，其存儲帶寬為51.2GB/s。
Roof-line模型是解決計算量和訪(fǎng)存量問(wèn)題的理論工具。計算量指的是模型進(jìn)行一次完整前向傳播所發(fā)生的浮點(diǎn)運算個(gè)數，即模型的時(shí)間復雜度。而訪(fǎng)存量指的是模型完成一次前向傳播過(guò)程中所發(fā)生的內存交換總量，即模型的空間復雜度。計算量除以訪(fǎng)存量可以得到模型的計算強度I，表示此模型在計算過(guò)程中每Byte內存交換到底用于進(jìn)行多少次浮點(diǎn)運算。
由于智能駕駛系統軟件異常復雜，會(huì )消耗大量的CPU運算資源，軟件系統包含眾多中間件諸如SOME/IP、自適應AUTOSAR、DDS、ROS等，基礎軟件包括訂制的Linux BSP、OS抽象層、虛擬機等。除此之外，應用層中的路徑規劃、高精度地圖、行為決策等也大量消耗CPU資源。同時(shí)CPU也管理AI運算時(shí)的任務(wù)調度、存儲搬運指令等，整體的任務(wù)調度、決策自然也是CPU的任務(wù)。
在智能駕駛系統中，CPU算力占據核心地位。為了確保系統的流暢運行和高效性能，必須綜合考慮AI算力、存儲帶寬、CPU和GPU算力以及制造工藝等多種因素。
算力決定“屋頂”的高度（綠色線(xiàn)段），帶寬決定“房檐”的斜率（紅色線(xiàn)段）在智能駕駛系統中，模型計算的理論性能受到硬件最大理論性能的限制。如果一個(gè)模型所需的算力超過(guò)了計算平臺的理論性能，那么計算平臺的利用率將達到100%，此時(shí)風(fēng)險在于處理圖像的幀率或FPS可能無(wú)法達到目標幀率。對于智能駕駛來(lái)說(shuō)，主流幀率是30FPS，而高速行駛則需要更高的幀率。
如果模型的算力需求過(guò)高，計算平臺即使滿(mǎn)負荷運轉也無(wú)法適應，導致幀率下降。在這種情況下，高速行駛會(huì )帶來(lái)風(fēng)險。一般來(lái)說(shuō)，廠(chǎng)家不會(huì )推薦使用算力需求遠超理論性能上限的模型。
當計算平臺的利用率低于100%時(shí)，模型處于Memory-Bound狀態(tài)。在這個(gè)狀態(tài)下，模型的理論性能P完全由計算平臺的帶寬上限（房檐的斜率）和模型自身的計算強度I（Intensity）決定。因此，在帶寬瓶頸的前提下，計算平臺的帶寬越陡峭，或者模型的計算強度越大，模型的理論性能P可以呈線(xiàn)性增長(cháng)。
斜率較低意味著(zhù)即使計算強度快速增加，計算平臺算力的增加也很緩慢，導致計算平臺的利用率很低。例如，如果計算平臺的理論算力是100TOPS，斜率很低，那么即使很高的計算強度模型的利用率也可能不到50%。這意味著(zhù)存儲帶寬決定了計算平臺的性能利用率。因此，存儲帶寬的重要性絲毫不亞于算力，甚至可能高于算力。這也是特斯拉二代FSD排名第二的主要原因，因為GDDR6的帶寬相對于LPDDR具有壓倒性?xún)?yōu)勢。
特斯拉第二代FSD
圖片來(lái)源：網(wǎng)絡(luò )特斯拉第二代FSD芯片采用了三星的7納米工藝，這一選擇主要是出于價(jià)格和地理因素的考慮。首先，三星的代工價(jià)格遠低于臺積電，大約只有臺積電價(jià)格的一半左右。其次，臺積電的亞利桑那工廠(chǎng)效率相對較低，從2020年開(kāi)工建設到預計2025年投產(chǎn)，進(jìn)度緩慢。而三星的德克薩斯奧斯汀二代工廠(chǎng)僅用兩年就完工投產(chǎn)，且距離特斯拉總部較近。
第一代FSD使用的是三星的14納米工藝。根據WikiChip的數據，三星7納米LPP HD高密度cell方案的晶體管密度高達95.08 MTr/mm2，而HP高性能方案的晶體管密度為77.01 MTr/mm2。相比之下，三星14納米UHP方案的晶體管密度為26.22 MTr/mm2，HP方案晶體管密度為32.94 MTr/mm2?；旧?，三星7納米的晶體管密度是14納米的3倍以上。這意味著(zhù)特斯拉的第二代FSD芯片可以容納更多的MAC陣列，從而實(shí)現AI性能的三倍提升?？紤]到第一代FSD的AI性能為73.7TOPS@INT8，三倍的提升即為221.1TOPS。如果再結合稀疏模型加速技術(shù)，算力數字還可以再增長(cháng)一倍。另外，根據推測，由于二代FSD芯片面積明顯大于一代，并且NPU增加到3個(gè)，因此其算力可能在500TOPS上下。
特斯拉在二代FSD中還大幅度加強了CPU的性能，采用了三星的Exynos 20核心配置。這進(jìn)一步證明了CPU在智能駕駛中的重要性。
安霸的CV3可能不為大多數人所熟知，但它在存儲帶寬方面表現出色，支持最高的LPDDR5X規格，并且具有最高的256比特位寬。這款芯片采用三星的5納米工藝制造，目前已經(jīng)得到了德國大陸汽車(chē)公司的支持。
綜上所述，無(wú)論是特斯拉還是安霸，都在積極探索更先進(jìn)的制程工藝和存儲技術(shù)，以提高AI性能和系統整體表現。隨著(zhù)智能駕駛技術(shù)的不斷發(fā)展，這些創(chuàng )新將為未來(lái)的汽車(chē)帶來(lái)更高效、更安全的駕駛體驗。
安霸CV3-AD內部框架圖
圖片來(lái)源：Ambarella安霸CV3-AD是一款高性能的汽車(chē)AI芯片，最高包括了16核心的Coretex-A78AE，具有極高的CPU算力。同時(shí)，它也通過(guò)了ASIL-B級認證，這意味著(zhù)它具有高度的可靠性和安全性。在A(yíng)I算力方面，安霸CV3-AD等效于500TOPS，表現出色。
英偉達、特斯拉和Mobileye等也是汽車(chē)AI芯片領(lǐng)域的知名企業(yè)。英偉達的芯片位寬為256比特，而特斯拉和Mobileye的芯片大多是128比特。至于征程6的存儲信息，目前尚未公布。
另外，值得一提的是百度旗下的昆侖芯科技。雖然較少人知曉，但昆侖芯科技其實(shí)是百度智能芯片及架構部獨立后的產(chǎn)物，全稱(chēng)為昆侖芯（北京）科技有限公司。該公司在2021年4月完成了獨立融資，估值約為130億元。在2022年11月29日的百度Apollo Day技術(shù)開(kāi)放日上，第二代昆侖芯宣布已完成在百度無(wú)人駕駛車(chē)輛RoboTaxi的駕駛系統上的完整適配，并在高階自動(dòng)駕駛系統中運行正常。
昆侖芯科技的歷史可以追溯到2011年，當時(shí)它開(kāi)始從事AI計算相關(guān)工作，早期使用FPGA芯片對AI進(jìn)行計算加速。在接下來(lái)的幾年里，昆侖芯科技在百度數據中心部署了超過(guò)5000片FPGA芯片，并在2017年累計部署超過(guò)12000片。到了2018年，昆侖芯科技決定自研AI芯片，并正式啟動(dòng)昆侖芯系列產(chǎn)品的研發(fā)和設計。
第一代昆侖芯于2020年開(kāi)始大規模部署，采用14納米工藝和先進(jìn)的HBM內存、2.5D封裝技術(shù)。這款芯片剛量產(chǎn)就在百度數據中心里部署了超過(guò)2萬(wàn)片。一年后，第二代昆侖芯量產(chǎn)，采用了更先進(jìn)的7納米工藝和XPU第二代的架構。同時(shí)，它也是業(yè)界第一顆采用GDDR6高速顯存技術(shù)的AI芯片。目前，昆侖芯科技正在研發(fā)更先進(jìn)的第三代AI芯片，針對高階自動(dòng)駕駛系統，未來(lái)可能會(huì )推出定制的車(chē)規高性能SoC（系統級芯片）。
綜上所述，汽車(chē)AI芯片領(lǐng)域的市場(chǎng)競爭激烈，各大廠(chǎng)商都在積極研發(fā)高性能、高可靠性和高安全性的產(chǎn)品。而隨著(zhù)技術(shù)的不斷進(jìn)步和應用場(chǎng)景的不斷拓展，這個(gè)市場(chǎng)還有很大的發(fā)展空間和潛力。
圖片來(lái)源：昆侖芯科技英偉達對存儲系統一向比較重視，全線(xiàn)都是最高的256比特。高通SA8650與座艙領(lǐng)域的SA8255非常近似，CPU和GPU基本完全相同，AI算力做了特別加強，存儲位寬是比較少見(jiàn)的96比特，SA8650是取代上一代SA8540P的，主要是增加了針對功能安全的部分，增加了4個(gè)Cortex-R52內核。Mobileye對成本異常重視，也從不公布其存儲帶寬和支持存儲類(lèi)型，只能猜測。Xavier雖是早期產(chǎn)品，但存儲位寬是最高的256比特，所以排名很靠前。
來(lái)源：佐思汽車(chē)研究
*博客內容為網(wǎng)友個(gè)人發(fā)布，僅代表博主個(gè)人觀(guān)點(diǎn)，如有侵權請聯(lián)系工作人員刪除。
