最近，一則新聞震動業界，賽靈思亞太地區實驗室首席工程師、實驗室主任胡成臣確認加入蔚來汽車，在技術規劃領域擔任首席專家、助理副總裁一職。

這則新聞的背后，是蔚來汽車自研AI芯片的加速。蔚來汽車的目的很清楚，就是像特斯拉一樣，建立起自動駕駛能力閉環。而要建立這種閉環，芯片是繞不過去的一關。

實際上，從去年開始，我們發現，智能芯片（AI芯片）這個領域再次迅速進入高光時刻，除了云端居壟斷地位的英偉達，國內無論是地平線，還是黑芝麻，都引起了業界極大關注。而算力的不斷提升，也讓各大車企對進入算力的“軍備競賽”產生焦慮。

比如，今年英偉達發布業內首款1000TOPS的SoC，相比特斯拉FSD單芯片算力72TOPS提升超過一個數量級。而在國內，也有地平線的征程5，算力最高達到128TOPS，以及黑芝麻A1000Pro，算力達到106TOPS等等。

但是，我們的一個問題就是，追求TOPS算力真的有那么重要嗎？是不是堆疊芯片的算力，就能達到目的了？業內似乎進入了“唯算力論”的誤區。所以，這里簡單探討一下。

01算力VS軟件

地平線創始人兼CEO余凱打過一個比方，“如果說動力電池是未來汽車的心臟，那么智能芯片就是未來汽車的大腦。”AI芯片作為未來車載計算中心的核心，其作用當然非常重要。

目前，這些汽車主控芯片的結構形式是由MCU向SoC異構芯片（ASIC結構）方向發展。根據觀研天下的預測，全球自動駕駛汽車上的AI芯片（推理），其市場規模將從2017年的1．42億美元，年均增長135％至2022年的102億美元，遠超AI芯片（手機側）的市場規模34億美元。

而部署于邊緣端的（像地平線這樣的）AI芯片／內置單元的市場規模占比，也將從2017年的21％上升到2022年的47％。其年均增速123％，超過部署于云端的AI芯片75％的年均增速。GPU（圖形處理器，Graphics Processing Unit）市場份額則會從2017年的70％下降到2022年的39％。

但是，在“軟件定義汽車”的情況下，車企的核心能力到底應該是什么？這是業界思考的一個問題。是不是唯芯片算力馬首是瞻呢？

實際上不見得。還是需要辯證地看。我們說“數據是生產資料”，而提供處理數據的芯片是工具，不可能工具反客為主成為核心。工具是必備的，但是更重要的核心是跑在上面的軟件。而隨著各個芯片企業算力的快速提升，這個問題很快會變得不是問題。

此外，車企面對的消費端是不是立刻就需要那么高端的算力呢？也不見得。目前，車企號稱8核芯片算力多強的多了，但是真的車機系統就流暢、好用了？

我們知道，近年“軟硬件解耦”的趨勢以及“軟硬件融合”的提法都有。實際上，軟件與硬件從來沒有真正分離過，一直都是相互融合發揮作用的。

以PC時代的WinTel聯盟為例，在WinTel架構下，Intel芯片和Windows操作系統高度協同，最終才能產生壟斷市場份額的效果，缺一不可。

所以，地平線創始人和CEO余凱有句話講得非常到位，芯片就是軟件的舞臺，衡量芯片優劣的標準，要看芯片之上的軟件能否最大化地發揮作用。當然不是說算力不重要，算力和軟件之間需要有效匹配。兩款相同算力的芯片比較，能讓軟件運行得更高效的芯片才是“好芯片”。

而且，作為車企來說，還有一個芯片的成本問題。現在的一種傾向是“L4硬件＋L2軟件”，先硬件“預埋”以達標或者超標，軟件上慢慢積累。但是反過來說，這是不是一種浪費？恐怕，還是要“對每一個TOPS都要精打細算地使用。”

比如，超星未來聯合創始人兼首席技術官梁爽在最近一次論壇上說過，現在算力的軍備競賽是已經掀起來了，但是芯片的算力本質上對于智能駕駛系統還是必要不充分的條件，“現在大家更多提的算力是峰值算力。我們經常會看到一個優化程度不好的芯片宣稱有10TOPS算力，實際跑出來的應用等效只有3～4TOPS的算力。”

說到底，是要AI算法流暢地跑在芯片上，最終，這成為一個非常復雜的需要進行系統優化設計的問題。

02算力的“罩門”

作為現代科技工業中的集大成者和數字經濟“基礎設施”的芯片，匯集了最復雜、最尖端、最精密的基礎性技術，以及高端人才和資金，無疑是未來爭奪的焦點。

不過，由于芯片制造越來越復雜，芯片制程每提升一代往往就需要投入數百億美元，我們可以看到，芯片制造逐漸集中到臺積電、三星等少數幾家公司。相應的，很多老牌芯片企業都放棄了制造，專注于設計。

所以，芯片設計公司的創新能力也變得更加重要。隨之而來的，還有AI芯片公司和AI算法公司之間的紛爭。不過，像英偉達這種TOP級的芯片公司，軟件工程師其實比硬件工程師還要多。換句話說，芯片公司的底層技術都是包含著硬件和軟件的。

而且，我們說芯片最終是為車企的車載計算平臺服務的。所以，行業需要思考一個問題是，解決智能駕駛系統計算平臺的支撐問題，是否只能通過芯片算力堆疊來實現？

答案顯然是否定的。盡管汽車智能化需要更強的運算能力，但業內專家也表示：“算力也不能說無限增長，芯片PPA（功耗、成本和面積）都是很要命的。”

這是因為，對于車載AI芯片來說，算力指標重要，能效比更重要。在傳統芯片行業，PPA是最經典的性能衡量指標。而現在出于自動駕駛對算力的追求，業界還是把“峰值算力”當作衡量AI芯片的主要指標的話，就導致了一種“唯算力論”的偏頗。

這方面，地平線提出了一個新的方法MAPS（Mean Accuracy－guaranteed Processing Speed，在精度有保障范圍內的平均處理速度），用以評估芯片的AI真實性能。而在業內沒有統一的測評標準情況下，目前還只能算是一家之言。

不過功耗方面地平線還是有巨大優勢的。我們以地平線2020年最先商用量產的征程2芯片為例，它搭載自主研發的計算架構BPU2．0（Brain Processing Unit），可提供超過4TOPS的等效算力，典型功耗僅2瓦，而且，每TOPS的AI能力輸出可達同等算力GPU的10倍以上。

對于車企來說，在最高性能模式下，如果自動駕駛控制器的芯片功耗級別較高，即便其自身性能強勁，但也會引發某些不可預知的隱患，如發熱量成倍增加，耗電率成倍增加，這些結果對于智能電動車來說毫無疑問是顆“雷”。因此，車企在自動駕駛芯片的選用中都會充分考慮其功耗指標。

我們說，AIoT時代大量的邊緣AI應用（智能電動車就屬于邊緣端應用），對邊緣智能計算提出更高要求。而邊緣端一般條件會比較差，要求低功耗，AI邊緣計算要解決的就是在功耗限制下提供最好的算力支持，以及配套的內存支持、連接能力。

也就是說，車企不大會擔心車用電的問題，但芯片散熱功耗等問題還是必須考慮的。以行業人士的分析來說，芯片算力的無限膨脹和硬件預埋不會是未來的趨勢，硬件也需要匹配實際，有業內人士就說過，“特別是在SoC上，我們需要精準高效的算力來適配電子電氣架構的變革。”

還有一個可能的情況是，未來在智能座艙域、自動駕駛域等的主芯片選擇上，越來越多車企可能會選擇同一家SoC芯片，原因就在于軟件適配性更好，可以大幅節約開發周期與成本。像現在多家車企選擇地平線的征程芯片，就是最好的例子。

最后說說，從曾任百度總裁的陸奇博士最近提出的“母生態”這個概念來說，智能汽車將是繼PC、智能手機之后更大的母生態，也是中國汽車行業和科技產業最大的機遇所在。而且，芯片所在的科技產業逐步走向成熟的標志之一就是形成完整的生態。出于對未來生態的爭奪，也需要芯片公司更加注重算力和軟件匹配的問題。