國產Orin芯片戰，進入新階段！

最近，英偉達的多則新聞牽引着國內的神經。

在不久之前，這家美國芯片巨頭確認，美國政府將要限制他們向中國提供A100和H100，這在海內外引起了軒然大波；昨日，英偉達修改了其汽車芯片路線圖，取消了2024年推出Atlan的計劃，並用Thor代替。

關於這個新旗艦的規格，英偉達並沒有説太多。但他們強調，該平台在FP8精度下，能夠獲得2000TOPS的運算能力，這與當前一代的Orin相比，有了接近十倍的提升。在新聞稿中，英偉達進一步指出，DRIVE Thor 統一了車輛中傳統的分佈式功能——包括數字集羣、信息娛樂、停車和輔助駕駛——以提高開發效率和更快的軟件迭代。“當然，製造商也可以通過多種方式配置 DRIVE Thor 超級芯片。他們可以將平台的所有 2,000 teraflops 全部用於自動駕駛，或者將一部分用於車內 AI 和信息娛樂，另一部分用於駕駛員輔助。”英偉達在新聞稿中強調。

對於大多數人來説，最初認識英偉達應該是因為他們在PC顯卡市場上的表現。近年來火熱的挖礦和人工智能，也讓他們殺進了數據中心的常客。但從Orin開始，英偉達似乎又成為了汽車市場被追捧的角色。但其實在英偉達於智能汽車大殺四方的同時，很多車廠也開始了自己的“定製”之路。如特斯拉就首先邁出了第一步，通用在日前也披露了他們的的自研汽車自動駕駛芯片的計劃。

來到國內，包括電動車新貴在內的多路勢力也在強勢殺入智能駕駛芯片市場，而Orin自然也成為了他們的標杆。這也就是為什麼在Thor發佈了以後，有從業者打趣道：“英偉達的這顆芯片發佈後，國內某些芯片公司需要連夜修改PPT。”

Orin，未量產先火

首先，我們必須強調的是，英偉達Orin其實今年才開始量產，他們這部分的市場份額也沒有多高。但他們絕對是不容忽視。

在諮詢了多名從業者——為何英偉達能夠在智能駕駛芯片市場備受關注？他們給的答案除了説英偉達芯片擁有強悍的計算能力以外，CUDA更是重中之重。因為有了它，可以大大降低開發門檻。

所謂CUDA，是 NVIDIA 開發的一種並行計算平台和編程模型，用於在自己的 GPU（圖形處理單元）上進行通用計算。CUDA 使開發人員能夠通過利用 GPU 的強大功能進行計算的可並行化部分來加速計算密集型應用程序。

有行業從業人士告訴筆者，之所以英偉達會推出CUDA，是因為從十幾年前開始，英偉達就一直吹噓GPU是最強的計算平台，業界其實也對茨表示認可。但由於非常難編程，很少有開發者能夠將其計算能力放大，也沒能吸引更多碼農的注意。英偉達CUDA項目的領導者Ian Buck也曾經在一次講演中也曾用一張圖分享了當時GPU編程的挑戰。

於是，為了讓GPU變得更通用，英偉達便在2006年啟動了CUDA，並在過去十幾年裏推動整個CUDA生態發展，這也讓他們有了將GPU從遊戲往人工智能，再往智能駕駛推進的底氣。

一個資深的GPU從業者也解析説，無論是人工智能還是智能駕駛，所有的軟件、算法，歸根到底，都是卷積，矩陣和傅里葉變換這些計算，而英偉達在過去十幾年的發展中。投入了數千人去完善了底層的各種函數，再加上參與CUDA生態的人越來越多，這就進一步豐富了這個“武器庫”。

而從智能駕駛應用開發流程上來看，類似感知融合、ADAS以及環視等功能大多是基於人工智能算法來開發的，而要實現上述功能，也要開發者投入很多精力去解決各種軟件問題，而CUDA平台本身的算法，就能降低了開發者門檻。

於是，站在CUDA這個巨人基礎上，走向智能駕駛的廠商盯上了NVIDIA Orin也就水到渠成了。當然，還有另外的因素影響，例如之前在ADAS時代呼風喚雨的Mobileye相對封閉，Snapdragon Ride未成氣候，就給了英偉達機會。

據佐思汽車研究作者周彥武老師之前在一篇文章中介紹，英偉達不會甘心製作一個賣芯片的。在Orin平台上，他們提供全套算法，包括障礙物識別、路徑規劃、行為決策、執行策略、定位、地圖流製造、自動泊車，還有底層軟件系統，內含了QNX的驅動，CUDA生態系統等等。現在不僅是自動駕駛部分，Orin開發平台還全面進軍座艙即DRIVE IX，包括了駕駛員狀態監測、AR HUD、泊車視覺化、NLP自然語音識別、虛擬機、電子倒車鏡後視鏡等。

但是，正如國內多位智能駕駛從業者所説，在接受Orin帶給開發者的便利的同時，我們同時也要付出更多，因為天下沒有免費的午餐。簡而言之，那就是當開發者們在享受英偉達所提供的這種高可編程性、高通用性的計算架構的同時，那就要接受付出更多的功耗和芯片的成本。

通用汽車自動駕駛部門Cruise的硬件負責人 Carl Jenkins在早前接受路透社的採訪時也説到，他們之前也花了很多錢從某知名供應商（暗喻英偉達）處購買了GPU，因為他們所需的產品不多，所以沒有議價權。於是他們決定自研自動駕駛芯片。

對於國內的智能駕駛開發者來説，還需要面對的一個問題，就是供應商的支持。雖然Orin能簡化開發者的不少工作。但如上文所説，在真正落地的時候，還需要做很多的開發工作，這當然就少不了原廠的支持。然而，智能駕駛行業從業者告訴筆者，英偉達目前在國內只能對那些大客户更好的扶持。例如在Orin上，因為蔚來ET 7是他們在國內的首款量產汽車，他們自然獲得了最多的支持，但在其他的一些廠商處，英偉達也愛莫能助。

面對這種情況，國內的汽車芯片從業者首先冒了出來。

國內公司的躍躍欲試

某知情人士告訴筆者，現在國內做智能駕駛芯片的廠商兩隻手已經數不過來了。“之前一些專注於AI芯片的廠商，現在也開始轉到智能駕駛芯片這個賽道上來了”，該人士接着説。

據不完全統計顯示，國內做自動駕駛芯片公司包括但不限於地平線、黑芝麻、奕行智能、歐冶半導體、復睿微、芯勵智能和核芯達等第三方芯片公司。除了他們以外，如上文所説，包括小鵬、理想和蔚來在內的新造車勢力也對智能駕駛芯片虎視眈眈，並都組建了團隊投入其中。此外，據行業人士透露，之前採用英偉達Orin的元戎啟行也開始了自研芯片的。甚至連一些初期表示做AI芯片的公司，也都轉到了這個賽道上來。

由此可見，可其他芯片領域一樣，“國產Orin”的熱潮正在洶湧來襲。但正如一些行業專家所説，這並不是一件容易的事情。因為這首先是一個複雜的SoC——除了需要強悍的處理性能，還要連接攝像頭，處理各種感知融合的數據，那就意味着這個SoC除了要有ISP、NPU和各種接口外，還需要集成車規級別的Arm 處理器內核，這就使得其比很多芯片要難得多。

華為在2020發表的一個白皮書中也指出，智能駕駛涉及到感知、融合、定位、決策、規劃、控制等多個環節，不同環節所需算力類型不同。比如激光雷達的點雲數據處理需要大量CPU算力，攝像頭數據則需要AI算力才能快速處理，在定位、決策、規劃、控制等強邏輯處理的環節又需要CPU算力。換而言之，智能駕駛需要多樣化的異構計算能力。

其次，作為一個應用在汽車上的芯片，除了各種車規級認證需要過以外，還要考慮包括功能安全在內的各種安全問題。以英偉達的Orin為例，有知情人士告訴筆者，現在國內有些團隊根本連英偉達Orin的安全設計的門都還沒摸到，更不要説要做國產的Orin。該人士同時表示，國內有些做“Orin替代”的廠商本來的思路是安全對標Orin，性能超過Orin，以提高產品的競爭力，但現在英偉達不講武德地推出了Drive Thor，讓人措手不及。

不過，和一些單純想用算力做超越的廠商不一樣，有些廠商也提出了有效算力的説法。例如在智能駕駛芯片方面跑得比較前的地平線就認為，只有綜合考量了軟件、算法、硬件架構的設計，就能持續推進端到端整體的計算架構計算效率持續往前演進。

黑芝麻也認為，在軟件定義汽車時代下，除了硬件要有競爭力以外，開發工具鏈是否完善是體現自動駕駛芯片易用性的重要指標，只有軟硬件完全解耦，才能激發整個產業鏈的創造力和協同創新的活力。

奕行智能的創始人劉琿在今年年初融資的新聞稿中也表示：“一家自動駕駛芯片公司要成功不在於有多麼顛覆性的算法、多麼強大的硬件指標或是多麼大牌的單點核心人物，而是應該能夠把算法和應用以最均衡的工程方式映射成軟件和芯片，並且能夠最終把其產品化和商業化。”

為了達成自己目標，這些本土芯片公司除了在國內組建團隊以外，還在海外投下重金。據筆者瞭解，包括小鵬、黑芝麻和元戎啟行都在美國聖地亞哥組建了芯片團隊，以加速公司的發展。

寫在最後

華為在上述的白皮書中説，從技術複雜度看：智能駕駛系統從功能上可分為三大部分：感知系統（各類傳感器，相當於人的眼睛與耳朵）、決策系統（計算平台，相當於人的大腦）與執行系統（各類執行器，相當於人的四肢），其中汽車“大腦”功能最為複雜，涉及到多種ICT關鍵技術，比如：

軟件類：操作系統、中間件、雲服務、OTA等；

硬件類：芯片SoC、硬件工程（散熱、能耗、抗振、防水等）、物理尺寸等；

算法類：聚類算法、機器視覺、深度學習、強化學習、機器學習等；

國內智能駕駛芯片企業資深從業者從業者也告訴筆者，這並不是一件容易的事情。因為產品在落地的過程中，還會碰到各種可能存在的硬件問題，同時還要解決系統軟件、工具鏈、算法的不確定性。“有些公司可能會在感知算法落地的時候碰到問題，就算經過了感知關，來到規劃控制的時候，又是另一個挑戰。”該人士接着説。如何對算法訓練優化，對於智能駕駛芯片公司來説，又是一道大考。

總而言之，從定義一顆智能駕駛芯片開始，到設計出一顆算力和安全都符合需求的芯片。從實驗室中測試芯片，到最後前裝上車，這將是一段漫長的過程。

更讓人絕望的是，在國內廠商昨天還在為國產Orin芯片奮鬥的時候，英偉達已經帶來了性能提升八倍的Thor。這必將推動國內芯片的這場競爭進入新階段。

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。

今天是《半導體行業觀察》為您分享的第3168內容，歡迎關注。