伴随着汽车智能化进程不断推进，其计算平台的算力等级也在直线飙升如果说L2级汽车自动驾驶所需芯片算力为10TOPS，那么业界普遍预计L3+级算力将达到1000TOPS提升计算效率已经成为汽车智能化发展的关键一环可是，车规级大算力芯片的开发不仅面临功耗，散热，电磁，质量等多重挑战，芯片算力也存在物理上限如何应对这些挑战将是车用计算芯片厂商发展的着力点
软件定义汽车催生算力需求
伴随着智能化，电动化，网联化的发展，汽车产业正在发生巨大改变，软件定义汽车逐渐成为业界共识相关统计数据显示，目前约90%汽车行业的创新来自汽车软件和电子领域受到这一趋势的影响，智能汽车的设计架构也在发生巨大改变，从传统的分布式ECU架构向域控制器集中式架构演进
广汽研究院智能网联技术研发中心副主任梁伟强就指出:芯片的集成化程度越来越高，算力越来越大，已经成为智能汽车向集中式架构发展的关键，对扩展智能驾驶场景，提升智慧座舱的交互体验至关重要芯片的算力和集成度直接决定了电子电器架构的形态，从而决定了智能汽车的性能和表现
算力的提升对于汽车的供应链管理，解决汽车产业缺芯问题，也有巨大帮助根据地平线副总裁李星宇的介绍，目前汽车中需要管理汽车芯片的料号超过1000种，一辆汽车用到的芯片达到300颗，未来伴随着智能汽车的进一步发展，数量还会更大车厂需要进一步简化架构，大幅度减少汽车芯片种类，提升单芯片本身的性能和集成度是解决这一问题的重要方向
在此情况下，越来越多的芯片厂商投入到算力比拼的战场当中英伟达作为行业龙头，最新推出的自动驾驶芯片Atlan，单颗芯片的算力达到1000TOPS，相比此前推出的自动驾驶芯片Orin，算力提升接近4倍国内厂商方面，地平线拥有国内首款车规级AI芯片征程，征程五算力可达96TOPS黑芝麻于2021年在上海车展发布新一代A1000pro，算力达到106TOPS
云—网—边—端融合应对算力上限挑战
不过汽车的智能化并非堆砌硬件那么简单业界普遍认为，当前汽车所需算力可根据车内传感器采集到的数据量综合推算出来，L2级别的自动驾驶，计算能力大致需要10TOPS，L3需要100TOPS以上的算力，到L3+的算力级别已经上升到1000TOPS以上可是，要想支撑庞大算力的应用，车载计算平台的复杂度将呈数倍提升，芯片供应商势必将面临功耗，散热，电磁，质量等多重挑战
更重要的是，在汽车IT化的大背景下，消费者在智能手机上的用户体验和使用偏好正在延伸至车载环境智能手机可以通过系统性的升级让消费者体验到阶段性的功能更新，汽车的应用周期更长，却不可能像手机一样用一两年就更换如何满足汽车在生命周期内，OTA软件与算法升级带来的持续上涨的算力需求，将是芯片厂商面临的更加重要的挑战
黑芝麻CEO单记章在此前的演讲中曾经介绍，现在的一个新的商业模式是在车内进行硬件预埋，然后通过软件升级提供附加价值车企不是特别了解未来需要多大的算力，但可以先把算力预埋进去，之后再去升级它的功能
驭势资本报告显示，这也是目前车厂相对普遍的作法，采用硬件预置，软件升级的策略，通过预置大算力芯片，为后续软件与算法升级优化提供发展空间车载计算芯片在上车之后需要满足产品5至10年的使用需求
但是，硬件预置也只能在一定程度上解决这一问题，要想从根本上突破单车算力的物理上限，实现算力供给弹性拓展，还需要从云—网—边—端融合计算的角度发力东土科技高级副总经理薛百华指出，未来智能车的发展肯定是以软件定义的架构出现，要解决算力问题，一是如何提供更好的硬件算力，二是如何提供更高的网络带宽，以便进行实时通信这是未来汽车发展需要面对的两个必不可少问题
也就是说，未来的智能汽车需要通过云端，通信网端，边端，车端的连接融合，建立一个充满计算和通信能力的环境，形成智能汽车算力服务网络在新的计算架构下，5G+V2X提供更高效的通信管道，云端，边端，车端之间可实现近似实时的数据交互智能汽车与边缘计算节点实现协同感知和计算任务协同，具备低时延，本地数据脱敏处理等优势，车载计算平台聚焦现场级计算需求，云计算则聚焦非实时的大体量数据分析与算法训练在云—网—边—端融合的泛在计算架构下，实现车载计算的庞大算力需求
IT之家了解到，上海交通大学电子信息与电气工程学院电子工程系区域光纤通信网与新型光通信系统国家重点实验室邹卫文教授团队此次的研究成果已通过《Opticalcoherentdot-productchipforsophisticateddeeplearningregression》为题在光学领域权威期刊Light:Scienceamp;Applications上发表。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
