说到AI芯片，最近的一个事件是10月13日，地平线与大众旗下的软件公司CARIAD合作。双方成立合资公司，CARIAD持股60%，投资约24亿欧元，预计2023年上半年完成。



这是迄今为止最重大的合作。而一个小插曲是，仅仅半年前地平线宣布第三代产品征途5的首次定点合作，以比亚迪为终点，2023年上车。不过有趣的是，比亚迪还将投产搭载NVIDIA DRIVE Orin计算平台的车型。

公社C元的最新文章《英伟达不要的，地平线要的》，也介绍了地平线与英伟达在汽车领域AI芯片应用上的竞争。所以，这篇文章是关于科普的。这两家公司在竞争什么，车企选择的背后有什么考虑？

都是AI芯片。有什么区别？

说到双方，他们的产品都是用于自动驾驶领域的AI芯片。但是还是有很大的区别。



AI芯片的应用场景主要分为云端、终端和边缘。目前，云应用越来越成熟。另外，云应用可以分为训练和推理两种，其中训练的市场规模相对较高。

云应用的霸主是英伟达。但在云(服务器、数字中心)和终端(手机、智能汽车等移动终端)的应用场景中，AI芯片的运行模式有本质的区别。

例如，当云处理一次到达的大量累积数据(批量大小)时，可以等到数据“足够”后再进行处理。但是车载芯片需要处理流数据，随着行驶(时间)接踵而至的数据；计算需要实时完成，尽可能减少延迟。

对于交互性，终端要求更高。云任务本身仅限于虚拟世界，没有考虑与现实世界的交互。终端在现实世界中，每个任务都需要考虑交互性。



此外，在车端AI芯片的考量中，功耗和成本也占据了较重的分量。可见，对于汽车终端来说，AI芯片除了保证计算能效外，还有低功耗、低延迟、低成本的要求。

目前AI芯片有三种，分别是通用GPU、可定制FPGA、专用ASIC。英伟达的Orin芯片基于通用GPU。Horizon的Journey 5既是ASIC芯片，也是DSA(Domain Specific Architecture)芯片。值得注意的是，Orin芯片的核心GPU架构依然是云架构。

但是对于车企来说，芯片的兼容性越强越好，因为车企可以一步到位，不需要从零开始做验证。一个芯片就可以实现未来高级智能驾驶的硬件嵌入，为未来更高级的智能驾驶做准备。这也是很多品牌愿意选择NVIDIA Orin芯片的原因。



而地平线则采用针对特定场景的软硬件结合的方法论来设计芯片，即DSA芯片，大大提高了芯片的有效计算能力。但是，我们的疑问是，到了征途5的极限之后，更高层次的自动驾驶需求会被换到征途6。那么，谁来为这种变化的综合成本买单呢？

除了算力，还有FPS。

除了通用和定制的区别，目前业内还有一种“唯计算论”。似乎芯片的计算能力越高越好。其实这是有失偏颇的。其实还是要看FPS(每秒帧数)。

一般来说，FPS是指动画或视频每秒的帧数。FPS是用于保存和显示动态视频的信息量的度量。简单来说，FPS值越大，性能越好。对于自动驾驶所有应用的计算平台，FPS被认为是衡量高级算法运行效率的评价标准之一。



例如，在芯片计算能力方面，单芯片NVIDIA Orin和Journey 5的计算能力分别为254TOPS(每秒万亿次计算)和128TOPS，功率分别为45W和30W，功耗比分别为4.6TOPS/W和4.2TOPS/W。5路程只有英伟达奥林的一半。

然而《征途5》的FPS(每秒帧数)是1283。远高于Orin的1001FPS(基于同样安培架构的Nvidia RTX3090调整后计算)。Horizon 5的视频传输流畅度明显比NVIDIA Orin好。难怪地平线BPU算法的负责人罗恒说，“在能源效率方面，我们(与Orin相比，Journey 5)提高了6倍以上。”

其实FPS里不只是视界算。2017年自主研发的FSD芯片发布时，特斯拉创始人马斯克将其与之前应用的NVIDIA Drive PX2进行了对比。计算能力方面，FSD是Drive PX2的3倍，但FPS是Drive PX2的21倍。

此外，低延迟性能也是衡量AI芯片性能的关键指标。因为延误问题直接关系到驾照的安全。比如紧急制动场景，100毫秒意味着近1.7~3.3米的制动距离。