6240
百度在2022年6月发布了萝卜快跑无人出租车RT6，随着近期在武汉大规模投放RT6，无人出租车让百度扬眉吐气，彻底压倒了Waymo，而特斯拉的Robotaxi据传推迟到10月，这也导致特斯拉股价大跌，再次彰显百度的强大。
RT6内部没有方向盘，也就是说它是L4级的，没考虑人工接手。 RT6在云端有一层保障，百度Apollo称之为“平行驾驶”，即在远程驾舱重建车辆行驶环境，让云端安全员也能像在实车上一样了解车辆的驾驶情况和环境状况，并在介入时将控车指令实时发送到车端，实现远程实时控车的能力。
根据http://www.evinchina.com/newsshow-2145.html的介绍，RT6的算力是1200TOPS，并且是双计算单元，那么会用的是什么计算芯片呢？百度没有公布，我们可以大胆猜测。很有可能是百度自己的芯片，即昆仑芯2。
百度的昆仑芯在2021年正式分拆，同时在2021年8月正式量产昆仑芯二代。顺便说一句，比亚迪也投资了昆仑芯公司。
昆仑芯2的内部框架图
昆仑芯2的内部框架图，这是一个非常奇怪的设计，实际就是一个CPU加NPU的设计，这里面的SDNN就是软件定义的神经网络引擎，是自研核心张量计算单元，加速卷积和矩阵乘法的计算即NPU。Cluster主要负责除了卷积和矩阵乘法之外的通用计算部分，应该是标量计算部分，即CPU。XPU-R主要包含有8个Cluster单元和6个SDNN单元。Cluster单元主要承担通用计算任务，支持SIMD指令，提供通用和灵活的编程能力。SDNN主要承担MAC类计算和EW类计算，提供 128 TFLOPS@ FP16的算力。昆仑芯2代是国内首款应用GDDR6的AI芯片。跟主机的接口这块，集成了PCIe4.0协议。同时也具备片间互联能力，多个芯片之间能够互联通信去支持训练和大规模推理的应用场景，也就是K-LINK，近似于英伟达的NV-LINK，片间互联带宽是200GB/s，英伟达在2017年的NV-LINK就做到300GB/s了。
根据https://baidu-kunlun-public.su.bcebos.com/paddle_lite/R200%20%E4%BA%A7%E5%93%81%E6%89%8B%E5%86%8C%E5%A4%96%E9%83%A8%E7%89%88_0923.pdf，也就是百度的官方介绍。
INT8算力是256TOPS，如果是双运算平台，那么至少需6片，这样就是1500TOPS。
也就是说需要6片昆仑芯2，百度有R480-X8 UBB被动基板，可以连接8片昆仑芯2。此外还需要一个强大的CPU做主机，至少英特尔9代以上的i7做CPU。
如果是昆仑芯2代的话，百度采购的价格肯定可以压得很低，再加上CPU主机，估计价格在2-3万人民币左右。6张加速卡有1500TOPS算力，百度谦虚地只写了1200TOPS。一张昆仑芯2的加速卡功耗是150瓦，6张是900瓦，加上主机，功耗至少是1100瓦。
除了昆仑芯2，大家可能还有其他猜测，首先会不会是英伟达的Orin？国内用的基本都是Orin-X，稀疏算力254TOPS@INT8，存储带宽是204.8GB/s，昆仑芯2是512GB/s，Orin性能与昆仑芯2比有明显差距。如果是双系统，还要超过1200TOPS，同样需要6颗。但Orin不具备片间连接能力，只能靠带宽很低的以太网或PCIe，即便6颗，实际算力也不会超过400TOPS，并且每片Orin价格大约3000-3500人民币，6片价格近2万元，Orin也不具备多片并联基板，还需要再开发嵌入式计算平台，开发周期和成本远超昆仑芯2，用Orin的概率为零。
其次会不会是英伟达的A100？A100单片算力就有1248TOPS@INT8，体积和功耗比6片昆仑芯2要小很多，但A100价格要3万美元，国内还不好买到，显然不会用A100。
百度宣称的1200TOPS算力并未标明是INT8还是INT4，如果是INT4，那么英伟达2021年初发表的A40倒是很合适。
A40参数
A40的INT4算力是1197TOPS，基本就是1200TOPS，采用了48GB的GDDR6，没有用价格高昂的HBM，这就保证其价格不会太高，带宽有696GB/s。功耗只有300瓦，还有3个DP显示接口。目前A40价格大概4万人民币，比较容易买的到。
还有RTX4090也比较合适，单片INT8算力有1321TOPS，存储是24GB的GDDR6，带宽1008GB/s，价格只要1.2万人民币左右，性价比极高。
还有明年即将量产的英伟达的Thor-Super-X也很合适，算力高达2000TOPS@INT8。
当然昆仑芯在2024年下半年即将量产第三代昆仑芯芯片，目前参数还不得而知，大概率算力达到1000TOPS@INT8以上，应该还是三星代工，5纳米工艺。
免责说明：本文观点和数据仅供参考，和实际情况可能存在偏差。本文不构成投资建议，文中所有观点、数据仅代表笔者立场，不具有任何指导、投资和决策意见。
下载ECAD模型
