524
在CES 2022上我们看到，技术供应商正朝着为汽车平台提供更多的计算能力、AI加速和更高分辨率的传感器的方向急速前进。但随着计算和传感器能力的飞速增长，车厂面临的压力也越来越大，他们需要选择正确的构建模块，并在下一代车型中实现最佳效果。
早在2011年东京车展上，丰田曾推出过一款称为“车轮上的智能手机”的概念车。十年后的今天，汽车已具备了网联、软件定义、AI计算、具有大量传感器和数据处理能力，似乎描述为“车轮上的数据中心”更为贴切。
不管你喜不喜欢，这个趋势可能会持续下去，因为更多的传感器（产生大量的数据）和更多的计算能力（为决策和路径规划处理和融合数据）是任何下一代车辆架构的先决条件。
在ADAS/AV市场，TOPS大战正在持续升级。领先的中央计算SoC供应商Nvidia、Intel/Mobileye和Qualcomm正在将其数据中心的能力应用于下一代汽车。而随着车辆获得更多的计算能力，机器学习驱动的应用也在不断增加。
在今年的CES上Ambarella、Mobileye和NXP正反映了这一趋势。
以视觉处理器见长的Ambarella做出了一个令人惊讶的举动，推出了一款新的汽车SoC系列CV-3，提供500个等效TOPS（eTOPS）的AI计算能力。
另一方面，Mobileye正在采取“少即多”的方法。它推出了EyeQ Ultra，算力为176TOPS，该公司称它将满足消费级AV的成本、性能和功耗要求。Mobileye宣称其“对自动驾驶系统确切需求有独特视角”，因为该公司一直在从事从硬件和软件到地图和服务模式的垂直AV开发。
NXP的战略是将车辆的机器学习资源提升到ADAS级别之外。NXP与以色列AI加速器初创公司Hailo合作，将在车辆网关处理器（如NXP的S32G系列，Layerscape）或与整个车辆所有数据交互的中央计算部分上运行新的机器学习应用。这些机器学习应用的范围包括驾驶员分心监测、舱内监测和路况监测，以及安全、保险应用和车辆健康诊断。
Ambarella加入TOPS大战
Ambarella新发布的CV-3 High SoC是迄今为止CV处理器的最高性能版本，看起来Ambarella现在想成为一个重要的TOPS玩家。这对一家视觉处理器公司来说是一个方向性的改变，它早先还没那么重视TOPS性能的重要性。
CV-3 High提供了一个神经向量处理器，具有500-eTOPS（8位）的AI计算能力和1000-eTOPS（4位）的AI性能。
CV-3 High block diagram
鉴于Nvidia的Orin是254TOPS，Atlan则高达1,000 TOPS，可以看出Ambarella提供了相当高的AI计算性能。Atlan是Nvidia为AV提供的下一代AI处理器，目标是2025年车型。
与此同时，Qualcomm正在宣传Snapdragon Ride平台。该产品支持一系列ADAS/AV功能，从10TOPS的L1到700+TOPS的完全自动驾驶系统。
Ambarella的CTO Les Kohn说，汽车行业变化的速度非同寻常，这使得TOPS竞赛不可避免。Kohn说：“像Tesla这样的公司，他们在以比行业平均水平更快的速度推动着创新。你必须有一个前瞻性的架构。你不能只是根据一套固定的要求来设计东西，这些要求对今天来说是可以的，但当系统真正投入生产时，有可能就已经过时了。”
Ambarella的旗舰SoC支持多达20个摄像头和360°高清雷达处理，Ambarella解释说这是”在CVflow上使用Oculii雷达的LiDAR级分辨率”。
Kohn称CV-3是自2015年收购计算机视觉和汽车控制系统开发商VisLab以来的工作成果。Ambarella还在去年收购了雷达感知AI算法开发公司Oculii。总之，CV-3不仅可以支持AV中的所有传感器，而且要“用一个芯片取代一整车的PC”。
Ambarella的一个优势是，CV-3可以通过一个SDK从L2+扩展至L4。据Ambarella称，它提供业界领先的50W SoC能效。
Oculii的交易给Ambarella带来了一套雷达感知算法。当其他SoC供应商倾向于以摄像头为中心时，Ambarella现在可以在系统和软件开发中更全面地探索ADAS和AV，可以结合摄像头和雷达的专业知识。
但Ambarella将面临一场艰苦的战斗，因为车厂已经习惯了Mobileye和Nvidia之间的竞争。然而，好消息是，大多数车厂当然是更希望在这个领域越多的竞争者越好，他们有更多的选择余地会更舒服。
Mobileye的另类TOPS策略与此同时，Mobileye选择退出TOPS竞赛，他们在这次CES上推出了EyeQ Ultra。Mobileye将其新的SoC说成是“专用的”AV芯片，能够在只有176个TOPS的情况下运行L4应用。
据该公司称，EyeQ Ultra比其他AV解决方案更高效，因为它提供了AV所需的能效和性能，而没有将多个SoC集成在一起的功耗和成本。
Mobileye在打造了自己的AV之后，采取了有点相反的方法。该公司表示，这一过程让人们了解到“一辆自动驾驶汽车究竟需要什么，才能在非常高的故障间隔时间内运行。”
EyeQ Ultra采用5nm工艺技术，在单个封装中提供10个EyeQ5的性能。
EyeQ Ultra
Amnon Shashua在一份声明中说，消费级AV是该行业的终局。他说，EyeQ Ultra将提供“性能和成本的优化，使消费级AV成为现实”。Shashua在1月4日的Intel新闻发布会上补充说：“并非一切都与TOPS有关。”
EyeQ Ultra是Mobileye的第一个SoC，使用了RISC-V内核（12个），而不是MIPS CPU内核。EyeQ Ultra由四类专有加速器组成，每一类都是为特定的任务而构建的。据该公司称，这些加速器与额外的CPU内核、ISP和GPU配合。
Mobileye将在2023年底推出EyeQ Ultra SoC，并计划在2025年进行全面的车规级生产。
NXP选择了Hailo
NXP与AI加速器初创公司Hailo合作，将其汽车处理器与Hailo-8结合起来，为ECU提供可扩展和高效的深度学习处理。
据Hailo称，Hailo-8在2.5W的典型功耗下，超过了其他用于边缘计算的AI处理器，最高可达26TOPS。通过在边缘放置高能效的AI加速器，他们希望为车辆带来许多新的机器学习应用。
近年来，AI加速器初创公司赢得了风险投资商的青睐。尽管许多此类芯片初创公司将ADAS和AV列为目标市场，但除了Hailo外，很少有公司真正进入汽车领域。
当被问及NXP为什么选择Hailo作为其AI合作伙伴时，NXP全球产品和解决方案营销总监Brian Carlson说：“我们也考虑过其他公司。但我们喜欢Hailo的工具、芯片的成熟度和可用性。随着NXP将AI加速器推向边缘有限的空间，Hailo-8的低功耗是很有吸引力的。Hailo提供的与PCI Express的直接接口也很关键。它允许我们直接连接而不使用任何额外的逻辑。”
Hailo数据流编译器
NXP之前在AI加速器方面一直是软肋，但现在可以很肯定地对外界说他们已经在和Hailo合作了。
Hailo的CEO Orr Danon强调他们的AI加速器的灵活性，让用户“分解AI计算的元素”。Danon说：“Hailo的加速器没有与特定半导体公司的硬件结合，我们提供了一个开放的生态系统。Hailo的AI加速器之所以有效，是因为建立在基础设施之上的开源应用框架。”
Danon宣称，“AI只是故事的一部分”，他指出，如果没有NXP提供的处理数据和管理汽车的基础设施，车辆中的AI应用就无法发挥作用。
多少TOPS？多少传感器？
汽车算力随着传感器的数量和分辨率的增加而急剧上升。在这种背景下，ZF的工程总监Raj Vazirani去年秋天的AutoSens会议上警告说，太多的车厂正在以错误的顺序做出选择。
车厂应该从定义“车辆需求和架构”开始，而不是首先选择传感器。如果没有车辆和系统层面的愿景，车厂最终可能会出现多种临时架构，而且不同车型之间的软件兼容性很差。
那么，车厂应该怎么做呢？Yole Développement的首席分析师Tom Hackenberg说：“不妨从那句古老的格言开始，‘Measure twice, cut once（三思而后行）’。回去和传感器供应商谈谈，与半导体供应商谈谈，了解他们的能力，他们对策略的建议是什么，看看你能从特定的策略中得到什么承诺。”
他补充说，关系的价值不能被低估，特别是在汽车行业。10年后，当车辆仍在生产时，供应商还在吗？
Hackenberg说：”因此，当我说三思而后行时，这意味着收集有关你可以用一个集中的域控制器或两个域控，甚至三个域控，或zonal控制器的信息，渐进的方式与从零开始重新构建之间的利弊是什么？”
车厂必须几乎同时或反复地做出传感器优先或架构优先的决定。你可能设计了一个高算力的处理器，然后以它为中心选择传感器，结果发现有一个更强大的处理器要出来了。如果你增加了更多的传感器，你能避免换掉处理器吗？如果你无法增加更多的传感器，你可能不得不换成新的处理器，但你需要考虑处理器的速度以及它带来的利弊。
使得复杂性更加复杂的是必须做出传感器的决定。多少个？分辨率多少？什么类型的传感器模式？
车厂曾受限于传感器的能力或可用的算力，但随着这些领域的指数级增长，它们的能力似乎变得漫无边界。车厂可能不会因为有太多的传感器或太大的计算能力而受到批评。但在某些时候，会遇到一些硬性限制。你会问自己，你是想要8个200万像素的摄像头？还是2个800万像素的摄像头？
消费者会买单吗？
Hackenberg指出，对于像Nvidia、Intel和Qualcomm这样的数据中心计算技术供应商来说，自然会认为车厂正在寻求在车辆中实现计算性能最大化。通过向车厂推销“MaaS”和“可下载和可升级的汽车功能”，宣传软件是其商业模式的主要来源。为此，车厂需要一个集中的计算平台。
然而，车厂面对的是消费者，而现实是消费者不一定想要为更先进的汽车多掏腰包。
一个“车轮上的数据中心”的前景可能会让技术供应商兴奋不已，但车厂始终应该专注于生产消费者想要买单的东西。
“车轮上的数据中心”的概念或许会让那些渴望实现软件定义和可升级的车厂感到高兴。然而，车厂必须明智地选择他们的技术选项和实施方案，因为中央计算架构成本很高，功耗也很高，会极大地影响到消费者最在意的电动车续航里程。
