說到AI芯片領域，最近的一件大事是，10月13日地平線和大眾旗下軟件公司CARIAD官宣合作。雙方成立合資企業，CARIAD控股60％，投資約24億歐元，預計會在2023年上半年完成。

這算是地平線迄今為止最重磅的一個合作。而一個插曲是，半年前地平線才宣布第三代產品征程5芯片首個定點合作，花落比亞迪，上車時間2023年。不過，有意思的是，比亞迪同時也將投產搭載英偉達DRIVE Orin計算平臺的車型。

而公社C次元最近一篇文章《英偉達不要的，地平線都要》，對地平線和英偉達在汽車領域AI芯片應用的競爭情況也做了介紹，所以，這篇我們就科普科普，到底這兩家企業競爭些什么，以及車企的選擇背后是怎樣的考慮？

都是AI芯片，有啥不一樣？

論及雙方，他們的產品都是用于自動駕駛領域的AI芯片。但是區別還是很大的。

AI芯片的應用場景，主要分為云端和終端，還有邊緣端。目前，云端應用的更多，相對成熟。此外，云端應用又可分為訓練和推理兩種，其中訓練的市場規模占比較高。

云端應用的霸主，就是英偉達。而云端（服務器、數字中心）和終端（手機、智能汽車等移動端）應用場景中，AI芯片的運算方式有著本質性的差別。

比如，云端處理大批量一次性到達的累積數據（擴大批處理量，batch size），可以“等”數據“夠了”再開始處理。但車端芯片則需要處理流數據，隨著行駛（時間）陸續到來的數據；需要實時完成計算，盡可能得降低延遲。

對于交互性，終端要求更高。云端任務本身是限定在虛擬世界，無需考慮與現實世界的交互。終端則身處現實世界，每一個任務都需要考慮交互性。

此外，功耗和成本在車端AI芯片的考量中也占據更重的分量?？梢?，對于汽車終端來講，AI芯片除了須保證計算能效，還有低功耗、低延遲、低成本的要求。

目前，AI芯片主要有三種，分別是通用型的GPU，可定制的FPGA，以及專用的ASIC。英偉達的Orin芯片，是基于通用GPU。而地平線的征程5芯片，既是ASIC芯片，也是DSA（Domain Specific Architecture 特定領域架構）芯片。值得注意的是，Orin芯片的核心GPU架構仍是云端架構。

不過，對車企來說，芯片的兼容性越強越好，因為車企可以一步到位，而且無需再從頭做驗證，用一個芯片就能實現未來高階智能駕駛的硬件預埋，為未來更高階的智能駕駛做好準備。這也是很多品牌愿意選擇英偉達Orin芯片的原因。

而地平線采用面向特定場景的軟硬結合方法論來設計芯片，也就是DSA芯片的做法，極大提升了芯片的有效算力。但是，我們的疑問是，征程5芯片的極限到達后，更高級別的自動駕駛需求就要換用征程6，那么，這個換裝的綜合成本，誰來買單承受呢？

除了算力，還有FPS

除了通用和定制的區別，目前業內存在“唯算力論”，好像芯片算力越高覺得越好。其實，這有失偏頗。實際上，還是要看FPS（每秒傳輸幀數）才行。

FPS通俗來講就是指動畫或視頻的每秒畫面數。FPS是測量用于保存、顯示動態視頻的信息數量。簡單來說，FPS數值越大，性能越好。對于自動駕駛所有應用的計算平臺來說，FPS被認為是衡量先進算法運行效率的評價標準之一。

比如，在芯片算力上，單片英偉達Orin和征程5的算力分別為254TOPS（每秒萬億次計算）和128TOPS，功率為45W和30W，功耗比分別為4．6TOPS／W和4．2TOPS／W。征程5只有英偉達Orin的一半。

但是，征程5的FPS（每秒傳輸幀數）卻為1283。比Orin的1001FPS（基于同安培架構的英偉達RTX3090進行調整后測算得出）高出不少。地平線征程5畫面傳送視頻的流暢度明顯要好于英偉達Orin。怪不得地平線BPU算法負責人羅恒要說，“能效上來看，我們（征程5相比Orin）有6倍多的提升?！?/p>

其實，不僅是地平線以FPS來算帳。2017年發布自研的FSD芯片時，特斯拉創始人馬斯克便以此前應用的英偉達Drive PX2作比，從算力來看FSD是Drive PX2的3倍，但FPS是Drive PX2的21倍。

此外，低延遲性能也是衡量AI芯片性能的關鍵指標。因為，延遲問題直接關乎駕駛證安全。比如，在緊急制動場景下，100毫秒意味著近1．7～3．3米的剎車距離。

而按照地平線的說法，征程5的8M單目前視感知結構化輸出延遲小于60毫秒，比英偉達ORIN的延遲性能更好。而Orin芯片的低延遲數據未知。

所以，從FPS和低延遲、低成本來說，地平線在汽車領域的發展機會還是很大的，目前有超過20家車企的70多款車型應用了征程系列芯片，這也是地平線通過定制路線的“奇兵”收獲的成果。

架構，決勝

而在第五波計算浪潮之下，決定芯片的核心，當然是架構。因為，架構是芯片企業最底層的核心技術，迭代成本巨大，也是最值錢的技術。

作為提出DSA架構的泰山北斗，John Hennessy與David Patterson在獲得2017年圖靈獎時的獲獎演說中指出：“未來十年，將是計算機體系結構的黃金年代”。這是一個很好的注腳。

而地平線的征程系列芯片，從其架構來說，經歷了名為高斯、伯努利和貝葉斯的三代BPU（Brain Processing Unit， 地平線自主設計研發的高效的人工智能處理器架構）架構。

從低到高，高斯架構主要處理感知，就是圖像識別，識別攝像頭，雷達，傳感器等的圖像，采用40nm工藝。而伯努利架構加入了深度學習，20nm工藝。貝葉斯架構則是加入貝葉斯網絡，結合深度學習來提高AI的準確率，16nm工藝。

再來看英偉達。創立于1993年的英偉達厲害之處在于，1999年發明GPU（圖形處理器），2006年發布CUDA?通用并行計算架構，實現了軟硬解耦。開發者不必再使用高難度的GPU專用開發語言，而能使用通用性的編程語言調用GPU算力。

通過軟硬解耦，將圖形處理的專用芯片GPU變為適用于大規模并行計算的通用型芯片，英偉達站上AI時代的C位。對于地平線以及其他芯片企業來說，也是高山仰止、拼命追趕的對象。

而英偉達的Orin是基于Ampere（安培）架構，這也是推動英偉達數據中心業務增長近9成的主力產品架構。換句話說，面向高級別自動駕駛場景的Orin，用的還是魔改的通用架構。這就像，今年大熱的高通8155芯片，是從消費電子芯片魔改而來。

通用架構的好處是“上手容易”，拿來就能用，而且工具豐富。不過，缺點是，很多硬件性能前期是浪費的，暫時用不上的。

那么，為什么站在云端的英偉達仍然在用通用架構？看看汽車業務占比就明白。

5月26日，英偉達發布2023財年Q1財報（截至2022年3月），本季營收82．9億美元，同比增長46％。其中，由超大規模計算、云端和AI業務推動的數據中心業務占比45．23％；顯卡支撐的游戲業務占比43．67％。汽車業務呢？微不足道，占比2．1％。

地平線的營收情況，沒有公開的披露。不過，2020年《晚點LatePost》曾報道，地平線2020年營收為2～2．3億元，其中70％來自向車廠提供芯片等產品的收入，客戶包括長安、一汽和理想汽車等。

從營收來看，地平線和英偉達的差距還不是一個數量級的，還根本無法威脅到英偉達的地位，是海洋界鯨魚和海豚的關系。所以，英偉達沒什么動力去做面向車企的ASIC芯片。這也給了地平線和其他芯片企業巨大的機會。

當然，地平線還處于發展初期也就是要不斷砸錢的階段。根據企查查的數據，如果不計算未披露的融資金額，地平線累計融資超34億美元（約合人民幣243．3億元）。最近一筆，是奇瑞汽車的。

地平線目前的核心業務只有端側的汽車領域。市場方面，地平線征程系列芯片目前累計出貨超過150萬片。而通過針對自動駕駛場景算法和需求專門設計的專用芯片，實現在效率上的更高效，只是地平線追趕英偉達的第一步。

就像前面說的，比亞迪并不是唯一一個同時部署英偉達和地平線的車企。理想在2021理想ONE以及后續的理想L8 Pro上搭載了征程5，而在理想L8 MAX和L9上則使用的是英偉達Orin。

所以，地平線更難的是構建出好用的軟件體系，以及能支撐持續演進迭代的用戶生態，而這正是英偉達CUDA體系的王牌所在。地平線的天工開物還有很長的路要走。不過，無論怎樣，地平線給中國汽車企業帶來了一個DSA芯片的可選項，都是件“極好的”事。

更多信息可以來這里獲取==>>電子技術應用-AET<<