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。然而，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

　　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（SDV）”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（每秒1万亿次定点计算），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。然而，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。