[首發(fā)于智駕最前沿微信公眾號(hào)]在談及智駕系統(tǒng)時(shí)，經(jīng)常會(huì)聽到一個(gè)詞，那就是“算力”，如比亞迪發(fā)布的“天神之眼”智駕系統(tǒng)，根據(jù)智駕適配場(chǎng)景的不同，算力大小也不一樣：

天神之眼A版本配備了3顆激光雷達(dá)、11個(gè)攝像頭和5個(gè)毫米波雷達(dá)，使用雙英偉達(dá)Orin-X芯片，總算力達(dá)到508 TOPS。這種高配置使得其在無圖城市領(lǐng)航、極端場(chǎng)景越野優(yōu)化等方面表現(xiàn)出色，適合高端市場(chǎng)。

天神之眼B（DiPilot 300）使用1顆激光雷達(dá)、12個(gè)攝像頭和5個(gè)毫米波雷達(dá)，搭載單Orin-X芯片，算力為254 TOPS。適用于中高端市場(chǎng)，適合城區(qū)高速NOA和自動(dòng)泊車等功能。

天神之眼C（DiPilot 100）不使用激光雷達(dá)，依靠800萬像素雙廣角和長焦前視三目攝像頭，搭配地平線J6M芯片，算力為84-128 TOPS12。適用于普惠市場(chǎng)，提供高速NOA和代客泊車等功能。

可以看到，同為天使之眼，搭載的硬件不同，其適配場(chǎng)景和算力也不一樣，且智駕程度越高，算力也越高。那“算力”到底是個(gè)啥？對(duì)自動(dòng)駕駛的發(fā)展到底有何影響？

“算力”是個(gè)啥？

自動(dòng)駕駛車輛面對(duì)的世界充滿了復(fù)雜的、不確定的變量，從車載攝像頭、雷達(dá)、激光雷達(dá)到超聲波傳感器，所有傳感設(shè)備不斷采集道路、行人、交通標(biāo)志以及環(huán)境變化等各類信息。這些傳感器生成的數(shù)據(jù)量極為龐大，且格式各異，必須在極短的時(shí)間內(nèi)完成預(yù)處理、融合與分析才能為車輛的決策系統(tǒng)提供準(zhǔn)確的信息。而這其中，算力就是讓這一切高速運(yùn)行的核心動(dòng)力。

通俗地講，算力指的是計(jì)算平臺(tái)在單位時(shí)間內(nèi)能夠完成的數(shù)據(jù)處理和算法運(yùn)算量，而TOPS（Tera Operations Per Second）作為衡量芯片運(yùn)算能力的重要指標(biāo)，能夠直觀反映出一個(gè)系統(tǒng)每秒可以執(zhí)行多少次基本運(yùn)算。對(duì)于自動(dòng)駕駛這樣對(duì)實(shí)時(shí)性、安全性要求極高的系統(tǒng)來說，算力決定著數(shù)據(jù)處理速度、模型推理效率以及最終決策的準(zhǔn)確性和及時(shí)性。

算力不僅僅是一個(gè)抽象的性能數(shù)據(jù)，而是體現(xiàn)在硬件架構(gòu)設(shè)計(jì)中的具體實(shí)現(xiàn)。自動(dòng)駕駛領(lǐng)域中，各大廠商紛紛投入巨資研發(fā)針對(duì)車載應(yīng)用的專用芯片。這些芯片通常采用異構(gòu)計(jì)算架構(gòu)，即在同一個(gè)平臺(tái)上集成了中央處理單元（CPU）、圖形處理單元（GPU）以及專門設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)處理單元（NPU）和專用AI加速器。各個(gè)模塊各司其職，CPU負(fù)責(zé)總體調(diào)度、控制邏輯和一些通用計(jì)算任務(wù)，而GPU和NPU則重點(diǎn)承擔(dān)并行計(jì)算和矩陣運(yùn)算，尤其是在處理深度學(xué)習(xí)算法時(shí)能夠發(fā)揮決定性作用。以NVIDIA的Drive系列為例，其平臺(tái)不僅擁有高TOPS的運(yùn)算能力，還通過集成先進(jìn)的并行處理單元和低延遲內(nèi)存架構(gòu)，實(shí)現(xiàn)了高速、高效的數(shù)據(jù)處理。正是這種對(duì)計(jì)算硬件的不斷改進(jìn)，使得自動(dòng)駕駛車輛能夠在極短時(shí)間內(nèi)對(duì)來自不同傳感器的數(shù)據(jù)進(jìn)行融合與分析，從而在復(fù)雜路況中及時(shí)識(shí)別出潛在的危險(xiǎn)或障礙。

“算力”到底有啥用？

討論算力的意義，就需要明確自動(dòng)駕駛所面臨的計(jì)算任務(wù)有哪些。首先是感知任務(wù)，即實(shí)現(xiàn)對(duì)外部環(huán)境的實(shí)時(shí)獲取和理解。自動(dòng)駕駛系統(tǒng)需要處理高分辨率視頻流、點(diǎn)云數(shù)據(jù)以及雷達(dá)信號(hào)，而這些數(shù)據(jù)經(jīng)過初步處理后，會(huì)被輸入到深度神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行目標(biāo)檢測(cè)、跟蹤和分類。以卷積神經(jīng)網(wǎng)絡(luò)（CNN）為代表的深度學(xué)習(xí)模型能夠從海量的數(shù)據(jù)中提取出關(guān)鍵信息，但同時(shí)也對(duì)計(jì)算能力提出了極高的要求。為了達(dá)到毫秒級(jí)響應(yīng)，系統(tǒng)必須在極短的時(shí)間內(nèi)完成圖像的預(yù)處理、特征提取和模型推理，而這一切的實(shí)現(xiàn)都依賴于芯片上強(qiáng)大的并行運(yùn)算能力。TOPS指標(biāo)越高，便意味著處理器能夠在同樣的時(shí)間內(nèi)完成更多的運(yùn)算任務(wù)，從而降低整體系統(tǒng)的延遲，確保車輛在高速行駛中能夠快速作出反應(yīng)。

算力對(duì)于路徑規(guī)劃和決策控制同樣至關(guān)重要。自動(dòng)駕駛不僅需要對(duì)環(huán)境進(jìn)行準(zhǔn)確感知，更需要實(shí)時(shí)制定行駛策略，以實(shí)現(xiàn)安全、高效的駕駛。當(dāng)系統(tǒng)識(shí)別到道路上的突發(fā)情況，如突然出現(xiàn)的行人或車輛，其決策算法需要綜合考慮車輛狀態(tài)、路況信息以及可能的風(fēng)險(xiǎn)因素，在最短時(shí)間內(nèi)生成避險(xiǎn)或減速方案。這個(gè)過程涉及大量的數(shù)學(xué)運(yùn)算和邏輯判斷，對(duì)計(jì)算平臺(tái)的實(shí)時(shí)處理能力提出了挑戰(zhàn)。只有在具備高TOPS運(yùn)算能力的情況下，車載系統(tǒng)才能保證在面對(duì)突發(fā)情況時(shí)，迅速完成各種算法運(yùn)算，并生成相應(yīng)的操作指令。

為了讓算力穩(wěn)定，芯片制造商不僅要關(guān)注原始的運(yùn)算速度，更需注重功耗、熱管理和系統(tǒng)穩(wěn)定性的平衡。車載環(huán)境對(duì)功耗和散熱有著嚴(yán)格的要求，過高的功耗不僅會(huì)導(dǎo)致系統(tǒng)發(fā)熱嚴(yán)重，還會(huì)影響計(jì)算穩(wěn)定性。為此，現(xiàn)代自動(dòng)駕駛芯片普遍采用了先進(jìn)的制程工藝和低功耗設(shè)計(jì)技術(shù)，以期在提供高TOPS運(yùn)算能力的同時(shí)，保持合理的能耗表現(xiàn)。如一些新型芯片會(huì)采用動(dòng)態(tài)電壓調(diào)控技術(shù)，根據(jù)計(jì)算任務(wù)的負(fù)載情況實(shí)時(shí)調(diào)整功耗輸出，使得高強(qiáng)度運(yùn)算與低功耗運(yùn)行能夠?qū)崿F(xiàn)有機(jī)結(jié)合。這種軟硬件協(xié)同優(yōu)化設(shè)計(jì)，不僅使得自動(dòng)駕駛系統(tǒng)在復(fù)雜環(huán)境下依然能夠保障高效運(yùn)算，還有效延長了整車電子系統(tǒng)的使用壽命，并降低了散熱和能耗方面的后顧之憂。

從自動(dòng)駕駛的整體系統(tǒng)架構(gòu)來看，算力對(duì)于多模態(tài)數(shù)據(jù)融合處理也至關(guān)重要。自動(dòng)駕駛車輛通常同時(shí)搭載多種傳感器，每種傳感器有其獨(dú)特的信息采集方式和數(shù)據(jù)特點(diǎn)，而單一傳感器往往無法提供足夠的信息來判斷整個(gè)駕駛環(huán)境。通過多傳感器數(shù)據(jù)融合，可以彌補(bǔ)單一數(shù)據(jù)源的不足，提高環(huán)境感知的可靠性和準(zhǔn)確性。多模態(tài)數(shù)據(jù)的并行處理和實(shí)時(shí)融合則對(duì)計(jì)算平臺(tái)提出了更高要求。如何在極短的時(shí)間內(nèi)將來自不同傳感器的數(shù)據(jù)進(jìn)行同步處理，并通過深度學(xué)習(xí)算法構(gòu)建出精確的環(huán)境模型，是當(dāng)下自動(dòng)駕駛領(lǐng)域亟待解決的關(guān)鍵技術(shù)難題。高TOPS算力平臺(tái)在這一場(chǎng)景下就非常具有優(yōu)勢(shì)，它不僅可以提供強(qiáng)大的并行計(jì)算能力，更通過優(yōu)化數(shù)據(jù)傳輸和內(nèi)存管理，確保各類數(shù)據(jù)之間能夠高速、無縫地交換和融合，從而在復(fù)雜動(dòng)態(tài)環(huán)境下保持穩(wěn)定、準(zhǔn)確的判斷能力。

總結(jié)

隨著自動(dòng)駕駛技術(shù)的不斷進(jìn)步，算法的復(fù)雜度也在持續(xù)提升。近年來，新一代深度學(xué)習(xí)模型，如Transformer結(jié)構(gòu)，逐漸在自然語言處理和計(jì)算機(jī)視覺領(lǐng)域嶄露頭角。雖然這些模型在精度和魯棒性上表現(xiàn)卓越，但其龐大的計(jì)算量也使得推理階段的運(yùn)算需求急劇上升。在自動(dòng)駕駛場(chǎng)景中，每毫秒的延遲都可能帶來嚴(yán)重的安全風(fēng)險(xiǎn)，因此如何在保證模型精度的前提下，有效壓縮計(jì)算資源、優(yōu)化運(yùn)算流程成為當(dāng)前技術(shù)研發(fā)的重要方向。為此，可通過探索模型量化、剪枝以及知識(shí)蒸餾等技術(shù)，力圖在降低計(jì)算復(fù)雜度的同時(shí)，最大限度地發(fā)揮高TOPS芯片的性能優(yōu)勢(shì)。

算力不僅是衡量硬件性能的一個(gè)數(shù)字，更是一種綜合工程能力和系統(tǒng)協(xié)同效應(yīng)的體現(xiàn)。每一次芯片技術(shù)的突破、每一種算法優(yōu)化手段的誕生，都在推動(dòng)著自動(dòng)駕駛技術(shù)向著更加安全、智能、高效的方向穩(wěn)步前進(jìn)。未來，當(dāng)車載芯片、傳感器技術(shù)、通信網(wǎng)絡(luò)以及邊緣計(jì)算完美結(jié)合時(shí)，我們將有望見證一個(gè)真正意義上實(shí)現(xiàn)全自動(dòng)駕駛和智能交通的新時(shí)代，而這一切的基礎(chǔ)正是那不斷提升的每秒萬億次運(yùn)算能力——算力TOPS。

審核編輯 黃宇