全自动驾驶时代,计算机算力面临的挑战

“自动驾驶级别每升高一级，对计算力的需求至少增加十倍，”Imagination汽车市场总监Bryce Johnstone表示，“第五级全自动驾驶，可能需要每秒500万亿次（TOPS）以上计算力。”

传统汽车更多强调的是控制，而非计算。而在分布式开发理念主导之下，工程师决定增加功能时往往新增一颗微控制器（MCU），而不是采用更复杂的处理器。所以采用MCU数量的多少一度成为车辆豪华程度的标志，以至于有市场分析机构预测，车载MCU数量将不断增加，未来甚至可以达到平均每车200颗以上。

但这种趋势已经有所变化。

一方面，由于自动驾驶技术的引入，计算力需求急剧增加。自动驾驶需要实时采集海量传感器数据，对传感器数据进行极速处理，根据采集到的传感器数据做出合理决策，并实时将决策发送至执行部件。从传感器数量来看，二级自动驾驶通常需要3颗以上雷达，以及至少一颗摄像头；而五级自动驾驶，至少需要10颗雷达、8颗摄像头，以及一颗激光雷达。这还没有计算超声波传感器及车内摄像头。

英特尔推算，全自动驾驶时代，每辆汽车每天产生的数据量高达4000GB。

“自动驾驶级别每升高一级，对计算力的需求至少增加十倍，”Imagination汽车市场总监Bryce Johnstone表示，“第五级全自动驾驶，可能需要每秒500万亿次（TOPS）以上计算力。”

另一方面，由于行车电脑概念引入，集中式开发理念在汽车业又重新受到重视。这意味着用更复杂的处理器替代多个MCU的选择逐渐被汽车开发人员所接受，这同样带来单芯片复杂度的提升。英伟达（Nvidia）和英特尔（包括其收购的Mobileye）的解决方案是集中式开发理念的体现。一些车载芯片初创公司也是集中式计算阵营拥护者。

当然不同的集中式处理架构成本不一样，英伟达和英特尔的方案全包全揽，价格不菲，一套芯片往往上千美元；初创公司可以借助IP授权，从局部功能的域控制器着手，一套芯片也许只有几十美元。

非自动驾驶领域的技术演进也对计算力提出了要求。以车载仪表为例，虚拟数字仪表正在快速替代传统机械式仪表，而车载屏幕尺寸越做越大，分辨率越来越高，“2K屏幕已经出现，4K甚至8K+也已经在规划中。”Bryce Johnstone表示，车载显示、语音识别和手势操纵等功能日趋复杂，这些都对背后支持芯片的算力提出了更多要求。

Bryce Johnstone在2019上海世界移动大会分论坛演讲

面对新生势力咄咄逼人的态势，部分传统车载半导体厂商也在努力改变自己以适应时代发展。

Byrce Johnstone告诉探索科技（techsugar），包括瑞萨、德州仪器、索喜（Socionext）在内的传统车载半导体厂商，以及电装（DENSO）这样的一级供应商，都与Imagination有合作。这些厂商获得了Imagination的PowerVR图像处理器（PowerVR GPU）IP授权，或PowerVR神经网络加速器（PowerVR NNA）IP授权。当然，很多厂商都取得了PowerVR GPU与PowerVR NNA两个产品线的授权，以更全面地满足汽车业对算力增长的需求。

神经网络加速引擎对车载数据的处理加速效果明显，据Bryce Johnstone介绍，带神经网络加速引擎的GPU，在相对非常低的功耗下，计算速度可以比当前主流高阶嵌入式多核车载处理器快20倍。

初创企业往往对于新技术接受度更高，Bryce Johnstone也丝毫不掩饰对初创公司在半导体IP需求方面的期待。在采访中，他不止一次向笔者询问中国芯片初创公司的发展概况。

“很多中国初创公司对与Imagination合作抱有积极态度，我们也非常看好这些初创公司，这些公司将来会成为车载市场的新兴力量，”Bryce Johnstone对探索科技表示，传统车载处理器计算力不高、功能单一、升级困难，而部分传统厂商开发流程冗繁，时间周期过长，如果不采用更先进的开发方法，很可能在时代巨变中落伍，“可以预期，部分传统车载芯片厂商将败得很惨。”