Waymo对软件算法过分重视，忽视了硬件平台

Waymo早在2008年就开始投入自动驾驶，当时还属于谷歌X事业部，不过14年过去，Waymo几乎一事无成，声音也越来越小，根本的原因就是Waymo对软件算法过分重视，忽视了硬件平台。这几年英伟达、高通自动驾驶芯片的崛起与Waymo的没落形成鲜明对比。自动驾驶的软件和硬件是硬币的两面，无法分割，整套解决方案必然包括软件和硬件。单独提供软件或硬件都没有出路，因为自动驾驶软硬件配合度要求太高，很难移植。这主要是深度学习算法模型与硬件高度捆绑，两者不匹配很容易导致效率低下，硬件的利用率低到10%以下是经常遇到的。

Waymo早期是采用英特尔芯片做计算平台的，主要是基于服务器CPU至强和FPGA加速卡。

图片来源：互联网

Waymo计算平台，其中以太网交换机应该也是用FPGA搭建的，因为这么高带宽的以太网交换机现在还没有量产，几年前更不可能有了。只有FPGA能做到如此高的带宽，代价是价格很高，至少在1000美元以上。还有两个至强CPU之间应该还需要PCIe交换机。 FPGA可能是Arria 10 1150GX，目前售价大约2000美元，2013年时可能要4000美元以上。Altera的FPGA共有四大系列，分别是顶配的Stratix系列、成本与性能平衡的Arria系列、廉价的Cyclone系列、带NVM的MAX系列。Stratix系列多在近万美元以上，Arria系列大约在2000-5000美元之间，Cyclone系列多在10-20美元之间。Arria系列再细分10、V、II、GX四个系列，10系列为最新产品，于2013年推出，采用20纳米工艺，GX为第一代产品，2007年推出，采用90纳米工艺，II系列为2009年产品，采用40纳米工艺，V系列为2011年产品，采用28纳米工艺。10系列再分为带ARM内核和不带ARM内核两大类。ARM内核为双A9内核。 1150GX拥有标准FPGA的1150K个逻辑元素外，还拥有1518个硬核单精度浮点运算乘法器/加法器，3036个18*19乘法器。最终能够获得3340GMACS（等于每秒百万次的定点乘累加运算），还有1366 GFLOPS的浮点运算能力。AI算力最高是26TOPS@Int8。在2013年这个算力可以算是非常惊人的，价格当然也很惊人。 FPGA是效率最高的运算单元，FPGA之所以比CPU甚至GPU能效高，本质上是无指令、无需共享内存的体系结构带来的福利。冯氏结构中，由于执行单元（如CPU核）可能执行任意指令，就需要有指令存储器、译码器、各种指令的运算器、分支跳转处理逻辑。由于指令流的控制逻辑复杂，不可能有太多条独立的指令流，因此GPU使用SIMD（单指令流多数据流）来让多个执行单元以同样的步调处理不同的数据，CPU也支持SIMD指令。而FPGA每个逻辑单元的功能在重编程（烧写）时就已经确定，不需要指令。 FPGA中的寄存器和片上内存（BRAM）是属于各自的控制逻辑的，无需不必要的仲裁和缓存。对于通信的需求，FPGA每个逻辑单元与周围逻辑单元的连接在重编程（烧写）时就已经确定，并不需要通过共享内存来通信。FPGA实际就像是一片SRAM，它没有AI芯片难以克服的内存墙问题，有点像存内计算，但要比存内计算规模大太多了。FPGA的硬件利用率可轻松做到80%以上，因此FPGA的频率都比较低。 但FPGA的布线没有优化，有大面积的硅片资源闲置，浪费了，这导致其成本飞速上升，小规模的FPGA价格很低，一旦越过30-50万逻辑单元，价格直线飞升。 Waymo的计算平台单芯片成本就已超过4000美元，并且都是非车规的，显然这无法量产。2019年以后，Waymo的声音就慢慢沉寂，而软硬一体的高通和英伟达发展越来越顺利。 眼看英伟达和高通一飞冲天，Waymo也幡然悔悟，2021年就开始筹划与三星推出自动驾驶芯片，正式推出可能在2023年底。和英伟达、高通相比，Waymo的劣势在于英伟达和高通都是芯片巨头，两者出货量巨大，特别是高通，能够大幅度降低芯片成本。Waymo订制芯片，出货量必然是很低的，谷歌的TPU用在数据中心，成本敏感度不高，但汽车不行。同时谷歌的TPU出货量相对自动驾驶汽车还是不低的。 要做到商业化，成本是必须考虑的。Waymo找到了三星做合作伙伴，三星每年手机CPU芯片上亿，足以和高通抗衡，足以摊薄成本。三星与谷歌合作是从谷歌第一代手机芯片Tensor开始。高通的Snapdragon Ride平台目前是SA8540p+SA9000。SA8540p近似于高通手机5纳米芯片888，只不过SA8540p可能采用4大核4小核的设计，即4个Cortex-X1加4个A78。去掉了强调A55小核。高通以此还衍生出针对笔记本电脑的8cx gen3，与SA8540p非常近似，但去掉了5G modem。 能做手机SoC，就能做自动驾驶芯片，三星、苹果、联发科都可以。

图片来源：互联网

谷歌第一代Tensor芯片，用于谷歌Pixel 6系列手机上，实际就是基于三星Exynos 2100的修改版。

第一代Tensor与三星Exynos2100对比

图片来源：互联网

在NPU方面，Exynos 2100是压倒性优势的26TOPS，谷歌是5.7TOPS。不过在实际测试中，Exynos 2100优势不明显。

图片来源：互联网

骁龙888、谷歌Tensor与Exynos 2100的NNAPI即神经网络测试跑分，谷歌Tensor优势明显。

NLP自然语言处理方面，谷歌Tensor优势非常明显。

图片来源：互联网

离线图像分类跑分测试，Tensor差距也不算大。

图片来源：互联网

Waymo的自动驾驶芯片不大可能基于第一代Tensor，因为第二代Tensor已于2022年7月底量产了。Waymo的自动驾驶芯片很有可能基于第二代Tensor，目前未有基于第二代Tensor的消息，但很显然，三星不会给谷歌做太多工作，应该就是Exynos 2200的修改版，毕竟第一代Tensor的具体型号就是Samsung ExynosTensor GS101，从型号就能看出，这是Exynos2100的修改版。

图片来源：互联网

Waymo的自动驾驶芯片芯片应该会基于三星4纳米工艺。超大核应该还是两个Cortex-x2，而不是Exynos的1个。两个Cortex-710的中核，四个A510的小核。GPU方面估计也是基于AMD RNDA2代的GPU，足以和高通的Adreno 730一争高下。 CPU和GPU没有太多操作空间，NPU应该是谷歌擅长的。

谷歌历代TPU对比

图片来源：互联网

谷歌从2016年推出第一代TPU，2021年推出第四代，第四代TPU的算力没有公开数据，只说比第三代的两倍。第三代TPU的算力是360TOPS@Int8，那么第四代应该是720TOPS@Int8。不过TPU是针对数据中心的。针对边缘计算，谷歌还有TPU EDGE，价格非常低廉，应该不超过10美元。 谷歌没有公布TPU V4的算力，但给出了下表，用在各种算法模型上的消耗时间，完全可以超越顶级英伟达系统。

备注：这是在2021年中期测试的数据。

图片来源：互联网

Waymo的策略应该与高通一样，也是一片SoC加一片加速器。SoC基于二代Tensor也就是基于三星Exynos 2200，其内部的NPU算力至少能到30TOPS。加速器应该基于4代TPU或5代TPU做修改而来，算力估计360TOPS。这样一来，成本大大降低，应该不高于英伟达系统的成本。此外4代或5代TPU都应该委托三星而非台积电代工，台积电代工当然更好，但价格会远高于三星，且谷歌的订单数量太少，在产能紧张大客户云集的台积电那里肯定要排队等待，因此谷歌一直选弱势的三星做合作伙伴。 自谷歌开始搞自动驾驶以来，其定位就比较模糊，战略经常变化，最初似乎是想提供全套软件解决方案，然后是自己制造无人驾驶小车，再后是做无人出租车运营，现在似乎是回归最初，提供包括硬件计算平台在内的全套解决方案。主要是自动驾驶算法的门槛极低，单独的算法没多少价值，自动驾驶软件里最有价值的应该是经过人工标注的数据集，这没什么技术含量，完全靠人力和资金。如今Waymo试图和英伟达或高通竞争，显然已经晚了，Waymo的最终结局想必大家都已经能预测到。

审核编辑 ：李倩