芯片区别不大，未来智能汽车的主战场在于差异化体验。

因为疫情的原因，原本4月底举办的北京车展延期至今尚未举办，这也让最近开幕的成都车展，成为今年的第一个A级车展。

在这次展会上，各大车企和供应商把智能驾驶的「军备竞赛」推向高潮：一方面，智能驾驶的使用场景从高速、自动泊车延伸到城市；另一方面，激光雷达、高清摄像头、高算力芯片等硬件产品加速上车。

特别是高算力芯片，成为越来越多汽车厂家的主打卖点，很多车型的自动驾驶计算平台突破1000TOPS。这里的「TOPS」是计算机的算力单位，1TOPS代表处理器每秒钟可进行一万亿次(10^12)操作。

这背后是汽车的竞争逻辑发生了变化。

传统汽车时代的竞争，主要是围绕动力、操控和空间来展开。但智能汽车发展的背后，是整车计算平台的演进，从最初的分布式计算、单个子系统拥有自己的ECU，到域控制器逻辑、以功能划分集成化控制运算，再到最终实现整车运算能力的高速集中、智能化分配算力。这也对芯片的性能，提出了更高的要求。

因此，现在很多汽车厂商宣传的重点之一，就是采用了英伟达或者高通的芯片，算力有多强。这让人不禁回想起手机和电脑厂商这么多年来，围绕芯片做营销的习惯。

对于一台汽车来说，是不是像电脑和手机一样，芯片越快，算力越高就越好？答案可能并不是你想的那样。

从「马力」到「算力」

目前，「算力」已经成为评价一辆车的重要指标。

2019 年特斯拉推出 HW3.0 芯片时，144TOPS的算力在当时冠绝行业，让很多车企意识到算力对于智能汽车的重要性。当时，英伟达的Orin芯片还未量产，主打产品是2017发布的Xavier芯片，采用12nm工艺，算力30TOPS。

蔚来ET7 | 视觉中国

到了2021年，这场竞赛被拉高到新的高度。

2021年初，蔚来NIO Day，创始人李斌发布了他们第一款轿车——ET7。相比当时其他车型，它最大的亮点之一是首款量产车采用Nvidia Orin芯片。在目前量产自动驾驶芯片中，Orin被认为是单片算力最高、技术最领先、量产节奏最快。

在之后的一年半中，拼芯片、拼算力成为一种风气，最近越来越多的车企开始推出大算力的平台。跟手机一样，越来越多的汽车的发布会开始把算力、芯片作为宣传噱头。

从数据上来看，目前芯片算力最强的是魏牌摩卡DHT-PHEV激光雷达版。它搭载毫末智行联合高通打造的Snapdragon Ride芯片，综合算力达到了1440TOPS；紧随其后的的是蔚来ET7和威马M7，它们都采用了四颗英伟达Orin-X自动驾驶芯片，车载系统的最大算力达到1016 TOPS；随后的小鹏G9与理想L9，采用了两颗英伟达OrinX芯片，算力也达到508TOPS……

相比之下，一直被认为是智能汽车标杆的特斯拉，其搭载的 FSD 辅助驾驶芯片总算力依旧是 144TOPS。

从汽车芯片玩家来看，跟智能手机行业类似，竞争者也呈现多元化。这里既包含老牌芯片厂商Nvidia、Intel、高通，也不乏主机厂（Tesla）、中国初创企业（地平线等）及IT巨头华为。

其中，在智能座舱领域，比较有名的芯片有高通的8155与8195，还有地平线基于其征程2、征程3芯片打造的Halo 2.0与Halo 3.0方案；在智能驾驶领域，则有英伟达的Orin、英特尔旗下MobileEye的Q4与Q5、华为刚刚发布的MDC系列，以及地平线已经上车的征程2、征程3和即将量产的征程5与征程6。一般来说，自动驾驶和智能座舱芯片最大的不同在于，智能驾驶需要更大NPU算力，支持自动驾驶算法的落地。

英伟达Orin芯片 | 视觉中国

根据开信息，英伟达可谓是智能驾驶芯片赛道的算力霸主。目前明确采用Orin芯片的主机厂包括蔚来汽车、理想汽车、上汽智己、威马汽车、沃尔沃、路特斯、高合汽车、集度汽车、小马智行等。

不过，主机厂商在选择芯片的时候，并非只是考虑单芯片的性能强度，还会参考性价比以及相关的软件生态、工具链的成熟程度。

主机厂商为了打造差异化的体验，需要芯片支持传感器的「多路输入」，并保持高度灵活度。目前，基于英伟达 Orin 芯片构建的自驾平台，可以支持12 个外部 摄像头、3 个内部摄像头、9 个雷达、12 个超声波雷达、1 个前置激光雷达，这基本涵盖大部分主机厂的传感器配置，整体性价比较高。这也是 Orin芯片被众多车型采用的主要因素。

车企「堆料大战」

让车企对于算力「如饥似渴」的，正是越来越普及的智能驾驶技术。

现阶段，市面上的量产车型普遍的自动驾驶等级介于L2到L3级之间，可以实现自动紧急煞停（AEB）、主动式巡航控制（ACC）、车道偏移辅助（LKA）等功能。总体来看，这个阶段对算力的要求并不高，算力达到几十TOPS就足够。

那为什么越来越多的主机厂，现在就把芯片算力堆高到500到1000TOPS呢？这跟智能驾驶的加速落地有关，主要表现为自动驾驶的使用场景，由最早的自动泊车或高速这样的单一场景，逐步向多场景甚至全场景延伸。

自动驾驶的主流场景有三个，根据实现的难度，由低到高分别是高速/环路、停车场、城区。目前，高速/环路场景下的体验已经不错，2022年被认为是城市域的自动驾驶落地的元年。

随着自动驾驶场景的拓展，激光雷达+视觉+毫米波雷达的多传感器冗余方案正在成为主流。目前主流车型的传感器数量已经超过30个。越多的传感器、越深的网络、越多的网络，这些都对芯片的算力提出了极大的需求。

所以，硬件预埋、软件OTA迭代，成为主机厂商主流的策略。

车企在量产车辆上装配高级别智能驾驶硬件，把芯片直接拉至高级别（L4）生命周期，通过硬件快速上量来获取大量数据，然后对体验不断进行技术迭代。因为自动驾驶要突破到更高级别，需要数据、算法、算力来实现闭环，用数据来驱动算法的迭代。

汽车芯片 | 视觉中国

当然，主机厂推出这些高算力芯片，并不仅仅是技术发展的需要，也有营销的因素。

回想一下当年的智能手机，通过大屏、快充，以及更大的电池容量、内存、高像素摄像头，在各种宣传和排行榜中赚足了眼球。所以，目前智能汽车正在模仿智能手机的营销策略，就像人们谈论手机配置一样，汽车的芯片配置也将是消费者日常谈论的话题之一。

其实，算力军备竞赛背后，更多体现的是车企的焦虑。

自动驾驶虽然已经经过十几年的发展，但各项细分技术还在不断迭代、向外延伸，这也意味着技术方向和市场都充满了不确定性。正因为自动驾驶是新事物，没有人知道怎么做，以及怎么才能做好，所以车企倾向于提前预埋一些高配置的硬件，为后续的升级提供基础。

算力不等于智能

在这场军备竞赛中，部分主机厂商已经有些「迷失」，开始更多堆料配置，追求性能参数。但堆料能堆出高阶自动驾驶吗？从目前来看，仅仅靠堆高芯片算力，并不能做到高级别自动驾驶。

在智能汽车时代，算力、算法和数据是推动行业发展的三个关键因素。其中，数据被认为是「生产资料」，算法是「智慧」，算力是「肌肉」。

简单说，智能汽车水平的提高，除了算力绝对数值，还与数据、软件算法的协同配合相关。在数据和算法还未取得突破的时候，即便算力堆高到1000TOPS，也无法达到高级别自动驾驶。这就像一个人浑身都是「肌肉」，但「脑子」不行，是一种畸形的状态。

未来决定汽车差异性的，将是软件及后续迭代带来的性能和功能变化。比如特斯拉 HW 3.0 芯片，单芯片的算力只有72TOPS，相较上一代芯片并没有提升太多，但自动驾驶性能最高提升幅度可达 20 倍。

更重要的是，产品最终是要面向用户用的。目前高算力的芯片，并没有给用户带来使用体验的明显改善，算力利用率并不高，没有发挥其价值，用户还需要花费极高的价格为硬件和软件买单。

有人会认为，车企在芯片算力上堆料，是为将来高级自动驾驶做准备。但L4级别的自动驾驶什么时候能实现突破，业内还没有共识。Waymo早在2017年就开始自动驾驶的商业化，当时内部员工透露已经解决了99%的问题。但Waymo后来商业化遇挫，部分原因是要解决最后那1%的问题，难度可能是前面99%的数十倍甚至于数百倍。

除了技术上的问题，高级自动驾驶的实现，还取决于是基础建设和政府的政策法规，包括 5G、物联网、智慧城市的建设进度等等。Gartner此前预测，实现真正实用的L4级自动驾驶可能需要10年的时间。

其实类似情况，在PC和手机行业都上演过。如果回看智能手机过去几年的发展，处理器性能和频率越来越高、屏幕越来越大、分辨率越来越高、摄像头也越来越好……这些配置不一定带来更好或更明显的体验，但却带来了很多问题，比如散热问题，充电时间越来越长，价格越来越贵，体积越来越大等等。

当一个行业不断强调性能参数，开始脱离用户真实的使用场景时，是需要警惕的，这些被重点营销的参数，很可能只是昙花一现的噱头。未来智能汽车的主战场在于差异化的体验，而不只是硬件的性能参数。