tops算力（2000TOPS）

都说 2022 年是 1000TOPS 算力元年，车企们终于费尽心思用双芯片、四芯片的架构攒出了 1000TOPS 算力，英伟达就跳出来放了个「核弹」，掀翻了自家天花板。

在本周的 GTC2022 大会上，英伟达宣布将于 2024 年推出新一代车载芯片「Thor」。这个跟雷神同名的车载芯片单颗算力达到 2000TOPS，浮点算力浮点算力 2000 TFLOPS。是目前量产车搭载的自动驾驶芯片 Orin（254TOPS） 的近 8 倍，是去年刚刚发布的 Atlan 芯片（1000TOPS）的 2 倍。

原定于 2024 年量产的 Atlan 还未上市，就直接被自家后浪拍在了沙滩上——「它将被 Thor 取代」。

看来在卷算力这件事儿上，英伟达是准备硬杠到底了。

多芯融合的「Thor」

一颗更比八颗强

一辆智能汽车上究竟需要多少芯片？恐怕没有人能给出一个精确的数字。

不过智能汽车向中央集中式电子电气架构演进的趋势，没有人能否认。这就意味着用更少的芯片来实现更多的功能，是未来对于车载芯片不变的需求。

在这次 GTC2022 大会上，英伟达 CEO 黄仁勋说，「One chip to rule them all！」能让他说出这句话的，就是这次发布的新一代车载芯片 Thor。

从整体架构上来看，Thor 的性能得益于对 CPU（Grace）、GPU（Ada Lovelace）和处理 Transformer 模型的引擎（Hopper）。

简单来总结就是：2000TOPS 大算力、支持驾舱融合的高集成度，以及支持车端机器学习的大模型三重加持。

Grace 提供了出色的单线程性能，让单颗芯片算力达到 2000 TOPS，浮点算力 2000 TFLOPS。性能的提升让车载计算平台能够有更多的算力冗余。

对比目前量产车上主流的自动驾驶芯片 Orin，单颗算力 254TOPS，不少主机厂通过双 Orin、四 Orin 构建平台，来满足现阶段和未来自动驾驶系统对于算力的需求，比如蔚来 ET7 上四 Orin芯片构成的 Adam 平台。

尽管多芯片平台下算力堆叠足够了，但是跨芯片调用在实际使用中的效率并不高，芯片在内部的传输速度远远高于芯片之间的通信速度。这也决定了当一颗芯片能够提供足够算力时，会是一个更好的方案。

Thor 中 Transformer 引擎的运用，能够在车载计算机上将视频数据处理为单个感知帧，使计算平台随着时间的推移处理更多数据，在车端完成机器学习，减少车辆系统对于云端的依赖。

2000TOPS 的算力满足当前自动驾驶系统的需求是绰绰有余的，因此 Thor 既可以将全部算力用于自动驾驶；也可以一部分用于智能座舱，一部分用于自动驾驶。

也就是说，Thor 既可以是一颗单独的自动驾驶芯片，也可以是驾舱融合芯片，甚至同时集成更多的功能。

为了满足这个需求，Ada Lovelace 中多实例 GPU 的发明有助于车载计算资源的集中化。目前车内不少功能比如泊车、主动安全、驾驶员监控、信息娱乐等功能由不同计算设备控制，Ada Lovelace 可以将不同功能集中到同一个 SOC 芯片控制，降低了成本、功耗甚至车重，也能提供功能间联动，性能飞跃。

为了保证多功能集中控制的安全性，Thor 多计算域之间相互隔离，可同时运行 Linux、QNX 和 Android。只靠单机架构，就能够运行自动驾驶+数字仪表盘/车机+车载信息娱乐一整套系统的车规超级计算机。

智能座舱与自动驾驶是应该融合还是应该独立？这个命题下的纠结，很大程度上是受困于当前车载芯片算力的限制。

Thor 这种大算力芯片的亮相，让整车电子电气架构集成化演进、驾舱融合的目标能够更进一步。用更少的芯片和零部件来集成更多的功能，不仅能够更好地实现功能联动，也能减少车辆结构的复杂程度，减少不必要的 ECU 模块和线束，甚至进一步减少研发、制造的一系列流程。

这次Thor发布的同时，也官宣了极氪将抢先首发。

NVIDIA DRIVE 更新

助自动驾驶模拟一臂之力

不论是车企还是自动驾驶科技公司，对于自动驾驶芯片的考虑上，算力固然是不可忽视的一环，但实际使用中的表现、性价比，以及相关软件生态和工具链的成熟程度，也都影响了最终的选择。

比如过去两年里，大量车企选择放弃 Mobileye 而转投英伟达 Orin 芯片，英伟达高度开放性和成熟的工具链功不可没。

这次，英伟达也专门为自动驾驶汽车开发的一系列产品 NVIDIA DRIVEN 平台做了更新。

作为全栈端到端平台，NVIDIA DRIVE 包括全栈驾驶和车内 AI 应用，AI 计算机和 Hyperion 自动驾驶汽车参考架构。英伟达的工作人员开发了一个 AI 工作流，可以根据记录的传感器数据构建 3D 场景，在将 3D 场景导入到 DRIVE Sim 之后，可以一通过人工创建的内容或者 AI 生成的内容对其进行增强，几分钟内重建一个完整的 3D 数字孪生。

通过这个平台的 AI 技术，可以对车辆行驶中一些小概率的物体和场景进行实时采集和重建，放置在仿真系统中，进行闭环测试，从而规避更多风险场景。未来，DRIVE Sim 还支持车内环境模拟。

在发布会上，英伟达展示了一段自动驾驶演示视频显示，从出发到目的地，车辆可实现完全自动驾驶，无需人为干预。在驾驶过程中，系统可实现包括行人识别，机器学习多摄像头融合，预估其他车辆行为，实时硬件在环，提取地图特征，自动 3D 场景生成，3D 场景增强，实时雷达模拟，实时多传感器模拟等功能。

最后

在这次的 GTC2022 演讲中，新一代车载芯片 Thor 和 NVIDIA DRIVE 占了很大比重。事实上从英伟达目前的财务状况上，也能看出端倪。

上个月英伟达发布了 2022Q2 财报，受游戏业务的影响，英伟达整体的营收和净利润都出现了下滑，而其中最大的惊喜就来自汽车业务 45%的增长，这与今年 Orin 芯片的量产和大规模上车脱不开关系。

在今年亮相的新车型中，无论是「蔚小理」，还是智己、威马，都在新车型上搭载了 Orin 芯片，比亚迪也将在明年上半年开始投产搭载 DRIVE Orin 计算平台的汽车。Orin 的备受追捧，拉高了大家对于 Thor 的期待，甚至拉高了大家对于 Thor 量产后自动驾驶、智能汽车性能的期待。

但是如此激进的一颗「核弹」，似乎并不足以让英伟达「躺赢」。

Thor 的推出让智驾融合的中央集成式架构进一步走向实现，这也无疑动了目前在智能座舱领域炙手可热的高通的蛋糕。

高通那边也没坐以待毙，自从 2020 年初发布了首款自动驾驶芯片 Snapdragon Ride 后，向自动驾驶芯片赛道迈进的步伐就没停下。就在英伟达发布 Thor 两天后，高通就推出「业内首个集成式汽车超算 SOC」Snapdragon Ride Flex，单颗算力 600TOPS 以上，综合 AI 算力能够达到 2000TOPS。英伟达和高通的竞争态势已经拉开。

几乎同时，通用旗下的自动驾驶公司 Cruise 证实将放弃英伟达的 GPU，开发自己的中央计算芯片，做出这个决定的因素就是「成本」。

类似的还有一向自成一派的特斯拉，已经将自研芯片搭载在量产车上的零跑，宣布将自研芯片的吉利等多家主机厂，以及地平线、黑芝麻等正在崛起中的国内芯片科技公司。随着 Thor 的推出，它们的下一步也会向大算力中央域控制器芯片的技术路线发力。

这场车载芯片的算力大战，英伟达率先甩出了「王炸」，但芯片的比赛才刚刚开始。