本报记者龚梦泽牛金所
当前，高阶智驾被“AI算力”和“生态构建”两股激流推波而行，一方面DeepSeek的案例揭示了在算力之外，算法模型、芯片性能以及性价比的重要性。另一方面，越来越多的智驾芯片汽车在尝试跳出单纯卖硬件的生意模式，探索爆款产品和软硬一体的生态模式。
《证券日报》记者注意到，英伟达、北京地平线机器人技术研发有限公司（以下简称“地平线”）、黑芝麻智能科技有限公司（以下简称“黑芝麻”）、华为技术有限公司（以下简称“华为”）、爱芯元智半导体股份有限公司（以下简称“爱芯元智”）等芯片企业已经意识到了这点，从它们最新动作中可以看出，算力只是关乎产品性能和模型训练的有利条件，已不再是充分必要条件。
“现在的芯片企业都在朝着软硬一体的大方向强化竞争壁垒，其中，性价比是重点，扩大生态圈是核心。”中国半导体投资及知识产权联盟理事宋东明表示，从2025年开始，高阶智驾能力逐渐成为标配，多传感兼容、支持多种模型算法开发以及更具性价比和成本控制的方案，才能满足市场和客户的增长需求，推动自动驾驶技术的普及和经济效益提升。
“端到端+VLA”激发算力需求牛金所
2022年，英伟达发布了一颗算力猛兽——Drive Thor，AI算力最高可达2000TOPS，是上一代OrinX（256TOPS）的8倍。但本应在2024年中量产的Thor由于多种原因陷入难产。最新消息是，Thor的算力被修改为1000TOPS，2025年先提供730TOPS的低算力版本。
另一方面，随着智驾底层逻辑从规则驱动向数据大模型驱动转变，VLA（视觉语言动作模型）被更多的智驾软件和汽车企业所青睐，并视之为开启端到端2.0时代的钥匙。但VLA需要处理大量视觉、语言等多模态数据，对于算力的需求更为苛刻。以理想汽车为例，其“端到端+VLM”双系统模型，需要消耗两颗Orin-X芯片，即508TOPS算力。
当下，制约智驾普及的一大因素就是软硬件成本。据悉，英伟达Orin-X芯片的单颗售价接近500美元，更不用说Thor以及软件的研发成本。针对高阶智驾，除了汽车本身的定价，大多数车企要么推出限时免费政策，要么直接采取买断的方案。
据了解牛金所，目前的高阶智驾方案大体可分为三段。首先，用于高端豪华车型的最佳方案，会配置多颗激光雷达与英伟达双Orin-X芯片，成本最高，算力最强。次之，一般采用会搭载单颗激光雷达和单枚英伟达Orin-X芯片，主打性价比，支持无图城市领航等功能。
在最平价方案中，车企普遍会舍弃成本较高的激光雷达，选择纯视觉路线，配置来自地平线J6M或英伟达OrinN芯片，可实现高速和城市快速道路的领航，以及代客泊车等高阶智驾功能。
“VLA打开了市场对于芯片超高性能的需求缺口和市场预期。”中国自动驾驶产业创新联盟调研员高超认为，如果要部署“端到端+VLA”模型，Orin-X的算力难以支撑，Thor将成为必选项。
国产智驾芯片群雄并起
根据《高工智能汽车研究院》数据显示，2024年前10个月，中国市场（不含进出口）乘用车前装标配L2及以上智能驾驶功能搭载率提升至54.66%。在其中，20万元至30万元价位区间乘用车前装标配NOA占到整体市场搭载量的41.25%，而9月份该价格区间搭载NOA的交付量已经反超30万元以上价位车型。
当高阶智驾“下沉”之战打响，降本增效已经成为各大主机厂普及高阶智驾的重要路径。在高算力+低成本的双重压力下，国产智驾芯片正以蓬勃之势对Thor的“算力垄断”发起冲锋。
《证券日报》记者注意到，黑芝麻最新发布的华山A2000Pro尽管未直接标明算力数据，但从“4倍行业旗舰芯片”的性能注解，可以预估至少有几百TOPS，如果行业旗舰芯片指的是Orin-X，那么该芯片算力将达到1000TOPS。
此外，地平线最新推出的征程6系列，覆盖低中高阶智驾，其中旗舰款产品征程6P的AI算力达到了560TOPS，几乎是征程5（128TOPS）的5倍，Orin-x的两倍。
而作为稠密算力的代表，华为昇腾610发布于2020年，算力为200TOPS。所谓稠密算力，是指网络中的每个神经元都与前一层的每个神经元相连，没有零权重。“稠密算力数值标注上没有稀疏算力高，但在处理智驾这类复杂计算任务时，效率更高，性能表现更好。”高超告诉记者，目前包括英伟达，大多数芯片的高TOPS背后，其实指代的都是稀疏算力。
作为一家主营智驾主控芯片企业，爱芯元智M76 HNPU算力60TOPS，集成8核高性能CPU，主打应用形态为行泊一体域控制器，原生支持BEV+Transformer架构，能助力车企实现NOA以及APA（自动泊车）功能，最高可实现ICA（城区的记忆领航）。
“身处AI和大模型急剧变化的时代，一项技术创新或一条游戏规则或许就能快速改写整个行业前进路线牛金所，芯片企业都在寻求卡位和孕育新的爆款产品。”宋东明对记者表示，总的来说，下一代自动驾驶计算芯片不仅需要满足高算力、高带宽、平台化设计的需求，还需要配合友好通用的工具链以及全栈化解决方案，以满足自动驾驶技术的快速落地和持续迭代。
天盛优配提示：文章来自网络，不代表本站观点。
