英偉達一夜改寫自動駕駛格局！2000TOPS雷神芯片發布，黃仁勛：One chip to rule them all

賈浩楠 發自 副駕寺

智能車參考 | 公眾號 AI4Auto

雷神Thor來了。

人類有史以來最強自動駕駛芯片，就這樣突如其來！

英偉達2022秋季GTC上，黃仁勛發布新一代自動駕駛計算芯片DRIVE Thor。

單顆算力高達史無前例的2000 TOPS，是特斯拉FSD芯片的14倍。

全球大半個自動駕駛圈的芯片，都是黃老爺在販賣，神通肯定小不了。

但DRIVE Thor問世，還是震驚了所有跟智能汽車相關的人，包括但不限于車圈、科技圈、自動駕駛公司…

因為僅僅半年前，黃仁勛才宣布彼時算力最強的自動駕駛芯片Atlan，1000 TOPS，還說準備量產。

但現在，老黃又改口說Atlan格局小了，干脆取消，直接拿出更加領先一代的量產產品DRIVE Thor。

其他芯片廠商還在追趕Orin性能的時候，英偉達的計劃是用下一代的下一代，降維打擊。

人類史上最強自動駕駛芯片

DRIVE Thor，黃仁勛確認2025年上車量產。

稱人類史上最強，首先是參數。

單顆算力2000TOPS，不僅現世量產產品中沒見過這么高的參數，即使在一眾自動駕駛芯片公司對2025年產品的規劃和構想中，也都還停留在數百只至1000 TOPS之間。

所以說，DRIVE Thor是難有爭議的代差優勢。

而作為替換自家上一代產品Orin，算力數值提升了8倍。

這里還要解釋一下算力大小的定義。

一般針對AI任務、自動駕駛的芯片，常用TOPS描述算力，1TOPS代表每秒能進行1012次操作。

所謂“操作”，是指芯片上實現卷積運算的乘加器的基本功能。DRIVE Thor的2000 TOPS意思是每秒進行2*1015次操作。

黃仁勛同時給出了DRIVE Thor性能的另外一個參考維度：2000 TFLOPS。

TFLOPS是描述傳統GPU性能的指標，1 TFLOPS指每秒進行1012次浮點運算。

兩種單位分屬兩個不同的描述維度，一般沒有絕對的換算關系。但某些特定任務下，1 TFLOPS可以等于1 TOPS。

DRIVE Thor芯片的工藝制程、包含的晶體管數量這些詳細信息，英偉達暫未透露。

不過，DRIVE Thor展現出了幾個重要的領先性指標，既代表自動駕駛技術未來的發展方向，也是其他同類產品所不具備的。

超高集成度

智能汽車在車輛底層架構方面的最大特征，是從原先數百個ECU控制不同功能，演進到幾個集中式域控制器的電子電氣架構。

這是目前正在發生的變革。

而幾乎所有業內玩家都認為，未來的電子電氣架構一定是集中式的，即一個大腦、一個平臺或芯片控制汽車所有功能。

架構是車廠的工作，而高度集成化的芯片，英偉達已經做出來了。

DRIVE Thor集成了一輛智能汽車上所需的一切AI功能的計算需求，包括高階自動駕駛、車載操作系統、智能座艙、自主泊車等等。

車載操作系統中，有對車上所有功能的控制以及不同場景下的聯動，也有連接車輛軟件層和執行機構的“骨架”。智能座艙方面，則包含儀表盤、娛樂影音、語音識別交互等等。

2000TOPS的算力資源，主機廠可以在各種不同AI任務間隨意分配，英偉達提供相關開發工具。

一顆芯片解決所有，DRIVE Thor可能不便宜，但肯定比采購一堆芯片劃算。

One chip to rule them all！

支持超大規模AI模型運算

DRIVE Thor為這兩年自動駕駛流行的超大規模Transformer準備了專用引擎。

最初的Transformer來自于NLP（自然語言處理）領域。從輸入層開始，Transformer每一層結構都可以看到所有的信息，并且建立基本單元之間的關聯。

因此Transformer天然具備超強序列建模能力、全局信息感知能力的特點。

應用到自動駕駛中，Transformer主要干兩件事，對于投影像素平面的“刻畫”、以及對于投影平面和BEV平面之間的“轉化”。

特斯拉最早將Transformer用在自動駕駛任務中，而如今幾乎所有玩家都跟進。

Transformer網絡的參數規模，從一開始的百萬級數，到十億級，再到現在的萬億級，一直呈指數級增加。

DRIVE Thor上的Transformer引擎，能夠將視頻數據作為一個單一的感知幀來處理，使計算平臺能夠在固定時間內處理更多的數據。

集英偉達技術大成

黃仁勛特別解釋了DRIVE Thor超強性能的根源：

Grace、Hopper、Ada Lovelace。

Grace是英偉達的AI專用服務器CPU，基于ARM架構，也是英偉達進軍CPU領域的第一款產品，Grace高度專業化，走的是和GPU向結合的道路，適用于AI 和高性能計算工作。

使用第四代NVIDIA NVLink互聯技術與GPU相融合后，可以處理超過1萬億參數的AI模型訓練任務。

Hopper是英偉達最新的GPU架構之一，其實也是英偉達押注AI的一場豪賭：

將傳統 GPU 計算引擎集中在神經網絡轉換器模型上，并將DGX系統擴展為能夠在機器學習訓練中支持數萬億個參數。

Ada Lovelace么，當然就是剛發布的40系列顯卡新架構。4nm制程，流式多處理器具有高達83TFLOPS 的著色器能力，吞吐量超過上一代產品2倍。

老黃的意思很明白，DRIVE Thor在深度神經網絡任務上，采用Grace+Hopper的CPU、GPU混合架構。

而在具體的圖像處理任務，則和最新的40系列顯卡相同。

是不是說明，DRIVE Thor也采用臺積電4nm工藝？

其實從2025年量產節點看，DRIVE Thor采用2-3年前的消費級芯片成熟架構和工藝，完全符合車規芯片對可靠性的要求和行業慣例。

從摩爾定律來看，芯片集成度的突破已經逼近極限，4nm制程的車規AI芯片量產時，也許和手機、電腦上的消費級處理器差距很小了。

這可能也是DRIVE Thor帶來的另一個里程碑：車規芯片不再有代差。

英偉達的智能車稅，只靠算力嗎？

當然不是，另一個競爭力，是英偉達開放的平臺特性和全套完整的開發工具。

不過，老黃今天介紹的，都是基于已經量產的Orin芯片相關平臺展開。

NVIDIA DRIVE，是一整個自動駕駛開發平臺，既包括硬件Orin芯片，也包含英偉達提供的模擬測試搭建工具、地圖環境實時構建、安全相關測試，以及一些基礎的已經訓練好的算法模塊參考。

在一個自動駕駛算法典型的開發過程中，路測車輛行駛時，NVIDIA DRIVE能夠直接從環境信息中心采集各類不同物體的信息，并完成建模分類，然后儲存在數據庫中，以便日后模擬訓練時使用。

這些數據可以做到非常細致，比如帶有長寬高以及深度信息的4D圖像數據：

根據自動駕駛方案選擇的傳感器不同，NVIDIA DRIVE也可以針對不同傳感器分別建立儲存數據信息。

同時，系統還會實時記錄繪制地圖路線信息，保存在數據庫中。

對真實環境信息實時采集，并保存素材的目的是什么？

當然是為高效的模擬測試開發做準備。模擬取代實際路測，這也是如今自動駕駛開發的一個熱門趨勢。

總之，英偉達不但給自動駕駛算力最大的芯片，如果你想，還會給你高度自動化，甚至是“傻瓜式”的開發工具。

算力一步登天的首發車企，竟是他？

2025年量產2000TOPS的DRIVE Thor，誰第一個實現“算力自由”？

極氪汽車。

你沒看錯，國產自主一哥吉利旗下的純電品牌——

那個一直以機械素質見長，提起智能化卻人人搖頭的極氪汽車。

能不能趕上首發上市，要看車型研發進度。但明確簽約要上車DRIVE Thor的，極氪的確是第一個。

搭載DRIVE Tho的會是什么樣的車？

從業內普遍認知行和已經展現出的規律來看，一般L2級輔助駕駛，需求的算力在幾十TOPS左右。

智能駕駛每提升一個級別，需求算力也呈指數上漲。

例如，目前行業普遍站在L2邁向L3的門檻，需求的算力在幾百TOPS左右。

而為未來幾年算法迭代發展留足升級空間的產品，一般都把算力堆到1000TOPS以上，也就是4塊Orin芯片的方案。

顯然，他們設置的最遠規劃，是L3人機共駕向高階智能駕駛過渡階段。

這個時間點，在DRIVE Thor出現之前，大家的共識是2025年。

也就是說，自動駕駛研發的節奏，是按照2025年L3邁向L4，車端算力剛好在1000T左右的預想規劃。

DRIVE Thor如果順利于2025年上車，造成的影響一定是深遠的。

最重要的，是客觀加速自動駕駛能力的迭代周期。畢竟，這是史上第一次出現“算力等算法”的情況。

其次，DRIVE Thor上車，更加徹底的改變汽車底層架構，在智能化的核心價值上走得更遠更極致。

當然也會加速傳統汽車淘汰出局。

最后總結一下，老黃和英偉達今晚展示的產品和趨勢，一定會寫入自動駕駛大事記，成一個里程碑式轉折。

那么接下來，還有不到10天就是特斯拉AI DAY，會不會出現更加意料之外、震撼人心的產品或技術？

壓力現在來到馬斯克這邊。

最后By the way，英偉達最新4的0系列顯卡，7199元起，最高的RTX 4090售價12999元，沖嗎？