“较上代产品提升XX%”

这样的宣传语，小到牙膏，大到汽车，可能会出现在各种各样的商品迭代上。而这次，英伟达竟然将新产品和另一款未上市的“准新产品”做比较。

说得直白点，就是英伟达自己卷了自己。

在去年的GTC2021上，英伟达发布了NVIDIA DRIVE Atlan，一款算力高达1000TOPS的AI处理器，预计将于2024年正式生产，2025年上车。

DRIVE Thor 图源：英伟达

只不过，2022年都还没过完，英伟达就进行了自我否定。在昨晚的GTC2022上，黄仁勋宣布，Atlan不再是第一了，全新的Thor芯片，将以2000TOPS的算力，成为自动驾驶芯片中的新一哥。

当然，英伟达在汽车领域的野心，也不仅仅是一家“自动驾驶芯片供应商”，而是掌管整辆车。

一芯多用时代，或许快到了

智能汽车的集成化水平，将会越来越高。更高的集成度不仅能优化体验，还能降低整车制造成本。据罗兰贝格的研究报告显示，域控制为智能座舱发展的关键。今后，智能座舱域将会与智能驾驶域相结合，最终，车载中央计算机将会进一步整合车内计算芯片。

图源：罗兰贝格

Thor的定位，则顺应了这一点。它并不只是自动驾驶芯片。集成超高算力的目的之一，也是为了服务整辆车的AI计算。可取代停车、自动驾驶及主动安全、驾驶员/乘客监控系统、摄像头监控系统以及娱乐系统等多领域的芯片。

图源：英伟达

事实上，自Orin芯片开始，英伟达就已经公布了“一芯多用”的计划。即便Orin X芯片已经上车近一年时间，为何车企还是把它只当成驾驶自动化的芯片来用？

品驾认为原因或在以下四点，第一，算力方面，254TOPS的算力甚至还不够满足驾驶自动化近期或中远期的算力需求，部分产品为了满足大算力需求，还要搭载多颗Orin X芯片，自然没有富余来分享给其他领域；第二，软件能力方面，目前各家车企或还不具备成熟的域整合方案，芯片能力即便到位，也需要等软件能力跟上；第三，安全方面，虽然Orin芯片的设计符合ISO26262《道路车辆功能安全》国际标准，拥有安全岛设计，但在实际应用中是否能够满足自动驾驶与其他领域的安全隔离，还需要时间来考证；第四，座舱方面，高通凭借其在移动设备领域多年的积累，已经在座舱芯片市场上占据大半江山，此外，在这样先发制人的优势下，目前消费者已经形成对于高通座舱芯片的认知与认可，英伟达想要进入该领域，存在一定困难。

Thor芯片则继承了该系列芯片的绝大多数优势，并进行史诗级提升。“一芯多用”的必要条件，是该芯片必须支持多个系统。Orin与Thor均支持Linux、QNX和Android。通常，车辆的娱乐信息系统会使用Android，但涉及驾驶安全的仪表、控制等部分则会使用稳定性更高的Linux系统。以理想ONE为例，该车型车机娱乐系统采用了高通骁龙820A芯片与Android底层系统，但仪表屏则采用了Linux与德州仪器J6芯片，从而达到“分而治之”的效果，来确保安全。

GTC2021 图源：英伟达

算力方面，英伟达表示，由于更复杂的AI模型，更多数量、更高分辨率的传感器上车，对于算力的需求也日益提升。因此，这款芯片的算力将会达到2000TOPS以上，并且具备灵活的分配方案。自然可以将这2000TOPS与2000TFLOPs全部供自动驾驶使用，也可以分出一部分给车机与座舱使用。

安全方面，Thor的多计算域隔离可提供并发的、对时间敏感的多进程无间断进行。由于目前还不清楚该芯片的具体设计，但如果考虑到一芯多用所涉及的安全问题，该芯片应当具备硬隔离的方案。

NXP i.MX 8 QM采用硬件分区 图源：恩智浦

DRIVE Thor将于2025年开始量产，而首发品牌则是极氪。也就是说，或许到了2025年，我们将有望看到集成度更上一层楼的智能汽车。

在硬件之外，英伟达的软件水平同样在线。

在“元宇宙”里训练自动驾驶

英伟达的另一个优势，则是在软件。不少车企以及自动驾驶公司都要走“全栈自研”的路线。对于这些初创公司来说，想要在钱烧完之前将自动驾驶落地，在开发上需要更迅速。而英伟达则同样提供软件上的服务。

NVIDIA DRIVE可提供多种软件支持，例如NVIDIA DRIVE SDK提供了自动驾驶所需的构建块和算法堆栈，其包含DRIVE OS、DriveWorks、DRIVE AV等多个部分。而在昨晚的GTC2022上，英伟达着重介绍了Drive Sim。

一项名为Neural Reconstruction Engine（神经再造引擎）的AI工作流为Drive Sim提供了新支持。通常情况下，为自动驾驶创建虚拟训练场景费时费力，且场景十分有限，并不能达到充分训练的目的。但通过这项新技术，只需上路采集一次信息，便可根据传感器数据对路上的人、车、物等信息进行采集，并在几分钟内重建完整的数字孪生。

图源：英伟达

在模拟场景下，这套系统可生成多种极端场景（如鬼探头），搭配Drive Map，开发者可生成一套想要的训练路线及场景。

通俗来说，以前需要上路获取大量数据的自动驾驶训练，现在在“元宇宙”里练就行了。

Drive Sim还可实现实时硬件在环，并生成实时雷达模拟数据以及实时多传感器模拟数据，可以说与真实训练相差无几。

图源：英伟达

而这套技术的背后，是英伟达的Omniverse在做支持。Omniverse是英伟达开发的实时图形协作平台，可生成数字仿真，来实现3D设计协作等功能。去年GTC上，15秒钟左右的“虚拟黄仁勋”曾引发热议，完全以假乱真的效果也是出自Omniverse平台。

GTC2021上的“虚拟黄仁勋” 图源：英伟达

竞争更加激烈，芯片大战一触即发

一个产业的发展必然会经历从分散到集成，而智能车领域目前正在经历这条路。从传统时代走向智能车时代的初期，随着智能化需求的不断扩大，车辆所需的MCU会急速上涨。但发展到下一阶段后，MCU的数量则会进入下降阶段，逐渐被能力更高的SoC取代。甚至车机芯片与自动驾驶芯片都会合二为一。

本来或许能在车上互不干涉的高通与英伟达，也必将成为敌人。近年来，高通也在车机之外的领域发布了骁龙数字底盘以及自动驾驶芯片。大厂的竞争况且如此，一些小厂的路恐怕要更难走了。