最近，英伟达的多则新闻牵引着国内的神经。
在不久之前，这家美国芯片巨头确认，美国政府将要限制他们向中国提供A100和H100，这在海内外引起了轩然大波；昨日，英伟达修改了其汽车芯片路线图，取消了2024年推出Atlan的计划，并用Thor代替。
关于这个新旗舰的规格，英伟达并没有说太多。但他们强调，该平台在FP8精度下，能够获得2000TOPS的运算能力，这与当前一代的Orin相比，有了接近十倍的提升。在新闻稿中，英伟达进一步指出，DRIVE Thor 统一了车辆中传统的分布式功能——包括数字集群、信息娱乐、停车和辅助驾驶——以提高开发效率和更快的软件迭代。“当然，制造商也可以通过多种方式配置 DRIVE Thor 超级芯片。他们可以将平台的所有 2,000 teraflops 全部用于自动驾驶，或者将一部分用于车内 AI 和信息娱乐，另一部分用于驾驶员辅助。”英伟达在新闻稿中强调。
对于大多数人来说，最初认识英伟达应该是因为他们在PC显卡市场上的表现。近年来火热的挖矿和人工智能，也让他们杀进了数据中心的常客。但从Orin开始，英伟达似乎又成为了汽车市场被追捧的角色。但其实在英伟达于智能汽车大杀四方的同时，很多车厂也开始了自己的“定制”之路。如特斯拉就首先迈出了第一步，通用在日前也披露了他们的的自研汽车自动驾驶芯片的计划。
来到国内，包括电动车新贵在内的多路势力也在强势杀入智能驾驶芯片市场，而Orin自然也成为了他们的标杆。这也就是为什么在Thor发布了以后，有从业者打趣道：“英伟达的这颗芯片发布后，国内某些芯片公司需要连夜修改PPT。”
Orin，未量产先火
首先，我们必须强调的是，英伟达Orin其实今年才开始量产，他们这部分的市场份额也没有多高。但他们绝对是不容忽视。
在咨询了多名从业者——为何英伟达能够在智能驾驶芯片市场备受关注？他们给的答案除了说英伟达芯片拥有强悍的计算能力以外，CUDA更是重中之重。因为有了它，可以大大降低开发门槛。
所谓CUDA，是 NVIDIA 开发的一种并行计算平台和编程模型，用于在自己的 GPU（图形处理单元）上进行通用计算。CUDA 使开发人员能够通过利用 GPU 的强大功能进行计算的可并行化部分来加速计算密集型应用程序。
有行业从业人士告诉笔者，之所以英伟达会推出CUDA，是因为从十几年前开始，英伟达就一直吹嘘GPU是最强的计算平台，业界其实也对茨表示认可。但由于非常难编程，很少有开发者能够将其计算能力放大，也没能吸引更多码农的注意。英伟达CUDA项目的领导者Ian Buck也曾经在一次讲演中也曾用一张图分享了当时GPU编程的挑战。
于是，为了让GPU变得更通用，英伟达便在2006年启动了CUDA，并在过去十几年里推动整个CUDA生态发展，这也让他们有了将GPU从游戏往人工智能，再往智能驾驶推进的底气。
一个资深的GPU从业者也解析说，无论是人工智能还是智能驾驶，所有的软件、算法，归根到底，都是卷积，矩阵和傅里叶变换这些计算，而英伟达在过去十几年的发展中。投入了数千人去完善了底层的各种函数，再加上参与CUDA生态的人越来越多，这就进一步丰富了这个“武器库”。
而从智能驾驶应用开发流程上来看，类似感知融合、ADAS以及环视等功能大多是基于人工智能算法来开发的，而要实现上述功能，也要开发者投入很多精力去解决各种软件问题，而CUDA平台本身的算法，就能降低了开发者门槛。
于是，站在CUDA这个巨人基础上，走向智能驾驶的厂商盯上了NVIDIA Orin也就水到渠成了。当然，还有另外的因素影响，例如之前在ADAS时代呼风唤雨的Mobileye相对封闭，Snapdragon Ride未成气候，就给了英伟达机会。
据佐思汽车研究作者周彦武老师之前在一篇文章中介绍，英伟达不会甘心制作一个卖芯片的。在Orin平台上，他们提供全套算法，包括障碍物识别、路径规划、行为决策、执行策略、定位、地图流制造、自动泊车，还有底层软件系统，内含了QNX的驱动，CUDA生态系统等等。现在不仅是自动驾驶部分，Orin开发平台还全面进军座舱即DRIVE IX，包括了驾驶员状态监测、AR HUD、泊车视觉化、NLP自然语音识别、虚拟机、电子倒车镜后视镜等。
但是，正如国内多位智能驾驶从业者所说，在接受Orin带给开发者的便利的同时，我们同时也要付出更多，因为天下没有免费的午餐。简而言之，那就是当开发者们在享受英伟达所提供的这种高可编程性、高通用性的计算架构的同时，那就要接受付出更多的功耗和芯片的成本。
通用汽车自动驾驶部门Cruise的硬件负责人 Carl Jenkins在早前接受路透社的采访时也说到，他们之前也花了很多钱从某知名供应商（暗喻英伟达）处购买了GPU，因为他们所需的产品不多，所以没有议价权。于是他们决定自研自动驾驶芯片。
对于国内的智能驾驶开发者来说，还需要面对的一个问题，就是供应商的支持。虽然Orin能简化开发者的不少工作。但如上文所说，在真正落地的时候，还需要做很多的开发工作，这当然就少不了原厂的支持。然而，智能驾驶行业从业者告诉笔者，英伟达目前在国内只能对那些大客户更好的扶持。例如在Orin上，因为蔚来ET 7是他们在国内的首款量产汽车，他们自然获得了最多的支持，但在其他的一些厂商处，英伟达也爱莫能助。
面对这种情况，国内的汽车芯片从业者首先冒了出来。
国内公司的跃跃欲试
某知情人士告诉笔者，现在国内做智能驾驶芯片的厂商两只手已经数不过来了。“之前一些专注于AI芯片的厂商，现在也开始转到智能驾驶芯片这个赛道上来了”，该人士接着说。
据不完全统计显示，国内做自动驾驶芯片公司包括但不限于地平线、黑芝麻、奕行智能、欧冶半导体、复睿微、芯励智能和核芯达等第三方芯片公司。除了他们以外，如上文所说，包括小鹏、理想和蔚来在内的新造车势力也对智能驾驶芯片虎视眈眈，并都组建了团队投入其中。此外，据行业人士透露，之前采用英伟达Orin的元戎启行也开始了自研芯片的。甚至连一些初期表示做AI芯片的公司，也都转到了这个赛道上来。
由此可见，可其他芯片领域一样，“国产Orin”的热潮正在汹涌来袭。但正如一些行业专家所说，这并不是一件容易的事情。因为这首先是一个复杂的SoC——除了需要强悍的处理性能，还要连接摄像头，处理各种感知融合的数据，那就意味着这个SoC除了要有ISP、NPU和各种接口外，还需要集成车规级别的Arm 处理器内核，这就使得其比很多芯片要难得多。
华为在2020发表的一个白皮书中也指出，智能驾驶涉及到感知、融合、定位、决策、规划、控制等多个环节，不同环节所需算力类型不同。比如激光雷达的点云数据处理需要大量CPU算力，摄像头数据则需要AI算力才能快速处理，在定位、决策、规划、控制等强逻辑处理的环节又需要CPU算力。换而言之，智能驾驶需要多样化的异构计算能力。
其次，作为一个应用在汽车上的芯片，除了各种车规级认证需要过以外，还要考虑包括功能安全在内的各种安全问题。以英伟达的Orin为例，有知情人士告诉笔者，现在国内有些团队根本连英伟达Orin的安全设计的门都还没摸到，更不要说要做国产的Orin。该人士同时表示，国内有些做“Orin替代”的厂商本来的思路是安全对标Orin，性能超过Orin，以提高产品的竞争力，但现在英伟达不讲武德地推出了Drive Thor，让人措手不及。
不过，和一些单纯想用算力做超越的厂商不一样，有些厂商也提出了有效算力的说法。例如在智能驾驶芯片方面跑得比较前的地平线就认为，只有综合考量了软件、算法、硬件架构的设计，就能持续推进端到端整体的计算架构计算效率持续往前演进。
黑芝麻也认为，在软件定义汽车时代下，除了硬件要有竞争力以外，开发工具链是否完善是体现自动驾驶芯片易用性的重要指标，只有软硬件完全解耦，才能激发整个产业链的创造力和协同创新的活力。
奕行智能的创始人刘珲在今年年初融资的新闻稿中也表示：“一家自动驾驶芯片公司要成功不在于有多么颠覆性的算法、多么强大的硬件指标或是多么大牌的单点核心人物，而是应该能够把算法和应用以最均衡的工程方式映射成软件和芯片，并且能够最终把其产品化和商业化。”
为了达成自己目标，这些本土芯片公司除了在国内组建团队以外，还在海外投下重金。据笔者了解，包括小鹏、黑芝麻和元戎启行都在美国圣地亚哥组建了芯片团队，以加速公司的发展。
写在最后
华为在上述的白皮书中说，从技术复杂度看：智能驾驶系统从功能上可分为三大部分：感知系统（各类传感器，相当于人的眼睛与耳朵）、决策系统（计算平台，相当于人的大脑）与执行系统（各类执行器，相当于人的四肢），其中汽车“大脑”功能最为复杂，涉及到多种ICT关键技术，比如：
软件类：操作系统、中间件、云服务、OTA等；
硬件类：芯片SoC、硬件工程（散热、能耗、抗振、防水等）、物理尺寸等；
算法类：聚类算法、机器视觉、深度学习、强化学习、机器学习等；
国内智能驾驶芯片企业资深从业者从业者也告诉笔者，这并不是一件容易的事情。因为产品在落地的过程中，还会碰到各种可能存在的硬件问题，同时还要解决系统软件、工具链、算法的不确定性。“有些公司可能会在感知算法落地的时候碰到问题，就算经过了感知关，来到规划控制的时候，又是另一个挑战。”该人士接着说。如何对算法训练优化，对于智能驾驶芯片公司来说，又是一道大考。
总而言之，从定义一颗智能驾驶芯片开始，到设计出一颗算力和安全都符合需求的芯片。从实验室中测试芯片，到最后前装上车，这将是一段漫长的过程。
更让人绝望的是，在国内厂商昨天还在为国产Orin芯片奋斗的时候，英伟达已经带来了性能提升八倍的Thor。这必将推动国内芯片的这场竞争进入新阶段。
