蔚來、小鵬、理想都有自研自動駕駛芯片，其中蔚來速度最快，小鵬緊隨其后并于2023年底已經(jīng)拿到樣片，2025年就能上車，理想也在緊鑼密鼓展開。小鵬大約在2021年一度想讓英偉達定制芯片，據(jù)說是因為英偉達Orin的繼任者Thor價格昂貴，可能近千美元，小鵬認為2000TOPS沒有必要，750TOPS就足夠。但汽車業(yè)務(wù)占整個英偉達收入不足5%，且在持續(xù)下降，可謂微不足道，英偉達主要精力都在數(shù)據(jù)中心領(lǐng)域，自然不可能為小鵬定制芯片。這個說法可能有誤，因為如果量很低的話，即便是750TOPS的定制芯片肯定比通用芯片Thor價格還要高很多。碰壁英偉達后，小鵬轉(zhuǎn)向Marvell和索喜，Marvell是存儲和寬帶通信系統(tǒng)大廠，汽車以太網(wǎng)物理層和交換機全球第一，但自動駕駛芯片或者說SoC不是其專長。小鵬主要仰賴對象是索喜。

SOCIONEXT（索喜）成立于2015年，是富士通半導(dǎo)體與松下半導(dǎo)體影像成像及光網(wǎng)絡(luò)部門合并而成，預(yù)計2024財年收入達2170億日元，營業(yè)利潤率大約14.5%。索喜收入主要有兩類，一類是傳統(tǒng)的產(chǎn)品銷售收入，另一類就是non-recurring engineering簡稱NRE，即一次性項目開發(fā)收費，也叫一次性工程費用，也就是為小鵬這樣的公司提供芯片開發(fā)服務(wù)的收入，NRE收入大約占索喜總收入的1/6-1/5。索喜的客戶應(yīng)該也包括Waymo和Cruise。

索喜最近11季度收入業(yè)務(wù)分布與營業(yè)利潤

圖片來源：索喜

索喜最近7季度NRE收入下游分布比例（汽車業(yè)務(wù)飛速增加）?

圖片來源：索喜

索喜最近7季度NRE收入客戶地域分布

圖片來源：索喜

上圖中，中國客戶占其收入的1/5左右，美國客戶所占比例最高。

索喜7季度NRE收入制造工藝分布

注：制造工藝都非常先進，至少是7納米

圖片來源：索喜

索喜目前在手訂單額分布

圖片來源：索喜

目前汽車領(lǐng)域在手訂單大約3000億日元，主要是自動駕駛和HPC還有激光雷達、毫米波雷達、攝像頭（應(yīng)該是ISP）傳感器芯片。

索喜定制SoC流程

圖片來源：索喜

索喜定制汽車自動駕駛SoC框架圖

圖片來源：索喜

目前，小鵬自動駕駛芯片沒有任何公開信息，我們只能做一番推測。首先，制造工藝至少是5納米或4納米，3納米則不大可能，一個是不夠成熟，另一個是成本太高。CPU方面應(yīng)該還是常見的ARM Cortex-A78AE，12核心或16核心，略微超過英偉達Orin。

圖片來源：索喜

小鵬定制芯片應(yīng)該近似于艙駕一體芯片，因為純智能駕駛和座艙應(yīng)用的界限非常模糊，所以GPU肯定有。GPU應(yīng)該還是ARM，最大可能是MALI G77，11核心的G77，F(xiàn)P32算力是1130GFLOPs，也就是1.13TFLOPs，做8位整數(shù)AI運算時算力是4.52TFLOPS。ISP方面索喜自己就有足夠的IP，相信不遜于蔚來的ISP。

接口方面，有汽車以太網(wǎng)霸主Marvell的參與，那以太網(wǎng)帶寬應(yīng)該達到10Gbps，PCIe至少是四代或5代，最高至少是32GB/s，會全面支持汽車以太網(wǎng)，包括SDV時代的10Base-T1。存儲接口方面，最低應(yīng)該也是LPDDR5X，也有可能是和特斯拉一樣先進的GDDR6，索喜的合作伙伴CADENCE能夠提供GDDR6的物理層和控制器IP。HBM不大可能，雖然性能優(yōu)秀，但價格太高了。存儲帶寬最低應(yīng)該也與英偉達Orin的204GB/s看齊。

大家最關(guān)注的自然是AI部分，這部分小鵬可以自研，也可以直接購買第三者的IP。AI算力就是個文字游戲，統(tǒng)計口徑差別巨大，沒有統(tǒng)一的測試標(biāo)準(zhǔn)，基本上完全取決于廠家的宣傳，因為無法證偽。

Transformer時代，AI算力數(shù)字意義不大，汽車領(lǐng)域的算力通常是整數(shù)8位精度下的算力，這種算力也只是針對傳統(tǒng)CNN當(dāng)中計算量最大的卷積運算，這種算力的取得不需要任何技術(shù)門檻，簡單堆砌MAC（乘積累加）陣列即可獲得，第三方IP都不需要。不計成本的話，任何廠家都可以取得數(shù)千TOPS的算力，但每個廠家有自己的市場定位，有成本考量， 自然就有了算力的高低。

AI芯片嚴(yán)格地說AI加速器和GPU都是針對并行計算設(shè)計的，在CNN時代非常合適，但在后CNN時代，出現(xiàn)了很多串行計算，對AI加速器非常不友好，對CPU和DSP非常友好，例如非極大值抑制（NMS）。Transformer就是如此，它不僅需要串行計算算力，還需要足夠的存儲帶寬支持，單純的AI算力數(shù)值在Transformer面前毫無意義。實際不僅Transformer，很多CNN的變種亦是如此，如目前主流的YOLOV4、YOLOV5、RESNET50。

我們把AI算子分為串行型和并行型，其中串行型通常都是逐點元素型element-wise，矢量與矩陣之間的運算，它有兩個特點，一是通常是串行運算，二是有大量的存儲數(shù)據(jù)動作，非常消耗存儲帶寬。它們對AI算力需求很低，但對存儲速度和CPU算力要求很高，最適合此類運算的是DSP，因為DSP是哈佛架構(gòu)，數(shù)據(jù)和指令總線分開，效率高。但DSP編譯器非常難搞，只能用在汽車這種封閉體系內(nèi)。針對并行計算的GPU和AI芯片不適合此類逐點運算，遇到此類計算，通常都是退回到CPU中運算，這也是為何英偉達和微軟都要費盡心機自研CPU的主要原因。 ?

Transformer的計算過程

圖片來源：網(wǎng)絡(luò)

以上是Transformer的計算過程，在這個計算過程中，矩陣乘法是典型的計算密集型算子，也叫GEMM，即通用矩陣乘法。存儲密集型算子分兩種：一種是矢量或張量的神經(jīng)激活，多非線性運算，也叫GEMV，即通用矩陣矢量乘法；另一種是上面說的逐點元素型element-wise。

圖片來源：網(wǎng)絡(luò)

推測小鵬自動駕駛芯片的AI部分架構(gòu)如上圖，當(dāng)然FP16的陣列可以去掉，這種設(shè)計既有標(biāo)量運算單元，也有矢量運算單元，保證了足夠的靈活性，能夠適應(yīng)算法的大幅度變化。SRAM的容量可能只有1MiB，8MiB的成本太高。INT8陣列16384個MAC，算力大約800TOPS，頻率高點可以做到近1000TOPS。

自己開發(fā)芯片因為量比較低，成本肯定遠高于英偉達的Orin，而獨立開發(fā)芯片主要是為了整個自動駕駛閉環(huán)，完全掌控自動駕駛靈魂，提高科技含量，推高市值，加快產(chǎn)品迭代。

審核編輯;hf?

?