智能駕駛芯片排名并不簡單只看AI算力，CPU、存儲帶寬、功耗和AI算力數值一樣重要。

   在智能駕駛系統中，CPU算力扮演著至關重要的角色。由于軟件系統的復雜性，它需要消耗大量的CPU運算資源。軟件系統包含眾多中間件，如SOME/IP、自適應AUTOSAR、DDS、ROS等，以及基礎軟件如定制的Linux BSP、OS抽象層、虛擬機等。此外，與底層硬件關聯的內存管理、各種驅動、通訊協議等也大量消耗CPU資源。

  在應用層中，路徑規劃、高精度地圖、行為決策等也是CPU資源的主要消耗部分。同時，CPU還負責管理AI運算時的任務調度和存儲搬運指令等任務。盡管AI在圖像特征提取、分類、BEV變換、矢量地圖映射或空間分布等方面具有重要作用，但CPU仍然是核心，而AI只是其附屬功能。

  在衡量算力方面，權重排名依次為AI算力、存儲帶寬、CPU算力、GPU算力和制造工藝。存儲帶寬和AI算力具有同等重要性。盡管GPU在某些情況下可以處理FP32數據，發揮重要作用，但大部分車載AI處理部分僅對應INT8位數據。

  為了更準確地衡量算力，MAC陣列數量是一個關鍵指標。例如，谷歌的TPU V1具有65000個FP16 MAC，運行頻率為0.7GHz，其算力為91TOPS。而特斯拉第一代FSD的兩個NPU，每個具有9216個INT8 MAC，運行頻率為2GHz，其總算力為73.7TOPS。至于制造工藝，更先進的工藝意味著更低的功耗

智能駕駛芯片TOP20

  如何計算存儲帶寬，芯片本身都有存儲管理器，這通常是CPU的一部分，決定存儲帶寬的有兩點，首先是CPU支持的存儲類型，即存儲的物理層和控制器，其次是CPU的存儲帶寬，LPDDR的存儲帶寬最高一般是256比特，GDDR可以到384比特，HBM可以到4096甚至8192比特，這些都關聯成本，廠家在設計芯片時，會在成本和性能之間找一個平衡點，有些廠家偏重成本，那就64比特甚至32比特，有些偏重性能，如真正的AI芯片，無一例外都是HBM的，成本都在1500美元以上。
常見汽車內存性能與價格對比

  上表為常見汽車內存性能與價格對比，顯然，一分價錢一分貨。英偉達H100是HBM3的最大采購者，每GB的采購價格大約14美元。還有一點需要指出，目前沒有車規級GDDR6存儲芯片。
目前智能駕駛芯片除了百度和特斯拉，都采用了LPDDR。
歷代LPDDR的參數

  存儲帶寬在智能駕駛系統中扮演著至關重要的角色，其計算方式是將CPU的存儲位寬與存儲器的Data transfer rate（DDR）相乘，再除以8換算為大寫的GB。以英偉達Orin和特斯拉一代FSD為例，Orin的存儲位寬為256比特，支持LPDDR5，傳輸速率為6400MT/s，其存儲帶寬為204.8GB/s；而特斯拉一代FSD的存儲位寬為128比特，支持LPDDR4，傳輸速率為3200MT/s，其存儲帶寬為51.2GB/s。

  Roof-line模型是解決計算量和訪存量問題的理論工具。計算量指的是模型進行一次完整前向傳播所發生的浮點運算個數，即模型的時間復雜度。而訪存量指的是模型完成一次前向傳播過程中所發生的內存交換總量，即模型的空間復雜度。計算量除以訪存量可以得到模型的計算強度I，表示此模型在計算過程中每Byte內存交換到底用于進行多少次浮點運算。

  由于智能駕駛系統軟件異常復雜，會消耗大量的CPU運算資源，軟件系統包含眾多中間件諸如SOME/IP、自適應AUTOSAR、DDS、ROS等，基礎軟件包括訂制的Linux BSP、OS抽象層、虛擬機等。除此之外，應用層中的路徑規劃、高精度地圖、行為決策等也大量消耗CPU資源。同時CPU也管理AI運算時的任務調度、存儲搬運指令等，整體的任務調度、決策自然也是CPU的任務。

  在智能駕駛系統中，CPU算力占據核心地位。為了確保系統的流暢運行和高效性能，必須綜合考慮AI算力、存儲帶寬、CPU和GPU算力以及制造工藝等多種因素。

算力決定“屋頂”的高度（綠色線段），帶寬決定“房檐”的斜率（紅色線段）

  在智能駕駛系統中，模型計算的理論性能受到硬件最大理論性能的限制。如果一個模型所需的算力超過了計算平臺的理論性能，那么計算平臺的利用率將達到100%，此時風險在于處理圖像的幀率或FPS可能無法達到目標幀率。對于智能駕駛來說，主流幀率是30FPS，而高速行駛則需要更高的幀率。

  如果模型的算力需求過高，計算平臺即使滿負荷運轉也無法適應，導致幀率下降。在這種情況下，高速行駛會帶來風險。一般來說，廠家不會推薦使用算力需求遠超理論性能上限的模型。

  當計算平臺的利用率低于100%時，模型處于Memory-Bound狀態。在這個狀態下，模型的理論性能P完全由計算平臺的帶寬上限（房檐的斜率）和模型自身的計算強度I（Intensity）決定。因此，在帶寬瓶頸的前提下，計算平臺的帶寬越陡峭，或者模型的計算強度越大，模型的理論性能P可以呈線性增長。

  斜率較低意味著即使計算強度快速增加，計算平臺算力的增加也很緩慢，導致計算平臺的利用率很低。例如，如果計算平臺的理論算力是100TOPS，斜率很低，那么即使很高的計算強度模型的利用率也可能不到50%。這意味著存儲帶寬決定了計算平臺的性能利用率。因此，存儲帶寬的重要性絲毫不亞于算力，甚至可能高于算力。這也是特斯拉二代FSD排名第二的主要原因，因為GDDR6的帶寬相對于LPDDR具有壓倒性優勢。

特斯拉第二代FSD

  特斯拉第二代FSD芯片采用了三星的7納米工藝，這一選擇主要是出于價格和地理因素的考慮。首先，三星的代工價格遠低于臺積電，大約只有臺積電價格的一半左右。其次，臺積電的亞利桑那工廠效率相對較低，從2020年開工建設到預計2025年投產，進度緩慢。而三星的德克薩斯奧斯汀二代工廠僅用兩年就完工投產，且距離特斯拉總部較近。

  第一代FSD使用的是三星的14納米工藝。根據WikiChip的數據，三星7納米LPP HD高密度cell方案的晶體管密度高達95.08 MTr/mm2，而HP高性能方案的晶體管密度為77.01 MTr/mm2。相比之下，三星14納米UHP方案的晶體管密度為26.22 MTr/mm2，HP方案晶體管密度為32.94 MTr/mm2。基本上，三星7納米的晶體管密度是14納米的3倍以上。這意味著特斯拉的第二代FSD芯片可以容納更多的MAC陣列，從而實現AI性能的三倍提升。考慮到第一代FSD的AI性能為73.7TOPS@INT8，三倍的提升即為221.1TOPS。如果再結合稀疏模型加速技術，算力數字還可以再增長一倍。另外，根據推測，由于二代FSD芯片面積明顯大于一代，并且NPU增加到3個，因此其算力可能在500TOPS上下。

  特斯拉在二代FSD中還大幅度加強了CPU的性能，采用了三星的Exynos 20核心配置。這進一步證明了CPU在智能駕駛中的重要性。

安霸的CV3可能不為大多數人所熟知，但它在存儲帶寬方面表現出色，支持最高的LPDDR5X規格，并且具有最高的256比特位寬。這款芯片采用三星的5納米工藝制造，目前已經得到了德國大陸汽車公司的支持。

  綜上所述，無論是特斯拉還是安霸，都在積極探索更先進的制程工藝和存儲技術，以提高AI性能和系統整體表現。隨著智能駕駛技術的不斷發展，這些創新將為未來的汽車帶來更高效、更安全的駕駛體驗。

安霸CV3-AD內部框架圖

  安霸CV3-AD是一款高性能的汽車AI芯片，最高包括了16核心的Coretex-A78AE，具有極高的CPU算力。同時，它也通過了ASIL-B級認證，這意味著它具有高度的可靠性和安全性。在AI算力方面，安霸CV3-AD等效于500TOPS，表現出色。

  英偉達、特斯拉和Mobileye等也是汽車AI芯片領域的知名企業。英偉達的芯片位寬為256比特，而特斯拉和Mobileye的芯片大多是128比特。至于征程6的存儲信息，目前尚未公布。

  另外，值得一提的是百度旗下的昆侖芯科技。雖然較少人知曉，但昆侖芯科技其實是百度智能芯片及架構部獨立后的產物，全稱為昆侖芯（北京）科技有限公司。該公司在2021年4月完成了獨立融資，估值約為130億元。在2022年11月29日的百度Apollo Day技術開放日上，第二代昆侖芯宣布已完成在百度無人駕駛車輛RoboTaxi的駕駛系統上的完整適配，并在高階自動駕駛系統中運行正常。

  昆侖芯科技的歷史可以追溯到2011年，當時它開始從事AI計算相關工作，早期使用FPGA芯片對AI進行計算加速。在接下來的幾年里，昆侖芯科技在百度數據中心部署了超過5000片FPGA芯片，并在2017年累計部署超過12000片。到了2018年，昆侖芯科技決定自研AI芯片，并正式啟動昆侖芯系列產品的研發和設計。

  第一代昆侖芯于2020年開始大規模部署，采用14納米工藝和先進的HBM內存、2.5D封裝技術。這款芯片剛量產就在百度數據中心里部署了超過2萬片。一年后，第二代昆侖芯量產，采用了更先進的7納米工藝和XPU第二代的架構。同時，它也是業界第一顆采用GDDR6高速顯存技術的AI芯片。目前，昆侖芯科技正在研發更先進的第三代AI芯片，針對高階自動駕駛系統，未來可能會推出定制的車規高性能SoC（系統級芯片）。

  綜上所述，汽車AI芯片領域的市場競爭激烈，各大廠商都在積極研發高性能、高可靠性和高安全性的產品。而隨著技術的不斷進步和應用場景的不斷拓展，這個市場還有很大的發展空間和潛力。

  英偉達對存儲系統一向比較重視，全線都是最高的256比特。高通SA8650與座艙領域的SA8255非常近似，CPU和GPU基本完全相同，AI算力做了特別加強，存儲位寬是比較少見的96比特，SA8650是取代上一代SA8540P的，主要是增加了針對功能安全的部分，增加了4個Cortex-R52內核。Mobileye對成本異常重視，也從不公布其存儲帶寬和支持存儲類型，只能猜測。Xavier雖是早期產品，但存儲位寬是最高的256比特，所以排名很靠前。