“較上代產品提升XX%”。這樣的宣傳語，小到牙膏，大到汽車，可能會出現在各種各樣的商品迭代上。而這次，英偉達竟然將新產品和另一款未上市的“准新產品”做比較。說得直白點，就是英偉達自己卷了自己。在去年的GTC2021上，英偉達發布了NVIDIA DRIVE Atlan，一款算力高達1000TOPS的AI處理器，預計將於2024年正式生產，2025年上車。
DRIVE Thor 圖源：英偉達
只不過，2022年都還沒過完，英偉達就進行了自我否定。在昨晚的GTC2022上，黃仁勛宣布，Atlan不再是第一了，全新的Thor芯片，將以2000TOPS的算力，成為自動駕駛芯片中的新一哥。
當然，英偉達在汽車領域的野心，也不僅僅是一家“自動駕駛芯片供應商”，而是掌管整輛車。
一芯多用時代，或許快到了
智能汽車的集成化水平，將會越來越高。更高的集成度不僅能優化體驗，還能降低整車製造成本。據羅蘭貝格的研究報告顯示，域控制為智能座艙發展的關鍵。今後，智能座艙域將會與智能駕駛域相結合，最終，車載中央計算機將會進一步整合車內計算芯片。
圖源：羅蘭貝格
Thor的定位，則順應了這一點。它並不只是自動駕駛芯片。集成超高算力的目的之一，也是為了服務整輛車的AI計算。可取代停車、自動駕駛及主動安全、駕駛員/乘客監控系統、攝像頭監控系統以及娛樂系統等多領域的芯片。
圖源：英偉達
事實上，自Orin芯片開始，英偉達就已經公布了“一芯多用”的計劃。即便Orin X芯片已經上車近一年時間，為何車企還是把它只當成駕駛自動化的芯片來用？
品駕認為原因或在以下四點，第一，算力方面，254TOPS的算力甚至還不夠滿足駕駛自動化近期或中遠期的算力需求，部分產品為了滿足大算力需求，還要搭載多顆Orin X芯片，自然沒有富餘來分享給其他領域；第二，軟件能力方面，目前各家車企或還不具備成熟的域整合方案，芯片能力即便到位，也需要等軟件能力跟上；第三，安全方面，雖然Orin芯片的設計符合ISO26262《道路車輛功能安全》國際標準，擁有安全島設計，但在實際應用中是否能夠滿足自動駕駛與其他領域的安全隔離，還需要時間來考證；第四，座艙方面，高通憑藉其在移動設備領域多年的積累，已經在座艙芯片市場上佔據大半江山，此外，在這樣先發制人的優勢下，目前消費者已經形成對於高通座艙芯片的認知與認可，英偉達想要進入該領域，存在一定困難。
Thor芯片則繼承了該系列芯片的絕大多數優勢，並進行史詩級提升。“一芯多用”的必要條件，是該芯片必須支持多個系統。Orin與Thor均支持Linux、QNX和Android。通常，車輛的娛樂信息系統會使用Android，但涉及駕駛安全的儀錶、控制等部分則會使用穩定性更高的Linux系統。以理想ONE為例，該車型車機娛樂系統採用了高通驍龍820A芯片與Android底層系統，但儀錶屏則採用了Linux與德州儀器J6芯片，從而達到“分而治之”的效果，來確保安全。
GTC2021 圖源：英偉達
算力方面，英偉達表示，由於更複雜的AI模型，更多數量、更高分辨率的傳感器上車，對於算力的需求也日益提升。因此，這款芯片的算力將會達到2000TOPS以上，並且具備靈活的分配方案。自然可以將這2000TOPS與2000TFLOPs全部供自動駕駛使用，也可以分出一部分給車機與座艙使用。
安全方面，Thor的多計算域隔離可提供併發的、對時間敏感的多進程無間斷進行。由於目前還不清楚該芯片的具體設計，但如果考慮到一芯多用所涉及的安全問題，該芯片應當具備硬隔離的方案。
NXP i.MX 8 QM採用硬件分區 圖源：恩智浦
DRIVE Thor將於2025年開始量產，而首發品牌則是極氪。也就是說，或許到了2025年，我們將有望看到集成度更上一層樓的智能汽車。
在硬件之外，英偉達的軟件水平同樣在線。
在“元宇宙”里訓練自動駕駛
英偉達的另一個優勢，則是在軟件。不少車企以及自動駕駛公司都要走“全棧自研”的路線。對於這些初創公司來說，想要在錢燒完之前將自動駕駛落地，在開發上需要更迅速。而英偉達則同樣提供軟件上的服務。
NVIDIA DRIVE可提供多種軟件支持，例如NVIDIA DRIVE SDK提供了自動駕駛所需的構建塊和算法堆棧，其包含DRIVE OS、DriveWorks、DRIVE AV等多個部分。而在昨晚的GTC2022上，英偉達着重介紹了Drive Sim。
一項名為Neural Reconstruction Engine（神經再造引擎）的AI工作流為Drive Sim提供了新支持。通常情況下，為自動駕駛創建虛擬訓練場景費時費力，且場景十分有限，並不能達到充分訓練的目的。但通過這項新技術，只需上路採集一次信息，便可根據傳感器數據對路上的人、車、物等信息進行採集，並在幾分鐘內重建完整的數字孿生。
圖源：英偉達
在模擬場景下，這套系統可生成多種極端場景（如鬼探頭），搭配Drive Map，開發者可生成一套想要的訓練路線及場景。
通俗來說，以前需要上路獲取大量數據的自動駕駛訓練，現在在“元宇宙”里練就行了。
Drive Sim還可實現實時硬件在環，並生成實時雷達模擬數據以及實時多傳感器模擬數據，可以說與真實訓練相差無幾。
圖源：英偉達
而這套技術的背後，是英偉達的Omniverse在做支持。Omniverse是英偉達開發的實時圖形協作平台，可生成數字仿真，來實現3D設計協作等功能。去年GTC上，15秒鐘左右的“虛擬黃仁勛”曾引發熱議，完全以假亂真的效果也是出自Omniverse平台。
GTC2021上的“虛擬黃仁勛” 圖源：英偉達
競爭更加激烈，芯片大戰一觸即發
一個產業的發展必然會經歷從分散到集成，而智能車領域目前正在經歷這條路。從傳統時代走向智能車時代的初期，隨着智能化需求的不斷擴大，車輛所需的MCU會急速上漲。但發展到下一階段后，MCU的數量則會進入下降階段，逐漸被能力更高的SoC取代。甚至車機芯片與自動駕駛芯片都會合二為一。
本來或許能在車上互不干涉的高通與英偉達，也必將成為敵人。近年來，高通也在車機之外的領域發布了驍龍數字底盤以及自動駕駛芯片。大廠的競爭況且如此，一些小廠的路恐怕要更難走了。