引 言：汽車從誕生之初其主要的評價體系以馬力為主，隨著汽車工業百年的發展，汽車的屬性也慢慢的從生產工具，轉變成了第三空間。越來越多的新的功能上車，需要越來越多的芯片的支持。而隨著電子電氣架構的發展，芯片也從之前的單一功能發展到了目前的高性能SoC(System on Chip)階段。之前的開"芯"課堂從工具鏈和應用角度做了介紹，今天我們就介紹下實現以上功能的基礎——算力。

算力的定義以及分類

算力，簡單來說就是計算的能力。一款SoC一般會包含CPU，GPU，NPU及DSP等算力單元。類似于學霸在語文，繪畫，數學及理綜的學習能力。CPU簡單來說主要處理邏輯計算其單位DMIPS，GPU主打圖像處理，其單位FLOPS，表示浮點運算能力。NPU作為神經網絡處理器，主要用于神經網絡的推理工作，目前主流的中大算力NPU芯片算力可達TOPS量級，意為每秒鐘1萬億次操作。DSP作為更靈活的算力單元，其既可以提供定點計算能力同時也可以提供浮點計算能力。所以，大家可以感受到，作為一款優秀的SoC芯片，其是不能偏科的，多學科都要有很好的成績。那算力到底能支持什么樣的功能，不同等級的智能駕駛都需要多大的算力呢?

不同級別自動駕駛對應的算力需求

自動駕駛主要分為0-5級，以Level3為分界，以下為智能駕駛，以上為自動駕駛。目前市面上比較成熟量產的還是以Level3以下為主。智能駕駛目前主要的感知更多的依賴視覺，這也推動了卷積神經網絡加速器即NPU，在智駕領域占據了比較重要的地位。

為什么車企都在拼算力

我們可以看到，隨著自動駕駛等級的提升，其對算力的要求也在不斷的提高。算力也代替了馬力成為汽車行業重要的參數指標。汽車產業正式進入了拼算力的時代，大算力芯片開始成為各大車企全新車型的重要賣點。

一方面，車載傳感器數量和種類在急速增加的同時其精度也在大踏步的提高，以確保實現更多更復雜的功能，這對于芯片的算力提出了更高的要求。另一方面，新的算法模型也在不斷的更新，更多的大模型被應用到實際的方案中，進一步拉升了對算力的需求。不過，我們也發現了一個比較有趣的現象，目前各大車企的旗艦車型的算力越來越高，動輒幾百上千TOPS，同時，我們也看到芯片公司對于中算力芯片的投入也越來越大，智能駕駛在中低端車型的滲透率也進一步的提升。芯片算力在被拉高的同時，傳感器復用，算力復用也在逐漸的應用到更多的量產項目中去，車企和芯片廠商似乎也達成了某種共識，芯片算力也在回歸理性。

自動駕駛算力不是越高越好

芯片的算力在狂飆的同時，市場也在回歸理性。隨著軟件，算法的發展，芯片的算力利用率也在進一步的提升。同時，我們也不能忽視另外一個很重要的概念就是幀率，幀率能夠更真實的反應芯片的實際的計算能力。所以，算力作為理論值可以反映芯片的基礎計算能力，而幀率則是能夠真正的反應一顆芯片實際的計算效率。那是不是幀率越高越好，只能說在實際的智能駕駛中，說對了一半，我們確實需要更高的幀率，前提是此幀率對應的算法模型可以真正的為智能駕駛所服務。在沒有給定算法模型及其對應的分辨率的情況下，單純的提出幀率是多少，是無法真實反饋一顆芯片的實際算力的。

黑芝麻智能華山系列芯片方案

黑芝麻智能推出的華山系列智駕芯片，不只是拼算力、拼工藝、拼投入，同時拼創新點，其單顆算力達到58Tops，具有平臺化、高性能、低功耗等特點，基于兩大自主可控核心IP構建了核心競爭優勢，包括車規級圖像處理ISP和車規級深度神經網絡加速器NPU，讓車輛"看得清"和"看得懂"。融合前向+環視攝像頭，前+角雷達及超聲波等傳感器，是國內首個符合車規、達到量產狀態的單SoC行泊一體域控制器的芯片平臺。整體方案簡潔、高效、性價比高。豐富的傳感器接口，能夠支持L2+/L3等級自動駕駛解決方案，幫助用戶提升智能駕駛體驗的同時也為車廠及零部件供應商提供大幅降本的可能。

(新媒體責編：wa12)