[首發(fā)于智駕最前沿微信公眾號(hào)]在自動(dòng)駕駛行業(yè)，說(shuō)起算力，很多人第一反應(yīng)是“更強(qiáng)就是更好”，更快的芯片、更大的算力池，感覺(jué)就可以讓汽車(chē)能看得更清楚、做決定更快、更安全。但事實(shí)并非如此。對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，算力確實(shí)重要，但它不是萬(wàn)能鑰匙。那算力在哪些環(huán)節(jié)確實(shí)能帶來(lái)好處，在哪些情況下又會(huì)遇到瓶頸或付出代價(jià)？

為什么算力在自動(dòng)駕駛里這么被看重？

自動(dòng)駕駛系統(tǒng)的核心工作可以粗略分成感知、定位、決策（規(guī)劃）、控制和冗余/安全驗(yàn)證幾大塊。感知要把攝像頭、雷達(dá)、激光雷達(dá)、超聲波等傳感器的數(shù)據(jù)快速、準(zhǔn)確地轉(zhuǎn)成對(duì)周?chē)澜绲睦斫猓ㄕ系K物是什么、在哪里、速度多少、意圖可能是什么）；定位要把車(chē)輛放到高精地圖或相對(duì)坐標(biāo)系里；決策要在幾百毫秒甚至更短時(shí)間內(nèi)算出下一步怎么走；控制則把決策轉(zhuǎn)成油門(mén)、剎車(chē)、轉(zhuǎn)向量。這些環(huán)節(jié)里很多都是“并行+復(fù)雜算子的組合”，深度神經(jīng)網(wǎng)絡(luò)、點(diǎn)云處理、語(yǔ)義分割、軌跡預(yù)測(cè)、模型預(yù)測(cè)控制（MPC）等任務(wù)，都對(duì)算力有實(shí)際需求。更高的算力能讓模型變得更復(fù)雜、輸入分辨率更高、推理更快、能跑更多冗余檢測(cè)和自檢，從而在理論上提升整體能力和安全冗余。比如面向車(chē)端的高性能SoC（像一些Orin系列或類(lèi)似平臺(tái)）就是為了把更多AI推理能力帶到車(chē)上，從而支持更復(fù)雜的感知與融合算法。

很多廠(chǎng)商會(huì)把算力當(dāng)作“保險(xiǎn)杠”，更高的TOPS（每秒算子次數(shù)）意味著可以一次性部署更大、更準(zhǔn)確的網(wǎng)絡(luò)，或者在需要時(shí)做在線(xiàn)回溯、冗余并行推理、運(yùn)行更多健康檢查邏輯，降低單點(diǎn)故障導(dǎo)致全局失效的概率。這也是為什么有一些專(zhuān)用汽車(chē)SoC廠(chǎng)商，會(huì)強(qiáng)調(diào)在“有限功耗下提高算力”的比率，把同等功耗下能做的事做得更多作為賣(mài)點(diǎn)。

算力越高真的越好嗎？

對(duì)于自動(dòng)駕駛汽車(chē)來(lái)說(shuō)，更強(qiáng)的算力可以讓分辨率和模型容量獲得提升，細(xì)節(jié)檢測(cè)更可靠，長(zhǎng)遠(yuǎn)看能減少漏報(bào)和誤報(bào)；低延遲并行處理能力也會(huì)增加，復(fù)雜多傳感器融合更容易實(shí)現(xiàn)，這對(duì)復(fù)雜場(chǎng)景（城市交叉口、行人密集區(qū)域）尤為重要。更高算力也意味著可以把冗余機(jī)制做得更充分，比如同時(shí)用多個(gè)模型交叉驗(yàn)證結(jié)果，或在出現(xiàn)異常時(shí)用備用模型降級(jí)運(yùn)行，提升“fail-operational”的能力。

但算力越好并不意味著自動(dòng)駕駛能力就會(huì)越強(qiáng)。算力的提高并不會(huì)按比例換來(lái)效果的線(xiàn)性增長(zhǎng)。很多時(shí)候算法改進(jìn)、架構(gòu)優(yōu)化、數(shù)據(jù)質(zhì)量提升、標(biāo)注策略改進(jìn)帶來(lái)的收益，往往比單純把模型做大更劃算。簡(jiǎn)單理解就是，算力是放大器，但你放進(jìn)去的是好算法還是差算法，決定了輸出的價(jià)值。算力的提升其實(shí)也會(huì)帶來(lái)更高的能耗和更復(fù)雜的熱設(shè)計(jì)需求，這些在車(chē)上是非常現(xiàn)實(shí)的工程約束。此外，當(dāng)推理延遲不再是瓶頸時(shí)，繼續(xù)堆算力對(duì)最終的系統(tǒng)性能提升變得邊際遞減，過(guò)度的算力投資可能只是讓模型在某些極端指標(biāo)上略有提升，但卻大幅增加成本、功耗和驗(yàn)證負(fù)擔(dān)。更大的模型和更多復(fù)雜邏輯更會(huì)使軟件復(fù)雜度和可解釋性變差，增加安全驗(yàn)證和合規(guī)成本。在安全關(guān)鍵的汽車(chē)領(lǐng)域，這不是小事，越復(fù)雜的推理鏈路，越難覆蓋所有邊界條件，越難做形式化證明或全面測(cè)試。

算力的提升有何代價(jià)？

把高算力放到車(chē)上，它的花費(fèi)遠(yuǎn)不止芯片本身的價(jià)格。高性能SoC在高負(fù)載下會(huì)消耗幾十瓦甚至上百瓦的功率，這部分功率最終變成熱量，需要通過(guò)車(chē)內(nèi)的散熱系統(tǒng)、設(shè)計(jì)更多散熱體或風(fēng)道來(lái)處理。熱不僅會(huì)影響芯片的持續(xù)性能（熱降頻會(huì)讓峰值算力不能持續(xù)），長(zhǎng)期看也會(huì)影響可靠性。尤其在封閉環(huán)境或高溫天氣，維持峰值算力的代價(jià)很高。硬件供應(yīng)商和車(chē)企為此做了很多設(shè)計(jì)，例如按模式動(dòng)態(tài)調(diào)整功耗、設(shè)計(jì)軟硬件協(xié)同的節(jié)能模式，或在SoC層面通過(guò)專(zhuān)用加速器（比如壓縮感知、INT8推理單元）以實(shí)現(xiàn)更高的能效比。

算力的提升也會(huì)直接影響整車(chē)的續(xù)航，對(duì)于電動(dòng)車(chē)來(lái)說(shuō)，這會(huì)嚴(yán)重影響續(xù)航里程。如果車(chē)輛上運(yùn)行更強(qiáng)的算力，會(huì)顯著提升額外能耗和碳排放（在大規(guī)模部署的情形下影響更明顯），這是在考慮算力時(shí)不可不去考慮的問(wèn)題。

高端汽車(chē)級(jí)SoC價(jià)格不菲，且通常需要滿(mǎn)足車(chē)規(guī)級(jí)認(rèn)證和長(zhǎng)期供貨保證，增加了設(shè)計(jì)成本和單車(chē)制造成本。即便有一些車(chē)企自己設(shè)計(jì)專(zhuān)用芯片，出于性能/成本/功耗平衡，也會(huì)對(duì)目標(biāo)功耗、散熱和體積給出嚴(yán)格限制（早期一些車(chē)載FSD電腦的設(shè)計(jì)目標(biāo)就包括“必須低于某個(gè)功耗閾值以便能集成到車(chē)內(nèi)”）。這些約束會(huì)直接影響是否能在量產(chǎn)上采用更高算力方案。

算力的提升也會(huì)對(duì)熱管理與車(chē)輛其他子系統(tǒng)的協(xié)同問(wèn)題產(chǎn)生影響。車(chē)不是數(shù)據(jù)中心，所產(chǎn)生的熱量也難以隨便釋放，散熱設(shè)計(jì)會(huì)占用空間、影響整車(chē)布置甚至減小后備箱體積。車(chē)輛散熱常常與空調(diào)、電池?zé)峁芾硐到y(tǒng)耦合，這在冬夏兩季、低SOC或極端駕駛場(chǎng)景下會(huì)出現(xiàn)難以權(quán)衡的問(wèn)題，如在算力高但熱受限時(shí)，系統(tǒng)可能不得不降頻運(yùn)行，從而達(dá)不到原先設(shè)想的性能。

如何在算力、能耗、成本與安全間做選擇？

既然算力既有利也有害，因此在選擇算力時(shí)，不要盲目追求“最大化”。使用異構(gòu)算力與專(zhuān)用加速器就是其中一個(gè)方案。把通用CPU/GPU與專(zhuān)門(mén)的AI加速器、視覺(jué)處理單元（VPU）或?qū)Ｓ镁仃嚦朔ㄆ鹘Y(jié)合起來(lái)，可以把常見(jiàn)的推理工作用低功耗專(zhuān)用單元完成，把罕見(jiàn)但復(fù)雜的任務(wù)放到通用單元，整體效率更高。許多汽車(chē)級(jí)SoC都采用這種異構(gòu)架構(gòu)，以求在功耗預(yù)算內(nèi)提高有效算力。Mobileye等廠(chǎng)商在SoC設(shè)計(jì)上強(qiáng)調(diào)“在非常有限功耗下實(shí)現(xiàn)面向ADAS/AV的高效算力”，這就是典型思路。

還有就是可以將模型壓縮與量化。把浮點(diǎn)模型量化到INT8甚至更低位寬，通常能在精度可接受范圍內(nèi)把算力需求和能耗顯著下降。很多實(shí)際項(xiàng)目中，模型壓縮、蒸餾和結(jié)構(gòu)化剪枝，是提升推理效率的首選手段，而不是一味換更大芯片。

還有就是可以把系統(tǒng)分成不同能力的運(yùn)行級(jí)別（比如感知主鏈路、次要冗余鏈路、離線(xiàn)記錄/回放鏈路），并根據(jù)車(chē)輛狀態(tài)動(dòng)態(tài)調(diào)度算力。如在高速勻速巡航時(shí)可降低某些高頻繁而低收益的檢測(cè)頻率；在復(fù)雜路況時(shí)再臨時(shí)提升算力用于冗余驗(yàn)證。這類(lèi)“按需分配”策略能在真實(shí)場(chǎng)景下帶來(lái)明顯的能耗和耐久性?xún)?yōu)勢(shì)。NVIDIA等平臺(tái)上也提供了豐富的功耗與性能管理功能，便于做這種精細(xì)化調(diào)度。

理論上還可以把一部分算力需求轉(zhuǎn)移到云端，但這一方案需要慎用。自動(dòng)駕駛汽車(chē)的實(shí)時(shí)決策對(duì)延遲和可用性有嚴(yán)格要求，車(chē)到云再返回的延遲和網(wǎng)絡(luò)不可用時(shí)的風(fēng)險(xiǎn)，使得關(guān)鍵路徑仍需部署在車(chē)端。在實(shí)際項(xiàng)目中通常把云用于訓(xùn)練、離線(xiàn)審核和非關(guān)鍵的遠(yuǎn)程服務(wù)，而把需要毫秒級(jí)反應(yīng)的邏輯保留在車(chē)端。

更高算力往往伴隨更復(fù)雜的模型結(jié)構(gòu)和更多運(yùn)行模式，這會(huì)顯著增加測(cè)試場(chǎng)景、回放數(shù)據(jù)和安全驗(yàn)證的數(shù)量與復(fù)雜度。在汽車(chē)領(lǐng)域，安全驗(yàn)證不是把模型跑幾個(gè)城市就算完，合規(guī)、回歸測(cè)試、邊緣場(chǎng)景覆蓋都會(huì)隨復(fù)雜度非線(xiàn)性增長(zhǎng)。因此，算力越高可能意味著驗(yàn)證工作量成倍增加，進(jìn)而導(dǎo)致時(shí)間和成本的飆升。把這些成本計(jì)入ROI計(jì)算，能更理性地衡量是否要“再多一倍算力”。

最后的話(huà)

算力只是實(shí)現(xiàn)自動(dòng)駕駛目標(biāo)的工具，而不是最終目標(biāo)本身。更高的算力確實(shí)能打開(kāi)一些技術(shù)可能性，讓模型和系統(tǒng)做得更強(qiáng)，但同時(shí)它會(huì)帶來(lái)功耗、熱、成本和驗(yàn)證等多維代價(jià)。合理的做法是先把ODD和功能定義清楚，再把算力、算法、散熱、成本和驗(yàn)證能力做成系統(tǒng)級(jí)的權(quán)衡。只有這樣，才能在確保安全與可量產(chǎn)的前提下，把算力用到刀刃上，而不是盲目堆算力做“技術(shù)噱頭”。