关注并标星电动星球News

每天打卡阅读

更深刻理解汽车产业变革

————————

出品：电动星球 News

作者：毓肥

昨天深夜，英伟达 GTC 2022 大会，以一辆概念奔驰拉开帷幕。

显而易见地，汽车，或者说智能汽车，成为本届 GTC 的核心话题，也成为了英伟达未来的核心业务。

去年被特斯拉 D1 抢走「最强 AI 计算」头衔之后，英伟达今年发布的 H100 芯片，重新夺回 AI 性能王座，而且还发布了全球最强 AI 训练服务器——EOS，算力高达 18.4EFLOPS。

此外，英伟达的车企朋友圈迎来一位我们都很熟悉的「老朋友」：比亚迪。英伟达创始人黄仁勋表示，搭载英伟达 Orin 芯片的比亚迪新车，将在 2023 上半年发布。

除此以外，英伟达还发布了全新的「公版」自动驾驶硬件 Hyperion 9，拥有14个摄像头、20个超声波雷达、6个毫米波雷达，以及3个激光雷达。

老黄号称，只需要买他家一套方案，就可以马上拥有 L4 级别的自动驾驶能力。

补完英伟达「自动驾驶宇宙」的，则是自研高精度地图 Drive Map，号称即将完成北美、欧洲、亚洲地区 50 万公里道路的测绘，并且将进入全球市场。

马斯克的首富神话我们都听过，但实际上，黄仁勋和他的英伟达，同样是互联网新阶段、汽车工业新阶段的一个缩影：目前拥有辅助驾驶计算最完善产品体系的第三方供应商。

作为真·不造车的 T1 供应商，英伟达昨晚本质上只说了一件事：

智能汽车需要的基础设施，我一个就能搞定。

我们昨天还远程访谈了英伟达汽车业务副总裁 Danny Shapiro，今天结合我们访谈到的内容，来聊聊英伟达 GTC 2022。

一、什么是智能汽车的「基础设施」？

微博、微信、抖音，这是三大国民社交 APP。

之所以在本文提到它们，是因为它们，以及它们代表着的 APP，构成了中国移动互联网的大部分「基础设施」——信息流转、人际社交、群体集聚，均基于此。

而之所以说「基础」，还因为目前中国移动互联网的主要创业方向，也都基于这些社交 APP 发散开来。

回到智能汽车，我们讨论的重点从软件向硬件倾斜，但也可以类比一下：决定了智能汽车使用方向、使用方式，甚至是功能结构的硬件，也就可以认为是智能汽车的「基础设施」。

如果我们定义得更细一点，自动驾驶传感器、自动驾驶计算平台、自动驾驶训练服务器、自动驾驶高精地图，这些就是智能汽车的驾驶领域，需要的「基础设施」。

我们今天文章讨论的重点，就是英伟达 2022 年，在这些「基础设施」上，又玩出了什么新花样。

二、从比亚迪到奔驰都在用

去年秋季 GTC 大会上，英伟达带来了汽车工业史上第一款「公版」智能驾驶全包方案：Hyperion 8。

之所以敢说「汽车工业第一款」，是因为 Hyperion 8 是一套无微不至，生怕车企有一点知识盲区的保姆级智能驾驶方案：

不知道用什么传感器？没事，12 个摄像头、9 个毫米波雷达和 1 个激光雷达都给你配好，甚至给了具体型号，你不用怕我以次充好；买到硬件不知道怎么用？没事，软件、模型都给你配好，只要你给钱，我都帮你调。

这就是「保姆级」。

今年的 GTC 上，黄仁勋正式确认，Hyperion 8 的最终量产版，将搭载两颗 Orin 计算芯片，达到 508TOPS 的算力，支持 L3 级别智能驾驶，将于 2024 年正式装车——而 Hyperion 8 的首位用户，是奔驰。

趁热打铁，英伟达昨晚还发布了 Hyperion 9，支持 L4 级别自动驾驶的保姆级方案，预计 2026 年装车。

与 8 相比，9 的双芯片升级到了 Atlan，Orin 的继任者，基于台积电 5 纳米工艺打造，参数未明。但有传闻称 Atlan 的单芯片算力就超过了1000TOPS。

另外，Hyperion 9 的标配传感器达到了堪称疯狂的 14 个摄像头、20 个超声波雷达、9 个毫米波雷达，以及 3 个激光雷达。

有多疯狂？与英伟达的方案相比，目前特斯拉的摄像头数量仅为 8 个，蔚来沃尔沃等激光雷达也只配了 1 个。不过考虑到双 Atlan 可能超过四 Orin 的性能，传感器铺满车身也就不奇怪了。

非常特别的是，即使英伟达发布了一条龙方案，Danny Shapiro 接受我们访谈时依然表示，车企可以自行决定从英伟达这里买到什么。

他认为车企对于智能驾驶的需求越来越大，不仅是硬件，还包括全套的软件。而英伟达也希望扩张自己的业务范围，「获得硬件以外的收入」。

而对于那些希望自研自动驾驶的车企，英伟达依旧提供纯粹的计算芯片，比如蔚小理，比如刚刚入局的 LUCID 和比亚迪。

根据黄仁勋的表示，首批搭载 Orin 芯片的比亚迪车型将于 2023 上半年发布。如果你因为最近的涨价决定持币观望，不防做个彻底的等等党。

经过昨晚的 GTC 大会，英伟达的汽车朋友圈大概如下图所示，半个汽车界尽入囊中。有意思的是，这里有近半中国名字：

三、英伟达牌高精地图，能用吗？

DRIVE Map，这是英伟达的高精地图名称。从昨晚开始，DRIVE Map 正式进入商用倒计时，目前暂定 2024 年上线。

聊英伟达的高精地图，要从「三阵营、两端、双擎」开始。

摄像头、毫米波雷达、激光雷达，这是智能驾驶传感器三大阵营；车端、云端，这是构成 DRIVE Map 地图测绘和修正的两大计算单元；专用引擎和众包引擎，这是 DRIVE Map 测绘地图的两大方法。

首先是三阵营，它们构成了 DRIVE Map 的最终呈现形式。

根据英伟达的官方文档，摄像头在 DRIVE Map 里面用于确定「驾驶界限」，比如车道线、箭头、电线杆、道路边界、红绿灯等等：

毫米波雷达则适用于光线不佳的场景，以及典型导航数据作用更低的郊区：

激光雷达则是英伟达认为最精确的环境测绘工具，可以以 5 厘米的分辨率构建世界，「提供了最精确、最可靠的环境表示。」

最终，DRIVE Map 会将汽车行驶的道路构建成下图的样子，让你的车、云端的服务器读懂，然后运用到实际驾驶中。

并且，如上图的英文所示，英伟达 DRIVE Map 是实时生成的，这一点非常关键。

上文提到，DRIVE Map 使用了两个地图测绘引擎——专用测绘车用的 Deep Map 引擎和量产车搭载的众包地图引擎。

双引擎确保了地图测绘的效率和数据量，与此同时，英伟达还在量产车和服务器各自配备了一套地图实时运算工具，可以将传感器收集到的信息分工合作，以更高的速度形成完整地图。

于是实时生成、众包测绘的问题来了：隐私。

第三方地图测绘一直是各国的敏感话题，更不用说路上到处跑的汽车测绘得到数据，然后再上传到云端——特别是隐私政策详实的欧洲与中国。

如果想进入中国市场，英伟达怎么证明它比高德百度更可靠？

Danny Shapiro 在接受访谈时，也没有明确透露英伟达获得了哪些国家的授权，他仅表示英伟达「会尊重各国的隐私政策」。

四、地表最强超算，反杀特斯拉

去年特斯拉 AI Day 上那块 D1 芯片，将全世界对人工智能的想象力足足往上抬了一个级别。

而聊到特斯拉、高通等芯片领域或新或老的对手，Danny 说得很大方：「我们当然欢迎竞争，竞争对我们是件好事」。

我们对 Danny 的访谈是在北京时间 22 号上午，而 GTC 是在 22 号深夜，他胸有成竹的原因，我们隔了十几个小时才知道：英伟达 H100 AI 芯片。

H100肩负着很多个头衔：首款台积电 4 纳米工艺制造的 AI 芯片、英伟达 Hopper 架构的首款芯片…等等。而它最重要的任务，则是帮助英伟达，从特斯拉 D1 手上夺回性能王座。

H100 做到了。

我们来对比一下，D1 的 BF16 精度算力为362T，而 H100 的 BF16 精度算力高达 1000T，稀疏模式下算力甚至能翻倍到2000T。更重要的是，接近  6 倍的性能以及更大的内存配备下，H100 的功耗还不到 D1 的 2 倍。

不过，英伟达实现了单芯片反杀，特斯拉则凭借着精妙的结构设计，维持着单柜性能的领先。

去年特斯拉凭借着 D1 芯片，打造了「DOJO」服务器——DOJO Pod。单个 DOJO Pod 的 BF16 精度算力达到了 1EFLOPS，虽然没有实现马斯克说过的 FP32 精度 1E 算力，但已经足够恐怖。

今年，黄仁勋将 H100 芯片组装成了 DGX H100 Pod，虽然也标榜着 1E 算力，但计算精度是更低的 FP8。

然而黄仁勋没有认输，昨晚的他掏出了大杀器：EOS——不是佳能那个。

EOS 是英伟达最新，也是最强的定制服务器。它的 FP8 精度算力达到了 18.4EFLOPS——比目前全球最快超算，日本的「富岳」，还快了足足 3 倍！

举个例子，目前特斯拉 Autopilot 还在用英伟达老款服务器跑神经网络模型（Dojo 还没造出来）——特斯拉 AI 部门主管 Andrej 去年表示，他们找英伟达定制的这套服务器，算力大概「只有」1.8EFLOPS。

日新月异。

五、OEM与自研，以什么为界限？

聊完一堆数字和术语，我们最后用简单点的话作总结。

罗永浩曾经吐槽过：「都是 OEM 装什么 X」，骂的是手机厂。

这句话对吗？对了一半，谷歌、高通、三星、索尼这四家几乎把所有手机的核心软硬件包圆了，所以罗永浩有说对的地方。

然而，深度定制的操作系统、硬件之间的驱动、调校、色彩与信号的协调，甚至品控，这同样是各大手机厂商独有的努力。

如果罗永浩真的字字珠玑，锤子 T1 不至于连「应力集中」这个物理现象也解决不了。

回到智能驾驶，我们也看到了两条路线：特斯拉「全都自己干」的「类苹果」，以及其他厂商物竞天择的「类Android」。英伟达，就是「类 Android」智能驾驶赛道上一位主力玩家。

「类 Android」，意味着自研与供应商的界限会飘忽不定。坚定自研如蔚小理，也会被认为是「OEM」。

昨晚英伟达发布的软硬件产品，几乎包括了自动驾驶研发的所有阶段：传感器、芯片、软件、地图、算法、服务器…

传统车企有些已经经受不住诱惑，成为了「保姆级方案」的客户，而坚持自研的车企，应该也会面临类似的抉择。

到底什么决定了智能驾驶的自研和 OEM？也许现阶段没有一个所有人都信服的答案。

唯一可以确定的，是大幕已经隐隐拉开，问题来了，你能看清里面藏着什么吗？

（完）

返回第一电动网首页 >