文/車亮
圖/源自網路
360公司的創始人周鴻禕曾說：“從前我們衡量一輛車是不是豪車，馬力是很重要的指標，而當汽車行業被網路和數字化顛覆後，未來衡量豪車的標準不是馬力，而是算力“。
蔚來的創始人李斌也說過，以後高階智慧電動車的標準，就是馬力+算力。
算力這個概念，現在正被越來越多消費者所關注和重視。譬如最近爆出的尤拉好貓的醜聞，官網上寫著用到了高通驍龍的8155晶片，但實際上用的是較老的英特爾晶片，引發了消費者的不滿。雖然官方給出了補償政策，但還是很多消費者表示寧願要高通的晶片，而不願意要補償大禮包。消費者這種心理的背後，實際上就是對高算力的一種追求和渴望。
那麼算力真的這麼神奇嗎？算力到底對一輛車意味著什麼？今天我們就來聊聊算力這個話題。
算力其實就是生產力
什麼是算力？我們要從人工智慧三要素開始說起。所謂三要素，指的是資料、算力、和演算法，號稱數字時代三駕馬車。
資料可以理解為生產資料，資料是否夠海量豐富，是一切智慧化的前提。所以現在一些車企都在打鐳射雷達概念、都在瘋狂堆砌攝像頭、毫米波雷達等等，就是為了採集足夠多的資料。資料是一切的源頭，所謂巧婦難為無米之炊，就是這個道理。
但光有資料不夠，還得有合理的演算法。演算法可以理解為生產關係，是處理資料的規則和方式。演算法的功能就是基於海量資料得出規律，然後用這個規律來對未知資料進行建模和預測。簡單說就是把車上遇到的所有現實問題，轉化為數學模型。
以前的車上，各個部位控制單元ECU是分開佈局，每個部分的演算法相對簡單，類似於一個個獨立的小作坊，一旦確定了演算法的基本結構，也就是生產方式，可能就不變了。但是現在隨著車上的電子電氣架構從分散式向集中式轉變，各種控制單元被集中在一起，相當於幾百個小作坊被整合成一家大公司，生產方式和管理難度就大大提升了。再加上現在智慧座艙和自動駕駛技術的突飛猛進，帶來大量從前從未有過的應用場景和大量隨機的、非結構化的資料，比如人臉識別、語音控制，手勢識別，這些資料該怎麼處理？譬如車上大量增加了感測器，傳進來的資料怎麼處理？這些都需要新的演算法。所以隨著汽車越來越智慧，對演算法的要求也水漲船高。譬如，在智慧駕駛部分新增加的演算法就包括，感知演算法、多感測器的融合演算法、決策演算法、控制演算法等等，在智慧座艙部分新增加的演算法就包括，語音識別、人臉識別、手勢識別、視線監控、場景理解等等。這麼多的演算法模型，都是以前的車上從未出現過的。
演算法對應生產關係，資料對應生產資料。那麼算力對應的就是生產力。所謂算力，指的是以高效能計算機為載體的，對基礎資料處理和演算法訓練提供的計算能力。算力要解決兩個問題，除了對資料的處理，算力另一個重要作用是支援演算法的訓練和形成。就像生產力決定生產關係。演算法的訓練和形成，也要依託於算力的高低。打個比方，演算法好比解決問題的辦法和途徑，而算力好比解決問題的能力。一個人有能力，才能想出辦法。而一個人有了正確的辦法，才能充分發揮出他的能力。
所以從生產資料、生產力、生產關係三要素，我們能很容易的對應理解資料、算力、演算法的關係。
理解了這層關係，對一些車企鼓吹高算力、鼓吹硬體的宣傳，我們可以看的更清楚明白。
譬如，有些車企宣傳自己的車上用了多少鐳射雷達、用了多少攝像頭。但硬體多不代表你的效果就好。你採集的資料是海量了，你的算力跟的上嗎？你的演算法模型合理嗎？後兩者其實更能決定你最終的效果如何。而且現在很多電動車是採取硬體預埋、軟體後期慢慢開發的做法。也就是說消費者買了車以後，得等不知道多長時間才可能會用到宣傳裡提到的這些功能。為什麼呢？這就是演算法沒跟上。而像特斯拉的自動駕駛，堅持用攝像頭，不用鐳射雷達，晶片的算力也不算太高，但最終效果卻不錯。這也得歸功於特斯拉自己的演算法強大。
再譬如，有些車企宣傳自己用了多少高算力晶片，基礎算力高達上千TOPS等等，最終效果就一定好嗎？不一定。就像生產力決定生產關係，生產關係反過來也會促進或制約生產力。演算法同樣也會促進或制約算力的發揮。所以算力高，也不一定會有好的效果。還要看你的演算法模型是否精確、是否匹配。所以算力和演算法的關係，也是一個不斷互相促進、螺旋上升的過程。
所以，資料是一切的來源，沒有它一切無從談起。算力是一切的基石，它決定了資料處理的效率，它也驅動了演算法模型的不斷訓練和進化。但演算法才是決定最終效果的關鍵，它決定了資料和算力能否發揮出應有作用的下限。
對車企來說，電驅動、電池、鐳射雷達、晶片都可以外採，硬體可能都沒必要自己做。但軟體演算法必須要在未來牢牢掌握在自己手中，這才是決勝的關鍵。就像大眾集團聲稱自己未來要轉型為一家“汽車軟體公司”一樣，掌握軟體才是車企未來的核心競爭力。
什麼水平的算力，才算真的高？
算力的高低現在成了很多車企對外宣傳的一個點。實際你會發現車企宣傳的算力高低其實非常參差不起，有隻有幾個TOPS的，也有幾百TOPS的，那目前的市場環境裡，到底怎麼樣的算力才算真的高？
算力依託的載體是晶片。其實說到車載晶片的算力，它分為智慧座艙和智慧駕駛兩個板塊。
在智慧座艙領域，國內最具統治地位的就是美國的高通。目前量產車最先進的是它的第三代智慧座艙晶片，也就是8195晶片。目前搭載這個晶片的有凱迪拉克的LYRIQ，以及即將上市的蔚來ET7。同屬高通第三代晶片的還有8155，搭載這個晶片的代表車型有小鵬P5、上汽智己L7、長城摩卡、零跑C11、威馬W6等。再往下，目前用的最多的最主流的其實是高通的820A晶片，像蔚來、小鵬P7、奧迪A4L、領克05、極氪001等等都在搭載這個晶片。此外國內廠商的智慧座艙晶片也有一些市場份額，像地平線的征程2晶片，就在長安的UNI-K上搭載。
現在已知最先進的智慧座艙晶片，是來自最近百度旗下的集度汽車，宣稱要使用高通8295晶片，號稱是高通的第四代汽車數字座艙晶片。不過它要在明年的北京車展才亮相，後年才能上市。
再看自動駕駛部分。其實座艙部分對晶片算力的要求還不算太高。真正對算力要求高的是自動駕駛部分。智慧駕駛晶片目前基本是Mobileye和英偉達二分天下，高通躍躍欲試要三分天下。同時也有華為海思、地平線、黑芝麻等自主品牌佔有一席之地。縱覽量產車在自動駕駛領域的算力你會發現，其水平參差不齊，從幾個TOPS到幾百TOPS不等。像英偉達今年今年釋出了高達1000TOPS的晶片，而英偉達目前晶片的單顆算力最高已經達到254 TOPS，華為的MDC810智慧駕駛計算平臺，算力已經高達400TOPS。
同時現在還有一個趨勢是，因為汽車基本上是5-8年一次徹底換代，週期很長。而晶片的迭代則是一到兩年。所以車企為了讓自己的產品具備持續的競爭力，會採用硬體預埋、軟體更迭的方式來保持競爭力。簡單說就是，我現在的晶片算力還可以，兩年以後可能就落伍了。為了保持競爭力，我多裝幾顆晶片，提高算力上限，為後續軟體最佳化和演算法升級提供足夠的發展空間。所以現在一些新勢力開始軍備競賽，將車上的晶片算力提高到500-1000TOPS的級別。像蔚來的ET7，裝了四顆英偉達晶片，總算力達到1016TOPS。像小鵬的G9，裝了兩顆英偉達晶片，總算力達到508TOPS。現在用得著這麼高的算力嗎？其實用不到，但是我先裝上，一方面是個宣傳的亮點，另一方面以後可能用得著。
所以對消費者來說，算力當然是越高越高。但也別神話高算力的作用，因為演算法的制約，很多算力在當下看其實是浪費的，它可能只是給未來的場景準備的，你只是在為未來買單。
駕值觀
現在晶片廠商一般不單獨賣晶片，而是賣一整套智慧平臺，也就是晶片+演算法打包賣。車企一般要根據自己的需求，對演算法進行調整和修改。換句話說車企要自己具備演算法的開發能力，或者說車企至少要有提出演算法改進需求的能力。這個能力才決定了你最終的東西，呈現出來的效果如何。而這種能力，往往是在車企的宣傳裡看不到的，只能在最終的產品中被消費者感知到。
算力只是個數字，我們還是要看在有限的算力下，如何能讓演算法軟體最高效的執行，能夠完美的適配車企的需求，這對晶片廠商和車企都提出考驗。這才是終極的唯一標準。所以像英偉達、華為、地平線這樣的公司，演算法生態是開放給車企的，車企可以根據需求來改進和自定義，這樣的公司會受到越來越多主機廠的青睞。而像Mobileye這樣的公司，它的演算法生態系統是封閉的，是不能修改的，所以就越來越走下坡路。
一輛車的智慧化體驗，最終是一個數據、算力、演算法相互作用的系統工程。算力的高低並不能直接決定最終體驗的好壞。裝鐳射雷達來感知資料，用大晶片來提升算力上限，這些車企宣傳的東西，並不是核心能力，因為這些都可以花錢來買。有些車企一味強調、炫耀自己的算力有多高，鐳射雷達有多少，這其實是一種忽悠人的行為。對車企來說，什麼是核心能力？如果自己不做硬體、不開發晶片的話，演算法才是自身唯一能擁有的核心能力。
END
