1月8日，英偉達宣布理想汽車已選擇NVIDIA DRIVE Thor 中央車載計算機，用于下一款車型。

同時，英偉達還表示已與長城汽車、極氪和小米合作，這幾家廠商已采用 NVIDIA DRIVE Orin 平臺為其智能自動駕駛系統提供動力。

英偉達表示， NVIDIA DRIVE Orin已經成為當前智能汽車首選 AI 汽車計算機。此外，汽車制造商越來越多地尋求其后繼產品 NVIDIA DRIVE Thor 的先進功能和 AI 性能來制定未來的車輛路線圖。

據悉，理想汽車目前使用兩個 DRIVE Orin 處理器為其 L 系列車型的輔助駕駛系統 AD Max 提供動力。新的 AD Max 3.0 升級將系統過渡到以 AI 大模型為主的端到端算法架構。

長城汽車將基于 DRIVE Orin 集中計算平臺打造自主研發的高端智能駕駛系統 Coffee Pilot。Coffee Pilot 可以支持泊車、高速和城市場景，實現全場景智能導航和輔助駕駛功能，無需高精度地圖。

小米汽車已經宣布推出首款電動汽車 SU7，該車基于雙 DRIVE Orin 配置打造，可實現高速公路輔助駕駛功能。


被英偉達“壟斷”算力的自動駕駛時代

在當前這場以大模型為基礎的AI戰局里，參賽者眾多。海外有OpenAI、微軟、谷歌，國內百度、阿里、華為、商湯等大廠也紛紛加入。而藏在戰局里的GPU巨頭英偉達，則掌握著“算力”命門，成為了這場“戰爭”中的最大受益者。

同樣，在自動駕駛行業，在車載高端芯片市場，全球最大的智能計算平臺公司，也是高端自動駕駛芯片供應商的英偉達基本也是一枝獨秀。

2015年，英偉達在獨立顯卡領域大獲成功后，開始進入車載計算平臺領域，并推出了初代自動駕駛計算平臺DRIVE PX和Tegra系列車載芯片，為自動駕駛系統提供計算能力。也在那時，英偉達與特斯拉聯手，特斯拉Model S和X所搭載的Autopilot 1.0系統就是采用1顆英偉達Tegra3芯片（算力僅有1TOPS）＋一顆Mobileye EyeQ3芯片。

僅僅時隔一年，英偉達便發布了DRIVE PX二代平臺。特斯拉Autopilot 2.0系統則采用了算力升級達到3TOPS的英偉達Parker芯片，而后續的Autopilot 2.5系統則采用的是2顆英偉達Parker芯片。得益于硬件的升級、算力的提升，特斯拉給車主們來了一次“充滿驚喜”的軟件推送。

時間來到2022，英偉達DRIVE Orin系列芯片正式量產并開啟交付，臺積電7nm工藝，算力最高的Orin-X達到了單片254 TOPS。另外，在深度學習加速、內存和通訊、CPU性能等指標上，相比上代都有著翻倍提升，并在目前的市場上沒有任何對手，因此也成為了想布局高階智駕功能的車企哄搶的對象。以至于搭載英偉達Orin-X，都成為了車企在智能駕駛方面的重要宣傳賣點。至此為止，英偉達真正大規模布局了智能駕駛的算力戰場，在這個依靠ai模型的高端行業里，英偉達保住了其先發優勢，并利用一次次的技術革新實現了市場壟斷。

在orin時代過后，英偉達并沒有就此停下腳步。在2022年秋季舉辦的英偉達開發者大會(GTC)上，英偉達CEO黃仁勛發布了新一代自動駕駛計算芯片DRIVE Thor，單顆算力高達史無前例的2000 TOPS。作為類比，是特斯拉FSD芯片算力的14倍。其實在發布會半年前，黃仁勛才剛宣布彼時算力最強的自動駕駛芯片Atlan（算力1000TOPS），此次更是直接拿出了領先一代的產品DRIVE Thor，并且確認2025年量產上車。當其他廠商還是追趕Orin性能的時候，英偉達已經準備用下一代產品降維打擊。

DRIVE Thor的出現徹底顛覆了目前的自動駕駛行業市場，其展現出的重要指標，既是同行不具備，也是未來自動駕駛技術的發展方向。最重要肯定是超高集成度，目前業內基本都認為未來的電子電氣架構一定是集中式的，即一個“大腦”控制汽車所有功能，而超高集成化的芯片，英偉達已經實現了。DRIVE Thor集成了一輛智能汽車上所需的一切AI功能的計算需求，包括高階自動駕駛、車載操作系統、智能座艙、自主泊車等等。2000TOPS算力資源，主機廠可以在各種不同AI任務間隨意分配，還可以構建自己的軟件模式，英偉達也提供相關開發工具，這也讓其他芯片企業失去了直接替代的機會。一顆芯片解決所有，以DRIVE Orin單片400美金來看，DRIVE Thor也不可能便宜，但肯定比采購一堆芯片劃算。


國產芯片要「上位」先過這六關

據了解，國內芯片廠商中，目前2015年成立的地平線和2016年成立的黑芝麻均已推出可實現L2——L4級別自動駕駛的單芯片，芯馳也將在今年將其V9系列自動駕駛芯片產品的覆蓋范圍擴至L4/L5級。芯馳方面透露，L2級智能駕駛仍是目前車企和市場最關注、落地最多的功能。

對于高級別的智能駕駛系統而言，傳感器數量的增加及分辨率的提升，帶來海量數據的處理需求，算法模型的復雜程度亦大幅提升。在E/E架構集中化趨勢下，智能汽車的計算能力將主要由少數的幾個域控制器或是中央計算平臺來實現，這也對單顆車載芯片算力提出了更高的要求。

根據地平線數據披露，自動駕駛等級每增加一級，所需芯片算力就會呈現數十倍的上升。其中，L2級自動駕駛的算力需求為2-2.5TOPS，L3級自動駕駛算力則需達到20-30TOPS，到L4級需要200TOPS以上，L5級別算力需求更是超過2000TOPS。

不過，大算力也意味著更高的成本，因此，實際上中等算力的自動駕駛SoC芯片會更加受到車企的青睞，這也給正在起步發展的本土廠商提供了機會。

在芯片企業緊密推出的這些產品中，大家往往只關注算力數據。可事實上，在開發量產車型的過程中，除算力外，主機廠還會綜合考量自動駕駛芯片的能效比、算法效率、軟硬件適配性、處理器架構、IP配置和開發難度等方面，以對標車型的價格與定位。

汽車芯片國家標準發布

國產汽車芯片有望大升級

工信部辦公廳近日編制印發《國家汽車芯片標準體系建設指南》明確，基于汽車芯片技術結構及應用場景需求搭建標準體系架構，以汽車技術邏輯結構為基礎，提出標準體系建設的總體架構、內容及標準重點建設方向，以充分發揮標準在汽車芯片產業發展中的引導和規范作用，為打造可持續發展的汽車芯片產業生態提供支撐。

根據我國汽車芯片技術現狀、產業應用需要及未來發展趨勢，指南提出，分階段建立健全我國汽車芯片標準體系的目標。到2025年，制定30項以上汽車芯片重點標準，明確環境及可靠性、電磁兼容、功能安全及信息安全等基礎性要求，制定控制、計算、存儲、功率及通信芯片等重點產品與應用技術規范，形成整車及關鍵系統匹配試驗方法，滿足汽車芯片產品安全、可靠應用和試點示范的基本需要。到2030年，制定70項以上汽車芯片相關標準，進一步完善基礎通用、產品與技術應用及匹配試驗的通用性要求，實現對于前瞻性、融合性汽車芯片技術與產品研發的有效支撐，基本完成對汽車芯片典型應用場景及其試驗方法的全覆蓋，滿足構建安全、開放和可持續汽車芯片產業生態的需要。

指南以“汽車芯片應用場景”為出發點和立足點，包括動力系統、底盤系統、車身系統、座艙系統及智駕1系統五個方面，向上延伸形成基于應用場景需求的汽車芯片各項技術規范及試驗方法。在標準內容方面，分為基礎通用、產品與技術應用和匹配試驗三類標準。其中，基礎通用類標準主要涉及汽車芯片的共性要求;產品與技術應用類標準基于汽車芯片產品的基本功能劃分為多個部分，并根據技術和產品的成熟度、發展趨勢制定相應標準;匹配試驗類標準包含系統和整車兩個層級的汽車芯片匹配試驗驗證要求。三類標準共同實現不同應用場景下汽車關鍵芯片從器件—模塊—系統—2整車的技術標準全覆蓋。

工信部表示，芯片是汽車電子系統的核心元器件，是汽車產業實現轉型升級的重要基礎。與消費類及工業類芯片相比，汽車芯片的應用場景更為特殊，對環境適應性、可靠性和安全性的要求更為嚴苛，需要充分考慮芯片在汽車上應用的實際需求，有效開展汽車芯片標準化工作，更好滿足汽車技術和產業發展需要。