AI和AIGC是当下全世界最为的热门话题，而英伟达凭借其在GPU技术和算力芯片方面的优势，已经成为了AI大厦里面最不可或缺的基石。以至于英伟达在汽车领域，特别是自动驾驶领域的成功都显得得不那么重要了。其实从英伟达的财务报告来看，在自动驾驶领域的投入和收益逐年增长，显示出其在这个领域的战略布局已经取得了初步成效。英伟达通过持续投资研发，推出了一系列具有竞争力的自动驾驶产品，例如DRIVE PX平台、DRIVE Xavier芯片以及DRIVE AGX Orin平台等。这些产品在计算能力、功耗和性能方面具有明显优势，为自动驾驶汽车提供了强大的技术支持。

2022年第四季度英伟达的汽车业务收入达到创纪录的 2.94 亿美元，同比增长 135%，环比增长 17%。而从年收入来看，财年增长 60%，达到创纪录的 9.03 亿美元。

▲图1.英伟达汽车芯片和其他芯片公司的收入对比

(相关资料图)

英伟达自从最初的Tegra系列处理器到现在的DRIVE AGX Orin平台，一直在不断升级和推出新的产品。2015年，他们推出了DRIVE PX平台，接着在2016年发布了升级版DRIVE PX 2平台。为了更好地支持自动驾驶汽车，英伟达在2018年推出了DRIVE Xavier芯片，这成为了DRIVE AGX系列平台的核心。目前最新的DRIVE AGX Orin平台在2019年发布，它拥有250TOPS的算力，成为了全球车企特别是新势力车企实现自动驾驶汽车的标准答案。

不过，从Atlan到Thor这些计划新产品，有点只依赖于靠着计算算力的堆叠，大力出奇迹的意思。

▲图2. 英伟达的产品布局

Part 1、英伟达的核心路径

在对核心技术的选择发展路径中，英伟达和特斯拉的合作关系至关重要。特斯拉选择了英伟达作为其在座舱领域的处理器供应商。这一合作始于2015年，当时特斯拉因与Mobileye的合作矛盾而迅速切换到英伟达作为自动驾驶技术的合作伙伴。英伟达通过其GPU技术提供的人工智能处理器，为特斯拉的Autopilot HW2系列自动驾驶系统提供了强大的计算能力，加速了特斯拉自动驾驶技术的发展和升级。

▲图3. 特斯拉和英伟达的合作

当时的设计架构在今天看来仍然非常先进：

●HW2.0

特斯拉基于 Nvidia 的 Drive PX2 系统开发了一个全新的自动辅助驾驶处理器模块，该模块采用了一个NVIDIA Parker SoC、一个NVIDIA Pascal GPU和一个Infineon TriCore CPU。

●HW2.5

随后，特斯拉对HW2.0进行了小幅更新，设计了HW2.5。HW2.5考虑了冗余和略微提高的可靠性。从芯片角度来看，它主要包括2颗Nvidia Parker SoC， 1颗 Nvidia Pascal GPU和 1颗Infineon TriCore CPU。

▲图4. HW2和HW2.5的系统设计

然而，这段合作在2018年宣告结束，主要原因是双方在计算和软件方面存在差异。由于特斯拉CEO Elon Musk的强势，公司也逐步开始自主研发自己的自动驾驶计算芯片。虽然特斯拉退出了和英伟达的合作，但这一举动却吸引了全球众多汽车企业的注意，包括奥迪、福特、奔驰、沃尔沃和BMW等。中国的新势力车企更是十分青睐英伟达，以至于比亚迪也决定在2023年全面与英伟达在自动驾驶领域展开合作。这种趋势充分展示了自动辅助驾驶技术在未来的重要性，同时也彰显了英伟达在GPU技术和算力芯片方面的核心竞争力。

Part 2、什么成就了英伟达的不可或缺

英伟达的产品战略非常直截了当：当前所有车企现在都在讨论未来的智能汽车，并采用集中式的电子电气架构；因此，智能汽车的核心就是计算平台（芯片），它可以控制汽车的所有核心功能。英伟达提供最高级别的芯片，只需要选择一两颗，DRIVE Thor就可以集成所需的AI功能的计算需求（主要围绕图像处理），包括高阶自动驾驶、车载操作系统、智能座舱（仪表和娱乐系统）、自主泊车等等。整车企业可以利用2000TOPS的算力资源来构建自己的软件模式，并通过英伟达提供的相关开发工具在各种不同任务间随意分配。DRIVE Thor可以承担所有新增软件需求，这是他们的策略——让其他芯片企业失去直接替代的机会。

随着人工智能的全面繁荣甚至过热，中国的车企现在担心的问题是是否能够获得这些技术。当前高算力芯片市场具有以下三个显著特点：

●开发门槛高：由于芯片制程高、不同领域之间的交叉等因素，高算力芯片的开发门槛极高，需要建立相应的生态系统，头部企业一直在竞争客户。

●阵营化严重：不同企业的芯片开发存在继承性，换用其他芯片服务会产生巨大的沉没成本，这使得汽车企业面临更加困难的选择，Tier 1 厂商只能选择在较小领域进行开发。

●迭代速度快：由于目前智能座舱和自动驾驶软件对大多数消费者购车决策的影响程度尚未独立出来，高算力芯片的迭代速度还在不断加快。

随着大家对AI和自动驾驶技术能力的认知成熟，2023年开始汽车企业推动城市辅助，实现自动驾驶的功能落地需要庞大的计算能力和大量的数据支持。但是，购买自动驾驶服务器芯片并训练，需要投入巨大的资金，这对于大部分中国汽车企业来说是一个巨大的挑战。此外，车企还需要与其他AI企业竞争，这使得现在英伟达的芯片更是“洛阳纸贵”。

小结：

现在这个时间节点，某些企业还存在自动驾驶无用论，这其实是非常危险的。如果车企等到想要跟进时，就可能没有足够的GPU算力来做储备，时代变化太快了。

关键词：