自动驾驶面临“算力”瓶颈，商业化落地或需再等三年

高飞昌 自动驾驶、智慧出行已被公认是汽车出行产业的未来方向之一。随着智能网联汽车越发普及、自动驾驶技术日新月异，整车企业、软件技术公司、芯片公司等众多产业链参与者普遍认为，“软件定义汽车”已不再是一个空泛的概念，而是事实。

在近日由知名AI信息平台机器之心创建的专注于智慧出行行业的平台Auto Byte举办的“首席智行官大会”上，来自多家产业链公司的高管再度表达了软件定义汽车的意思，并提出“软件定义汽车，硬件定义软件天花板”的说法。这其中的要点在于，厘清了技术与硬件是共存而非替代的关系，且指出了由这两者共同决定的“算力”，是现阶段从低级别自动驾驶向高级别自动驾驶跨越的一个尤为关键的因素。

就在五六年前，整个汽车产业还没有成熟的能被称为自动驾驶的汽车。部分车型仅仅是搭载了一些用来驾驶辅助的功能，如自动巡航、车道保持、车道偏离预警等功能，智能汽车整体处于自动驾驶等级划分中的L1、L2的水平。而几年过后，由整车企业推出的号称“自动驾驶汽车”的产品已经铺天盖地，L2已是标配，L3、L4级别的汽车也已经出现。与此同时，一大批造车新势力、自动驾驶技术公司、芯片公司应运而生，它们成为推动自动驾驶发展的主力军。参与本次“首席智行官大会”的嘉宾代表即主要来自产业链中的各大头部企业。

作为整车企业的代表之一，集度汽车CEO夏一平在大会上表示，此前车规级芯片的算力长期低于消费级芯片，导致AI技术无法在汽车上发挥优势，但智能汽车3.0时代可以赋予汽车足够的算力，逐渐将其从运输工具变成由AI驱动的智能移动空间，进而带来技术的革新、效率的提升和体验的颠覆。他判断，2023年将会是汽车智能化竞争的元年，真正汽车3.0时代已经到来。

作为自动驾驶技术公司的代表之一，毫末智行联合创始人兼CEO顾维灏表示，在自动驾驶领域，测试里程与测试场景是决定自动驾驶系统能力和安全的重要因素。数据智能是自动驾驶AI进化最根本的驱动力，通过对回馈数据进行进一步学习挖掘处理训练得到的更有算法、服务模式OTA到车端，可以给用户带来更好的系统表现。而在这个流程中，成本和速度是最关键的两方面，也是数据智能的思想钢印。

作为来自自动驾驶芯片公司的代表之一，寒武纪行歌执行总裁王平则直言，智能驾驶规模化落地在芯片上面临多重挑战：单片算力不够，因此需要两片甚至多片来实现，但这又导致系统复杂度和功耗明显提高，增加系统成本，使其难以在燃油车或10万元以下的经济型电动车上普及。

他判断，自动驾驶芯片的未来趋势有二，其一是通用开放式，其二是大算力。在L1和L2级自动驾驶时代，因为数据量是相对较少，很多车企可接受芯片和算法强耦合的封闭式的一体化方案，但L3、L4时代数据量激增，算法也更加复杂，需要大算力芯片才能够满足需�