1月8日，英伟达宣布理想汽车已选择NVIDIA DRIVE Thor 中央车载计算机，用于下一款车型。

同时，英伟达还表示已与长城汽车、极氪和小米合作，这几家厂商已采用 NVIDIA DRIVE Orin 平台为其智能自动驾驶系统提供动力。

英伟达表示， NVIDIA DRIVE Orin已经成为当前智能汽车首选 AI 汽车计算机。此外，汽车制造商越来越多地寻求其后继产品 NVIDIA DRIVE Thor 的先进功能和 AI 性能来制定未来的车辆路线图。

据悉，理想汽车目前使用两个 DRIVE Orin 处理器为其 L 系列车型的辅助驾驶系统 AD Max 提供动力。新的 AD Max 3.0 升级将系统过渡到以 AI 大模型为主的端到端算法架构。

长城汽车将基于 DRIVE Orin 集中计算平台打造自主研发的高端智能驾驶系统 Coffee Pilot。Coffee Pilot 可以支持泊车、高速和城市场景，实现全场景智能导航和辅助驾驶功能，无需高精度地图。

小米汽车已经宣布推出首款电动汽车 SU7，该车基于双 DRIVE Orin 配置打造，可实现高速公路辅助驾驶功能。


被英伟达“垄断”算力的自动驾驶时代

在当前这场以大模型为基础的AI战局里，参赛者众多。海外有OpenAI、微软、谷歌，国内百度、阿里、华为、商汤等大厂也纷纷加入。而藏在战局里的GPU巨头英伟达，则掌握着“算力”命门，成为了这场“战争”中的最大受益者。

同样，在自动驾驶行业，在车载高端芯片市场，全球最大的智能计算平台公司，也是高端自动驾驶芯片供应商的英伟达基本也是一枝独秀。

2015年，英伟达在独立显卡领域大获成功后，开始进入车载计算平台领域，并推出了初代自动驾驶计算平台DRIVE PX和Tegra系列车载芯片，为自动驾驶系统提供计算能力。也在那时，英伟达与特斯拉联手，特斯拉Model S和X所搭载的Autopilot 1.0系统就是采用1颗英伟达Tegra3芯片（算力仅有1TOPS）＋一颗Mobileye EyeQ3芯片。

仅仅时隔一年，英伟达便发布了DRIVE PX二代平台。特斯拉Autopilot 2.0系统则采用了算力升级达到3TOPS的英伟达Parker芯片，而后续的Autopilot 2.5系统则采用的是2颗英伟达Parker芯片。得益于硬件的升级、算力的提升，特斯拉给车主们来了一次“充满惊喜”的软件推送。

时间来到2022，英伟达DRIVE Orin系列芯片正式量产并开启交付，台积电7nm工艺，算力最高的Orin-X达到了单片254 TOPS。另外，在深度学习加速、内存和通讯、CPU性能等指标上，相比上代都有着翻倍提升，并在目前的市场上没有任何对手，因此也成为了想布局高阶智驾功能的车企哄抢的对象。以至于搭载英伟达Orin-X，都成为了车企在智能驾驶方面的重要宣传卖点。至此为止，英伟达真正大规模布局了智能驾驶的算力战场，在这个依靠ai模型的高端行业里，英伟达保住了其先发优势，并利用一次次的技术革新实现了市场垄断。

在orin时代过后，英伟达并没有就此停下脚步。在2022年秋季举办的英伟达开发者大会(GTC)上，英伟达CEO黄仁勋发布了新一代自动驾驶计算芯片DRIVE Thor，单颗算力高达史无前例的2000 TOPS。作为类比，是特斯拉FSD芯片算力的14倍。其实在发布会半年前，黄仁勋才刚宣布彼时算力最强的自动驾驶芯片Atlan（算力1000TOPS），此次更是直接拿出了领先一代的产品DRIVE Thor，并且确认2025年量产上车。当其他厂商还是追赶Orin性能的时候，英伟达已经准备用下一代产品降维打击。

DRIVE Thor的出现彻底颠覆了目前的自动驾驶行业市场，其展现出的重要指标，既是同行不具备，也是未来自动驾驶技术的发展方向。最重要肯定是超高集成度，目前业内基本都认为未来的电子电气架构一定是集中式的，即一个“大脑”控制汽车所有功能，而超高集成化的芯片，英伟达已经实现了。DRIVE Thor集成了一辆智能汽车上所需的一切AI功能的计算需求，包括高阶自动驾驶、车载操作系统、智能座舱、自主泊车等等。2000TOPS算力资源，主机厂可以在各种不同AI任务间随意分配，还可以构建自己的软件模式，英伟达也提供相关开发工具，这也让其他芯片企业失去了直接替代的机会。一颗芯片解决所有，以DRIVE Orin单片400美金来看，DRIVE Thor也不可能便宜，但肯定比采购一堆芯片划算。


国产芯片要「上位」先过这六关

据了解，国内芯片厂商中，目前2015年成立的地平线和2016年成立的黑芝麻均已推出可实现L2——L4级别自动驾驶的单芯片，芯驰也将在今年将其V9系列自动驾驶芯片产品的覆盖范围扩至L4/L5级。芯驰方面透露，L2级智能驾驶仍是目前车企和市场最关注、落地最多的功能。

对于高级别的智能驾驶系统而言，传感器数量的增加及分辨率的提升，带来海量数据的处理需求，算法模型的复杂程度亦大幅提升。在E/E架构集中化趋势下，智能汽车的计算能力将主要由少数的几个域控制器或是中央计算平台来实现，这也对单颗车载芯片算力提出了更高的要求。

根据地平线数据披露，自动驾驶等级每增加一级，所需芯片算力就会呈现数十倍的上升。其中，L2级自动驾驶的算力需求为2-2.5TOPS，L3级自动驾驶算力则需达到20-30TOPS，到L4级需要200TOPS以上，L5级别算力需求更是超过2000TOPS。

不过，大算力也意味着更高的成本，因此，实际上中等算力的自动驾驶SoC芯片会更加受到车企的青睐，这也给正在起步发展的本土厂商提供了机会。

在芯片企业紧密推出的这些产品中，大家往往只关注算力数据。可事实上，在开发量产车型的过程中，除算力外，主机厂还会综合考量自动驾驶芯片的能效比、算法效率、软硬件适配性、处理器架构、IP配置和开发难度等方面，以对标车型的价格与定位。

汽车芯片国家标准发布

国产汽车芯片有望大升级

工信部办公厅近日编制印发《国家汽车芯片标准体系建设指南》明确，基于汽车芯片技术结构及应用场景需求搭建标准体系架构，以汽车技术逻辑结构为基础，提出标准体系建设的总体架构、内容及标准重点建设方向，以充分发挥标准在汽车芯片产业发展中的引导和规范作用，为打造可持续发展的汽车芯片产业生态提供支撑。

根据我国汽车芯片技术现状、产业应用需要及未来发展趋势，指南提出，分阶段建立健全我国汽车芯片标准体系的目标。到2025年，制定30项以上汽车芯片重点标准，明确环境及可靠性、电磁兼容、功能安全及信息安全等基础性要求，制定控制、计算、存储、功率及通信芯片等重点产品与应用技术规范，形成整车及关键系统匹配试验方法，满足汽车芯片产品安全、可靠应用和试点示范的基本需要。到2030年，制定70项以上汽车芯片相关标准，进一步完善基础通用、产品与技术应用及匹配试验的通用性要求，实现对于前瞻性、融合性汽车芯片技术与产品研发的有效支撑，基本完成对汽车芯片典型应用场景及其试验方法的全覆盖，满足构建安全、开放和可持续汽车芯片产业生态的需要。

指南以“汽车芯片应用场景”为出发点和立足点，包括动力系统、底盘系统、车身系统、座舱系统及智驾1系统五个方面，向上延伸形成基于应用场景需求的汽车芯片各项技术规范及试验方法。在标准内容方面，分为基础通用、产品与技术应用和匹配试验三类标准。其中，基础通用类标准主要涉及汽车芯片的共性要求;产品与技术应用类标准基于汽车芯片产品的基本功能划分为多个部分，并根据技术和产品的成熟度、发展趋势制定相应标准;匹配试验类标准包含系统和整车两个层级的汽车芯片匹配试验验证要求。三类标准共同实现不同应用场景下汽车关键芯片从器件—模块—系统—2整车的技术标准全覆盖。

工信部表示，芯片是汽车电子系统的核心元器件，是汽车产业实现转型升级的重要基础。与消费类及工业类芯片相比，汽车芯片的应用场景更为特殊，对环境适应性、可靠性和安全性的要求更为严苛，需要充分考虑芯片在汽车上应用的实际需求，有效开展汽车芯片标准化工作，更好满足汽车技术和产业发展需要。