汽車專用芯片還能解決不少其他實際問題。其中有些是測試和開發能用到的。現在自動駕駛行業的目標之一，就是將測試車上的各種大型設備縮小。這樣就不會影響整車的美觀度和整體性，需要升級時拆卸還非常方便。此外，新型芯片產生的熱量更小，只用一個小型風扇就能冷卻，封裝起來也不占地方。

編者按：對匹茲堡本地人來說，在路上偶遇 Uber、Argo AI 或其他公司的自動駕駛汽車已經不是什么新鮮事了。

這座鋼鐵之城其實上世紀 80 年代末就開始與自動駕駛汽車結緣，如果你當時在卡耐基梅隆大學上學，肯定會在校園里見到一輛非常奇怪的車。

這輛亮藍色的雪佛蘭小貨車行駛速度非常緩慢，以汽車的標準來說，它簡直就像在校園里蠕動，還沒趕去上課的學生跑得快。不過，負責這個項目的 NavLab 1 還是撕開了自動駕駛紀元的一個角，雖然它的腳步并不快。

傳奇的亮藍色小貨車

為什么卡耐基梅隆機器人研究所的研究人員要用一輛小貨車進行測試，而不是更省油的豐田普銳斯？

原因很簡單，因為豐田十年后才開始制造混動車。

其次，NavLab 開發自動駕駛汽車的那個時代，計算機的計算能力有限，它們需要足夠的空間來攜帶各種計算和顯示設備，四名工程師與他們的工作臺。

最關鍵的是，車上的超級電腦、攝像頭、巨大的雷達掃描儀和空調都是耗電大戶，為了滿足它們的胃口，這輛小貨車里還塞進了一個用于發電的四缸柴油機。

30 年后，各家公司繼承了卡耐基梅隆的衣缽，它們正在將自動駕駛汽車變成現實。不過，這條道路上除了監管、責任、安全、商業模式和量產問題外，各家公司還不能忘了自動駕駛汽車的能耗問題，它們一個個可都是“電老虎”。

現在的自動駕駛汽車肯定不用再安裝一個專門發電的引擎，但要驅動車上的傳感器和耗能巨大的超級計算機，依然要消耗大量電能。未來，這個問題會逐步發酵，成為自動駕駛汽車前進道路上的絆腳石。

車內堆滿了各種設備

眼下，那些能在市場上買到的量產車，雖然只搭載了攝像頭和雷達，但照樣能每半分鐘就生成 6GB 的海量數據，而配備激光雷達的自動駕駛汽車，生成的數據更是會幾何級增長。

據了解，計算機需要對所有數據進行整合、分類，并將它們轉換成電腦看得懂的圖片。這個過程會耗費巨大的計算性能，也就意味著需要充足的電力供給。現在的測試車一般能耗高達 2500 瓦（2.5 度電），這么多的電足以點亮 40 個白熾燈。

“將這樣一套系統塞進傳統的內燃機車根本行不通，因為車輛油耗會大幅上揚。”奔馳公司戰略副主席 Wilko Stark 解釋。如果換成電動車，則意味著續航里程的下降，因為計算機會和電動機搶著用電。

起初，各家公司可能會選擇無視電動車續航里程下降或內燃機車油耗上升。“在早期應用中這確實不算個問題，因為我們的主要目標是讓自動駕駛汽車正常運行。”前谷歌無人車負責人 Chris Urmson 解釋。離開谷歌后，Urmson 創立了 Aurora 公司，這家公司現在已經是大眾、現代和中國新創公司拜騰的合作伙伴。

此外，Urmson 還指出，第一批自動駕駛汽車肯定是部署在城市里的電動穿梭車，它們速度較低，且有條件進行頻繁充電。

碰上好時代的新新人類，他們肯定沒體驗過父輩們開車時為了省油關掉空調的痛苦經歷，如果我們進入電動車時代，是不是也要關掉自動駕駛功能來保證自己能順利到達目的地呢？

好消息是，為自動駕駛汽車的“大腦”打造芯片的人一直關注著這一問題。

在上個月的 CES 上，英偉達就發布了專為自動駕駛汽車搭載的 Xavier 平臺，它擁有一個 8 核心 CPU，GPU 核心數則達到了 512 個。此外，這個平臺還有配備有深度學習加速器、計算視覺加速器和 8K 視頻處理器。

英偉達表示，這是它開發過最復雜的 SoC。“我們將能媲美數據中心的計算能力帶到了車上。”英偉達汽車業務負責人 Danny Shapiro 說。不過，如此強悍的能力背后卻是功耗的降低。“Xavier 每秒能進行 30 萬億次（TOPS）的運算，但功耗僅為 30 瓦。”

對于全自動駕駛汽車來說，這個性能數據還是不夠亮眼，但英偉達其實早有準備： Pegasus 平臺。這一平臺用了兩塊 Xavier 芯片且另外加了兩塊 GPU，其計算能力可達 320 TOPS，功耗則為 500 瓦，完全可以接受。

英偉達的對手們也在追逐同樣的目標，包括英特爾、特斯拉、高通等公司都在開發自動駕駛芯片，而低功耗是一項重要指標。

汽車專用芯片還能解決不少其他實際問題。如果你看過現有自動駕駛測試車的后備箱，肯定會發現這里堆了各種計算設備。

其中有些是測試和開發能用到的，因為設計師想拿到每一份可以使用的數據。不過，未來正式上市銷售的版本需要的硬件就少得多。