一颗芯片统治一切，英伟达发布Thor雷神，淘汰Atlan

            
            Thor将于2025年投入生产，极氪是第一个尝鲜的车企。
            作者 | 章涟漪
            自动驾驶在英伟达商业版图中的地位愈发重要。
            北京时间9月20日晚间，GTC秋季大会主题演讲中，英伟达创始人黄仁勋在介绍每项技术、产品时，几乎都会带上自动驾驶，而到了专属自动驾驶的环节，更是把场面推向了高潮——
            他宣布：“Atlan不再是第一了……它将被Thor（雷神）取代”。后者的吞吐量是Atlan的两倍，交付性能也是Atlan的两倍以上。
            Atlan于2021年的GTC大会上发布，单颗算力达到1000TOPS。按照英伟达原本规划，Atlan将于2023年向开发者提供样品，并于2025年大规模量产上车。
            如今来看，DRIVE Thor显然要取代Atlan，成为DRIVE Orin的后续产品，于2025年投入生产。目前Orin正在生产中，可提供254 TOPS算力。
            这也意味着，Atlan还未上市就面临自我淘汰，英伟达不亏是芯片领域的“卷王”。
            01
            Thor战力值拉满，算力达2000 TOPS
            早在2015年，英伟达即推出了NVIDIA Drive系列平台，赋能自动驾驶生态。并在CES 2015上推出了基于英伟达Maxwell GPU架构的第一代平台：搭载1颗Tegra X1的DRIVE CX，主要面向数字座舱；以及搭载2颗Tegra X1的DRIVE PX，主要面向自动驾驶。
            此后几乎每年英伟达都要更新一至两次Drive平台，每隔两年发布一款车规级SoC芯片，且不断拉升算力水平。
            2020年，Xavier芯片算力为30 TOPS，2022年量产上车的Orin算力一跃至254 TOPS。
            而Thor，则直接将战力值拉满：这颗SoC芯片内部拥有770亿个晶体管，以此可实现2000 TOPS的AI算力，或者是2000 TFLOPs。
            

            
            Δ 英伟达自动驾驶芯片参数不断提升
            凭借强大的性能参数，Thor已经不仅局限于“小小的”自动驾驶芯片，而是明确表示：为汽车的中央计算架构而生。
            “Grace（CPU）、Hopper（处理Transformer模型引擎）和Ada Lovelace（GPU）。”黄仁勋称，Thor性能指标的实现，主要依靠这三个因素。
            在黄仁勋看来，Hopper架构的transformer深度神经网络引擎，以及vision transformer的快速变革都至关重要，必须纳入到下一代的机器人处理器，而Ada中多实例GPU的发明，将有助于车载计算资源的集中化，可将成本降低数百美元。
            Grace则拥有非常出色的单线程性能。据悉，英伟达首款数据中心CPU Grace是以美国海军少将、计算机编程先驱Grace Hopper的名字命名。它是一款高度专用型处理器，主要面向大型数据密集型HPC和AI应用。
            黄仁勋称，以往，所有的并行处理算法都由GPU卸载和加速，因此其余的工作负载往往受到单线程限制，而Grace可以弥补。“基于以上的基础，NVIDIA工程师竭力打造了Thor。”
            据介绍，DRIVE Thor是第一个集成推理转换器引擎的AV平台，这是NVIDIA GPU中张量核心的新组件。借助该引擎，DRIVE Thor可以将Transformer深度神经网络的推理性能提高多达9倍，这对于支持与自动驾驶相关的大量复杂Al工作负载至关重要。
            

            
            Δ 英伟达Thor拥有强大性能
            DRIVE Thor的另一个优势是其8位浮点（FP8)）功能。通常，当从32位FP数据转换为8位整数格式时，开发人员会失去神经网络的准确性。DRIVE Thor具有2000 teraflops 的FP8精度，允许在不牺牲精度的情况下过渡到8位。
            吉利旗下的汽车制造商ZEEKR宣布将在其集中式车载计算机上集成DRIVE Thor，用于下一代智能电动汽车，将于2025年初开始生产。
            目前，ZEEKR旗下车型极氪001采用的是Mobileye EyeQ5芯片，它也是全球首发 Mobileye EyeQ5的车型。
            02
            可被配置为多种模式，Thor想要统治一切
            Thor的诞生，不仅是对算力、性能的提升，黄仁勋还希望颠覆现有智能汽车芯片架构。
            当下，汽车的停车、主动安全、驾驶员监控、摄像头镜像、集群和信息娱乐均由不同的计算设备控制。黄仁勋称，在未来，上述功能将不再由单独的计算设备控制，而是由在Thor上运行的，并随时间推移不断改进的软件所提供。
            这意味着，Thor可被配置为多种模式，可以将其2000TOPS和2000 TFLOPs全部用于自动驾驶工作流；也可以将其配置为将一部分用于驾驶舱AI和信息娱乐，一部分用于辅助驾驶。
            “Thor的多计算域隔离允许并发的、对时间敏感的多进程无中断运行，你可以再一台计算机上同时运行Linux、QNX和Android。”黄仁勋称，Thor集中了众多计算资源，不仅降低了成本和功耗，同时还实现了功能的飞跃。
            

            
            Δ 英伟达Thor可被配置为多种模式
            用一颗大算力芯片解决所有问题，不止是英伟达独有念头。此前地平线创始人余凯也曾表示，征程5发布后，未来智能驾驶和智能交互会合在一个芯片上计算。
            不过，有观点认为，这并不是一件容易的事。智能座舱和智能驾驶架构是两套完全不同的体系，诉求也完全不同。
            对于智能座舱架构来说，其上层软件（底层软件是芯片厂商或第三方来负责），如安卓、黑莓，或者苹果、特斯拉诉求是开放、开源、迭代快，甚至底层代码都向开发者打开，这样才能够吸引更多的软件开发者。
            而ADAS逻辑诉求正好相反，它需要足够闭合。ADAS的逻辑思路非常简单，主要是加速、减速、直行、拐弯等指令。需要足够闭合以保证谁都进不来，确保高度安全。
            与此同时，智能座舱和智能驾驶对芯片算力本身需求也是不同的。前者只需要考虑CPU算力和散热，后者指标诉求要复杂的多，要看CPU、GPU和NPU。
            发展方向不同、考核指标不同，导致尽管有一些车企考虑跨域融合，但目前大多数车企下两代产品依然选择两个架构、两个芯片。
            不过，如果Thor真的能做到“物美价廉”，一颗芯片统治一切并非不可能。
            03
            打造端到端平台，大幅提升仿真能力
            “构建机器人计算设备需要两类计算资源。”黄仁勋进一步介绍称，一类是位于数据中心的AI工厂，主要用于数据处理、训练AI模型、数字孪生模拟以及绘制世界地图；另一类是汽车内的AI计算设备，通过处理传感器数据以感知环境，躲避障碍物，以及驾驶汽车前往目的地。
            NVIDIA DRIVE是一个面向自动驾驶汽车开发和部署的端到端的平台。在开发方面，DRIVE包括Replicator合成数据生成、NVIDIA AI基础设施、DRIVE Sim和DRIVE Map；在部署方面，DRIVE包括全栈驾驶和车内AI应用、AI计算机和Hyperion自动驾驶汽车参考架构。
            随后，黄仁勋展示了NVIDIA DRIVE平台上的新功能：由NVIDIA研究部门推出的名为Neural Reconstruction Engine的AI工作流，现在已经成为DRIVE Sim的一项主要功能。
            

            
            Δ NVIDIA DRIVE平台
            “创建模拟场景耗时费力，而且难以扩展。因此，英伟达的研究人员开发了一个AI工作流，可根据记录的传感器数据构建3D场景。”其介绍称，在将3D场景导入到DRIVE Sim后，可通过人工创建的内容或AI生成的内容对其进行增强。这个视频到3D几何图形的工作流，可以在NVIDIA OVX系统上运行，使英伟达能够在全球范围内创建模拟场景。
            “从最开始到车队运营，DRIVE Sim在构建驾驶系统方面发挥了至关重要的作用，它是CI/CD持续集成/持续部署过程中不可或缺的一部分。”黄仁勋称，DRIVE Sim的其中一项重要功能是硬件在环，这意味着允许在AI工厂中运行整个车载软件栈。
            AI车载计算机并不知道它实际上是在模拟环境中，既不在车内，也不在道路上行驶。支持硬件在环的DRIVE Sim还可以模拟车内环境。
            未来的汽车不仅会有简单的仪表板，还有将数字设计和物理设计相结合的环绕显示屏。汽车设计师、软件工程师和电子工程师可以在DRIVE Sim中开展协作。同时运行所有的实际计算机和软件栈。据称，DRIVE Sim将成为他们的虚拟设计工作室。
            “我们正在扩展NVIDIA DRIVE Sim平台，凭借完整的硬件在环支持，创建汽车内部的数字孪生。NVIDIA Omniverse平台将这一切融合在一起。设计师和工程师可以并肩工作，在造就真正的汽车之前完美集成物理设计与数字接口。”
            DRIVE Sim基于Omniverse构建，将加速新型AI驾驶舱和车载信息娱乐系统的开发，并通过在未来汽车的数字孪生中测试这些系统来提高可用性。
                                    Δ 英伟达展示仿真成果
            Omniverse是NVIDIA提出的虚拟世界仿真引擎。根据此前介绍，Omniverse的世界在物理上是精确的，遵循物理学定律，可以在宏大的尺度上运行，可复制，能将设计师与观众， AI与机器人联系到一起。
            正如Tensorflow以及Pytorch是当前AI软件中不可或缺的计算框架，NVIDIA希望将Omniverse打造成为机器人时代的至关重要的一环，迎来AI的下一波浪潮。
            此次活动中，英伟达也宣布推出Omniverse云服务，用于构建和操作工业元宇宙应用程序。
            04
            汽车和机器人业务正成为英伟达新增长引擎
            “安全是机器人开发的重中之重。”在自动驾驶环节最后，黄仁勋表示，构建机器人系统需要组建两个计算机系统，数据中心的AI工厂和车载AI计算机。从数据中心到汽车内部，英伟达的系统全面采用了安全架构、设计和方法。
            截止目前，英伟达在安全系统和流程方面，研发已经投入1.5万人工年，对500万行代码进行安全评估。“我们致力于采用端到端安全方法，并将其从AI工厂扩展至车队。
            重投入背后，是出于对未来市场的判断。
            美东时间8月24日盘后，英伟达正式发布截至2022年7月31日的 2Q23 财报。与两周前英伟达公布的财务预警信息一致，营收、毛利、净利均大幅下滑。而汽车和机器人业务二季度收入为2.2亿美元，同比增长45%，成为少有亮色。
            彼时，黄仁勋再次重申，“汽车正在成为一个科技行业，并有望成为我们下一个价值10亿美元的业务。”
            显然，汽车和机器人业务，与数据中心业务一样，正成为英伟达的新增长引擎。而随着英伟达在自动驾驶芯片领域的持续耕耘，其已经取得了阶段较量的胜利，截止目前，Orin已经被40多家汽车、卡车、无人驾驶出租车和穿梭巴士的制造公司选择使用。
            至于英伟达能否笑到最后，Thor登场后或许给出答案。