详解特斯拉FSD-Autopilot之自动驾驶体系 6.车端算力

（六）车端算力

一、HW1.0

2014年发布HW1.0–基于Mobileye芯片的第一代驾驶辅助硬件。

它使用了：

单个EQ3系列摄像头；

单个毫米波雷达；

和12个中程超声波传感器。

毫米波雷达是由博世提供，摄像头布置于后视镜附近，硬件选型都是基于市场上成熟的供应商产品。

在HW1.0阶段，特斯拉的主要方案是多传感器融合+应用层软件开发。

二、HW2.0

2016年发布HW2.0–特斯拉设计的第二代驾驶辅助硬件。

传感器数量大幅提升：

使用8个摄像头；

12个远程超声波传感器；

和一个前置毫米波雷达。

这套传感器配置为特斯拉FSD功能打下良好的基础。

现在回看，当时的特斯拉传感器布局极具前瞻性。

特斯拉基于英伟达Drive PX2开发一个全新的驾驶辅助硬件；

MCU芯片采用英飞凌TriCore系列产品；

毫米波雷达仍然是博世产品，该驾驶辅助硬件安装于手套箱下方。

这个阶段特斯拉，掌握图像识别算法+多传感器融合+应用层软件开发。

HW2.5–这是对HW2.0的一个小版本更新，主要用于冗余和略微提高的可靠性。

此版本还新增两个功能：行车记录仪和带有本地保存视频的哨兵模式。

还有一个变化点是毫米波雷达的供应商从博世变成大陆，大陆的毫米波雷达也不逊色于博世。

三、HW3.0

2019年发布HW3.0–特斯拉驾驶辅助硬件的重大革新。

首次采用自研的自动驾驶芯片，抛弃英飞凌/英伟达的产品。

自研高度集成的SoC+MCU芯片。

特斯拉具备全套芯片设计+图像识别算法+多传感器融合+应用层软件开发。

值得一提的是，早在2021年5月，特斯拉就开始向纯视觉方案过渡。

随后于2022年10月，特斯拉官方发布关于新车硬件配置的更新说明：将采用纯视觉系统（Tesla Vision）取代超声波传感器（USS）。

不过，对于这样的技术迭代，卡内基梅隆大学电气和计算机工程教授拉杰·拉吉库马（Raj Rajkumar）曾表示，“此举究竟是前进还是倒退，还有待观察。”

四、HW4.0

2023年发布HW4.0，注意：此时传感器不再是8颗摄像头的纯视觉方案 ，而是增加了一颗超声波雷达！

同时宣布，HW5.0也已在路上！估计2025年发布！

下图是HW3.0的CPU架构，为3集群的12核，每个核core是ARM的Cortex-A72。

ARM提升性能最有效的做法：

一是增加IPC解码宽度；

二就是增加缓存Cache容量；

三是提高核心运行频率。

HW4使用了基于三星Exynos IP的内核，就是基于IPC的解码宽度！

X3运行频率高达3.36GHz，而M5很难超过2.5GHz。估计特斯拉魔改了M5，成为一个类X3的超大核！

特斯拉HW4.0的5集群20核，可能用12核或16核自研类X3架构；

搭配8核或4核Cortex-A72，A72的运行频率比较低，最低1.37GHz，典型运行频率估计是1.5GHz。

特斯拉的HW4.0 CPU的20核（混搭类X3与A72）比12核A78的英伟达Drive Orin估计要强15-30%！

下图HW3 .0的GPU部分，1个工作频率为2GHz的Mali G71 MP12 GPU；2个工作频率为2GHz的NPU。

HW4.0 FSD芯片可能也会像三星Exynos 990一样有一个MALI G77内核的GPU，算力估计有1GFLOPS。

图像传感器从

安森美的AR0136AT；

改为索尼的IMX490 ；

NPU：按照特斯拉爆料大神Greentheonly的说法，HW4 FSD芯片是3个NPU，这个NPU应该类似亚马逊Inferentia里的Neuron核心。

一般来说，核心都是对称平行出现，也就是只可能是偶数，不大可能是3个。

应该是特斯拉添加了一个CPU！

两个NPU还是和初代FSD芯片一样，拥有96*96=9216个MAC阵列，算力就很好计算了，9216个阵列。

一个MAC包含两个operation，因此就是：

9216*2*2.2=40.55TOPS；

两个就是81TOPS，两片FSD就是162TOPS的AI算力。

添加一个CPU主要是应对Transformer，特斯拉有这方面的技术积累，Dojo的CPU架构完全可以再用一次。

再有就是订制的CPU可以使用自定义的RISC-V指令集而非通常的ARM指令集，这样效率更高。

至于算力，这只是个数字游戏，单看芯片的算力毫无意义。

因为AI算力的瓶颈在内存，内存的吞吐量或者说带宽远低于AI处理器的运算速度。

AI处理器的速度再快，算力再高，90%的时间都是在等内存搬运数据。

另一个瓶颈就是CPU，AI处理器是个协处理器，需要HOST主机做任务分配和调度，这个HOST一般就是CPU，CPU要足够强，才能发挥AI处理器的全部潜力。

服务器芯片领域都是用HBM解决内存瓶颈，但汽车领域不行，汽车领域对价格非常敏感，上万美元的芯片不可能出现在量产车上。

汽车领域最多也就是GDDR6。

CNN时代，外置CPU足以配合好AI处理器；

Transformer时代最好内置CPU，这是绝大多数AI芯片不具备的能力。

Tesla的SoC设计中，除了自研的Neural Network Processor部分之外，其它都是用业界标准IP，并没做太多定制工作，只能说中规中矩。