一、【汽车人】车载算力芯片,正值历史转折点

车载算力这一块，高通和英伟达尚未完成驱逐传统芯片大厂的过程。一旦大家都实现算力充分集中，可能全球车载算力需求，都会沦为“双寡头”的盘中餐。

文/《汽车人》黄耀鹏

就像燃油车时代要讲动力一样，智能电动车要讲算力。软件定义汽车的趋势，已经成为共识，软件能力的基础就是算力，而算力来源于算力芯片。

动力的计数单位是马力、扭矩这些指标，而算力则是Tops（每秒进行1012次二进制计算）、Flops（每秒浮点计算次数），日益被业内人士接受和熟知。

对于CPU（中央处理器）、DMIPS（106次算逻运算指令，常用来衡量处理器的整数运算能力），就相对陌生。如果智能座舱比较流畅地运行AR、360全景、流媒体、HUD等，至少要超过20000DMIPS。

其实，广义上的算力芯片，不只是各种PU——CPU、GPU（图形处理器）、NPU（神经网络处理器）、TPU（张量处理器），还包括手机和车载比较流行的SOC（系统级芯片，自动驾驶和智能座舱常用SOC方式搭载）和MCU（微控制单元）。

顺便说一句，SOC既然是系统芯片，往往集成了各种PU（看需求）和动态、静态存储，可以视为一个微型的PC机。

MCU地位下降

虽然MCU用途很广泛，多媒体、音响、导航、悬挂、车窗、雨刷等无所不包，但是现在算力的演化趋势，就是拿走了大部分的控制功能。而MCU用途，正在收窄为核心算力SOC的“协处理器”。

用通俗的语言描述，就是紧挨着大脑的“小跟班”。一方面可以充当安全处理器（冗余决策）；另一方面可以分担一些中央SOC的功能，减轻后者的计算压力，比如管理电池、网关和预处理雷达数据。

从主角变成配角，这个趋势虽然没有普及化，但前景已经比较明确。这让MCU的生产商颇为落寞。恩智浦、英飞凌、瑞萨、德仪，这些传统汽车芯片厂家，本世纪以来都在MCU上赚了大钱。但是市场已经开始接受了新势力的方案，就是将大算力的各种PU作为汽车“大脑”的做法。

现在的趋势是，跨国厂商早就开始研发相应E-E架构，但马上拿出来可能还有困难。趋势是没办法回头的。MCU企业曾经幻想，让车企放弃昂贵的各种PU方案，回到相对传统的架构。

从什么时候这个幻想破灭了呢？这要追溯到2019年，特斯拉推出HW3.0芯片，144Tops的算力轰动业界。一时间，高算力芯片炙手可热。自那以后，只要用了大算力平台（无论是自研还是买的），产品的软件体验（座舱和ADAS）马上能上一个档次。

这就让传统芯片企业的风头，都被英伟达和高通掠走了。始作俑者特斯拉，主动终结Mobileye自动驾驶芯片供货之后，又与英伟达分手，自此一直采用自研芯片（代工方为三星和台积电）。

主流和非主流

现在的市场上，只要是2021和2022年上市的、20万元以上的中国品牌车型，座舱芯片齐刷刷都是8155（准确地说是高通的SA8155P）。2023年高通在智能座舱芯片的市占率高达90%。

自动驾驶算力芯片，竞争对手就稍微多一点，但跑不脱英伟达、地平线这几家。德仪、Mobileye、华为海思也拿到一小部分市场。

2023年上半年的数据，在中国乘用车市场上，具备NCA功能的计算方案市场份额，英伟达独占52.57%，其余为地平线（30.7%）、德仪（8.62%）、Mobileye（4.05%）、华为海思（4.05%）。

有意思的是，座舱芯片除了8155之外，选择其实很多，华为的麒麟710A、恩智浦的i.mx8和6D/Q、联发科的MT2712、德仪的JT6、意法的Accord 7和Accord 5等。但比亚迪似乎剑走偏锋，敢于使用高通的非车规SOC，例如625、665、6350、7325等（手机芯片）。

众所周知，非车规芯片的功能与车规芯片没什么不同，只不过后者的环境适应性要求要苛刻得多。汽车使用非车规芯片，可以缩短开发周期，价格便宜，但可能引起黑屏、宕机等故障。

比亚迪的应对方案是额外配置一颗安全芯片（就是刚才提到的“冗余决策芯片”），以保证主芯片出问题时，能保住核心程序继续运行。这种极致削减成本（开发周期也是成本）的做法，也是其核心竞争力的一部分。

算力巅峰：神仙打架

这样一来，就很清楚了，算力芯片领域，眼下是高通和英伟达“神仙打架”的局面。

值得一提的是，高通是唯一一家没有被限制向中国出售芯片（不止是汽车芯片）的美企。8155能够占有率这么高，有这方面因素。但即便如此，美国的政策翻脸如翻书，国产替代一样充满紧迫性。

高通和英伟达，一直在车载算力芯片上较劲。一方面，比拼算力芯片的巅峰能力；另一方面，都在推出超级算力芯片，统一双智运算，试图把对方的地盘也抢过来。

去年9月，英伟达发布了高达2000Tops算力的THOR，号称“驾舱一体”。意思是，这不是一块纯粹的自动驾驶芯片，而是专为汽车的中央算力架构而生。一块芯片控制所有车载功能，满足所有算力需求。此举无疑顺应了E-E架构由分布式向集中式演进的趋势。

此前发布的254Tops算力的英伟达Orin相形见绌。而且，Thor和Orin一样，都可以叠加多颗使用。当然，史上最强“叠叠乐”，仍是英伟达产品，即DGX GH200（CPU和GPU的组合）。叠加256颗，即可组成1E（1015）Flops算力。但是5兆瓦的功率（相当于一个小城市的用电功率），决定了它只能在冷却完善的机房里运行。

在GH200上可以运行任何大模型，超算能力可以让其充当强大的云端服务器和训练大模型。这样，英伟达就在AI大模型训练硬件上一骑绝尘，并可以建立从云端到车端的连接。既然拥有了空前强大的模型工具，甚至可以用AI发明更强的GPU，这意味着算力正走向“奇点时刻”：用AI发明AI，起码现在就奠定了硬件基础。

高通更强于算逻运算。与英伟达不断强化图形计算能力不同，高通更擅长发展移动CPU这样的路线。不过两者殊途同归，高通2023年1月发布的SA8775，也走向了驾舱一体路线。高通声称，这款4nm芯片，通过组合可以实现与英伟达Thor能力相当的2000Tops算力。

这其实就是暗示单块8775无法做到这么高的算力。2022年高通以45亿美元收购自动驾驶芯片公司维宁尔，今年收购通信芯片公司Autotalks，都是为了补强短板，在算力领域与英伟达对抗。

“双寡头”的变数

不过，车载算力的天花板，不但远比超算里面的单颗芯片低，其造价和周期也比后者长。一句话，同样算力，车规芯片有成本劣势。

全新的手机SOC，技术储备支持“拾级而上”的话，两年就能做到。而车规芯片要完成一系列认证，可能研发时间要加倍。

这就决定了汽车芯片的迭代周期没有手机快。不光是因为车规芯片的周期问题，也由于车载硬件方案，要跟随整车研发周期。因此我们看到2019年发布的8155、Orin，都还是装车主力。尽管它们的下一代芯片最晚在2022年发布，但采用者依然寥寥。

不过，由于中国新能源汽车的竞争非常激烈，这个进程正在加速。整体而言，算力芯片上车周期，比国外快1-2年。这已经是很大的差距了。毕竟后者距离算力完全集中，还有很长的路要走。

即便不考虑车规验证周期，算力芯片本身，也很容易产生“寡头”。一旦某个芯片公司取得先发优势，它们会凭借出货量和市场份额，迅速摊平研发成本。利润回笼前就可以进入下一轮研发。优化、开发、积累新的技术，越跑越快，以至于对手从望其项背到丧失上桌资格。

而且寡头化还有个激励因素，就是制程的提高，让流片费用变得非常昂贵，可能单芯就达到数千万美元，失败成本非常高。如果安全性、稳定性、散热性达不到设计，这钱就打水漂了，代工厂是不负责的。这就促使强者愈强。

现在算力这一块，高通和英伟达尚未完成驱逐传统芯片大厂的过程——因为跨国整车厂的节奏没跟上，让后者还有订单。一旦大家都实现算力充分集中，可能全球车载算力需求，都会沦为“双寡头”的盘中餐。

这里面唯一的变数，是中国芯片供应商。目前寒武纪、黑芝麻、华为海思等芯片公司日子都不大好过，出货量太少令其很难追上英伟达的节奏。但是美国的制裁，让英伟达只能向中国客户提供专供版显卡，车载芯片这一块倒尚未限制，但客户们都为这一天积极做准备。这让中国芯片供应商，仍保有商业机会。

车企造芯，基本也是投资功率器件、传感器、MCU、电源管理等。算力芯片门槛太高，直接孵化有困难。合资和战投，是不错的入手方式。地平线获得大众的投资，财务可能一时无忧，但长期看，必须在算力芯片和架构方案的正面战场上赢得市场地位，才能有效解除警报。

在雷蒙多访华结束前的一天，华为上架了Mate 60系列。就目前已知的信息，Soc为7nm制程。技术细节还不清楚，有些舆论在猜测为DUV多次曝光方案，替代了EUV（实际上可能并非如此）。

7nm全球代工厂就那么几家，不可能给华为代工。因此华为可能掌握了纯国产的、部署于境内的、美国技术含量为零的7nm代工线，而且产能巨大。因为Mate 60系列首批备货就超过500万部（据说加单至1500万-1700万部，未经证实）。

这条生产线必然存在（已经有传闻是中芯代工），而且美国既不掌握其上游技术，就连部署在哪里都不知道。虽然很可能华为用非常规手段绕过设备制程这道坎，至少说明高制程芯片生产，对中国人来说并非高不可攀。而且实现的速度，远超所有人预料。

在2018年，当时最新上市的Mobileye EyeQ4（28nm制程）自动驾驶芯片，算力为2.5Tops。Mobileye认为，算力并非瓶颈，凭借算法和5个并行核心的多任务模式，就可以处理8颗摄像头数据，足以应对L4场景。它们引以为豪的是该芯片功耗只有3W。

5年过去了，业内对算力的认知、运用和由此产生的需求，都在飞跃发展。2.5Tops算力应对L4的认知，就像上世纪80年代IBM认为，只需要5台大型机（其算力远不如现在的主流手机），就足以满足全球的计算需求。

《汽车人》认为，就算限制在车载场景，算力需求也很难看到终点，就像我们很难预料AI的终点一样（可能所有事物的前方，都有一个大模型，包括人本身）。

人类从历史中学到的唯一教训，是从来不会汲取教训。这句话倒是仍然有效。【版权声明】本文系《汽车人》原创稿件，未经授权不得转载。

【本文来自易车号作者汽车人传媒，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关】

二、挖比特币的速度,怎么计算是什么意思

已经挖矿成功，共一台设备（cpu挖矿，4核吧），算力：12.75khash/s(一般简写为kh/s)。

kh/s已经非常罕见了，Mh/s也一样；现在比较常见的是Gh/s，Th/s，Ph/s。之间的换算率大约为1P=1000T=1000G=1000M=1000k。

现在的基本单位是Gh/s，几百G的矿机已经很普遍了。

【比特币挖矿机】

比特币挖矿机，就是用于赚取比特币的电脑，这类电脑一般有专业的挖矿芯片，多采用烧显卡的方式工作，耗电量较大。用户用个人计算机下载软件然后运行特定算法，与远方服务器通讯后可得到相应比特币，是获取比特币的方式之一。

2013年流行的数字货币有，比特币、莱特币、泽塔币、便士币（外网）、隐形金条、红币、极点币、烧烤币、质数币。目前全世界发行有上百种数字货币。

三、算力是什么意思

算力是比特币网络处理能力的度量单位。即为计算机计算哈希函数输出的速度。比特币网络必须为了安全目的而进行密集的数学和加密相关操作。例如，当网络达到10Th/s的哈希率时，意味着它可以每秒进行10万亿次计算。

在通过“挖矿”得到比特币的过程中，我们需要找到其相应的解m，而对于任何一个六十四位的哈希值，要找到其解m，都没有固定算法，只能靠计算机随机的hash碰撞，而一个挖矿机每秒钟能做多少次hash碰撞，就是其“算力”的代表，单位写成hash/s,这就是所谓工作量证明机制POW。

算力为大数据的发展提供坚实的基础保障，大数据的爆发式增长，给现有算力提出了巨大挑战。互联网时代的大数据高速积累，全球数据总量几何式增长，现有的计算能力已经不能满足需求。据IDC报告，全球信息数据90%产生于最近几年。并且到2020年，40%左右的信息会被云计算服务商收存，其中1/3的数据具有价值。

因此算力的发展迫在眉睫，否则将会极大束缚人工智能的发展应用。我国在算力、算法方面与世界先进水平有较大差距。算力的核心在芯片。因此需要在算力领域加大研发投入，缩小甚至赶超与世界发达国家差距。

算力单位

1 kH/ s=每秒1,000哈希

1 MH/ s=每秒1,000,000次哈希。

1 GH/ s=每秒1,000,000,000次哈希。

1 TH/ s=每秒1,000,000,000,000次哈希。

1 PH/ s=每秒1,000,000,000,000,000次哈希。

1 EH/ s=每秒1,000,000,000,000,000,000次哈希。

参考资料来源：百度百科-算力

四、“算力”是什么意思

算力是比特币网络处理能力的度量单位。即为计算机计算哈希函数输出的速度。比特币网络必须为了安全目的而进行密集的数学和加密相关操作。例如，当网络达到10Th/s的哈希率时，意味着它可以每秒进行10万亿次计算。

在通过“挖矿”得到比特币的过程中，我们需要找到其相应的解m，而对于任何一个六十四位的哈希值，要找到其解m，都没有固定算法，只能靠计算机随机的hash碰撞，而一个挖矿机每秒钟能做多少次hash碰撞，就是其“算力”的代表，单位写成hash/s,这就是所谓工作量证明机制POW。

算力为大数据的发展提供坚实的基础保障，大数据的爆发式增长，给现有算力提出了巨大挑战。互联网时代的大数据高速积累，全球数据总量几何式增长，现有的计算能力已经不能满足需求。据IDC报告，全球信息数据90%产生于最近几年。并且到2020年，40%左右的信息会被云计算服务商收存，其中1/3的数据具有价值。

因此算力的发展迫在眉睫，否则将会极大束缚人工智能的发展应用。我国在算力、算法方面与世界先进水平有较大差距。算力的核心在芯片。因此需要在算力领域加大研发投入，缩小甚至赶超与世界发达国家差距。

算力单位

1 kH/ s=每秒1,000哈希

1 MH/ s=每秒1,000,000次哈希。

1 GH/ s=每秒1,000,000,000次哈希。

1 TH/ s=每秒1,000,000,000,000次哈希。

1 PH/ s=每秒1,000,000,000,000,000次哈希。

1 EH/ s=每秒1,000,000,000,000,000,000次哈希。

参考资料来源：百度百科-算力

五、3.2Gh骁龙870八核是什么意思

骁龙870是2021年年初发布的产品，产品代号SM8250-AC，采用台积电7nm工艺，八核心CPU设计，具体由4个A77核心+4个A55小核心组成，其中A77核心由1个3.2GHz的核心+3个2.42GHz的核心组成，A55小核心频率是1.8GHz，GPU是Adreno 650。

存储部分，支持4*16bit的LPDDR5内存，UFS 3.1闪存，ISP采用高通Spectra 480图像信号处理器，AI部分，高通Hexagon 698 AI处理器与Hexagon张量加速器共同组成第五代人工智能引擎，可实现15 TOPS的算力，连接部分，FastConnect 6800系统，未集成5G基带，需要外挂基带，与之配套的基带是骁龙X55基带。

六、什么是算力

在计算机科学和区块链领域，"算力"（Computing Power）通常指的是一台计算机或计算系统在单位时间内处理和执行计算任务的能力。具体来说，算力可以用来衡量计算机或网络中的计算性能和处理能力。

###在不同领域的应用：

1.**计算机科学**：

-在传统的计算机科学中，算力可以用来衡量一台计算机或服务器的处理器性能，比如每秒钟能够执行多少指令（IPS）或者浮点运算次数（FLOPS）。这对于评估硬件的性能和选择适合的计算资源是非常重要的。

2.**区块链和加密货币**：

-在区块链技术中，特别是在共识算法（如工作量证明）中，算力是衡量网络安全性和参与共识过程中节点贡献的重要指标。算力越大的节点（矿工），其计算机越有可能解决复杂的数学问题，从而获得区块奖励或者确认交易。

3.**人工智能和大数据分析**：

-在人工智能和大数据分析领域，算力是评估机器学习模型训练速度和数据处理能力的重要指标。高算力的计算系统可以更快速地处理大规模数据集和进行复杂的算法运算。

###衡量算力的单位：

-在区块链中，算力通常用“哈希率”（Hash Rate）来衡量，即每秒能够进行的哈希运算次数。单位可以是“千兆哈希每秒”（MH/s）、“吉千兆哈希每秒”（GH/s）、“太千兆哈希每秒”（TH/s）等。

-在传统计算机领域，算力的衡量可以是IPS（Instructions Per Second，每秒执行指令数）或者FLOPS（Floating Point Operations Per Second，每秒浮点运算次数）等。

总之，算力在不同的技术和领域中有着不同的应用和重要性，它反映了计算系统处理能力的关键指标，对于评估硬件性能、区块链网络安全性以及大数据处理能力都具有重要意义。