1109- 自动驾驶迎来大脑升级,Thor凭什么被车企盯上?

（1104- 谁在驱动下一代智能汽车，Thor、华为与车企自研芯片之争）

一、FP8/FP4是什么，为什么重要？

FP8、FP4是数字精度的规格。更准确地说，它们是芯片计算时用多少位来表示一个浮点数。

你可以把它理解成同样是算一道题，有时不需要把每一位都算得特别精确，只要结果足够接近、足够稳定，就能大幅提高速度、降低能耗。

打个比方，你在菜市场心算 “这堆西红柿大概三块二一斤，我要两斤，六块四”——这就是低精度心算。但如果让你精确到3.24567元×2.0031斤=6.4915……”，就得掏计算器慢慢来。

芯片跑AI模型时也是类似的。FP32，32位浮点，像用计算器精确算，精度高，但运行慢且耗电。FP16，16位浮点，像用笔算，速度和精度比较折中。

FP8/FP4，8位或4位浮点，像低精度心算，速度快、省电，但要求芯片、模型和量化算法配合得好，不能因为省位数就让结果出现偏差。

对于Transformer这类参数量很大的模型，如果全用FP32，一颗车规芯片很难在功耗、散热和实时性上都全方位支持。

所以芯片如果原生支持FP8/FP4这类低精度计算，在模型适配和量化做得好的前提下，同样一颗芯片可以显著提高AI推理吞吐，降低内存占用和功耗，更适合车端实时运行大模型。

二、为什么Thor更适合端到端大模型？

我们来对比一下几类方案。

Orin是上一代英伟达高阶智驾主力芯片，官方常见口径是单颗Orin X约254 INT8 TOPS。它现在仍然是很多量产高阶智驾车型的主力方案，也能运行Transformer类模型，但面对更大的端到端模型、多模态感知和复杂占据网络时，算力、内存带宽和低精度计算能力会更紧张。

地平线征程5是128 TOPS INT8，比较适合传统感知网络和中高阶辅助驾驶。它在CNN等传统视觉任务上效率较高，但面对更大规模Transformer和端到端模型时，余量相对有限。

地平线征程6P公开资料常见说法是560 TOPS，面向城市辅助驾驶和新一代智驾算法做了强化，是国产智驾芯片里很有竞争力的一代。它的重点是面向量产场景提高Transformer等新模型的执行效率。

华为昇腾/MDC路线则更强调软硬件一体。公开资料中，华为车载计算平台有200 TOPS级到 300 TOPS级以上的不同口径，具体取决于平台型号和配置。华为的特点不是单纯拼一个芯片参数，而是通过芯片、域控、ADS算法、传感器方案和整车工程深度适配来发挥能力。

Thor是英伟达面向下一代中央计算平台推出的新方案。NVIDIA官方 DRIVE AGX Thor开发平台规格写法是最高约1000 INT8 TFLOPS / 2000 FP4 TFLOPS。也就是说，它不能简单写成2000 FP8 TOPS，更准确的说法是Thor在INT8口径下相比Orin有明显提升，同时面向FP4等低精度AI推理提供了更强的吞吐能力。这正是它适合端到端大模型、Transformer、BEV和Occupancy等新算法路线的重要原因。

我们来通俗点打个比方解释一下，Orin像一台性能很强、已经大量装车验证过的上一代计算器；Thor像一台为AI大模型重新设计的新一代智能计算器，不只是算得更快，而且更擅长用低精度方式高效处理大模型任务。地平线征程6P像一台针对智驾任务深度优化的国产高性能计算器；华为昇腾/MDC则像一台和算法团队、整车系统绑定很紧的专用计算平台。

三、端到端大模型、Transformer、BEV+Occupancy到底是什么？

这三个词讲的是自动驾驶算法路线变了。

老路线是摄像头看到画面，系统先识别这是车、这是人、这是车道线，然后再由规则代码判断前车刹车了，我也要刹车，最后执行转向、刹车或加速。它像一条流水线，每一段都有明确分工，出了问题比较好排查，但遇到复杂、少见、规则没覆盖的场景时，能力容易受限。

新路线更接近端到端，摄像头、雷达、激光雷达等传感器输入之后，系统通过一个更大的神经网络，直接学习环境理解、轨迹预测和驾驶决策之间的关系。它越来越多地用大模型把过去分散的感知、预测、规划环节融合起来。

Transformer可以理解成这类大模型常用的核心架构，和ChatGPT背后的技术路线有亲缘关系。它擅长处理复杂关系，包括不同车辆、行人、车道线、红绿灯之间的时空关系。

BEV是Bird’s Eye View，也就是鸟瞰图视角。它把车周围的环境转换成从天上往下看的视角，方便车辆理解我旁边、前方、后方分别有什么。

Occupancy是三维占据网络。就是让车像玩《我的世界》一样，把周围空间分成一个个立体小格子，判断每个格子里有没有东西、是什么东西、是否在运动。

这套算法的特点是能力强，但也对算力、内存带宽、实时推理能力和低精度计算效率提出了更多要求。Orin仍然能支撑很多量产高阶智驾方案，但Thor更像是为下一阶段端到端、多模态、大模型上车准备的硬件平台。

四、中央计算＆舱驾一体是什么

汽车里的电子架构，过去20年大致经历了三代变化。

第一代是分布式ECU。车里每个功能一个小盒子，雨刮一个，车窗一个，发动机一个，ABS一个。一辆车里可能有几十个甚至上百个ECU，之间靠CAN总线等方式连接。它像一个没有中央大脑的公司，每个部门各管一摊，跨部门沟通慢，彼此之间连接线束多，成本高，升级也麻烦。

第二代是域控制器。车企把功能按域归类，比如动力域、底盘域、座舱域、智驾域、车身域。每个域由一个更强的控制器来管理。它像公司改成了几个事业部，各部门内部沟通顺畅了，但事业部之间仍然要协调。很多车型采用的就是这种架构，比如一颗Orin管智驾，一颗高通8155 或 8295管座舱，各自负责不同任务。

第三代是中央计算/舱驾一体。它的目标是用更强的中央计算平台，同时承载智能驾驶、智能座舱、仪表、泊车、娱乐等多个功能。Thor主打的就是这一代思路。

Thor内部可以通过虚拟化层，把一颗强芯片划分成多个相互隔离的计算环境。你可以把它理解成一台超级电脑同时开了好几个虚拟系统，一个系统跑智驾，一个系统跑座舱，一个系统跑仪表，不同系统之间相互隔离。这样做的目的，是在提高集成度的同时，尽量保证安全性和稳定性。即使座舱娱乐系统出现问题，也不应该影响智驾和仪表等安全相关功能。

五、不同智驾方案有什么特点

传统域控方案通常是智驾芯片用Orin一颗或多颗，座舱芯片用高通8155、8295等。优点是成熟、分工清楚，缺点是两套系统之间需要通信桥接，硬件数量和线束复杂度较高。

华为方案通常是智驾计算平台、座舱芯片、鸿蒙座舱和ADS算法体系结合较深。它的优势是软硬件一体化和整车体验打通，但生态和商业模式与英伟达通用平台不同。

特斯拉方案是智驾使用自研FSD硬件，座舱使用独立的座舱计算平台。它自成体系，不对外销售。

Thor舱驾一体方案的方向是一颗或一套中央计算平台同时承担智驾、座舱、泊车、仪表和娱乐等任务。它不是简单一颗芯片替代所有东西，而是通过更高集成度和虚拟化隔离，把过去分散的计算任务集中到更强的平台上。

打个比方来说，传统域控像两个人分别在两个厨房里做饭，一个做菜，一个做汤，做完还要互相传菜；Thor更像一个大厨在同一个大厨房里同时安排做菜和做汤，空间更集中，协同更快，也更容易统一调度。

六、Thor的方案有什么优势？

第一是成本有机会下降。少一些独立大芯片，少一些控制器，少一些线束和散热结构，整车硬件成本和装配复杂度都有机会降低。当然，具体能省多少，要看车企的整车设计和供应链。

第二是时延有机会降低。比如智驾系统识别到风险，需要在屏幕或声音上提醒驾驶员。传统方案可能要经过智驾芯片、通信总线、座舱芯片、屏幕的链路；中央计算方案内部数据传递路径更短，有机会减少跨域通信延迟。即使只是十几毫秒，在高速行驶场景下也可能影响车辆响应距离。

第三是跨域协同更强。如果座舱摄像头发现驾驶员疲劳，可以通知智驾系统提高接管提醒敏感度；智驾系统预判可能急刹，座舱可以提前降低音乐音量、收紧安全带或强化提醒。这类座舱与智驾的联动，在分离式架构下需要专门打通接口，而在中央计算架构下更容易统一调度。

七、结语

Thor的两大特点，一是更擅长低精度AI推理，适合端到端大模型、Transformer、BEV和Occupancy这类新算法；二是面向中央计算和舱驾一体设计，可以把过去分散在多个域控里的任务集中到更强的平台上。

所以，Thor被看作下一代自动驾驶基础硬件，不只是因为算力数字更大，而是因为它同时对应了两个趋势，算法从规则流水线走向大模型，整车电子架构从分散域控走向中央计算。