自动驾驶平台的竞争,为什么开始从芯片性能转向软硬件共同验证?

过去评估自动驾驶计算平台，最容易量化的是芯片参数。

多少TOPS、采用什么制程、拥有多少CPU核心、支持多少路摄像头，往往会成为产品比较的第一层指标。

这些参数仍然重要，实际进入车辆开发后，车企和Tier 1面对的是另一组更复杂的问题：

自动驾驶软件能不能顺利迁移到芯片上？

端到端模型能否在限定功耗和时延内运行？

实时控制任务与AI任务如何隔离？

软件升级以后，功能安全和确定性是否仍然成立？

同一套开发成果能否覆盖不同车型和算力等级？

最近出现的一项合作，正好说明车载计算平台的竞争正在从“提供芯片”向“共同验证软硬件系统”推进。

TIER IV与瑞萨宣布合作建设面向软件定义汽车的开放AI原生计算平台。

双方计划把TIER IV主导开发的Autoware、端到端自动驾驶参考模型，与瑞萨第五代R-Car车载SoC结合，形成覆盖L2+/L2++辅助驾驶到L4自动驾驶的可扩展参考平台。

第一阶段将以R-Car Gen 5作为Autoware和后续自动驾驶技术的主要参考硬件之一，并针对R-Car Gen 5移植和优化Autoware及相关模型。

双方计划在R-Car X5H上展示第一套整合方案。

这项合作值得关注的重点，不是又增加了一种自动驾驶方案，而是它试图回答一个长期存在的工程问题：

怎样把芯片、系统软件、自动驾驶软件和AI模型放到同一套验证体系中？

一、400 TOPS只是平台能力的起点

R-Car X5H采用3纳米车规制程，片上AI处理能力最高为400 TOPS，同时集成CPU、GPU、实时处理单元以及多域计算能力。

它可以在一颗SoC上承载辅助驾驶、智能座舱和网关等不同类型的工作负载，并通过硬件隔离支持不同安全等级的任务。

从纸面参数看，这是一颗面向中央计算和多域融合的高性能车载SoC。

芯片具备算力，不代表自动驾驶模型能够直接投入车辆使用。

模型需要适配芯片的NPU、CPU和存储系统；感知、规划、控制及系统服务需要进行任务调度；摄像头、雷达和激光雷达数据要在有限时间内完成传输和处理；安全相关任务还必须保持确定性。

因此，芯片选型不能只看峰值TOPS，还要看有效算力、内存带宽、数据搬运效率、工具链、算子支持、模型量化方式和软件适配成本。

二、为什么要把Autoware变成参考平台的一部分？

Autoware是一套开放的自动驾驶软件体系，覆盖感知、定位、规划和控制等功能。

将Autoware及端到端参考模型移植到R-Car Gen 5，意味着开发者可以在相对明确的软硬件组合上进行测试，不需要从芯片底层重新搭建全部软件环境。

参考平台的价值主要体现在三个方面。

第一，提前暴露软硬件适配问题。

模型中的算子是否得到支持、内存是否充足、传感器数据能否及时处理，都可以在参考平台阶段验证。

第二，降低重复开发成本。

如果底层驱动、操作系统、中间件和基础算法已经适配，车企和Tier 1可以把更多资源放在车型差异化功能和量产标定上。

第三，建立可比较的验证基线。

只有在相对一致的硬件、软件和测试条件下，功耗、时延、识别效果和系统稳定性才具有实际比较价值。

开放平台并不意味着量产开发没有门槛。车规可靠性、功能安全、网络安全、数据闭环和整车标定仍然需要针对具体车型完成。

三、端到端模型为什么改变了芯片选型方法？

传统自动驾驶系统通常把感知、预测、规划和控制拆分成多个模块。

端到端模型尝试用统一模型连接传感器输入和驾驶决策，减少部分人工设计的中间环节。

这种变化可能提高模型的整体表达能力，也会增加对算力、内存、数据规模、训练体系和验证方法的要求。

对车载芯片来说，不能只证明某个神经网络可以运行，还要回答：

模型在不同道路和天气条件下的时延是否稳定？

升级模型以后，算力和内存需求会增加多少？

传统规则模块和端到端模型怎样并行运行？

AI输出异常时，安全系统怎样识别并接管？

同一套软件能否在不同算力等级的车型上缩放？

这些问题决定了端到端模型能否从演示走向量产。

TIER IV与瑞萨的方案，同时保留传统自动驾驶软件和AI原生驾驶模型，反映出当前更现实的工程路线：新模型逐步进入车辆平台，同时由成熟的软件模块和安全机制提供支撑。

四、对汽车电子供应链意味着什么？

当芯片、软件和模型需要联合验证，车载计算平台周围的器件也会受到影响。

首先是存储。

高分辨率传感器、地图、模型参数和车辆数据会增加LPDDR、UFS、NOR Flash及其他车规存储的容量与带宽需求。

其次是电源管理。

中央计算SoC具有多路电源轨和快速负载变化，PMIC、DC/DC、负载开关、电压监控和时序控制必须配合芯片的不同工作状态。

再次是接口与传感器链路。

摄像头SerDes、车载以太网、CAN、LIN、PCIe及传感器接口需要保证数据及时、可靠地进入计算平台。

最后是功能安全和系统监控。

独立MCU、看门狗、电源监控、故障诊断和冗余通信仍然是量产系统的重要组成部分。中央SoC集成度提高，并不等于外围安全器件会全部消失。

五、车企和Tier 1今后应该怎样选择计算平台？

未来的选型表不应只有算力和价格，还应至少加入以下维度：

软件栈是否完整；

目标模型是否已经适配；

工具链和调试工具是否成熟；

有效AI性能和内存带宽是否匹配；

安全任务与非安全任务能否可靠隔离；

操作系统和中间件是否符合项目要求；

模型升级后的资源余量有多大；

开发板、芯片样品和技术支持是否可获得；

量产时间能否匹配车型节点。

这意味着，车载计算平台的竞争将越来越像完整系统之间的竞争。

芯片仍然是基础，真正影响项目落地速度的，是芯片、软件、AI模型、工具链和安全架构能否在同一个平台上完成验证。

从这个角度看，TIER IV与瑞萨合作的意义不只是增加了一个自动驾驶生态伙伴。

它释放出的信号是：下一阶段，车载AI芯片不能只证明自己“算得快”，还要证明整套自动驾驶系统可以在它上面稳定、可扩展地运行。