電子發燒友網報道（文/李彎彎）智能駕駛是未來的必然趨勢，近幾年汽車智能化技術越來越成熟，同時政府也在不斷出臺新政策，支持和鼓勵智能駕駛的穩步發展。

　　未來幾年汽車智能化商業進程將持續加速，數據顯示，2025年全球自動駕駛汽車出貨量預計達5000萬臺，中國L2級以上智能汽車銷量將破1000萬臺，智能汽車滲透率將達50%。

　　在不久前某論壇上，后摩智能創始人&CEO吳強博士談到，智能駕駛規?；逃眯枰獫M足3個要素，一是強智能，二是低成本，三是安全性，而這也對智能駕駛計算芯片提出了新的要求，需要未來的智能駕駛芯片滿足大算力、低功耗、低成本、高可靠的要求。

　　而從當前的情況來看，矛盾點在于：需求側，算力需求在不斷增長，原因是智能汽車配備的傳感器數量持續增加和升級，需要處理的數據量越來越大，比如2019年Model3，配備傳感器21個，包括8個120萬像素攝像頭，12個超聲波雷達，1個毫米波雷達，算力為144T；到2022年，蔚來ET7，配備了33個傳感器，包括7個800萬像素攝像頭，4個300萬攝像頭，12個超聲波雷達，5個毫米波雷達，1個激光雷達，算力達到1000T。

　　另外算法越來越復雜，芯片需要更高的開放度，未來OTA升級需進行算力預埋，比如新勢力車廠預埋的算力就超過500T，包括蔚來、理想、小鵬等米樂m6網址。

　　而供給側，傳統方案面臨挑戰，比如依賴先進制程和工藝，3nm/5nm先進制程成本昂貴，HBM/3D封裝依賴先進IP，需要犧牲通用性換取計算效率，算法和芯片高度耦合。米樂

　　也就是說，傳統方案成本昂貴，且依賴少數國際大廠的IP，功耗過高，增加散熱系統成本，高度耦合的封閉方案無法支持未來的算法演進和OTA升級，那么可以如何解決呢？吳強博士認為，創新計算架構存算一體，是解決智能駕駛算力和功耗難題很好的方式。

　　存算一體是與傳統馮諾伊曼架構安全不同的架構形式，即直接在存儲內做計算，過去幾年國內外不少芯片巨頭和初創企業投入到存算一體技術的研究中，目前已經在終端一些應用領域實現商用，隨著技術的不斷進步，有企業逐漸將產品推向邊緣、汽車等應用領域。

　　相比較來看，存算一體的優勢體現在幾個方面，一、可以做到更高的有效算力，突破1000TOPS，成本低，不依賴于先進工藝、3D封裝等昂貴的技術；二、低功耗，相同算力下，AI部分能效比2-3個數量級提升，更低散熱成本，更高可靠性；三、低延時，較GPU延時有2-10倍提升，更高的安全性；四、弱工藝依賴，不依賴先進工藝，可以用成熟制程，更好應對供應鏈被壓制的挑戰。

　　比如在散熱方面，汽車最好的方式是采用自然風冷，功耗小于15W，成本低可靠性高，維修成本低，而馮諾伊曼架構，自然風冷功耗限制下，物理算力約只能做到20TOPS，存算一體架構，自然風冷功耗限制下，物理算力可以超過60TOPS。從這個層面來看，對于未來的智能駕駛汽車來說，存算一體架構會更加合適。

　　從電子發燒友的了解來看，目前后摩智能在將存算一體推向智能駕駛領域方面是最為領先的，這家公司于2020年9月完成天使輪融資，2020年11月正式成立，啟動存算一體大算力AI芯片的研發，2022年4月已經完成PreA+輪融資。

　　該公司在2021年8月完成首顆芯片技術驗證流片，據吳強介紹，后摩智能首顆芯片，算力20T@INT8（可擴展到200T+），已成功跑通自動駕駛典型算法，完成11個類別的檢測、識別、語義分割，是存算一體芯片首次達到運行智能駕駛的復雜AI場景所需算力和精度要求。

　　根據規劃，2022年到2025年間，后摩智能將主要基于SRAM，推出系列產品，包括HM300，HM500，HM1000，算力從30Tops@INT8提升到500Tops@INT8，能效比實現10倍提升；到2025年之后，將推出基于MRAM/RRAM的產品系列，包括HM310，HM510，HM1010，實現算力從50Tops@INT8到2000Tops@INT8突破，能效比的提升100倍。

　　另外，后摩智能的存算一體芯片，采用類CUDA的編程模式，這樣可以降低客戶應用的開發成本，支持TensorFlow、PyTorch、ONNX等算法框架。

　　就如上文所言，未來幾年中國汽車智能化將會持續加速發展，這必將帶動上游芯片、零部件的持續創新，雖然從目前來看，存算一體芯片還未真正在智能駕駛汽車上實現商用落地，不過存算一體創新架構在算力、功耗等方面的優勢確實明顯。相信未來在技術的不斷更迭，以及智能駕駛汽車市場的驅動下，將會逐漸取得成績，當然作為一項新興技術，面臨的困難也是不言而喻的。