人們總是用“計量單位”來形容對一件事物的苛刻追求。
比如，晶片製造工藝從微米（µm）縮小到奈米（nm）；高精地圖的精度從分米進化到毫米級；而汽車晶片的算力也由個位數放大到十位、百位甚至上千TOPS。
今年9月份，英偉達、高通先後披露了旗下高階智駕SoC晶片Thor和Snapdragon Ride Flex。前者單顆算力可達2000TOPS，後者透過加速器的擴充套件形式也能提供平級算力水平。
再上個月，地平線也公佈了旗下產品路線圖，超過1000TOPS的征程6預計明年推出。三款SoC有著一個明顯共同點，都支援智駕和座艙的跨區域融合。
對比當前SoC的算力水平，英偉達Orin X單顆算力254TOPS，地平線征程5的算力是128TOPS，Mobileye EyeQ5則是24TOPS。
晶片算力向“千”越級，似乎成了發展自動駕駛乃至無人汽車的必然趨勢。
真偽命題？
有預測結果表明，未來汽車要處理的軟體程式碼量可能達到2～3億行，遠超Meta（原Facebook）、大型粒子對撞機、波音787。而到L5級自動駕駛，這個數字將增加到10億行。
漸入佳境的感知能力背後，是更多的感測器和攝像頭數量，以及更加複雜的演算法基礎。這也是，為什麼自動駕駛晶片都在追求大算力和高效能。
如上圖所示，在智慧手機、PC等終端的晶片算力競賽中，智慧汽車無疑將是“屠榜”者之一。
但實際上，無止境的算力並不是通往自動駕駛目標的唯一途徑。
不妨設想一下，把一部分算力分擔給路端處理，車上的晶片不再獨自面對海量程式碼，對算力的追逐是否就會變成一道偽命題？
借用瑞銀證券亞太區工業及基礎設施行業主管徐賓的話說，海外晶片廠商走的路線是讓車變得無比強大來解決所有問題。因為他們知道沒有辦法藉助路端進行輔助。
對於海外自動駕駛公司來說，車路協同是一個選擇，但當政府不支援的時候，只能把這個選擇捨棄，發展單車智慧，在車上用更大的算力、更好的演算法以及更多的攝像頭等配置。
這個問題放到中國就發生了一點變化。無論是路還是5G網路建設，中國的速度和進展都絕對領先。
過去十年，中國鐵路、公路新增里程約110萬公里，相當於繞行赤道27圈半。到2021年底，國內公路網密度達到每百平方公里55公里，較2012年增長24。6%。
同時截至今年7月末，我國累計建成開通5G基站196。8萬個，現已建成全球規模最大的5G網路。加上“東數西算”工程的啟動，國內要發展車路協同看似充滿無限前景。
一條路or兩條路？
車路協同（V2X，vehicle-to-everything）
準確地講，車路協同是指把車、路與雲相結合。在路端安裝鐳射雷達、攝像頭等感知硬體，採集到的資訊先交給路端預處理，再將決策經由5G基站反饋給車，告訴車該左轉還是減速慢行。
如此一來，汽車要面對的算力便會極大減少。資料先透過路端的感測器計算，實際也可以大幅簡化單車自動駕駛的演算法。
雖然國內自動駕駛晶片公司都在積極推進大算力的晶片研發，但徐賓對AutoLab指出，由於演算法上存在的差距，國內自動駕駛公司要想彎道超車，只有走車路協同這條路線。
具體有四點原因：
1）落地更容易。單車智慧是“一車對多車”的博弈，而車路協同透過路和雲進行統籌，可以協調路面上所有車輛。再者，車路協同採集到的敏感資料更多是由政府管理，安全係數更高；
2）成本更低。發展自動駕駛的初衷是實現無人駕駛，解放雙手，以及解決如公路貨運的人力缺口、物流成本等痛點問題。據瑞銀預測，從2022年到2030年，中國整個自動駕駛路側的投資大約會有1。7萬億元，相比之下，僅公路貨運降低的人工成本就能達到1。8萬億元；
圖片來源：瑞銀證券
3）更加安全。自動駕駛的安全事故頻發，不論是個案還是探測範圍存在盲區，99%的安全都可能會讓自動駕駛無法大規模商業化。若輔以路端全範圍的感知能力，可以更快、更安全的實現無人駕駛；
4）應用場景更多。智慧道路的功能升級潛力較大，比如某些宏觀的監控、對事故的預判、以及高速路面的自主行車導航等。簡單說，發展車路協同要更容易、更便宜、更快速，以及用途更廣泛。
當然這個說法有點過於絕對，不可否認的是，比起一味追求大算力的智駕晶片，加快智慧路端的建設，或許才能夠及早得到我們想要的答案。
這並不意味著要放棄讓汽車“變聰明”。從自動駕駛技術商業落地的節點來看，保障人身安全仍然是第一要義，這要求未來的汽車具備“快速而敏捷”的反應速度。
換種說法，對及時性要求高的資料必須留在本地處理，而不完全依賴於雲端。雲端資訊的收發可能會產生延遲，進而威脅到車內外人的安全。
就像瑞銀預測的，在未來五到十年裡，單車智慧和車路協同將是兩條並行且相互促進的路線。對於發展自動駕駛技術，單車智慧仍將往更大算力、更高精度的感知能力上迭代升級。
“有了路端配合以後，車企反而會有更大的動力在車上安裝智慧駕駛裝置”， 在徐賓看來，車路系統不僅不會傷及Tier1的利益，反而會起到促進作用。為了讓自動駕駛技術更快落地，任何多餘的有關安全的投資都不為過。
結語
等到全自動駕駛道路建成完畢，並大範圍應用，還要不要在車上安裝更高算力的晶片，以及更多的感測器，將會是一個新問題。算力可以無窮堆疊，但至少現在，更重要的是，要儘快實現無人駕駛這個目標。