汽车专用芯片还能解决不少其他实际问题。其中有些是测试和开发能用到的。现在自动驾驶行业的目标之一，就是将测试车上的各种大型设备缩小。这样就不会影响整车的美观度和整体性，需要升级时拆卸还非常方便。此外，新型芯片产生的热量更小，只用一个小型风扇就能冷却，封装起来也不占地方。

编者按：对匹兹堡本地人来说，在路上偶遇 Uber、Argo AI 或其他公司的自动驾驶汽车已经不是什么新鲜事了。

这座钢铁之城其实上世纪 80 年代末就开始与自动驾驶汽车结缘，如果你当时在卡耐基梅隆大学上学，肯定会在校园里见到一辆非常奇怪的车。

这辆亮蓝色的雪佛兰小货车行驶速度非常缓慢，以汽车的标准来说，它简直就像在校园里蠕动，还没赶去上课的学生跑得快。不过，负责这个项目的 NavLab 1 还是撕开了自动驾驶纪元的一个角，虽然它的脚步并不快。

传奇的亮蓝色小货车

为什么卡耐基梅隆机器人研究所的研究人员要用一辆小货车进行测试，而不是更省油的丰田普锐斯？

原因很简单，因为丰田十年后才开始制造混动车。

其次，NavLab 开发自动驾驶汽车的那个时代，计算机的计算能力有限，它们需要足够的空间来携带各种计算和显示设备，四名工程师与他们的工作台。

最关键的是，车上的超级电脑、摄像头、巨大的雷达扫描仪和空调都是耗电大户，为了满足它们的胃口，这辆小货车里还塞进了一个用于发电的四缸柴油机。

30 年后，各家公司继承了卡耐基梅隆的衣钵，它们正在将自动驾驶汽车变成现实。不过，这条道路上除了监管、责任、安全、商业模式和量产问题外，各家公司还不能忘了自动驾驶汽车的能耗问题，它们一个个可都是“电老虎”。

现在的自动驾驶汽车肯定不用再安装一个专门发电的引擎，但要驱动车上的传感器和耗能巨大的超级计算机，依然要消耗大量电能。未来，这个问题会逐步发酵，成为自动驾驶汽车前进道路上的绊脚石。

车内堆满了各种设备

眼下，那些能在市场上买到的量产车，虽然只搭载了摄像头和雷达，但照样能每半分钟就生成 6GB 的海量数据，而配备激光雷达的自动驾驶汽车，生成的数据更是会几何级增长。

据了解，计算机需要对所有数据进行整合、分类，并将它们转换成电脑看得懂的图片。这个过程会耗费巨大的计算性能，也就意味着需要充足的电力供给。现在的测试车一般能耗高达 2500 瓦（2.5 度电），这么多的电足以点亮 40 个白炽灯。

“将这样一套系统塞进传统的内燃机车根本行不通，因为车辆油耗会大幅上扬。”奔驰公司战略副主席 Wilko Stark 解释。如果换成电动车，则意味着续航里程的下降，因为计算机会和电动机抢着用电。

起初，各家公司可能会选择无视电动车续航里程下降或内燃机车油耗上升。“在早期应用中这确实不算个问题，因为我们的主要目标是让自动驾驶汽车正常运行。”前谷歌无人车负责人 Chris Urmson 解释。离开谷歌后，Urmson 创立了 Aurora 公司，这家公司现在已经是大众、现代和中国新创公司拜腾的合作伙伴。

此外，Urmson 还指出，第一批自动驾驶汽车肯定是部署在城市里的电动穿梭车，它们速度较低，且有条件进行频繁充电。

碰上好时代的新新人类，他们肯定没体验过父辈们开车时为了省油关掉空调的痛苦经历，如果我们进入电动车时代，是不是也要关掉自动驾驶功能来保证自己能顺利到达目的地呢？

好消息是，为自动驾驶汽车的“大脑”打造芯片的人一直关注着这一问题。

在上个月的 CES 上，英伟达就发布了专为自动驾驶汽车搭载的 Xavier 平台，它拥有一个 8 核心 CPU，GPU 核心数则达到了 512 个。此外，这个平台还有配备有深度学习加速器、计算视觉加速器和 8K 视频处理器。

英伟达表示，这是它开发过最复杂的 SoC。“我们将能媲美数据中心的计算能力带到了车上。”英伟达汽车业务负责人 Danny Shapiro 说。不过，如此强悍的能力背后却是功耗的降低。“Xavier 每秒能进行 30 万亿次（TOPS）的运算，但功耗仅为 30 瓦。”

对于全自动驾驶汽车来说，这个性能数据还是不够亮眼，但英伟达其实早有准备： Pegasus 平台。这一平台用了两块 Xavier 芯片且另外加了两块 GPU，其计算能力可达 320 TOPS，功耗则为 500 瓦，完全可以接受。

英伟达的对手们也在追逐同样的目标，包括英特尔、特斯拉、高通等公司都在开发自动驾驶芯片，而低功耗是一项重要指标。

汽车专用芯片还能解决不少其他实际问题。如果你看过现有自动驾驶测试车的后备箱，肯定会发现这里堆了各种计算设备。

其中有些是测试和开发能用到的，因为设计师想拿到每一份可以使用的数据。不过，未来正式上市销售的版本需要的硬件就少得多。