北京
來源：市場資訊
（來源：芝能汽車）
2019 年 特斯拉的Autonomy Day（自動駕駛日） 這是 HW3 正式亮相的時刻。
在 HW3 發布前后，馬斯克的口徑非常堅決，現有的硬件（HW3）已經完全足夠實現全自動駕駛（L4/L5），剩下的只是軟件問題。
馬斯克當時稱 HW3 芯片是“世界上最強大的芯片”，并留下了那句著名的論斷：“任何非特斯拉制造的芯片在自動駕駛領域都是二流的。HW3 的算力是實現 FSD 的底線，且擁有巨大的冗余度。”
但后來馬斯克在財報會議上明確表示：“Hardware 3 根本不具備實現無監督（Unsupervised）FSD 的能力。” 主要是內存帶寬（Memory Bandwidth）不足。
HW3 的內存帶寬僅為 Hardware 4（AI4）的 1/8。
他承認特斯拉此前過于樂觀，曾認為 HW3 的冗余度足以支持全自動駕駛，但實際跑下來的神經網絡規模超出了硬件承載能力。
全球市值最高的車企——至今仍有超過400萬輛車，正在用被現實毒打之后的經歷告訴大家芯片設計的分水嶺。
智能駕駛行業有一個心照不宣的秘密：新發布標稱算力更高的芯片，往往跑不過標稱算力更低但芯片更成熟的方案。
標稱算力TOPS，是芯片在較為理想工況下的理論峰值。而自動駕駛從誕生之初，面對的就是充滿物理約束和海量并發任務的極端復雜系統。
當行業仍在圍繞TOPS營銷時，工程實踐上有所變化。
在CNN時代，算力與性能確實呈線性正相關。模型規整，計算局部性高，堆算力就能直接轉化速度。但Transformer改變了一切。全局注意力機制引入了復雜的數據訪問模式。
當今智駕系統需要同時運行感知、預測、規劃等數十個神經網絡，各任務嚴格時序耦合。性能不再由單一計算瓶頸決定，而是取決于數據流轉和任務調度。
TOPS描述的是硬件"能算多快"，而智駕真正需要回答的是在真實約束下能穩定輸出多少"有效算力"。
如果有效算力決定"算得精不精"，數據通路架構則決定"算得動不動"。
自動駕駛是極度數據密集的實時系統。十余顆攝像頭持續輸出海量視頻流，需要經過圖像處理、寫入內存、再次讀取用于推理。
在這一過程中，內存帶寬成為最直接的物理瓶頸"存儲墻"。
◎HW3：LPDDR4，帶寬約50 GB/s
◎HW4：GDDR6，帶寬約384 GB/s
AI4的帶寬達到HW3的7倍以上。這就是為什么HW3無法運行最新的FSD版本——不是算力不夠，而是數據"血管"太細。算力是肌肉，帶寬是血管。肌肉再強大，血管堵塞也是癱瘓。
汽車硬件生命周期跑不過AI迭代周期，汽車生命周期7年 > 軟件生命周期，Transformer代際更替2年 < 硬件壽命。
這才是HW3真正可怕的地方。一輛機械壽命仍然完好的汽車，因為無法運行下一代模型，而被排除在智能駕駛體系之外。
下一個時代的門檻，是有效算力+內存帶寬+架構效率的綜合實力。
汽車正在從"硬件定義軟件"，轉向"軟件定義硬件"，最終走向"AI定義硬件"。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
