谈谈特斯拉的芯片实力

图片来源@视觉中国
文｜半导体产业纵横
最近特斯拉再次成为了焦点。一方面，CEO马斯克在推特的一举一动引发话题；另一方面特斯拉公司陷入各种困境：上海工厂停产计划延期、大量订单被取消、股市表现崩盘......
山雨欲来风满楼，内忧外患之中的特斯拉身上的光环似乎正在变弱。尽管存在许多挑战，特斯拉自研芯片的进度却并没有太受影响。近日供应链消息显示，特斯拉将使用台积电4纳米制程打造其下一代自动驾驶芯片，这一订单可能会让特斯拉成为台积电第七大客户。特斯拉在自研芯片上的努力，对于其他车企来说又能学到什么？
特斯拉的造芯之路
2021年在全球车企因缺芯大幅减产的时候，2021年特斯拉美国和中国的工厂开工率一直保持着9成左右，数据显示2021年特斯拉全球交付量超过93万，同比增长了87%。在各大车厂都因为缺芯发愁时，“特斯拉为何不缺芯”成为了各个车厂研究的课题。
究其原因，一方面，特斯拉在新冠疫情扩大的情况下也并未下调产量计划，这对其从零部件厂商手中获得稳定采购发挥了有益作用。另一方面，特斯拉针对缺货的半导体，通过改写软件为这些产品找到了替代品，由此减少了半导体缺货对生产带来的影响。由此可见，掌握芯片核心技术，是特斯拉的竞争力之一。
特斯拉的造芯之路经历了从买到造的过程。特斯拉的智能驾驶功能经历了从 Autopilot 1.0 到 Autopilot 2.0、再到 FSD（Full-Self Driving）的迭代升级，其硬件系统也从 Hardware 1.0 逐步升级至 Hardware 3.0。
在 HW 1.0 时代，特斯拉采用了来自 Mobileye 的 EyeQ 系列芯片。进入 HW 2.0 时代，特斯拉找到了英伟达作为 Mobileye 的替代，采用定制版的英伟达 Drive PX2 自动驾驶计算平台（由 1 颗 Tegra Parker 芯片和 1 颗 Pascal 架构 GPU 芯片构成）。后来又升级为 HW 2.5，增加了一颗 Tegra Parker 芯片。但马斯克认为无论是Mobileye还是Nvidia，都无法满足特斯拉对于性能、研发进度、成本、功率方面的要求。自此，特斯拉走上了自研芯片之路。
2016年，前AMD 首席架构师Jim Keller加入特斯拉，任职Autopilot硬件工程师总裁。自此，特斯拉开启了自研芯片之路。
特斯拉的自研芯片
特斯拉的自研芯片FSD用于HW 3.0 完全自动驾驶计算平台中。2018 年 12 月，特斯拉开始使用新的硬件和软件堆栈对员工汽车进行改造。2019 年 3 月，特斯拉开始在其 Model S 和 Model X 汽车中批量出货 FSD 芯片和计算机。特斯拉 Model 3 的量产发货于 2019 年 4 月开始。
FSD芯片采用三星的14纳米工艺。包含 3 个四核Cortex-A72集群，总共 12 个 2.2 GHz 的 CPU，一个 1 GHz 的 Mali G71 MP12 GPU，2个2 GHz 的神经处理单元，以及各种其他硬件加速器。FSD的图像处理器能够提供0.6TFLOPS计算能力，运行频率为1GHz；2个神经网络处理器运行在2.2GHz频率下能提供72TOPS的处理能力。
为了提升神经网络处理器的内存存取速度以提升计算能力，每颗FSD芯片内部还集成了32MB高速缓存。HW 3.0的图像处理速度提升了21倍，成本降低了20%，代价仅仅是功耗从 57w 增加到了 72w。
安全系统方面FSD包含一个双核锁步CPU，该CPU对汽车执行器进行最后决策，该CPU确定FSD控制器上的两个FSD芯片生成的两个策略是否匹配，以及是否可以安全地驱动执行器。在相机接口方面，FSD芯片具有一个摄像头串行接口，该接口能够进行每秒高达25亿像素的处理。
在视频编码器方面，FSD芯片集成了H.265(HEVC)视频编码器，可用于各种应用，例如备用摄像头的显示，行车记录仪和云剪辑记录等。在图像信号处理器方面，FDS芯片集成了内部带有24bit流水线的信号处理器（ISP），该流水线旨在处理特斯拉汽车上配备的八个HDR传感器，并能够每秒处理十亿像素。而且具有降噪能力。
在神经处理单元方面，FSD芯片集成了两个定制的NPU，每个NPU都封装了32MB的SRAM，用于存储临时数据，从而减少数据存入主存储器。
每个周期，NPU从SRAM读取256字节的激活数据和另外128字节的权重数据到MAC阵列中。每个NPU拥有96x96 MAC，另外在精度方面，乘法为8x8bit，加法为32bit，两种数据类型的选择很大程度上取决于他们降功耗的努力。在2GHz的工作频率下，每个NPU的算力为36.86TOPS，FSD芯片峰值算力为73.7TOPS。在点积运算之后，数据转移到激活硬件，最后写入缓存，以汇总结果。FSD支持许多激活功能，包括ReLU、SiLU和TanH。每个周期，将128字节的数据写回SRAM。所有操作同时且连续地进行，重复直到完成整个计算。
特斯拉将一些硬件简化，虽然这会增加软件的复杂性，但这样可以降低芯片的成本。
只有深入了解软硬件之间的相互作用是什么，才能清楚到底应该用什么样的芯片去支持什么样的算法。FSD芯片彻底奠定了特斯拉在自动驾驶领域的领先地位。通过自研芯片特斯拉让硬件能与自家的软件算法更加契合，获得更好的兼容性和匹配度，提升产品核心竞争力。
特斯拉除了在自动驾驶芯片上有成果，更是在2022年推出了Dojo处理器芯片。该芯片由台积电制造，采用7纳米制造工艺，拥有500亿个晶体管，芯片面积为645mm²，小于英伟达的A100（826 mm²）和AMD Arcturus（750 mm²）。据Dojo项目负责人Ganesh Venkataramanan介绍，特斯拉Dojo是史上最快的AI训练计算机。相比于业内其他芯片，同成本下性能提升4倍，同能耗下性能提高1.3倍，占用空间节省5倍。而使得Dojo完成训练AI算法的重任，就是特斯拉自研神经网络训练芯片——D1芯片。
一家车企，不但攻克了自动驾驶芯片，还攻克了AI芯片。这样的车企在现阶段只有特斯拉一家，这是特斯拉在同行中芯片研发实力最好的体现。
特斯拉的特别之处
人们总把特斯拉与苹果相提并论，特斯拉高度的定制化，是市场将特斯拉视作另一个苹果的重要原因。与苹果一样，特斯拉经历了买芯片到完全自主研发的过程。苹果从过去产品高度依赖英特尔的芯片，到现在M系产品性能完全不输英特尔。特斯拉也是从依靠英特尔、英伟达到自研核心芯片。
同苹果一样，特斯拉是台积电的大客户。根据预测特斯拉或将在2022年成为台积电第七大客户；此外，据产业内消息，特斯拉Hardware 4.0 将由台积电代工并在美国生产，未来特斯拉在对于台积电或许会更加重要。业界以特斯拉生产计划预估，特斯拉明年生产规模将有望从300万辆起跳。如果特斯拉最新自动驾驶芯片在 2023 年开始量产，并且在 2024 年开始大批量上车的话，那么特斯拉的仍然会处于全球最领先的水平。


话说回来，车企造芯并不是什么新鲜事。虽然中国造车新势力都宣称要开启自研自动驾驶芯片之路，但特斯拉是首先拿出成果，实现自动驾驶芯片量产的车企。还有一批车企，更多的是通过合作、投资其他公司的方式布局芯片赛道；并且他们选择了门槛相对较低的MCU、IGBT等芯片。在没有新的车企发布自研芯片之前，特斯拉仍将在同行中一骑绝尘。毕竟这么多年，也没有几个手机厂超越了苹果。
离不开中国市场的特斯拉
中国市场是新能源汽车最大的市场，作为电动汽车销量最高的车企，特斯拉离不开中国市场。为了降低成本，特斯拉也在中国投资了多个企业。特斯拉在中国山东济南成立合资企业，注册资本额为1.5 亿美元。显示特斯拉除了正在利用台积电庞大的产能，为自己的车用与超级运算的芯片提供重要来源之外，也在车用芯片的设计上积极布局。


根据上图，特斯拉带动了相当一部分中国的供应商的业务。对于中国供应商来说，特斯拉来了，为了跟成本更低的中国品牌竞争，肯定要大规模国产，这导致供应链必然更倾向于中国本地厂商或者将原供应商引入中国。不管怎么样，特斯拉对应的供应链、产业链要在中国落地生根。这也就带动了中国的新能源汽车供应链。
总的来看，虽然面临着多事之冬，特斯拉的芯片实力仍在。如果说特斯拉在芯片领域存在竞争，那么最大的对手并非其他车企，而是来自英伟达与高通。就在特斯拉自研芯片发布后，英伟达推出了最新的Orin 芯片，单芯片算力还是计算平台算力达到了250TFLOP；2020 年初，高通发布了 Snapdragon Ride 自动驾驶计算平台，其算力和能效比都碾压了特斯拉 HW 3.0；2022年英伟达公布Thor芯片，单颗芯片算力达到2000TFLOPS，将于2025量产，这一芯片更是将汽车芯片算力带到了新时代。
随着汽车算力竞赛开启，特斯拉还能领先多久？或许正在推特忙碌的马斯克，并不知道答案。