1. 国产AI算力与自动驾驶的破局之战
当小马智行的Robotaxi在深圳前海区完成第10万次无安全员载客测试时,后排乘客可能不会想到,支撑这次行程的算力芯片正经历着从"舶来品"到"中国芯"的悄然转变。摩尔线程与小马智行这次战略合作的特殊性在于:这是首个采用100%国产计算架构的L4级自动驾驶解决方案。实测数据显示,搭载MTT S3000计算卡的感知系统在复杂路口场景下的推理延迟从23ms降至15ms,同时功耗降低40%。
这个数字背后是自动驾驶行业正在发生的技术范式转移。传统方案依赖的英伟达Orin芯片(254 TOPS)虽然性能强劲,但存在三个致命伤:首先是供应链风险,2022年某国际GPU大厂的A100芯片禁售令直接导致多家车企智驾项目延期;其次是成本结构,Orin芯片单价超过400美元,使得自动驾驶套件BOM成本中计算单元占比高达35%;最后是数据合规性,跨国芯片的数据回流机制可能涉及敏感地理信息。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 合作背后的技术攻坚路线图
2.1 摩尔线程的"三纵一横"技术矩阵
这次合作中,摩尔线程拿出了其第三代统一架构GPU——MTT S4000。与消费级显卡不同,这款芯片专门针对自动驾驶场景做了三项关键改造:
- 异构计算单元:将传统CUDA核心重构为4:2:1的Tensor Core:RT Core:FP32 Core组合,在保持150TOPS算力下,Transformer模型推理效率提升3倍
- 数据流水线优化:独创的"时空分割"总线设计,使得激光雷达点云(100万点/帧)与摄像头数据(800万像素/帧)的传输延迟从5ms压缩至1.2ms
- 车规级可靠性:通过ASIL-D功能安全认证,在-40℃~105℃环境温度下算力波动不超过5%
实测表明,在nuScenes数据集上,S4000运行BEVFormer模型时帧率达到48FPS(对比Orin的36FPS),同时每帧功耗从12W降至8W。
2.2 小马智行的"感知-决策"闭环重构
作为技术接收方,小马智行对其自动驾驶软件栈进行了三大层面的适配改造:
- 计算图优化:
- 将传统CNN骨干网络替换为Hybrid Vision Transformer
- 采用动态稀疏卷积处理远距离小目标(如100米外的交通锥)
- 在规划模块引入Diffusion
