日前，英伟达刚刚发布了新的车规级系统级芯片（SoC）——DRIVE Thor（雷神索尔）。雷神索尔能够提供2000 TOPS AI 算力以及 2000 TFLOPS 浮点算力，吞吐量是2021年4月发布、算力超过1000TOPS 的Atlan的两倍，交付的性能也是Atlan的两倍以上。

Thor最大的突破在于实现了多计算域隔离允许并发的、对时间敏感的多进程无中断运行，也就是“域融合”。Thor不但可以将其2000TOPS和2000TFLOPs全部用于自动驾驶工作流，也可以将其配置为将一部分用于驾驶舱AI和信息娱乐，一部分用于辅助驾驶，Thor可为当前停车、主动安全、驾驶员监控、摄像头镜像、集群和信息娱乐等不同多计算域提供计算设备控制和支持。可以说，Thor在车载计算资源的集中化上迈出了突破性的一步。黄仁勋称Thor是专为汽车自动驾驶而诞生的芯片。

自动驾驶产业链上游包括感知层、执行层、判断层与网联层，中游包括主机厂、自动驾驶科技企业、出行科技企业和智慧交通服务商，下游包括封闭场景、半封闭场景与开放场景。由于自动驾驶综合了多种人工智能技术，对底层技术和多产业融合有很高要求，所以是人工智能领域中技术瓶颈最难突破的一种。我国自动驾驶行业发展相对缓慢，早期投资热潮一度冷却，而近两年，受国家政策利好、国内多个试点落地和行业技术升级等积极因素作用，自动驾驶迎来了未来黄金十年发展期。

目前，全国四十余个省市出台了针对自动驾驶的管理办法。8月8日交通运输部发布《自动驾驶汽车运输安全服务指南（试行）》（征求意见稿），提出在保障运输安全的前提下，鼓励在特定场景使用自动驾驶汽车从事出租汽车、公交车客运和普通货物运输。

9月18日，北京高级别自动驾驶示范区正式启动，《北京市高级别自动驾驶示范区数据分类分级白皮书》发布，全面加快示范区3.0建设的步伐。据相关负责人介绍，示范区将围绕“践行车路云一体化技术路线、持续推动政策监管创新、加快培育智能网联产业生态”三大专项。车路云一体化的自动驾驶生态正在走入人们生活。

“无需激光雷达，即可实现L4级自动驾驶”的Robobus  中智行首款纯网联式L4级别自动驾驶客车（图源：今日相城）

自动驾驶依据智能化和操作程度，从应急辅助到完全自动驾驶共分为L0-L5六个级别：应急辅助(L0级)、部分驾驶辅助(L1级)、组合驾驶辅助(L2级)、有条件自动驾驶(L3级)、高度自动驾驶(L4级)、完全自动驾驶(L5级)。

自动驾驶的每一分级都比上一级有更高的算力要求，L2级别大致需要10TOPS计算能力，L3需要100TOPS以上的算力，L3+的算力级别需要1000TOPS以上。目前，不少私家车已经可以实现L2级驾驶自动化，L2级智能网联汽车受到广泛关注，尤其是特斯拉、小鹏汽车、极氪等新款车型，使得公众对自动驾驶热度满满。市场正在由L2级向L3级发展的阶段。

• 极氪001
• 
  

本月，在2022世界智能网联汽车大会上，工信部副部长辛国斌介绍，今年上半年，具备组合驾驶辅助功能的乘用车销量达288万辆，渗透率升至32.4%。

中信证券预测，到2040年，无人驾驶出租车的潜在市场空间约为3.2万亿元，自动驾驶商用车市场空间合计约为3万亿元。其中，自动驾驶城市专用车市场空间约为1.9万亿元、高速场景自动驾驶市场空间约为9000亿元。

9月，《上海市加快智能网联汽车创新发展实施方案》发布，提出到2025年，上海初步建成国内领先的智能网联汽车创新发展体系。产业规模力争达到5000亿元，具备组合驾驶辅助功能（L2级）和有条件自动驾驶功能（L3级）汽车占新车生产比例超过70%。

智能的车，仅仅是自动驾驶行业的开始。

工信部装备工业一司副司长郭守刚认为，推进自动驾驶落地，不单单需要“车的智能”，更需要“路的智能”，从而实现车路协同。而从自动驾驶行业的发展来看，国家也在基础设施方面给予最大支持，加速自动驾驶落地。

“单车智能+网联赋能”路径将以“聪明的车”为载体，以“智慧的路”为辅助，结合“网联云控”，构建车路云协同一体化发展，例如北京市将建设全市统一的智慧城市专用网络，实现3.0阶段示范区全域的信号覆盖，支持车路协同、远程驾驶、在线监管等车联网业务，广泛拓展智慧城市的场景应用。其中算力乃是自动驾驶技术行业的重要推手。

近年来自动驾驶芯片研发不断突破技术瓶颈，芯片集成度越来越高，然而，车路云一体化系统的城市新基建（具体包括：5G基建、轨道交通、大数据中心、工业互联网、人工智能、数字孪生等）和智慧交通（具体包括：智慧路网、智慧出行、智慧物流、智慧管理、智慧装备），以及单车智能中处理信息最大的感知层对算力的需求随着自动驾驶的应用场景和模式的丰富而指数级增长，智能单车所面临的芯片上的算力上限，加之城市新基建、智慧的路、网联云控对于算力呈现出井喷式需求，则需要从“云-网-边-端”融合计算的角度，实现算力供给弹性拓展。

自动驾驶提升一级，对算力资源的需求要扩大至少十倍。并且，在开发阶段，自动驾驶模型训练环节所需要大量的算力资源。在单车系统中单车智能以多传感器融合的感知层为基础，结合以算力与算法为核心的决策层，以及较为成熟的执行层，最终实现车辆的自动驾驶，其中感知层处理信息量最大。而且随着目前智慧道路的建设，路测感知的数据量增大，随之带动算力需求进一步增长。

目前正在布局自动驾驶赛道的大型车企、传统车企，均在不同程度地搭建自身算力平台。例如，8月，小鹏汽车与阿里云对外宣布在乌兰察布合建自动驾驶智算中心“扶摇”，该智算中心算力可达600PFLOPS（每秒浮点运算60亿亿次），将用于小鹏汽车的自动驾驶模型训练。

这就是为何一方面自动驾驶芯片不断做大做强、新品迭出，自动驾驶行业仍对算力有着大量需求，尤其是自动驾驶的服务型企业，且随着自动驾驶迎来未来十年的黄金发展期，还将不断扩大需求。未来，云端、通信网端、边端、车端的融合将逐渐纵深。

作为GPU算力云服务商，蓝耘依托自有智算云平台，为客户提供包括GPU虚拟云主机、HPC平台、裸金属GPU服务器等在内的产品/服务，以赋能生命科学、自动驾驶、人工智能、科研教育、工业设计等业务场景。

蓝耘一直紧跟前沿科技步伐，与众多科技企业开展长期深度合作。随着自动驾驶行业政策利好及行业技术升级推动，自动驾驶迎来了商业化探索阶段，特别是2021年以来自动驾驶行业迎来投融资热潮，头部自动驾驶企业继续稳扎稳打，中小企业如雨后春笋般活跃。蓝耘亦重点耕耘自动驾驶领域，为自动驾驶企业提供软硬云一体化的算力解决方案，目前已与头部企业展开初步合作。