芝能智芯出品
在智能座舱里，大家都知道高通的芯片是目前的主流，比如高通8155，高通8295，车企不断的宣传让我们知道了芯片的重要性。那么在智能驾驶领域里，到底什么是重要的呢，评估面向自动驾驶的计算芯片性能时，有没有什么科学的依据呢？我们今天来解读一下“车载异构计算测评规范”的标准，这个标准非常详细地规定了测试的各个方面。
算力性能评估
● 稀疏算力表示在任务执行中，计算资源利用率较低，主要出现在处理低密度数据或低复杂度任务时。
● 稠密算力表示计算资源利用率较高，通常出现在处理高密度数据或高复杂度任务时。
在实际场景中，稀疏算力和稠密算力存在互补关系。合理的任务分配可以根据特定任务的特点和需求，使稀疏算力和稠密算力得到有效利用。例如，低优先级、低复杂度的任务可分配给稀疏算力服务器，而高优先级、高复杂度的任务则交给稠密算力服务器。这种合理分配有助于提高整体计算效率。
稀疏算力和稠密算力之间存在转换关系。通过调整任务优先级、复杂度或采用动态调度算法等手段，可以实现它们之间的转换。在云计算平台中，根据用户需求变化，系统可动态调整服务器算力分配，实现稀疏算力和稠密算力的灵活转换。
在标准中采用稠密算力方式进行评估的必要性。相对于稀疏算力，稠密算力更具有普适性，避免了准确度下降的问题，同时可以更好地满足计算准确度的要求。
注意，实际芯片对于不同数据类型的性能差异。虽然INT4、FP32等数据类型各有优势，但INT8数据类型更被广泛采用，因为它在效率和泛用性方面取得了平衡。为了规范业内智驾芯片的算力对比，采用INT8稠密算力为代表，并通过明确的标准来兼顾其他量化精度类型，避免了算力虚标和对比条件不统一造成的问题。
智能驾驶场景AI性能评价
● 时延： 衡量处理单个单位数据的速度，即单一事件的处理速度。
● 吞吐量： 衡量在单位时间内处理的数据量，即整个系统处理事件的效率。
兼顾AI性能和
整体端到端数据流处理能力
AI计算单元虽然是智能驾驶系统中的主要处理单元，但整个芯片平台的性能发挥需要各部分协同工作。车企在选择智能驾驶芯片时需要综合考虑多个因素，包括算力和算效、适配性、软件开发难度、车规级安全认证等级、灵活性和能效比等指标。实际上我们需要关注维度及安全性和效率：
● 整体端到端数据流处理能力和智驾体验：强调了这是最靠近整车厂最终需求的智能驾驶计算芯片评价指标。兼顾AI性能和整体端到端数据流整体处理能力，同时关注整体智驾体验，才能更好地满足实际采购和使用中的需求。
● 功能安全的考虑：在信息安全和车辆安全的基础上，标准明确指出关注功能安全。这包括支持国密认证、安全启动、硬件加解压等功能，以满足智能驾驶计算芯片对相关能力的要求。
总体而言，这个标准为评估智能驾驶计算芯片提供了详尽的规范，强调了多个维度的性能评价，确保业内各种智驾芯片能够在统一的标准下进行对比，最终提高整个智能驾驶产业的发展水平。
