Waymo 自研 5nm AI 晶片：robotaxi 擴張背後嘅邊緣運算盤算

Waymo 擴張 robotaxi 服務，外界平時睇住佢開咗幾多個城市、落咗幾多架車，今次公開嘅自研 AI 晶片反而更值得拆。呢枚 5nm ASIC 放喺第六代 Waymo Driver 入面，先接住鏡頭、雷達同 lidar 湧入嚟嘅原始數據，再交畀核心運算系統判斷路面情況。車隊要由幾千架一路加上去，每架車入面嗰套電腦有幾貴、食幾多電同反應幾快，全部都會直接影響生意盤數。

點解要喺車入面自研晶片

Waymo 官方資料顯示，第六代感應器組合有 13 個鏡頭、4 個 lidar 同 6 個雷達。呢堆感應器會不停產生唔同格式、時間點同密度嘅資料，系統要先降噪、抽出特徵，再融合成一幅可以畀 AI 理解嘅環境圖。資料如果兜幾轉先送入通用 GPU，搬運本身已經會食頻寬、電力同時間；專用 ASIC 就可以將常用步驟直接做入硬件，縮短由感應器收到數據，到車輛轉向或煞車嘅時間。

Waymo 話呢批 ASIC 合計提供 超過 1,000 TOPS 嘅機器學習運算，亦可以處理稀疏卷積、Transformer、感應器融合同低光影像時序降噪。呢啲全部係 Waymo 官方數字同描述，暫時冇獨立測試核實。公司仲話整套運算能力八年間升咗 20 倍，決策以毫秒計，不過未公開晶片數量、數值精度、功耗、記憶體頻寬同實際延遲，單睇 TOPS 判斷快慢其實冇乜意思。

圖片：Waymo

1,000 TOPS 唔代表打贏 NVIDIA

TechCrunch 將 Waymo 嘅數字放到 NVIDIA DRIVE AGX Thor 附近比較，表面上兩邊都去到 1,000 TOPS 左右。不過 NVIDIA 官方列明 Thor 單一 SoC 最高係 1,000 INT8 TOPS；Waymo 講嘅就係多枚前端 ASIC 合計，運算精度亦冇交代，兩套硬件負責嘅工作範圍唔同，冇條件直接排高低。Waymo 亦有列出 NVIDIA、AMD、Micron、Samsung、SanDisk、Socionext 同 TSMC 做合作夥伴，所以自研晶片唔等於成套電腦已經擺脫外購零件。

呢種分工其實幾合理：固定又高頻嘅感應器處理交畀 ASIC，CPU、GPU 同其他加速器就留返畀調度、資料搬運、記錄同較常改動嘅 AI 模型。Waymo 亦話系統由兩套獨立運算引擎平行工作，其中一套出錯，另一套可以接手。robotaxi 冇人類司機做後備，硬件冗餘同穩定延遲自然要擺得好前；公司仲將電腦接入車輛液冷系統，應付震動同極端溫度，但實際安全效益同長時間運作表現，仍然有待第三方驗證。

圖片：Waymo

自研硬件要靠車隊規模先計得掂

ASIC 前期設計、驗證同生產成本高，模型大改亦冇 GPU 咁靈活。Waymo肯做，反映佢預期同一套自動駕駛架構會裝上夠多架車，先可以攤薄開發成本。專用晶片如果真係減到耗電同散熱負擔，電池可以留多啲畀行車，電腦亦可以細部啲；再配合第六代系統減少感應器數量，整車成本、維修複雜度同車廂空間都有機會改善。不過 Waymo未公開每架車慳到幾多，暫時只可以視為架構方向，唔可以當成已證實嘅成本優勢。

Waymo 今次公開嘅重點，係佢已經由寫自動駕駛軟件再行前一步，開始按自己嘅感應器同模型設計車載運算。下一步要睇 Hot Chips 公開幾多技術細節，尤其係功耗、精度、晶片數量同實際延遲；欠咗呢幾項，1,000 TOPS 仍然只係一個幾搶眼、但資訊未完整嘅官方數字。

參考來源

• TechCrunch — TechCrunch Mobility: The custom chip driving Waymo’s robotaxi ambitions — original report
• Waymo：A look under our trunk: what’s in our compute — ASIC 用途、逾 1,000 TOPS、雙引擎冗餘同液冷設計嘅第一手資料
• Waymo：Meet the 6th-generation Waymo Driver — 第六代系統嘅鏡頭、lidar、雷達數量同成本方向背景
• NVIDIA DRIVE AGX Autonomous Vehicle Development Platform — 核對 DRIVE AGX Thor 單一 SoC 嘅 INT8 TOPS、記憶體同介面規格

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。