Waymo 自研 5nm ASIC：1,000 TOPS 背後係延遲、耗電同車廂空間
專用晶片令軟硬件一齊調校，但公開數據仲未夠比較對手
Waymo 開始自己揸埋晶片設計
Waymo 首次公開專為 Robotaxi 而設嘅 5nm ASIC，工作集中喺機器學習前端：接收鏡頭、雷達同 lidar 原始資料，即時抽取特徵、融合感測結果，再交畀後面嘅駕駛模型。官方話最新系統要同步處理 13 個高解像度鏡頭，亦支援由稀疏卷積到 Transformer 嘅模型。TechNews 科技新報報道，呢款晶片由台積電代工；Waymo 官方就只公開咗 5nm 製程，同埋將台積電列入硬件合作夥伴，未講正式型號或者完整晶片規格。
圖片：Waymo
ASIC 點解啱 Robotaxi
通用 GPU 同 FPGA 勝在彈性高，模型同運算流程未定型嗰陣比較易改。ASIC 就將指定工作直接做入硬件，彈性細啲，但資料搬運、延遲、耗電同晶片面積都有機會壓得低好多。Waymo 官方話，車隊累積咗超過 2 億英里全自動駕駛里數。感測器、模型同資料路徑發展到較穩定階段，先值得進一步考慮一齊調校晶片、軟件同演算法。呢一步反映 Waymo 覺得核心工作量已經成熟，值得承受自研晶片昂貴又漫長嘅開發週期。
1,000 TOPS 暫時只係一個大數字
Waymo 話呢批 ASIC 合計提供超過 1,000 TOPS，不過官方用複數講 ASICs，冇拆清楚係單粒、每架車成套，抑或邊個運算精度之下嘅峰值。TOPS 只係每秒操作次數，INT8、FP8、FP4 嘅數字可以差好遠，亦睇唔到實際模型利用率、記憶體頻寬同功耗。NVIDIA DRIVE AGX Thor 同樣標示最高 1,000 INT8 TOPS，另有 2,000 FP4 TFLOPS，至少交代咗精度；Waymo 資料未到呢個程度，暫時冇基礎話佢快過 NVIDIA，仲唔足以用嚟判定贏過 Tesla。
車隊要計嘅數，遠多過跑分
Robotaxi 每日長時間行車，運算平台食多幾多電、散熱模組有幾大、佔咗幾多尾箱位，都會累積成營運成本。Waymo 話新系統可以保持電池效率、留住尾箱空間兼安靜運作，但冇公開新舊功耗、重量或者成本差距。合理推斷係，專用晶片可以減少多塊通用運算卡、連接器同散熱零件；當車隊數量夠大，前期開發費亦較容易攤薄。對 Robotaxi 營運嚟講，呢啲系統層面嘅收益，往往重要過峰值 TOPS 排名。
低延遲同備援先關乎架車點反應
Waymo 強調所有駕駛判斷都喺車上完成，目標係縮短由第一個像素進入系統，到軚盤、油門或者煞車動作之間嘅時間。專用加速器亦會即時做時序降噪，改善低光環境下嘅感知。官方展示咗延遲下降圖，但圖表經標準化處理，冇提供毫秒數，未能獨立判斷進步幅度。系統另設兩套獨立運算引擎平行工作，一邊出錯就由另一邊接手；TechNews 科技新報就報道每架車配兩粒 ASIC，兩者同車輛液冷系統連接，應付震動同溫差。
5nm 唔新，放喺車上反而合理
5nm 已經唔係台積電最尖端製程，不過車載晶片睇重可靠度、良率、供應年期同驗證，追最新節點未必化算。台積電嘅 5nm 家族亦有面向車用嘅 N5A，但 Waymo 冇公開今次實際用邊個 5nm 版本，唔應自行補上。Waymo 會喺 8 月 24 日 Hot Chips 分享車載運算挑戰同感測融合處理器；到時最值得睇嘅係精度、功耗、實際延遲、晶片數量同系統成本，呢幾項先足以判斷自研 ASIC 帶嚟幾大進步。
參考來源
- TechNews 科技新報 — 攜手台積電打造 5 奈米自研晶片，Waymo 算力破千 TOPS 劍指特斯拉 — original report
- Waymo：A look under our trunk: what’s in our compute — 官方披露 ASIC 定位、感測器處理、超過 1,000 TOPS、低延遲、備援同合作夥伴
- NVIDIA DRIVE AGX Autonomous Vehicle Development Platform — 核對 DRIVE AGX Thor 嘅 INT8、FP4 算力口徑同硬件規格
- TSMC 5nm Technology — 核對台積電 5nm 製程家族、量產背景同車用 N5A 定位
- Hot Chips 2026 Advance Program — 核對 Waymo 技術演講日期、車載運算主題同感測融合處理器場次
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。
