在此次域控制器创新峰会上，超星未来联合创始人兼首席技术官梁爽就坦言，现在算力的军备竞赛已经掀起来了，“举例来说，今年英伟达发布业内首款1000TOPS的SoC，这相比特斯拉FSD单芯片算力72TOPS算力提升超过一个数量级。另外我们看到，国内也有超过国外玩家的趋势，比如说地平线J5，最高128TOPS，再如黑芝麻A1000Pro，106TOPS芯片上个月刚刚宣布完成流片。”

　　从计算平台角度来看，这些芯片的推出为之提供了更丰富和更可靠的选择。不过梁爽提醒道，行业需要思考一个问题，解决智能驾驶系统计算平台的支撑，是否只能通过芯片堆叠来实现？

　　尽管汽车智能化需要更强的运算能力，但蒋汉平表示：“算力也不能说无限增长，芯片PPA(功耗、成本和面积)都是很要命的。我们以前做芯片的时候很讲究功耗，有些车厂说现在是新能源，你不用担心电的问题，但要知道，即便不用担心电的问题，也还要担心散热等其它问题。所以我们不认为算力无限的膨胀和预埋是未来的趋势，特别是在SoC上，我们需要精准高效的算力来适配电子电气架构的变革。”

　　梁爽亦指出，芯片的算力本质上对于智能驾驶系统还是必要不充分的条件。“虽然大家都知道实现更好的系统需要更多的算力，但是现在大家更多提的算力是峰值算力。我们经常会看到一个优化程度不好的芯片宣称有10TOPS算力，实际跑出来的应用等效只有3-4TOPS的算力。所以我们认为，计算平台设计不单单是算力问题，而是一个非常复杂的需要进行系统优化设计的问题。

　　正如前面所说，计算平台要解决的不仅仅是算力问题，除此之外还面临其他方面的挑战。在此次域控制器创新峰会的主题演讲中，长城汽车智能驾驶架构总监董作民就提到，大算力计算平台主要面临四个维度的挑战，分别是功耗、散热、电磁兼容和质量挑战。

　　其中就功耗而言，据盖世汽车了解，通常情况下，需要更多的算力就需要支付更多的功耗。梁爽指出，车的场景是受限的场景，以L2+域控为例，它的功耗需要控制在30-40瓦范畴之内，即便上水冷把功耗放到大几百瓦、上千瓦，对于电池作为动力能量源的车辆来说，对续航影响也是非常明显的。

　　基于此，梁爽表示：“做计算平台本质上是硬件和功耗等资源受限条件下优化的问题，有点像带着镣铐跳舞的状态。我们面临着越来越复杂的系统，还需应对越来越复杂且快速迭代的传感器，手头有的其实是受限的资源，如何让计算平台方便部署、高能效以及安全可靠非常重要。”

　　毕舒展同样认为计算平台面临着诸多挑战。他坦言，计算平台，特别是面向L2到L5的计算平台，相对于传统的ECU在硬件工程、软件工程领域实现了10-100倍级的挑战。

　　举例来说，当芯片算力为200TOPS到400TOPS，功率从100到300瓦左右，这意味着其在散热方面面临较大的挑战，另外在液冷防凝露、EMC复杂环境等工程问题上也面临巨大挑战。

　　软件工程也将面临很多问题，比如说基于不同的上层支持SOA调度系统，周边服务化形式怎么解耦？数据面和管理面怎么解耦、怎么隔离？操作系统怎么实现确定性低时延等？

　　此外还有安全方面的挑战。“除了汽车界所熟知的主动安全和被动安全等功能安全要求之外，还有网络安全，智能网联汽车随时随地在联网，这个时候就随时面临着外界的各种挑战，包括黑客侵入，而这个时候你又会发现除了功能安全之外，信息安全也正面临巨大的挑战。”毕舒展补充道。

　　通过以上可以看出，计算平台如今确实面临着诸多严峻挑战。那么，相关企业如何应对这些挑战？

　　针对此，毕舒展在此次峰会演讲中表示，华为可以提供专业化计算平台。据其透露，当前业界有两种平台，一种平台是芯片、硬件、操作系统、中间件可能来自于不同的厂家，即组合平台，而其所说的专业化计算平台则是由一家公司来提供芯片、操作系统、中间件。

　　关于专业化计算平台的优势，毕舒展指出，如果各个部件来自于不同厂家，在量产过程中遇到问题沟通协调起来是非常困难的，会产生巨大的工作量，效率较低。另外，一旦主机厂来一个新的需求，可能需要操作系统方、中间件方，甚至在芯片层都需要落地，这个周期计划协调起来非常困难，响应周期也要按半年为单位计算，而专业化计算平台各层都是一家提供，不存在这个问题。当然这仅是专业化平台的特征之一。据其介绍，专业化平台还具备高性能、高安全以及快速响应的特征。

　　据盖世汽车了解，华为可以提供系列化的面向不同场景的产品，其称之为“统一平台架构，系列化硬件，共用一套软件，功能持续迭代”，这种平台支持上层应用平滑升级。具体产品型号有：MDC 810，有400+TOPS的算力，可以满足L2+、L3、L4、L5应用场景；MDC 610，提供200+TOPS的算力，针对L4场景，主要面向于乘用车；MDC 210，有48TOPS的算力，针对L2+场景；MDC 300F，面向商用车场景，比如矿卡、高速物流以及园区。

　　前面提到，如何实现计算平台方便部署、高能效以及安全可靠十分关键。梁爽认为，应对这样一个难题的技术方式，还要以软硬件协同的手段来实现。

　　就超星未来而言，其思路是“围绕神经网络计算加速处理为核心，从软件协同的角度上通过模型压缩、结构搜索的方式来优化出甚至设计出对于硬件更为友好的模型，包括除开神经网络之外其他计算进行定制化加速，大幅度降低在CPU这些通用单元的算力开销，缩短计算平台处理的延迟。处理完所有能效优化基础上还会在基础软件环境上去做优化，以及最终有一个异构计算平台把软硬件技术承载起来，开放提供给客户。”