这是“汽车人参考”第383篇原创内容
“赋能智能电动汽车组织和个人成长”
本文为英伟达全面分析第四篇文章，主要探讨英伟达汽车计算平台发展，尝试回答英伟达在硬件层面如何抢占智能汽车市场这个问题，下一篇重点关注Xavier和Orin两款SoC大杀器，请关注本公众号（auto_refer）后续更新。
Drive平台的持续迭代
英伟达的GPU架构从Tesla起，到2010年完整的Fermi，历经Kepler，到2014年的Maxwell，再到2016年面向深度学习的Pascal、Volta，最终到2020年的Ampere。
伴随着GPU架构演进，英伟达逐步在智能汽车上搭建计算平台，2015年推出NVIDIA Drive系列，其中DRIVE CX面向座舱，DRIVE PX面向自动驾驶。
在此后5年时间，以一年一代产品的节奏，快速迭代出了DRIVE PX、DRIVE PX2、Drive PX Xavier、DRIVE PX Pegasus、DRIVE AGX Orin自动驾驶平台。
每一代平台都依托核心SoC的迭代，从Tegra X1，到Parker，到Xavier，Orin，以及Atlan。
初代Drive PX
第一代Drive PX，基于Tegra X1 SoC芯片开发，采用20nm工艺，256核Maxwell架构Cuda Core的GPU，和8个CPU(4个ARM CortexA57和4 ARM CortexA53)，Tegra X1是一颗移动处理器，并不专为汽车而设计，算力为1T左右。
搭载1颗Tegra X1的第一代DRIVE CX面向座舱，搭载2颗Tegra X1的DRIVE PX面向自动驾驶。
第二代Drive PX2
英伟达2016推出了第二代Drive PX2，基于Parker SoC芯片开发，采用16nm工艺。
在Parker架构中，拥有256核Pascal架构Cuda Core的GPU，和6个CPU核（4个ARM Cortex A57和2个 ARM Denver），这是英伟达开始尝试满足车规级的第一颗SoC芯片。
PX2衍生出了AutoCruise（单Parker芯片）和Auto Chauffeur（双Parker芯片）两种版本，相比第一代PX把后备箱塞得满满当当的工控机，DRIVE PX2在体积上已经大大缩小。
特斯拉2016年在HW 2.0中，就搭载了英伟达PX2 AutoCruise版本。
第三代PX Xavier/Pegasus
由于GPU属于通用型计算芯片，算力高同时也会带来高功耗与搭建成本，PX2中2颗Parker SoC功耗约为250W，需要水冷散热。
英伟达在2017年发布了Drive PX Xavier，Xavier平台可以看作是PX2小型高能效版，在算力稍有提升前提下，面积缩小了一半，功率仅为PX2的1/8。
PX Xavier核心在于Xavier SoC芯片，据悉英伟达研发投入高达20亿美元，耗费2000名工程师4年时间开发。
Xavier采用12nm工艺，算力30TOPS，功耗30W，拥有8核ARM 64 CPU（Carmel）和512核Volta架构Cuda Core的GPU。
作为一款专为自动驾驶设计的芯片，Xavier还搭载了深度学习加速模块DLA模块和向量处理单元PVA，DLA和PVA是两个专用ASIC，DLA用于推理 ，PVA用于加速传统视觉算法，这是英伟达首次采用CPU+GPU+ASIC的技术路线。
同年，英伟达推出了适用于Robotaxi、更注重性能的DRIVE PX Pegasus，Pegasus由2颗Xavier芯片和2颗单独的Turing架构的GPU（4680CUDA Core+576 Tensor Core+RT Core）组成，可以实现320TOPS的算力。
第四代，DRIVE AGX Orin
英伟达在2019推出了DRIVE AGX Orin平台，该平台由2颗Orin SoC芯片和2颗 Ampere架构的GPU组成，最高算力达到2000TOPS，功耗800W，这也是Orin SoC芯片的首次亮相。
至此，英伟达通过Xavier和Orin完成了自动驾驶从ADAS到L5的全栈布局，通过不同组合，满足不同客户对不同自动驾驶等级的需求。
汽车人参考小结
20年前英伟达重新定义了现代计算机图形技术，并推动了PC游戏市场的发展，而20年后，英伟达已摇身一变，成为一家在自动驾驶领域处于领先的头部企业。
从云端训练、到移动芯片，再快速迭代到智能汽车芯片，将算力作为核心战略控制点，提前预判用户的需求，再和自身优势结合起来，在没有人的地方去竞争，使得英伟达远远甩开先于已经发展好多年的Mobileye，成为自动驾驶领域又一个炙手可热的明星。
下一篇探讨有关英伟达的Xavier和Orin芯片
英伟达全面分析文章：
基础信息英伟达全面分析（一）， 计算平台遍地开花，汽车九牛一毛
GPU架构英伟达全面分析（二）：十年磨一剑，GPU和CUDA两翼齐飞
模型量化英伟达全面分析（三）：深度学习模型量化，TensorRT了解一下
本文为汽车人参考第383篇原创文章，如果您觉得文章不错，“推荐和关注”是对我最大的支持。