Гонка за автономное вождение идет по трем фронтам: программное обеспечение, аппаратное обеспечение и регулирование. Годами мы наблюдали, как Tesla пыталась силой пробиться к «полностью автономному вождению» (FSD) с помощью собственного оборудования, в то время как остальная автомобильная промышленность все больше склоняется к NVIDIA.
Теперь, когда мы знаем, что выпуск нового чипа Tesla AI5 отложен и он не появится в автомобилях до 2027 года, стоит сравнить два наиболее доминирующих сегодня чипа для «автономного вождения»: новейшее оборудование 4 (AI4) от Tesla и Drive Thor от NVIDIA.
Вот таблица, сравнивающая два чипа с наилучшими возможными характеристиками, которые мне удалось найти. Особо полезным оказался анализ greentheonly. Если вы найдете что-то, что, по вашему мнению, неточно, пожалуйста, не стесняйтесь связаться со мной:
| Функция / Спецификация | Tesla AI4 (Hardware 4.0) | NVIDIA Drive Thor (AGX / Jetson) |
|---|---|---|
| Разработчик / Архитектор | Tesla (собственная разработка) | NVIDIA |
| Технологический процесс | Samsung 7 нм (класс 7LPP) | TSMC 4N (класс 5 нм, пользовательский) |
| Статус выпуска | В производстве (поставки с 2023 г.) | В производстве с 2025 г. |
| Архитектура ЦП | ARM Cortex-A72 (устаревшая) | ARM Neoverse V3AE (серверного класса) |
| Количество ядер ЦП | 20 ядер (5 кластеров по 4 ядра) | 14 ядер (конфигурация Jetson T5000) |
| Производительность ИИ (INT8) | ~100–150 TOPS (система с двумя SoC) | 1000 TOPS (на чип) |
| Производительность ИИ (FP4) | Не поддерживается / не раскрывается | 2000 TFLOPS (на чип) |
| Блок нейронной обработки | 3 пользовательских ядра NPU на SoC | Тензорные ядра Blackwell + Transformer Engine |
| Тип памяти | GDDR6 | LPDDR5X |
| Ширина шины памяти | 256 бит | 256 бит |
| Пропускная способность памяти | ~384 ГБ/с | ~273 ГБ/с |
| Объем памяти | ~16 ГБ типичная система | До 128 ГБ (Jetson Thor) |
| Энергопотребление | Оценка 80–100 Вт (система) | 40–130 Вт (настраиваемый) |
| Поддержка камер | 5-мегапиксельные проприетарные камеры Tesla | Масштабируемая, поддерживает 8 Мп+ и GMSL3 |
| Особые возможности | Резервирование двух SoC на одной плате | Встроенный Transformer Engine, NVLink-C2C |
Самое поразительное различие сразу бросается в глаза — это технологический процесс. NVIDIA вкладывает все силы в Drive Thor, используя передовой 4-нм процесс TSMC (пользовательский узел класса 5 нм). Это позволяет им использовать новую архитектуру Blackwell, которая по сути является той же технологией, что питает самые передовые ИИ-центры обработки данных в мире.
Tesla, с другой стороны, сделала ход, который может удивить энтузиастов технических характеристик. Анализ подтверждает, что AI4 построен по 7-нм процессу Samsung. Это зрелый, надежный и гораздо более дешевый процесс, чем передовые узлы TSMC.
Когда вы смотрите на вычислительную мощность, NVIDIA заявляет о впечатляющих 2000 TFLOPS для Thor. Но есть нюанс. Это число использует точность FP4 (4-битное число с плавающей запятой), новый формат, разработанный специально для Transformer-моделей, используемых в генеративном ИИ.
По оценкам, Tesla AI4 достигнет примерно 100–150 TOPS (INT8) в своей резервированной системе с двумя SoC. На бумаге это выглядит как разгром, но Tesla сделала очень специфический инженерный компромисс, который точно указывает на то, что сдерживало их программное обеспечение: пропускная способность памяти.
Tesla перешла с LPDDR4 в HW3 на GDDR6 в HW4, той же энергоемкой памяти, которую вы найдете в игровых видеокартах (GPU). Это обеспечивает AI4 огромную пропускную способность памяти около 384 ГБ/с по сравнению с 273 ГБ/с у Thor (в одночиповой конфигурации Jetson) с использованием LPDDR5X.
Это говорит о том, что подход Tesla, основанный только на зрении, который обрабатывает огромные объемы необработанного видео с камер высокого разрешения, страдал от нехватки данных.
Судя по комментариям Илона Маска о том, что чип Tesla AI5 будет иметь в 5 раз большую пропускную способность памяти, похоже, что это все еще остается узким местом Tesla.
Здесь действительно проявляется стремление Tesla к снижению затрат. AI4 по-прежнему работает на ядрах ARM Cortex-A72, архитектуре, которой почти десять лет. Они увеличили количество ядер до 20, но это все еще старая технология.
Между тем, NVIDIA Thor использует ARM Neoverse V3AE, ЦП серверного класса, специально разработанный для современных программно-определяемых автомобилей. Это позволяет Thor запускать не только стек автономного вождения, но и всю информационно-развлекательную систему, приборную панель и, возможно, даже бортового ИИ-помощника, все на одном чипе.
Thor нашел множество покупателей, особенно среди конкурентов Tesla EV, таких как BYD, Zeekr, Lucid, Xiaomi и многих других.
Мнение Electrek
Есть одна вещь, которой нет в таблице: цена. Я бы предположил, что Tesla выигрывает на этом фронте, и это большая часть проекта. Tesla разработала чип, которого не существовало, но который ей был нужен.
Это было впечатляющее достижение, но оно не делает Tesla невероятным лидером в области кремниевых решений для автономного вождения.
Tesla максимально использует AI4. Теперь он использует оба чипа, что делает маловероятным достижение уровня избыточности, необходимого для обеспечения автономности 4-5 уровней.
Тем временем у нас нет решения для HW3, а AI5, по-видимому, не появится, чтобы спасти положение, до 2027 года.
К тому времени на дорогах, вероятно, будут миллионы автомобилей с процессорами NVIDIA Thor.