車東西專訪德州儀器高管：汽車AI芯片不只是TOPS競賽

車東西（公眾號：chedongxi）
作者 ｜ Janson
編輯 ｜ 志豪

汽車行業對算力的渴望，似乎正在變得越來越強烈。

在數據中心里，性能可以通過更高功耗、更大規模和更強散熱來堆出來，但在車上，每一份算力都要被放進更嚴苛的約束里。

它必須足夠安全、足夠實時，同時還必須控制重量體積功耗和成本并服務于一套生命周期長達15年以上的長期演進的軟件平臺。

這也是汽車AI芯片競爭正在發生變化的原因，一顆芯片不僅要完成AI推理，還要和實時控制、音頻處理、網絡通信、安全機制一起工作。

畢竟，汽車不是一個單純追求峰值性能的場景，而是一個不斷要求系統平衡的工程現場。

在這樣的變化中，老牌芯片公司德州儀器被放到了一個值得關注的位置。

作為一家長期圍繞嵌入式處理、實時控制、DSP和車規級器件構建能力的企業，德州儀器也正在給出其自己的思考。

換句話說，當汽車芯片的評價標準從單一TOPS性能指標，轉向安全、實時性、功耗、軟件工具鏈和系統可擴展性時，TI過去積累的那些看似廣泛分散的能力，開始被重新組織進同一個敘事里。

▲德州儀器處理器業務副總裁兼總經理Roland Sperlich

日前，車東西開展了一場與德州儀器處理器業務副總裁兼總經理Roland Sperlich的專訪。

在這場訪談中，Roland圍繞邊緣AI的爆發邏輯、汽車客戶對可擴展平臺的需求，以及芯片廠商如何把算力轉化為可開發、可驗證、可量產的系統能力，系統闡述了TI對汽車芯片競爭新階段的判斷。

一、邊緣AI上車之后 汽車芯片進入系統競爭時代

在Roland Sperlich看來，邊緣AI之所以在這個時間點快速升溫，是技術成熟，與市場需求拉動的共同結果。

一方面，邊緣側已經具備了實時數據處理和分析的技術條件；另一方面，汽車、工業等場景也確實需要更低延遲、更靠近現場的本地計算能力。

換句話說，邊緣AI不是一個被“造出來”的概念，而是技術能力和應用需求共同走到臨界點后的結果。

這種變化放到汽車行業里，意義會更復雜。

畢竟，汽車天然不是一個只看算力的場景，它既有攝像頭、雷達、麥克風、加速度計等多類傳感器，也有大量需要實時響應的控制鏈路。

Roland在采訪中提到，邊緣AI面臨的挑戰并不是單純的“芯片算力”問題，而是傳感器、SoC、軟件開發環境和算法部署流程共同構成的系統性挑戰。

▲汽車智能化下半場傳感器無處不在

這也解釋了為什么汽車AI芯片的競爭，正在從單一TOPS參數競爭轉向系統能力競爭。

過去討論AI處理器時，市場很容易把注意力集中在AI引擎或峰值算力上；但在真實的汽車系統里，AI引擎只是其中一部分。

數據如何從傳感器進入SoC，如何在片上完成預處理，如何調用DSP、加速器和不同內核，如何在成本、功耗和性能之間取得平衡，都會決定一顆芯片最終能否被車企真正用起來。

因此，TI并不把自身差異化簡單定義為“提供一個AI引擎”。

Roland提到，即便假設不同廠商的AI加速能力接近，差異也不會只來自AI引擎本身，還會來自處理器周邊能力，例如數據轉換器、傳感器接口、外設I/O、顯示、USB等系統級能力。

這些能力看起來并不如TOPS數字直觀，卻直接影響客戶能否把芯片放進真實系統中，并完成穩定量產。

軟件和工具鏈則是另一個關鍵變量。

邊緣AI真正落地，不只是模型能不能跑起來，還包括客戶如何開發、部署和優化模型。

▲Roland講述具體案例

對此，Roland舉了一個例子：如果客戶購買了一顆40 TOPS的MPU，但實際部署后只使用了20 TOPS，那么芯片供應商能否幫助客戶識別資源利用率，并進一步優化系統配置，就會變得非常重要。

對TI而言，工具鏈、軟件生態以及對ONNX等主流模型和開放生態模型的支持，都是讓AI算力真正被用起來的重要組成部分。

與此同時，汽車電子架構本身也沒有統一答案。

有些車企希望在中央ECU集中處理數據，有些則希望在邊緣側先做預處理；有些客戶偏好集成式MPU，有些則選擇外置MPU。

Roland表示，TI不會替客戶預設某一種架構是唯一正確路徑，而是通過從入門級MCU到高性能TDA器件的產品組合，以及相對通用的軟件和開發工具，支持客戶在不同系統架構之間遷移和復用。

從這樣的邏輯中不難看出，當下汽車芯片供應商角色的變化。

過去，芯片公司更多是在某個功能點上提供器件，但在邊緣AI上車之后，一個能夠把傳感、計算、軟件、功耗、成本和安全要求組織在一起的系統基礎變得相當重要。

對于TI來說，真正的競爭點也不再只是“有沒有AI算力”，而是能否幫助客戶把這些算力變成可開發、可驗證、可量產的工程能力。

二、汽車芯片的第一原則 安全優先

如果說邊緣AI讓汽車芯片進入智能系統競爭時代，那么在Roland Sperlich看來，這套系統能力的第一原則并不是算力，而是安全。

他在采訪中明確提到，對TI來說，安全永遠是第一優先級，尤其是在ADAS等汽車應用場景中。

畢竟，汽車不是普通消費電子產品，一顆芯片一旦進入關鍵系統，就必須面對功能安全、長期可靠性和極端環境適應性的多重要求。

更高等級的安全通常也意味著更多安全硬件和軟件機制，這會帶來成本、芯片面積和系統復雜度的增加，但TI并不認為安全是可以被輕易壓縮甚至刪減的部分。

這也是汽車處理器和工業處理器之間最重要的差異之一。

Roland提到，汽車設備通常有更嚴格的安全認證流程，也需要支持更寬的工作溫度范圍，能夠在高溫、低溫等復雜環境下長期穩定運行。

相比之下，工業設備雖然同樣重視可靠性和安全，但應用環境和市場節奏都與汽車不同。汽車市場更垂直、更新速度更快，也越來越接近消費電子，這要求汽車芯片既要滿足嚴格安全標準，又要跟上快速迭代的功能需求。

這種“安全優先”的邏輯，并不只存在于輔助駕駛等高算力場景，也正在滲透到更多傳統功能中。

車載音頻就是一個典型例子。過去，音頻系統更多被理解為體驗功能，關注音質、輸出功率和沉浸感。

但Roland在采訪中提到，高功率車載音頻也需要與安全功能結合。例如車輛在行駛過程中，如果系統檢測到救護車等外部環境音，可以自動降低車內音量，待風險解除后再恢復。

這意味著，音頻芯片承擔的角色正在擴展。它不只是負責“把聲音做得更好”，也要參與車內外聲音識別、降噪、個性化音區管理，以及與整車安全和交互系統的協同。

▲面向AM62x的嵌入式開發板

TI的AM275和AM62D處理器面向高質量音頻處理，具備確定性的實時性能表現，可支持高端及車載音頻方案。隨著汽車電子電氣架構向集中化、區域化演進，音頻系統也在從單一功能升級走向系統級重構。

同時，AVB技術正是這種趨勢下的重要支撐。通過音頻視頻橋接協議，車載音頻系統可以在提升帶寬和系統可擴展性的同時，簡化布線并降低整車成本。

對于車企來說，這不僅是音頻架構的變化，也是在區域架構下重新組織數據傳輸、功能協同和成本結構的一部分。

因此，音頻、感知、安全、功耗、成本和算力正在被放進同一個系統框架中重新設計。

對汽車芯片供應商來說，真正的挑戰也不只是把某個單點功能做好，而是讓這些功能能夠在安全可靠的前提下協同工作，并最終進入可量產的整車系統。

三、從實時控制到可擴展AI TI要讓算力真正可用

在汽車AI芯片競爭中，算力并非不重要，但Roland Sperlich更強調另一個關鍵詞——可擴展性。

他的判斷是，TOPS到了一定量級后，并不需要無限追高。汽車不是云數據中心，車企真正關心的是在安全性、性價比和軟件開發成本之間取得平衡。

不同法規、不同市場、不同道路環境，以及不同客戶的軟件和算法能力，都會影響最終算力需求。

因此，芯片平臺不能只回答“最高能做到多少TOPS”，還要回答“能否覆蓋不同車型、不同功能等級，并讓軟件盡可能復用”。

這正是TDA5的產品邏輯。TDA5是一個可擴展的高性能處理器系列，AI性能覆蓋從10 TOPS到最高1200 TOPS，用于應對汽車對AI、功能安全和技術集成不斷增長的需求。

Roland在采訪中也提到，TDA5系列中100 TOPS到400 TOPS產品具備引腳兼容性，客戶可以根據不同車型或功能需求，在不同算力平臺之間切換，同時盡可能保留既有軟件資產。

這種可擴展性背后，對應的是車企越來越高的軟件開發成本。

在汽車AI時代，每一次平臺切換都可能牽動算法、工具鏈、驗證流程和量產節奏。

如果一個平臺能夠支持從基礎功能到更高等級功能的平滑遷移，就意味著客戶可以在不同車型、不同價位和不同功能版本之間復用開發成果，降低重復投入。

▲汽車也是數字化產品

不過，汽車AI并不只是AI推理本身。Roland在談到實時控制時指出，很多系統架構本質上是在數據和控制pipeline和延遲之間做平衡。

以電機控制為例，真正的核心控制環路要求極低延遲，AI通常不直接處在這個環路里，而是在外部調整控制參數；控制任務仍然依賴實時控制引擎、Arm內核、C2000系列或專用加速器來完成。

這也是TI長期積累能夠發揮作用的地方。TI在嵌入式處理領域深耕近50年，產品組合覆蓋MCU、處理器、無線連接和基于雷達的設備，并支持工業/汽車級溫度范圍、功能安全和多樣化封裝選項。

在汽車系統中，AI計算、DSP信號處理、實時控制和數據轉換并不是彼此割裂的模塊，而是需要在同一套系統架構中協同工作。

同時，ADAS場景進一步放大了這種系統復雜度。Roland提到，ADAS與傳統實時控制架構不同，原因在于傳感器尤其是圖像傳感器會產生大量視覺數據，這些數據需要快速流式傳輸到DSP和各類加速器中，同時也要求加速器與DDR內存之間具備足夠帶寬，才能支撐復雜信號處理。

而VDK則把TI的這套思路進一步延伸到軟件開發階段。TDA5配套的虛擬開發套件VDK支持開發團隊在芯片量產前啟動軟件開發，實現軟硬件并行開發，從而縮短產品上市時間。

Roland在采訪中進一步解釋，VDK不僅能讓客戶提前驗證軟件，也能讓TI在硬件正式發布前獲得客戶反饋，提前優化SDK，甚至發現潛在硬件瓶頸。

更重要的是，VDK可以把驗證場景做得更前置、更并行。Roland提到，VDK可以部署在云端，同時運行多個實例，模擬不同ECU、不同天氣、不同地區道路條件，也可以導入真實攝像頭數據測試算法表現，甚至用于構建整車數字孿生。

對車企來說，這意味著軟件開發不必完全等待硬件到位，驗證工作也不必局限在線下單一環境中完成。

因此，TI在汽車芯片中的角色并不只是交付處理器本身了。

圍繞TDA5和VDK，它試圖解決的是更靠近車企工程現場的問題，如何讓算力覆蓋不同需求，如何讓軟件跨平臺復用，如何讓開發和驗證更早開始，如何讓AI能力最終進入可量產的汽車系統。

結語：TI押注長期系統能力的復利

汽車AI時代，芯片廠商的角色正在變化。

過去客戶購買的是一顆芯片，現在客戶需要的是一個能夠支撐多年軟件演進、安全驗證和平臺擴展的系統基礎。

對TI來說，提供彈性算力，讓每一份算力都能在安全、實時和可驗證的系統中真正發揮作用可能，才是一個共贏的解決方案。