自动驾驶行业从不缺少发布会：接管率、开城名单、累计里程，每隔几个月就被刷新一轮。但有一个话题长期讳莫如深，车顶激光雷达下方、后备箱里的那台「电脑」。8 月 20 日，Alphabet 旗下的 Waymo 首次系统性地公开了驱动其 Robotaxi 的车载计算系统，包括一颗此前从未亮相的 5nm 自研 ASIC。对一家以谨慎著称的公司而言，这次「亮底牌」颇值得玩味。
数据中心级的性能，装进一辆车
根据 IT 之家报道，Waymo 将这套系统描述为「数据中心级别的性能」，同时满足车载环境的实时性要求。几个关键信息值得展开：
- 八年 20 倍：系统的原始计算性能在 8 年间提升了 20 倍，配合超低延迟软件栈，尽可能压缩「从首个像素到实际操作」的延迟；
- 异构架构：CPU、GPU、专用加速器与机器学习技术的组合，而非单一芯片打天下；
- 自研 5nm ASIC：在采购「公版」组件之外，Waymo 定制了一颗 5nm 芯片，专为实时处理、传感器数据融合与高级神经网络设计，其加速器单元可即时处理激光雷达等传感器数据；
- 双引擎冗余：两套计算引擎并行、互为备份，以应对极端情况，整机还须扛住车载环境的震动、温差等严苛条件。
对自动驾驶而言，「延迟」不只是性能指标，更是安全指标，感知到障碍与执行制动之间的每一毫秒，都会直接换算成刹车距离。这也是 Waymo 反复强调全链路时延而非算力峰值的原因。
为什么头部玩家都要下场造芯
车载计算与数据中心的需求几乎相反：机房可以堆机柜、上液冷，车上的功率预算通常只有几百瓦；机房允许偶发重试，车上必须毫秒级确定性响应。这种约束解释了头部玩家的共同选择，特斯拉 2019 年就用自研 FSD 芯片替换了第三方方案，国内蔚来神玑、小鹏图灵等自研芯片也已装上量产车。Waymo 的 5nm ASIC 是同一条路线的最新注脚。
制程节点本身也值得注意。车规芯片的可靠性验证历来让制程落后消费电子数年，敢把 5nm 搬上车，背后是规模与现金流的底气。而规模确实是前提：当车队从几百辆扩张到数千辆，通用 GPU 的采购与功耗账几乎必然算不平，自研 ASIC 的巨额前期投入才摊得薄。就在本周，内华达州刚批准了包括 Waymo 在内的多家公司合计最多 8000 辆 Robotaxi 的部署许可，铺量时代对单位成本的敏感度只会更高。
从算法竞赛到系统工程
这件事的信号意义或许大于技术细节本身：自动驾驶的竞争正从「算法演示」进入「系统工程」阶段。Demo 时期比的是谁能跑通一段路；商业化时期比的是延迟、冗余、功耗、成本与车队运维的协同优化。胜负手不再只是模型参数，而是芯片、软件栈与运营规模串联起的整条链路。
这对供应商生态也是一次分层：头部玩家自研，腰部玩家采购英伟达 DRIVE、Mobileye 之类的方案，两端的市场逻辑截然不同。英伟达们失去的是少数大客户，换来的是更多需要「开箱即用」的中小客户，但定价权的天平，正悄悄向能自己定义算力的一方倾斜。
简短点评
Waymo 愿意把计算架构、冗余设计甚至制程节点摊开来讲，说明这套系统已从「秘方」变成了「可以公示的护城河」——真正的壁垒不在某颗芯片，而在芯片、软件与百万级运营里程之间的持续协同迭代。对手可以复刻 5nm，却很难复刻八年 20 倍的迭代节奏。对看客而言，这也是一次提醒：让无人车安静跑起来的，从来不是某次惊艳的演示，而是这些藏在后备箱里、很少上热搜的「笨功夫」。