요약
Photo Credit: Lucid Group 麻省理工學院（MIT）2023 年做過一個計算，邏輯很簡單，但數字卻很驚人：若全球 10 億輛自動駕駛車，每輛每天只開一小時，搭載的 AI 大腦每輛消耗 840 瓦，這個數字遠低於今日任何商業部署的水準，加總起來，這些車輛的用電量，將等同全球所有資料中心在 2023 年的總用電量。 那個時間點，是 AI 資料中心熱潮真正爆發之前。 業界沒有忽略這份研究，因此有了一個非官方但愈來愈像共識的目標：…
본문
麻省理工學院（MIT）2023 年做過一個計算，邏輯很簡單，但數字卻很驚人：若全球 10 億輛自動駕駛車，每輛每天只開一小時，搭載的 AI 大腦每輛消耗 840 瓦，這個數字遠低於今日任何商業部署的水準，加總起來，這些車輛的用電量，將等同全球所有資料中心在 2023 年的總用電量。
那個時間點，是 AI 資料中心熱潮真正爆發之前。
業界沒有忽略這份研究，因此有了一個非官方但愈來愈像共識的目標：把自動駕駛系統的耗電量壓到 500 瓦。
一個 AI 大腦，究竟有多費電
要理解 500 瓦的難度，得先知道起點在哪裡。
通用汽車旗下 Cruise 部門的 Chevy Bolt 自動駕駛版本，光是驅動自動駕駛系統，就需要 1.5 到 3 kW，這是在正常行駛、空調與車載娛樂之外的額外消耗，以 2 kW計算，一個 20 小時的計程車班次，AI 大腦單獨就要吃掉 40 kWh，等同原本 60 kWh 電池的三分之二。
Hyundai 為 Motional 開發的 2022 款 Ioniq 5 自動駕駛版本，數字更直接：EPA 測定的續航里程只有 168 英里（約 270 公里），消費者版本是 303 英里（約 487 公里），差距達 46%。
這樣的電力帳，無法支撐任何商業模式。
這筆帳，車隊算得過去，個人車主算不過去
Lucid Motors 負責 ADAS 與自動駕駛的副總裁 Kay Stepper 說：「作為一種資產，無人計程車每天可以營運長達 23 小時，大概只留一小時給 DC 快充、維護和清潔。」對車隊業者而言，每一瓦節省下來，都能換成更長的服務時間或更少的充電停靠，對個人車主而言，用一到兩小時的駕駛換掉將近一半的續航，這筆帳根本算不過去。
Uber 執行長 Dara Khosrowshahi 形容無人計程車是「超過兆元的機會」，這個機會成立的第一個前提，是自動駕駛系統的耗電量必須夠節制，否則每多跑一公里，都是在加速侵蝕利潤。
從 3 kW降到 1 kW，目標是再砍一半
整個產業過去幾年確實取得明顯進展。
Waymo 第五代系統，搭載在 Jaguar I-Pace 計程車隊上，即便後裝了 29 顆相機和 5 組光達，自動駕駛耗電量也控制在約 1 kW，第六代系統更進一步，感測器縮減為 13 顆相機、4 組光達，目標維持相近的用電水準，Rivian 對 Level 4 無人計程車的目標是 1.1 kW，換算成 20 小時班次大約是 22 kWh，Lucid 與 AI 公司 Nuro 合作開發的系統，目標也在類似水準。
MIT 的研究計算，要讓全球自動駕駛車隊的排放不超越資料中心，每輛車的運算功耗必須壓在 1.2 kW以下，也就是說，業界目前最先進的系統，幾乎是剛好壓線。
真正的目標是 500 瓦，現在最好水準的一半。Stepper 說：「我們正努力將現在的功耗需求砍半，降到 500 瓦，這是整個業界社群共同的工作目標。」
晶片效率，才是這場競賽真正的核心
在這個問題上，感測器的優化只是其中一環，處理器才是決定成敗的核心變數。
Rivian 感測系統總監 Rahul Rithe 說：「每瓦的 TOPS 數是關鍵指標。」背後的數學並不抽象：一般相機每秒 30 幀，每幀 500 到 800 萬個像素，乘以 14 顆相機，再加上光達、雷達與超音波感測器的即時資料，所有這些資料必須在幾毫秒內完成處理，車輛才能即時做出駕駛決策，隨著自動駕駛等級提升，在都市複雜場景行駛時，計算量又呈指數增長。
要同時做到「更大算力」和「更低功耗」，只有晶片效率一條路。
Rivian 放棄 Nvidia，改找台積電做自己的晶片
Nvidia Drive Thor 是目前市場上最廣泛採用的自動駕駛運算平台，Lucid、賓士（Mercedes）、Volvo、比亞迪（BYD）、極氪（Zeekr）都是它的客戶，Rivian 的前一代系統也採用 Nvidia Orin，但 Rivian 選擇轉向。
公司自行開發了「RAP1」系統單晶片（SoC），採用台積電 5 奈米製程，搭載 Arm Cortex-A720AE 架構，14 核心，針對稀疏資料的運算能力達每秒 800 兆次（TOPS），兩顆組成的第三代自動駕駛模組，可提供 1,600 TOPS 的 AI 運算能力，預計年底前隨 R2 正式上市。與前代 Nvidia Orin 相比，第三代模組計算力提升 4 倍，TOPS 使用效率再提升 2 倍，功耗卻只多了 50%，系統成本同時降低約 30%。Rithe 說：「我們在不炸掉電力預算的前提下，達到了 8 倍的性能提升。」
這個選擇在業界並非首例。Tesla 的 FSD 晶片走的是相同邏輯：自行設計，交由台積電代工，在效率和成本上取得比採購第三方晶片更高的掌控權，Rivian 的 RAP1，是這套晶片垂直整合策略在傳統電動車廠中最完整的一次執行。
Lucid 走的路線則不同。公司沿用 Nvidia Drive Thor，依靠電池、馬達與氣動力學上的效率優勢來抵消自動駕駛帶來的里程損耗，旗下雙座無人計程車概念車「Lunar」，目標是每 kW時提供最高 6 英里（約 9.7 公里）的行駛里程，搭配 55 kW時電池仍可維持約 310 英里（約 499 公里）的續航，再加上每 15 分鐘增加約 200 英里（約 322 公里）的超快速充電，讓業者的停機時間降到最低。兩條路線，目標相同：讓自動駕駛的能源帳算得過去。
500 瓦背後，有一個沒被點名的主場
MIT 研究共同作者、航空航太學系教授 Sertac Karaman 說：「1 kW/車，對未來 3 到 5 年是合理目標，但我們預期運輸領域的運算佔比將非常顯著，從很多方面來說，我們才剛起步。」
500 瓦這個數字，設定的是一道商業可行性的門檻，低於這個門檻，無人計程車的能源帳才算得過去，也才有空間往規模獲利走。
而要抵達 500 瓦，終究是一道晶片效率的題。Tesla 的 FSD 晶片由台積電代工，Rivian 的 RAP1 由台積電 5 奈米製程生產，Lucid 採用的 Nvidia Drive Thor 同樣依賴台積電的先進製程，這場全球自動駕駛的電力效率之戰，有一個持續沒有被點名的隱性主場。
核稿編輯：Mia
本文初稿由 INSIDE 使用 AI 協助編撰，並經人工審校確認；加入 INSIDE 會員，獨享 INSIDE 科技趨勢電子報，點擊立刻成為會員！
延伸閱讀：
- 自駕車不是真的自己在跑！背後有多少人在盯著它，沒人想讓你知道
- 不再只談自駕車，智慧交通新創正轉向城市系統的深層改造
- 【NVIDIA GTC 2026】自駕車的 GPT 時刻來臨！NVIDIA 宣布全新 Robotaxi 佈局，NISSAN、吉利、Hyundai、Uber 全入列