Pojedynek superkomputerów autonomicznych: NVIDIA Drive Thor kontra Tesla FSD Hardware 4 kontra Qualcomm Snapdragon Ride Flex

Wyścig o stworzenie w pełni autonomicznych pojazdów zapoczątkował nową generację motoryzacyjnych superkomputerów. NVIDIA Drive Thor, Tesla Full Self-Driving (FSD) Hardware 4 oraz Qualcomm Snapdragon Ride Flex to trzy najnowocześniejsze platformy rywalizujące o miano „mózgu” samochodów autonomicznych przyszłości. Każdy z tych systemów obiecuje niespotykaną dotąd wydajność AI i możliwości – od zaawansowanego łączenia danych z czujników i przetwarzania sieci neuronowych po zintegrowane doświadczenia wewnątrz kabiny. Niniejszy raport przedstawia kompleksowe porównanie tych platform – ich specyfikacji technicznych, parametrów wydajności, funkcji, integracji z pojazdami oraz planów rozwoju – podkreślając najnowsze osiągnięcia na sierpień 2025 roku. Eksperci branżowi i liderzy firm oceniają, jak te układy AI do jazdy wypadają na tle konkurencji oraz jakie znaczenie ma ich pojawienie się dla przyszłości pojazdów autonomicznych i definiowanych przez oprogramowanie.

NVIDIA Drive Thor – Nowa generacja scentralizowanej mocy obliczeniowej AI

Przegląd: NVIDIA Drive Thor to nowej generacji motoryzacyjny system-on-chip (SoC) firmy NVIDIA, który ma zastąpić obecną platformę Drive Orin w 2025 roku blogs.nvidia.com carnewschina.com. Ogłoszony podczas GTC 2022, Drive Thor jest opisywany przez NVIDIA jako „scentralizowany komputer samochodowy”, łączący wszystkie kluczowe funkcje pojazdu – od jazdy autonomicznej i ADAS po cyfrowy kokpit i infotainment – na jednej platformie blogs.nvidia.com. Zbudowany jest w oparciu o nową architekturę GPU Blackwell firmy NVIDIA (następcę Ampere/Ada) oraz kompleks CPU Arm „Poseidon”, z naciskiem na wysoką wydajność AI i efektywność blogs.nvidia.com blogs.nvidia.com. Drive Thor skutecznie zastępuje wcześniej planowany przez NVIDIA układ „Atlan” (który został anulowany) i stanowi duży skok w stosunku do generacji Orin Xavier/Ampere en.wikipedia.org.

Specyfikacja techniczna i architektura: Drive Thor dostarcza do 1 000 TOPS (bilionów operacji na sekundę) wydajności AI (INT8 sparse) na jednym układzie scalonym en.wikipedia.org carnewschina.com. Osiąga to dzięki połączeniu wydajnego klastra GPU i CPU. SoC integruje GPU oparte na architekturze Blackwell z 2560 rdzeniami CUDA i 96 rdzeniami Tensor, wprowadzając wbudowany Transformer Engine zoptymalizowany pod kątem sieci neuronowych oraz precyzji 8-bitowej zmiennoprzecinkowej (FP8) blogs.nvidia.com. Umożliwia to wyższą dokładność uczenia głębokiego bez utraty wydajności, łącząc zalety obliczeń 32-bitowych i niskobitowych blogs.nvidia.com. Po stronie CPU znajduje się 14 rdzeni Arm Neoverse V3 (klasa automotive „V3AE”) en.wikipedia.org, co czyni go jednym z najwydajniejszych kompleksów CPU dla motoryzacji. Drive Thor jest produkowany w procesie technologicznym 4 nm TSMC, co zapewnia znaczący wzrost gęstości i efektywności energetycznej w porównaniu do Orin (8 nm) en.wikipedia.org carnewschina.com. Obsługuje także do 128 GB pamięci LPDDR5X, szybkie I/O i nowe interkonekty. Co istotne, dwa układy Thor można połączyć przez NVLink-C2C, aby działały jako jeden logiczny komputer, podwajając przepustowość do ~2 000 TOPS dla najbardziej wymagających zastosowań autonomii poziomu 4–5 en.wikipedia.org blogs.nvidia.com. Ta skalowalność pozwala producentom samochodów zwiększać moc obliczeniową po prostu łącząc układy.

Wydajność i możliwości: Pod względem surowej wydajności, Drive Thor jest około 4× wydajniejszy niż obecny NVIDIA Drive Orin (Thor: 1 000 TOPS vs. Orin: ~254 TOPS) carnewschina.com carnewschina.com. NVIDIA podkreśla, że Thor zapewnia „20× większą wydajność AI niż jego poprzednik” przy wykorzystaniu wszystkich nowych funkcji notebookcheck.net, choć w praktycznych INT8 TOPS to około czterokrotność możliwości Orina. Co istotne, Thor został zaprojektowany jako platforma wielodomenowa: jego zasoby obliczeniowe można podzielić tak, by część obsługiwała autonomiczną jazdę (percepcja, fuzja sensorów, planowanie trasy), a inna część działała na potrzeby AI w kabinie, cyfrowych zegarów czy infotainmentu blogs.nvidia.com blogs.nvidia.com. Taką izolację wspiera wirtualizacja i architektura bezpieczeństwa ASIL-D, co oznacza, że krytyczne czasowo zadania ADAS mogą działać równolegle z aplikacjami kokpitu bez zakłóceń blogs.nvidia.com. Przykładowo, producent samochodów może przeznaczyć całe 1000 TOPS na autonomiczną jazdę lub np. 700 TOPS na zadania związane z jazdą i 300 TOPS na kokpit/UX – wszystko na jednym układzie blogs.nvidia.com blogs.nvidia.com. Taka konsolidacja ma na celu ograniczenie liczby oddzielnych elektronicznych jednostek sterujących (ECU) w dzisiejszych samochodach, co obniża koszty i złożoność blogs.nvidia.com blogs.nvidia.com. NVIDIA podkreśla także obsługę przez Thor aplikacji generatywnej AI w pojazdach, zaznaczając, że architektura GPU Blackwell zawiera „silnik generatywnej AI” idealny do uruchamiania modeli transformer, dużych modeli językowych oraz zaawansowanego monitorowania kierowcy czy asystentów głosowych w samochodzie <a href=”https://nvidianews.nvidia.com/news/nvidia-drive-powers-next-generation-transportation#:~:text=DRIVE%20Thor%20is%20an%20in,Jensen%20Huang%E2%80%99s%20keynote%20at%20GTC” target=”_blank” rel=”noreferrernvidianews.nvidia.com nvidianews.nvidia.com. Słowami wiceprezesa ds. motoryzacji NVIDIA, Xinzhou Wu, „przyspieszone obliczenia doprowadziły do przełomowych odkryć, w tym generatywnej sztucznej inteligencji, która na nowo definiuje autonomię i branżę transportową” nvidianews.nvidia.com. Dzięki połączeniu TOPS, nowych instrukcji AI i zunifikowanej pamięci, Drive Thor jest pozycjonowany jako wszystko-w-jednym superkomputer dla autonomii od poziomu 2+ do poziomu 4 blogs.nvidia.com blogs.nvidia.com.

Integracja i przypadki użycia: Drive Thor ma pojawić się w pojazdach produkcyjnych od 2025 roku, a kilku producentów samochodów już planuje jego wdrożenie nvidianews.nvidia.com. NVIDIA ogłosiła wygrane projekty u globalnych OEM, szczególnie w Chinach: producenci EV Li Auto i ZEEKR jako pierwsi potwierdzili wykorzystanie Thor w swoich modelach nowej generacji, a podczas GTC 2024 BYD, Hyper (luksusowa marka GAC) i XPENG również ujawnili, że zbudują nadchodzące floty na Drive Thor nvidianews.nvidia.com nvidianews.nvidia.com. Na przykład XPeng poinformował, że Thor zasili ich autorski system jazdy XNGP (umożliwiający autonomiczną jazdę, parkowanie i monitorowanie pasażerów) w przyszłych pojazdach nvidianews.nvidia.com. Pierwszy samochód produkcyjny z Drive Thor na pokładzie ma być Lynk & Co 900 SUV (marka powiązana z Geely/Volvo), którego premiera w Chinach planowana jest na II kwartał 2025 roku en.wikipedia.org carnewschina.com. Lynk & Co podkreśla 1000 TOPS mocy obliczeniowej Thor jako podstawę swojego nowego systemu ADAS „Haohan”, umożliwiającego asystenta jazdy nawigowanej bez map HD carnewschina.com carnewschina.com. Poza samochodami osobowymi, Thor jest również wdrażany w komercyjnych pojazdach autonomicznych – startup Nuro wykorzysta Drive Thor w swoich robotach dostawczych nowej generacji, a firmy transportowe Plus i Waabi integrują Thor do systemów autonomicznej jazdy ciężarówek poziomu 4 nvidianews.nvidia.com nvidianews.nvidia.com. W segmencie premium, wieloletni partner NVIDIA, Mercedes-Benz, również ma przejść z Orin na Thor w swoich przyszłych pojazdach definiowanych programowo. Ogólnie rzecz biorąc, dzięki unifikacji obszarów ADAS i kokpitu, Drive Thor przyciąga OEM-ów, którzy chcą uprościć swojr E/E architektury. Bosch, jeden z głównych dostawców Tier-1, ogłosił nawet centralną platformę obliczeniową opartą na Snapdragon Ride Flex i NVIDIA Thor (do 2 000 TOPS), aby zaoferować producentom samochodów kompleksowe rozwiązania obliczeniowe międzydomenowe canalys.com canalys.com.

Porównanie do poprzedniej generacji: Drive Thor stanowi znaczący skok generacyjny w porównaniu z obecnym flagowym układem NVIDII, Drive Orin (2022). Orin oferuje 254 TOPS (INT8) i posiada 12 rdzeni Cortex-A78AE oraz GPU Ampere; Thor mniej więcej czterokrotnie zwiększa liczbę TOPS i wprowadza bardziej zaawansowane rdzenie (Neoverse V3) oraz architekturę GPU carnewschina.com. NVIDIA wyraźnie zaznacza, że Thor jest „4 razy wydajniejszy niż szeroko stosowany układ Nvidia Orin” carnewschina.com carnewschina.com. Co istotne, Thor także zastępuje wiele układów jednym – tam, gdzie obecnie system poziomu 3 może wykorzystywać Orina do ADAS plus oddzielne układy do infotainmentu i monitorowania kierowcy, jeden Thor może obsłużyć wszystkie te zadania blogs.nvidia.com notebookcheck.net. Ta strategia jednego układu różni się od wcześniejszych, wieloukładowych platform NVIDII (takich jak Drive PX Pegasus, który łączył Xavier + GPU). Dzięki obsłudze połączenia NVLink dwóch Thorów, NVIDIA nadal umożliwia konfiguracje ultra-wysokiej klasy (np. robotaxi) o wydajności do ~2 PFLOPS (2000 TOPS) na jednej, zunifikowanej platformie programowej en.wikipedia.org blogs.nvidia.com. Podsumowując, Drive Thor zapewnia ogromny zapas wydajności (szczególnie dla obciążeń AI) i konsoliduje funkcjonalność, wpisując się w dążenia producentów samochodów do scentralizowanego przetwarzania i pojazdów z możliwością aktualizacji OTA. Jak podkreśla NVIDIA, „po wdrożeniu w zastosowaniach poziomu 3+, pojedynczy Drive Thor może zastąpić wiele najnowocześniejszych urządzeń obecnych dziś w pojazdach”, co przekłada się na oszczędności kosztów i energii dla producentów OEM notebookcheck.net. To kluczowy element planu NVIDII, by obsłużyć wszystko – od ADAS poziomu 2+ po pełną autonomię – na jednej skalowalnej platformie.

Tesla FSD Hardware 4 (HW4) – Autorski komputer Tesli do pełnej autonomicznej jazdy

Przegląd: Tesla Hardware 4 – znany również jako FSD Computer 2 lub Autopilot HW4 – to zaprojektowana wewnętrznie przez Teslę platforma obliczeniowa do Autopilota i Full Self-Driving, wprowadzona na początku 2023 roku. W przeciwieństwie do NVIDIA i Qualcomm, które dostarczają chipy wielu producentom OEM, Tesla HW4 jest budowany wyłącznie dla pojazdów Tesli jako następca Hardware 3 z 2019 roku. Zaczęto go montować w produkcyjnych Teslach (Model S/X) około stycznia 2023 roku en.wikipedia.org en.wikipedia.org. Elon Musk opisał HW4 jako znaczną aktualizację, stwierdzając, że jest „3 do 5 razy, a może nawet do 8 razy” wydajniejszy od HW3 pod względem mocy obliczeniowej en.wikipedia.org. Hardware 4 jest połączony z nowym zestawem czujników – w tym kamerami o wyższej rozdzielczości i ponownym wprowadzeniem radaru – mającym na celu umożliwienie oprogramowaniu Tesli opartemu na wizyjnym FSD Beta w przyszłości osiągnięcie prawdziwej autonomicznej jazdy. W istocie HW4 to najnowszy „mózg” Tesli do uruchamiania sieci neuronowych, które postrzegają otoczenie i podejmują decyzje dotyczące jazdy, ściśle zintegrowany z pionowo rozwijanym przez Teslę systemem autonomicznej jazdy.

Specyfikacje techniczne i architektura: Komputer Tesla HW4 jest zbudowany wokół autorskiego układu SoC Tesli wyprodukowanego przez Samsunga w procesie 7 nm en.wikipedia.org. Każda jednostka HW4 faktycznie zawiera dwa redundantne „węzły” SoC na płycie (podobnie jak HW3), choć Tesla może zdecydować się na ich pracę w trybie gorącej redundancji lub trybie łączonym. Według rozbiórki przeprowadzonej przez @greentheonly (znanego hakera Tesli), SoC HW4 zawiera 20-rdzeniowy procesor ARM (wzrost z 12 rdzeni w HW3) pracujący z częstotliwością 2,35 GHz, wraz z własnymi akceleratorami sieci neuronowych Tesli (NPU) i innymi koprocesorami notateslaapp.com. Rdzenie akceleratora sieci neuronowych w HW4 są ulepszone do ~50 TOPS każdy, w porównaniu do ~36 TOPS w HW3, co daje około 100 TOPS na chip przeznaczonych do wnioskowania sieci neuronowych autopilotreview.com autopilotreview.com. Przy dwóch chipach na pojazd, całkowita teoretyczna moc obliczeniowa AI wynosi około ~200 TOPS (choć w praktyce Tesla może zarezerwować jeden chip na redundancję). Tesla ulepszyła także pamięć – HW4 posiada 16 GB RAM i 256 GB pamięci NVMe dla komputera FSD, co stanowi 2× więcej RAM i 4× więcej pamięci niż HW3 en.wikipedia.org en.wikipedia.org. Warto zauważyć, że Tesla zastosowała szybszą pamięć GDDR6 dla procesorów neuronowych HW4 oraz pamięć flash UFS 3.1, aby sprostać przepustowości strumieni wideo o wyższej rozdzielczości autoevolution.com autoevolution.com. Rozmiar matrycy chipa FSD HW4 jest faktycznie mniejszy niż w HW3, dzięki procesowi 7 nm (HW3 był 14 nm), mimo że HW4 zawiera więcej tranzystorów i oferuje wyższą wydajność autoevolution.com autoevolution.com. Do grafiki/wizualizacji Tesla nadal stosuje procesor oparty na AMD Ryzen iprocesor infotainment (z zintegrowanym GPU) na płycie, ale w HW4 Tesla przydzieliła zasoby na nowo, dając stronie infotainment połowę pamięci RAM/miejsca na dane w porównaniu do poprzedniej wersji, jednocześnie wzmacniając stronę Autopilota autoevolution.com autoevolution.com. Odzwierciedla to priorytet Tesli dotyczący FSD: komputer Autopilota otrzymuje szybką pamięć i większość mocy obliczeniowej, podczas gdy MCU (Media Control Unit) w modelach HW4 S/X/Y ma nieco obniżone parametry (wystarczające do obsługi interfejsu i streamingu, ale nie do gier na wcześniejszym poziomie) autoevolution.com autoevolution.com. Ogólnie rzecz biorąc, architektura HW4 to ewolucja podwójnego układu SoC z HW3, z większą liczbą rdzeni CPU, ulepszonymi NPU i obsługą większej liczby czujników, wszystko dostosowane do efektywniejszego działania sieci neuronowych Tesli.

Zestaw czujników i możliwości: Oprócz ulepszenia mocy obliczeniowej, wdrożenie HW4 przez Teslę przyniosło znaczące zmiany w czujnikach pojazdu – co wskazuje na holistyczne podejście Tesli do FSD. Rozdzielczość kamer wzrosła z 1,2 MP do 5 MP, a Tesla dodała trzy nowe kamery (zwiększając liczbę kamer zewnętrznych z 8 w HW3 do 11 w HW4) dla lepszego pokrycia notateslaapp.com notateslaapp.com. Co istotne, samochody z HW4 mają dwie kamery skierowane do przodu zamiast trzech (poprzedni wąski obiektyw teleobiektywu został usunięty, prawdopodobnie stał się zbędny dzięki kamerom głównym o wyższej rozdzielczości) notateslaapp.com, ale Tesla dodała kamery w przednim zderzaku, aby wyeliminować martwe pola (przydatne przy wyjeżdżaniu z zasłoniętych skrzyżowań) notateslaapp.com. Kamery HW4 mają również funkcję redukcji migotania LED, aby lepiej odczytywać cyfrowe znaki i sygnalizację świetlną notateslaapp.com notateslaapp.com, oraz elementy grzewcze do odparowywania obiektywów kamer w złych warunkach pogodowych notateslaapp.com. Dodatkowo Tesla przywróciła radar w HW4: dokumenty wskazują na nową jednostkę radaru HD „Phoenix” w tych pojazdach, po tym jak Tesla usunęła radar w 2021 roku w samochodach HW3 en.wikipedia.org en.wikipedia.org. Sugeruje to, że HW4 będzie łączyć obraz z czujnikiem radaru wysokiej rozdzielczości, poprawiając percepcję głębi i redundancję (choć na 2025 rok pełne wykorzystanie radaru w oprogramowaniu FSD jest nadal w toku). Łącznie HW4 zapewnia oprogramowaniu Tesli dane wejściowe o wyższej wierności – więcej pikseli, nowe kąty widzenia, sygnały z radaru – oraz dodatkową moc obliczeniową do ich obsługi. Wstępne raporty wskazywały, że HW4 początkowo uruchamiał oprogramowanie FSD w trybie kompatybilności (skalując obrazy z kamer itd., aby naśladować HW3), dopóki Tesla nie mogła zaktualizować nesieci neuronowe, aby w pełni wykorzystać nowy sprzęt en.wikipedia.org en.wikipedia.org. Pod koniec 2024 roku wersja FSD Beta 13+ Tesli zaczęła używać natywnych strumieni z kamer 5MP i funkcji dostępnych wyłącznie w HW4, pokazując, że potencjał tej platformy umożliwi wprowadzenie nowych możliwości (np. ulepszone wykrywanie obiektów na dużą odległość, widok z lotu ptaka przy parkowaniu itp.). Elon Musk zauważył, że HW3, choć zdolny do obsługi obecnej wersji FSD beta, może nie wystarczyć do przyszłej autonomii bez nadzoru, podczas gdy HW4 został zaprojektowany z większym marginesem bezpieczeństwa. Rzeczywiście, Musk powiedział, że jeśli Tesla nie będzie w stanie osiągnąć bezpiecznej pełnej autonomii na HW3, „zaktualizują samochody do HW4 bezpłatnie” – co jest ukłonem w stronę większych możliwości HW4 teslamotorsclub.com shop4tesla.com. W praktyce Tesla ma nadzieję, że HW4 będzie wystarczający do pełnej autonomii, ale już planują jeszcze potężniejszy HW5 (jak omówiono poniżej).

Wydajność w rzeczywistych warunkach: Tesla nie opublikowała wartości TOPS ani FLOPS dla HW4, ale można wywnioskować poprawę. Twierdzenie Muska o 3× do 8× wydajności HW3 prawdopodobnie zależy od scenariusza en.wikipedia.org. Hardware 3 miał dwa układy po 144 TOPS (każdy po 72 TOPS); podwójne układy HW4 (~100 TOPS każdy) nominalnie oferują ~200 TOPS, co stanowi około 2,5–3× przepustowości sieci neuronowych HW3. Niektóre zadania (takie jak przetwarzanie wideo czy sieci zajętości) mogą zyskać więcej dzięki rozszerzonej pamięci i zaktualizowanemu projektowi akceleratora w HW4 – stąd komentarz „do 8×”. W początkowych testach porównawczych pojazdy z HW4 wykazały szybsze przetwarzanie obrazu i możliwość renderowania większej liczby obiektów w wizualizacjach niż HW3, choć zachowanie podczas jazdy end-to-end nadal jest ograniczone przez oprogramowanie teslamotorsclub.com. Co ważne, Tesla przywróciła pełną redundancję w HW4: dwa węzły obliczeniowe mają się wzajemnie kontrolować i przejmować zadania w razie awarii jednego, co poprawia bezpieczeństwo notateslaapp.com notateslaapp.com. (W HW3 Tesla ostatecznie wykorzystała oba układy do aktywnych obliczeń wraz z rozwojem FSD Beta, zmniejszając redundancję.) Dzięki dodatkowej mocy HW4 Tesla może ponownie uruchomić jeden układ w trybie cienia lub jako rezerwowy. Kolejnym istotnym aspektem jest pobór mocy – HW4 zużywa około 30–50% więcej energii niż HW3 (szacunkowo do ~160 W vs 100 W dla HW3) z powodu mocniejszych układów i chłodzenia kamer en.wikipedia.org en.wikipedia.org. Tesla akceptuje ten koszt energetyczny, aby odblokować bardziej zaawansowane funkcje autonomii. Właściciele nowych Modeli Y z HW4 zauważyli płynniejsze działanie systemu i potencjał dla funkcji takich jak monitoring otoczenia (widok z lotu ptaka), które nie były możliwe przy ograniczonym zestawie kamer HW3 notateslaapp.com notateslaapp.com. Podsumowując, choć Tesla HW4 może nie dorównywać surowym TOPS najnowszych układów NVIDIA czy Qualcomm (jest bliżej poprzedniej generacji NVIDIA Orin pod względem mocy obliczeniowej), to jest wysoce zoptymalizowany pod kątem specyficznych zadań AI Tesli – obsługując ogromne sieci neuronowe do wizji i planowania, które Tesla nieustannie trenuje na miliardach przejechanych kilometrów flotowych. Ścisła integracja sprzętu i oprogramowania w Tesli oznacza, że rzeczywistą wydajność HW4 najlepiej mierzyć postępami oprogramowania FSD, które zaczęło wykorzystywać nowy sprzęt pod koniec 2024 i w 2025 roku.

Wdrażanie i pojazdy: Sprzęt 4 jest już szeroko wdrażany w całej gamie Tesli. Po raz pierwszy pojawił się w odświeżonych modelach S i X od stycznia 2023 en.wikipedia.org, a w połowie 2023 roku został włączony do nowych wersji Modelu Y i Modelu 3 (w tym odświeżonego Modelu 3 „Highland” z 2024 roku). Wszystkie pojazdy Tesla Cybertruck (produkcja rozpoczęta pod koniec 2023 roku) są również wyposażone w HW4. Zasadniczo każda Tesla wyprodukowana od 2023 roku ma lub będzie miała HW4, co czyni ją jedną z najbardziej rozpowszechnionych nowych platform ADAS na drogach w krótkim czasie. W przeciwieństwie do systemów Nvidii i Qualcomma, które producenci OEM mogą początkowo testować w kilku tysiącach pojazdów, Tesla wdrożyła HW4 na dużą skalę niemal natychmiast – wykorzystując swoją flotę konsumencką do zbierania danych i walidacji sprzętu. Jednak Tesla nie dostarcza HW4 innym producentom; jest to zasób wewnętrzny wyłącznie dla działań Tesli w zakresie autonomicznej jazdy. Ta integracja pionowa to kluczowa cecha wyróżniająca: Tesla ściśle łączy projektowanie sprzętu, rozwój sieci neuronowych, a nawet układ czujników w pojeździe. Przykładem jest to, że Tesla zdecydowała się pominąć LiDAR i polegać na kamerach (oraz obecnie jednym radarze) w HW4, zgodnie z wizją Muska, że „ludzie prowadzą oczami i mózgiem, więc kamery i sieci neuronowe są rozwiązaniem”. Podczas gdy konkurenci tacy jak NVIDIA obsługują lidar i mapy HD, HW4 Tesli jest zbudowany, aby przesuwać granice percepcji opartej wyłącznie na kamerach (z radarem jako uzupełnieniem głębi). Ta strategia ma swoje kompromisy, ale przewagą Tesli są ogromne ilości rzeczywistych danych generowanych przez jej samochody – co z kolei wpływa na projekt HW4 i oprogramowanie FSD, które na nim działa.

Porównanie do poprzednich generacji: Hardware 4 to czwarta iteracja komputera Autopilot firmy Tesla. W porównaniu do HW3 (FSD Computer 1, wprowadzony w 2019), HW4 mniej więcej podwaja lub potraja większość parametrów: 2× więcej akceleratorów neuronowych na chip (i wyższa liczba TOPS na akcelerator), 1,7× więcej rdzeni CPU, 2× wyższa częstotliwość GPU (Tesla używa małego zintegrowanego GPU głównie do wstępnego przetwarzania pikseli z kamer i wizualizacji) oraz znacznie więcej pamięci i przepustowości notateslaapp.com autoevolution.com. Dodaje także nowe mikrokontrolery bezpieczeństwa (rdzenie Trip) oraz ulepszone zarządzanie energią dla redundancji notateslaapp.com notateslaapp.com. Co ważne, HW4 został zaprojektowany, aby sprostać stale rosnącym sieciom neuronowym Tesli – Andrej Karpathy (były dyrektor AI Tesli) zauważył, że HW3 powstał, ponieważ HW2 nie miał wystarczającej mocy obliczeniowej dla nowszych sieci neuronowych en.wikipedia.org en.wikipedia.org; podobnie, w latach 2021–22 Tesla opracowywała sieci neuronowe, które nie mogły działać na HW3 w czasie rzeczywistym, co wymusiło potrzebę wprowadzenia HW4. Ten schemat się powtarza: podczas walnego zgromadzenia akcjonariuszy w 2024 roku Elon Musk ujawnił, że Hardware 5 Tesli („AI 5”) jest planowany na styczeń 2026, z celem 10× większej wydajności niż HW4 en.wikipedia.org. Musk wskazał, że HW5 będzie tak potężny (800 W poboru mocy), że jest przeznaczony wyłącznie do pełnej autonomii i prawdopodobnie do użytku w robotaxi en.wikipedia.org en.wikipedia.org. W tym kontekście oznacza to, że Tesla oczekuje, iż HW4 wystarczy do samochodów konsumenckich i obecnego programu FSD, podczas gdy HW5 będzie wyspecjalizowanym skokiem (prawdopodobnie z użyciem wieloukładowych obliczeń lub układów 3D) do końcowego etapu autonomii. Podsumowując, HW4 Tesli bazuje na doświadczeniach z HW3 i rozwiązuje jego niedociągnięcia, zapewniając większy zapas mocy dla sieci neuronowych i danych z czujników. Umożliwił Tesli ponowne wprowadzenie funkcji (takich jak radar i więcej kamer), które były poza zasięgiem przy ograniczeniach HW3. Chociaż Tesla nie podaje liczby TOPS ani nie reklamuje specyfikacji, skuteczność HW4 zostanie ostatecznie oceniona na podstawie postępów Tesli w osiąganiu niezawodnej jazdy autonomicznej na tym sprzęcie. Na rok 2025 HW4 jest główną platformą Tesli, dostarczającą stopniowo…ulepszenia FSD oraz służący jako pomost do ambitnego HW5 w 2026 roku.

Qualcomm Snapdragon Ride Flex – Zintegrowana platforma ADAS i kokpitu

Przegląd: Qualcomm Snapdragon Ride Flex to skalowalna rodzina motoryzacyjnych układów SoC wprowadzona w 2023 roku, która w unikalny sposób obsługuje obciążenia o mieszanej krytyczności – co oznacza, że może jednocześnie uruchamiać funkcje ADAS (zaawansowane systemy wspomagania kierowcy) i aplikacje cyfrowego kokpitu na jednym chipie mobilityengineeringtech.com mobilityengineeringtech.com. Ogłoszony na CES 2023, Ride Flex rozszerza portfolio Snapdragon Ride firmy Qualcomm (pierwszy raz wprowadzone w 2020 roku) o nowy paradygmat „centralnego przetwarzania” dla pojazdów definiowanych programowo. Układ Flex SoC jest pozycjonowany jako „wszystko w jednym” rozwiązanie dla producentów samochodów, którzy chcą skonsolidować zarówno zadania związane z prowadzeniem pojazdu (takie jak percepcja obrazu, fuzja czujników, jazda zautomatyzowana), jak i zadania infotainment/klastra (takie jak grafika wskaźników, multimedia, monitorowanie kierowcy) na jednej, wysokowydajnej platformie mobilityengineeringtech.com mobilityengineeringtech.com. Qualcomm osiągnął to, projektując Flex SoC z wieloma odizolowanymi domenami wykonawczymi i wyspą bezpieczeństwa, co pozwala mu spełniać standardy bezpieczeństwa ASIL-D dla krytycznych procesów ADAS, nawet gdy równolegle działają procesy rozrywkowe lub wymagające dużych zasobów systemowych mobilityengineeringtech.com mobilityengineeringtech.com. Nakul Duggal, wiceprezes ds. motoryzacji w Qualcomm, wyjaśnił ich podejście: „krzem, oprogramowanie bazowe i wyższe warstwy są opracowane tak, aby można było uruchamiać ADAS i infotainment równolegle z przewidywalnością i niezawodnością”, podkreślając determinizm i brak wzajemnych zakłóceń między domenami mobilityengineeringtech.com mobilityengineeringtech.com. Krótko mówiąc, Snapdragon Ride Flex to odpowiedź Qualcomm na dążenie branży do scentralizowanych, aktualizowanych programowo architektur pojazdów, a także wykorzystuje mocne strony Qualcomm w zakresie mobilnych SoC, efektywności energetycznej i łączności, aby konkurować na rynku autonomicznej jazdy, od dawna zdominowanym przez NVIDIA i Mobileye.

Specyfikacje techniczne i architektura: Snapdragon Ride Flex SoC (flagowy model SA8775P) jest zbudowany w nowoczesnym procesie technologicznym (5 nm) i posiada heterogeniczną architekturę obliczeniową podobną do smartfonowych Snapdragonów, ale zoptymalizowaną i wzmocnioną pod kątem motoryzacji. Kluczowe komponenty to: wielordzeniowy Kryo Gen-6 CPU (niestandardowe rdzenie Armv8 z ulepszeniami motoryzacyjnymi), Adreno 663 GPU oraz potężny Hexagon DSP/AI engine firmy Qualcomm lantronix.com lantronix.com. Procesor Kryo prawdopodobnie składa się z wysokowydajnych rdzeni Cortex (np. Cortex-A78 lub nowszych) oraz rdzeni efektywnościowych, co umożliwia jednoczesne uruchamianie systemów operacyjnych takich jak Android lub QNX dla infotainment oraz RTOS dla ADAS. Adreno 663 GPU zapewnia obliczenia GPU dla wizji oraz bogatą grafikę dla wyświetlaczy kokpitu lantronix.com lantronix.com. Do akceleracji AI, Flex SoC integruje Hexagon Tensor Processor z czterema Hexagon Vector eXtensions (HVX) i dwoma współprocesorami Hexagon Matrix (HMX) lantronix.com lantronix.com. To połączenie pełni rolę NPU firmy Qualcomm, dostarczając wysokie TOPS do wnioskowania głębokiego uczenia (detekcja obiektów, planowanie trasy itp.). Qualcomm nie podał publicznie szczytowej wartości TOPS dla pojedynczego Flex SoC w 2023 roku, ale jest on pozycjonowany w zakresie wystarczającym dla ADAS poziomu 2+. W rzeczywistości, początkowe układy Ride Flex oferują 16–24 TOPS mocy obliczeniowej AI (celując w systemy „podstawowe do średniego poziomu”) mobilityengineeringtech.com. Jednak architektura jest skalowalna: Qualcomm może oferować wersje o wyższych parametrach lub łączyć układy. Platforma Flex obsługuje współpracę wielu SoC i zewnętrznych akceleratorów – Qualcomm zaznaczył, że dwa układy Flex SoC plus dwa układy akceleratorów AI mogą osiągnąć do 2000 TOPS dla zautomatyzowanej jazdy L4/L5 mobilityengineeringtech.com forbes.com. Sugeruje to mapę drogową, w której Qualcomm może dowolnie łączyć komponenty (np. SoC do kokpitu-ADAS + czysty układ akceleratora), aby obsłużyć różne poziomy wydajności. Rzeczywiście, strategia Qualcommu kontkontrastuje z podejściem NVIDIA polegającym na jednym ogromnym układzie scalonym: Qualcomm oferuje wielopoziomową gamę rozwiązań (od pojedynczych układów 16 TOPS dla ADAS Poziom 1/2, aż po wieloukładowe konfiguracje „superkomputerów” dla Poziomu 4) mobilityengineeringtech.com canalys.com. Snapdragon Ride Flex wyróżnia się także wbudowaną wyspą bezpieczeństwa (ASIL-D) oraz obsługą hipernadzorcy. Może uruchamiać wiele systemów operacyjnych jednocześnie – na przykład system Android do infotainmentu oraz QNX lub AUTOSAR do ADAS – z izolacją przestrzenną i czasową mobilityengineeringtech.com mobilityengineeringtech.com. Pozwala to, by jeden fizyczny SoC działał jak dwa oddzielne komputery: jeden spełniający rygorystyczne wymagania czasu rzeczywistego i bezpieczeństwa automatyzacji jazdy, a drugi obsługujący luksusowe funkcje interfejsu użytkownika. Qualcomm wykorzystał swoje doświadczenie w zakresie energooszczędnych, wysoko zintegrowanych układów mobilnych, aby Ride Flex był również wydajny energetycznie, umożliwiając implementacje chłodzone powietrzem w samochodach (co GM wskazał jako powód wyboru tego rozwiązania dla Ultra Cruise, zauważając, że dzięki chłodzeniu powietrzem unika się „ciężkich i nieefektywnych przewodów chłodzenia cieczą”) repairerdrivennews.com repairerdrivennews.com.

Wydajność i możliwości: Pod względem wydajności, obecny układ Snapdragon Ride Flex SoC jest wystarczający dla ADAS poziomu 2+ i połączonego kokpitu w pojazdach klasy średniej, podczas gdy kolejne generacje Qualcomma będą skalować się do wyższych poziomów autonomii. Podstawowe układy Flex SoC (16–24 TOPS) mogą obsługiwać funkcje takie jak utrzymanie pasa ruchu, adaptacyjny tempomat, przetwarzanie obrazu z kamer 360° oraz jednoczesne renderowanie cyfrowego kokpitu/infotainmentu mobilityengineeringtech.com. Dla bardziej zaawansowanych potrzeb Qualcomm ogłosił, że przyszłe platformy oparte na Flex (w fazie rozwoju) mają obsługiwać autonomię do poziomu L3/L4 z wydajnością ~600 do 1000+ TOPS na system, osiągniętą dzięki współpracy wielu układów mobilityengineeringtech.com qualcomm.com. Slajd z dnia inwestora Qualcomma w 2022 roku pokazuje rozwój Snapdragon Ride od ~16 TOPS do ~2000 TOPS, obejmując bezpieczeństwo NCAP poziomu 1 aż po pełne stosy autonomicznej jazdy qualcomm.com. Kluczową cechą Ride Flex jest obliczanie o mieszanej krytyczności: to jeden z pierwszych w branży układów SoC, który może uruchamiać grafikę zegarów, aplikacje infotainment, algorytmy widzenia komputerowego i zadania AI związane z jazdą na jednym sprzęcie mobilityengineeringtech.com mobilityengineeringtech.com. Na przykład, układ Flex może jednocześnie obsługiwać wiele wyświetlaczy wysokiej rozdzielczości (zegarów, centralnego ekranu dotykowego, wyświetlacza HUD AR) przez swój GPU, a także uruchamiać percepcję z kamer (detekcja obiektów/pieszych), fuzję sensorów, a nawet planowanie trasy na swoich silnikach AI. Qualcomm posiada stos oprogramowania o nazwie Snapdragon Ride Vision, odziedziczony po przejęciu Arriver (od Veoneer), który zapewnia otwarty stos percepcji ADAS (detekcja pasa, pojazdów, znaków na bazie kamer itp.) zoptymalizowany pod układy Snapdragon SoC mobilityengineeringtech.com. Ten stos Vision jest wstępnie zintegrowany z Flex, dając producentom samochodów przewagę przy wdrażaniu funkcji poziomu 2. Dodatkowo Qualcomm podkreśla integrację łączności i telematyki (część platformy „Digital Chassis”) – system oparty na Flex może płynnie łączyć się z 5G, V2X, usługami chmurowymi itp., co jest kluczowe dla aktualizacji OTA i połączonej jazdy autonomicznej. Układ Ride Flex SoC obsługuje multi-gigabitowy Ethernet, PCIe, pozycjonowanie GNSS oraz szereg wejść z czujników (kamera, radar, ultradźwięki) przez platformę deweloperską lantronix.com lantronix.com. Pod względem bezpieczeństwa, Flex SoC stosuje podejście Safety Element out of Context (SEooC) i posiada niezależne podsystemy bezpieczeństwa do monitorowania wykonywania zadań ADAS lantronix.com. Pomaga to spełnić wymagania dotyczące funkcjonalnego bezpieczeństwa w motoryzacji, nawet podczas uruchamiania złożonego oprogramowania. Qualcomm zwrócił uwagę na jedną z korzyści głębokiej integracji: pętla chłodzenia akumulatora pojazdu elektrycznego może zostać wykorzystana do chłodzenia układu Snapdragon SoC, co umożliwia utrzymanie wysokiej wydajności, gdy jest to potrzebne mobilityengineeringtech.com mobilityengineeringtech.com. Wszystkie te funkcje pozycjonują Snapdragon Ride Flex jako opłacalne, a jednocześnie wydajne rozwiązanie dla producentów samochodów, którzy chcą jednej platformy obliczeniowej zarówno do prowadzenia pojazdu, jak i inteligencji pokładowej.

Integracja i adopcja w motoryzacji: Qualcomm szybko zdobywa pozycje w projektach motoryzacyjnych, wykorzystując partnerstwa i swoją renomę w dziedzinie łączności. Platforma Snapdragon Ride Flex (oraz cała platforma Snapdragon Ride) uzyskała zobowiązania od kilku głównych producentów samochodów na pojazdy w latach 2024–2025. Do najważniejszych integracji należą: Ultra Cruise General Motors – GM potwierdził, że jego nowy system jazdy bez użycia rąk Ultra Cruise (debiutujący w Cadillac Celestiq 2024) jest napędzany przez układ obliczeniowy Snapdragon Ride firmy Qualcomm repairerdrivennews.com en.wikipedia.org. „Mózg” Ultra Cruise składa się z kilku układów Snapdragon SoC na dwóch małych płytkach, zapewniając moc „kilkuset komputerów PC” do 360° wykrywania (kamery, radar, lidar) i podejmowania decyzji dotyczących jazdy repairerdrivennews.com repairerdrivennews.com. GM podkreślał, że pomimo kompaktowych rozmiarów (mieści się za schowkiem), komputer Ultra Cruise oparty na Snapdragonie może obsłużyć „95% scenariuszy jazdy od drzwi do drzwi” pod nadzorem motortrend.com repairerdrivennews.com. Kolejnym ważnym partnerem jest Sony Honda Mobility – ich nadchodzący AFEELA EV (planowany na 2025) będzie wykorzystywał Snapdragon Digital Chassis firmy Qualcomm, w tym Ride do ADAS/AD oraz Snapdragon Cockpit do systemu infotainment mobilityengineeringtech.com. Sony-Honda szczególnie wyróżniło Qualcomm jako kluczowego dostawcę technologii dla funkcji AI i autonomicznych w modelu Afeela. BMW również zawarło długoterminową umowę z Qualcomm (i Arriver) na współtworzenie nowej generacji systemu automatycznej jazdy opartego na Snapdragon Ride SoC qualcomm.com futurumgroup.com. Oznacza to, że od połowy dekady nowe modele BMW (prawdopodobnie na „Neue KlasPlatforma „se” będzie uruchamiać swoje oprogramowanie do jazdy poziomu 2/3 na chipach Qualcomm zamiast Mobileye EyeQ. W Europie, spółka zależna Volkswagena, Cariad, w 2022 roku wybrała Qualcomm Snapdragon Ride jako przyszłą zaawansowaną platformę ADAS, planując wdrożenie jej w milionach pojazdów Grupy VW (podobno VW ma prawo modyfikować i rozwijać stos technologiczny we własnym zakresie) mobilityengineeringtech.com mobilityengineeringtech.com. Podczas CES 2023, prezes Cariad z VW pochwalił skalowalność i elastyczność architektury Flex Qualcomma jako powód nawiązania współpracy mobilityengineeringtech.com mobilityengineeringtech.com. To ogromny sukces, ponieważ VW planuje używać systemów opartych na Snapdragonie zarówno w markach masowych, jak i docelowo w Audi/Porsche, obejmując zastosowania aż do poziomu 4 w jednej, zunifikowanej architekturze mobilityengineeringtech.com mobilityengineeringtech.com. W Chinach Qualcomm nawiązał współpracę z wieloma startupami EV i dostawcami: np. Nio i Xpeng testowały chipy Snapdragon (choć Xpeng wybrał NVIDIA do najnowszych modeli), a Neta (Hozon Auto) wykorzysta Snapdragon Ride Flex w swojej nadchodzącej platformie z chińskim Tier-1 (ThunderSoft) canalys.com. LG Electronics integruje Snapdragon Ride Flex w swoim produkcie „zintegrowany kontroler” dla producentów samochodów (łącząc ADAS i kontrolę kokpitu), co wskazuje, że dostawcy Tier-1 oferują gotowe do użycia sterowniki ECU oparte na Qualcommie lg.com. Qualcomm twierdzi, że jego platforma Snapdragon Ride (wraz z Flex) jest już w pojazdach produkcyjnych i ma w planach ponad 20 wygranych projektów u producentów samochodów w różnych obszarach mobilityengineeringtech.com mobilityengineeringtech.com. Na przykład chipy Snapdragon Cockpit znajdują się w wielu modelach 2022–2025 samochodów (dla systemów infotainment), a ci sami producenci OEM mogą zastosować Flex, aby dodać ADAS na tym samym sprzęcie. Podsumowując, Qualcomm nawiązał partnerstwa z GM, VW, BMW, Honda/Sony, Stellantis, JLR i innymi, co sprawia, że Snapdragon Ride Flex prawdopodobnie będzie obecny w szerokiej gamie modeli – od luksusowych flagowców po przystępne cenowo samochody elektryczne do 2025–2026 roku. Ta szeroka strategia wdrożenia (oferowanie chipów niskiej, średniej i wysokiej klasy) kontrastuje z podejściem NVIDIA, która skupia się na mniejszej liczbie, wysokiej klasy platform canalys.com. Jest to zgodne z siłą Qualcomma jako masowego dostawcy i zdolnością do dostosowania się do potrzeb każdego OEM – czy to obsługa jazdy autostradowej bez użycia rąk w Cadillacu, czy umożliwienie przystępnemu cenowo samochodowi połączenia ADAS + infotainment w jednym urządzeniu.

Status rynku i mapa drogowa: Snapdragon Ride Flex SoC pojawił się na rynku w początku 2024 roku, po udostępnieniu próbek klientom w 2023 roku forbes.com. Qualcomm potwierdził, że systemy oparte na Flex mają pojawić się w pojazdach z rocznika modelowego 2025 mobilityengineeringtech.com, czyli w samochodach trafiających do salonów pod koniec 2024 roku i w 2025 roku. Rzeczywiście, Cadillac Celestiq 2024 (ograniczona produkcja od końca 2023 roku) jest jednym z pierwszych, a kolejne modele (potencjalnie Cadillac Escalade 2025 lub inne pojazdy GM) pojawią się z Ultra Cruise. Do 2025 roku Honda Prologue EV i sedan Afeela również powinny wprowadzić Snapdragon Ride do konsumentów. Harmonogram VW dla ADAS opartych na Snapdragonie przewiduje wdrożenie początkowe w 2026 roku, ponieważ musieli dostosować swój harmonogram oprogramowania. Jeśli chodzi o mapę drogową, Qualcomm stale wprowadza innowacje: zasugerowali następną generację Ride Flex SoC w technologii 4 nm lub 3 nm z wyższą liczbą TOPS, oraz dedykowane koprocesory AI, które mają wspierać je na poziomie 4. Jedno z oświadczeń Qualcomma na CES brzmiało, że połączenia następnej generacji Flex SoC i akceleratorów „mogą obsłużyć do 2 000 TOPS, podobnie jak NVIDIA deklaruje dla Thor” forbes.com. Wskazuje to, że Qualcomm w pełni zamierza dorównać NVIDII w segmencie high-end, stosując podejście wieloukładowe (np. dwa SoC + zewnętrzne NPU). Biorąc pod uwagę doświadczenie Qualcomma w projektowaniu układów scalonych, jest prawdopodobne, że przyszły pojedynczy układ (Flex v2) może sam osiągnąć kilkaset TOPS, zwłaszcza jeśli zostanie wyprodukowany w technologii 3 nm i z użyciem nowszych rdzeni IP. Kolejnym aspektem mapy drogowej Qualcomma jest oprogramowanie: dzięki aktualizacjom OTA i usługom Car-to-Cloud połączonym z chmurą, platformy Snapdragon mogą zyskiwać nowe funkcje z czasem. Duggal podkreślał ideę monetyzacji pojazdu definiowanego programowo, gdzie po zainstalowaniu tych wydajnych układów w samochodach, producenci mogą udostępniać nowe możliwości poprzez aktualizacje oprogramowania i subskrypcje mobilityengineeringtech.com mobilityengineeringtech.com. Ta wizja jest zgodna z tym, dlaczego OEM-y cenią możliwość rozbudowy Snapdragon Flex. Podsumowując, krótkoterminowa mapa drogowa Qualcomma przewiduje, że Ride Flex będzie szeroko stosowany w pojazdach produkcyjnych od 2024 roku (szczególnie w systemach L2+), a firma jest gotowa skalować swoje rozwiązania obliczeniowe, by sprostać autonomii L3–L4 w drugiej połowie dekady. Wielowymiarowa strategia Qualcomma (kokpit, ADAS, łączność, chmura) czyni go silnym graczem, gdy samochody coraz bardziej przypominają smartfony na kołach pod względem aktualizowalnych platform.

Porównanie do poprzedniej generacji: Snapdragon Ride Flex bazuje na wcześniejszych układach samochodowych Qualcomma, takich jak Snapdragon SA8155P (SoC do infotainment szeroko stosowany w cyfrowych kokpitach) oraz pierwsza generacja Snapdragon Ride ogłoszona w 2020 roku (głównie do zastosowań wyłącznie ADAS). Kluczową ewolucją w Flex jest konwergencja ADAS i kokpitu. Wcześniej producent samochodów mógł używać układu Snapdragon Cockpit do infotainment i osobnego układu Qualcomma lub innej firmy do ADAS. Teraz pojedynczy układ Flex SoC może zastąpić wiele układów, zmniejszając koszty i złożoność mobilityengineeringtech.com mobilityengineeringtech.com. Pod względem wydajności, początkowa platforma Ride (SA8155P + akceleratory AI) mogła osiągnąć około ~30–60 TOPS dla ADAS; Ride Flex zaczyna w podobnym zakresie na układ (16–24 TOPS), ale jest zaprojektowany do skalowania na znacznie wyższe wartości poprzez multi-chip mobilityengineeringtech.com mobilityengineeringtech.com. Modułowe podejście Qualcomma oznacza, że producent OEM może zacząć od niższego wariantu Flex dla poziomu 2, a później zaktualizować do wyższej konfiguracji (dodając układy) dla poziomu 3/4 bez całkowitej zmiany architektury. Kolejną poprawą jest bezpieczeństwo i oprogramowanie: Qualcomm przejął oprogramowanie do percepcji wizyjnej Arriver i ściśle zintegrował je z SoC, oferując gotowy do produkcji stos ADAS od razu po wyjęciu z pudełka veoneer.com. Tego wcześniejsze układy samochodowe Snapdragon nie oferowały (były to rozwiązania wyłącznie sprzętowe). Dodatkowo, układ Flex SoC wprowadza możliwości hipernadzorcy i wirtualizacji, których brakowało wcześniejszym układom ADAS Qualcomma, co odzwierciedla dojrzałość ich oferty motoryzacyjnej, by sprostać trendowi kontrolerów domenowych. Krótko mówiąc, Snapdragon Ride Flex to wejście Qualcomma w dojrzałość w dziedzinie obliczeń ADAS/AV, ewoluując od samodzielnych układów do infotainment lub ADAS do połączonej potęgi, która może naprawdę rzucić wyzwanie takim graczom jak NVIDIA i Mobileye. Poprzednia generacja (Snapdragon Ride 2020) udowodniła, że Qualcomm może wejść w przestrzeń ADAS; generacja Flex podnosi poprzeczkę dzięki zintegrowanym domenom i wyższym zakresom wydajności, by celować w wyższe poziomy autonomii. W miarę zbliżania się do 2025 roku, dalsze inwestycje Qualcomma (założyli nawet dedykowany fundusz inwestycyjny dla motoryzacji i mają partnerstwa z niemal wszystkimi głównymi OEM-ami) wskazują, że Ride Flex nie będzie jednorazową platformą, lecz stale rozwijającą się, która może zasilać znaczną część półautonomicznych samochodów na drogach.

Porównanie kluczowych parametrów i funkcji – zestawienie bezpośrednie

Wydajność przetwarzania: Drive Thor firmy NVIDIA obecnie dzierży koronę wydajności z do 1 000 TOPS na jednym SoC (lub 2 000 TOPS w konfiguracji z dwoma układami), wykorzystując swoją potężną kartę GPU i dedykowane rdzenie AI en.wikipedia.org carnewschina.com. Jest wyraźnie zaprojektowany z myślą o zapasie mocy dla autonomii poziomu 4+. HW4 Tesli, choć to duży krok naprzód dla Tesli, szacowany jest na około 200–250 TOPS łącznie (dwa 7nm układy FSD, ~100+ TOPS każdy) – to około jedna czwarta szczytowej wydajności Thor na papierze autopilotreview.com. Tesla nie potrzebuje tylu TOPS częściowo dlatego, że używa kamer (bez LiDAR-u) i optymalizuje swoje sieci pod własny sprzęt. Snapdragon Ride Flex firmy Qualcomm plasuje się gdzieś pośrodku: obecne pojedyncze układy Flex SoC zapewniają bardziej umiarkowane 16–30 TOPS (odpowiednie dla systemów poziomu 2) mobilityengineeringtech.com, ale platforma Qualcomma może skalować się do setek, a nawet 1000+ TOPS poprzez użycie wielu układów i zewnętrznych akceleratorów mobilityengineeringtech.com forbes.com. Na przykład komputer Ultra Cruise firmy GM używa wielu układów Snapdragon SoC, aby osiągnąć wymaganą wydajność; GM podało, że system ma „moc obliczeniową równą kilku setkom komputerów PC” mimo kompaktowych rozmiarów repairerdrivennews.com repairerdrivennews.com. Pod względem surowej mocy obliczeniowej, Thor wyraźnie przewyższa HW4 i obecne pojedyncze układy Snapdragon, ale podejście Qualcomma z wieloma układami i nadchodzące generacje mają na celu dorównać możliwościom 2 PFLOPS Thora około 2025–26 forbes.com canalys.com. Warto zauważyć, jak mierzone są TOPS: NVIDIA często podaje sparseINT8 TOPS (z 2× zyskiem dzięki rzadkości) en.wikipedia.org, podczas gdy liczby Tesli i Qualcomma opierają się na operacjach gęstych. Mimo to przewaga Thora w wymagających zadaniach AI (np. jednoczesna analiza wideo z 8 kamer, przetwarzanie chmury punktów LiDAR itp.) jest oczywista – to w zasadzie układ klasy data center do samochodów. HW4 Tesli, w przeciwieństwie do tego, jest wąsko skoncentrowany na podejściu Tesla vision-first; potrafi uruchomić ponad 75-warstwowy “stos” sieci Tesli w czasie rzeczywistym, ale prawdopodobnie miałby trudności z obsługą tak bogatego zestawu czujników jak np. Drive Pilot Mercedesa (który używa dwóch układów Orin SoC plus LiDAR). Flex Qualcomma jest wyjątkowo wydajny (wydajność na wat) dzięki mobilnemu DNA – to kluczowy parametr w samochodach – ale potrzebuje wielu układów, by dorównać absolutnej przepustowości Thora.

Architektura i technologia krzemowa: Drive Thor jest zbudowany w oparciu o proces TSMC 4N (4 nm), zawierając najnowocześniejsze IP (rdzenie Neoverse V3 i GPU Blackwell) – zasadniczo najnowocześniejsza technologia klasy PC/serwerowej zaadaptowana do motoryzacji en.wikipedia.org. Tesla HW4 wykorzystuje nieco starszy proces Samsung 7 nm, a jej projekt jest niestandardowy, ale stosunkowo konserwatywny (np. brak sprzętowego ray tracingu czy zaawansowanych funkcji GPU – zoptymalizowany pod obliczenia sieci neuronowych i DSP wizji) en.wikipedia.org autoevolution.com. Obecne układy Flex firmy Qualcomm są produkowane w 5 nm (prawdopodobnie TSMC N5), z mieszanką IP podobną do układu Snapdragon 888/8 Gen1 (CPU Kryo, GPU Adreno, silnik AI Hexagon), ale rozszerzoną o funkcje bezpieczeństwa lantronix.com lantronix.com. Pod względem mocy CPU, 14-rdzeniowy klaster Neoverse w NVIDIA Thor prawdopodobnie przewyższa 20 mniejszych rdzeni ARM Tesli i 8-rdzeniowy Kryo Qualcomma w ciężkich obliczeniach – co jest istotne np. dla planowania trasy, mapowania i obsługi systemu operacyjnego. Jeśli chodzi o GPU, Thor ma duży układ GPU (2560 rdzeni CUDA), który może również przyspieszać sieci neuronowe przez CUDA lub działać jako silnik graficzny dla wielu wyświetlaczy 4K blogs.nvidia.com blogs.nvidia.com. GPU Adreno w Snapdragonie jest mocny w grafice (na poziomie smartfonów, obsługuje wiele ekranów HD), ale nie jest tak potężny jak Thor; jednak Adreno potrafi wykonywać obliczenia ogólnego przeznaczenia, a nawet renderowanie krytyczne dla bezpieczeństwa (z rdzeniami lockstep) na potrzeby kokpitu lantronix.com lantronix.com. Tesla HW4 ma tylko lekki układ GPU (polega na osobnym GPU AMD RDNA2 do gier w infotainmencie, nie do ADAS). Zatem, do fuzji sensorów z wielu kamer lub AI monitorującego pasażerów, Thor i Flex mają przewagę dzięki mocnym zintegrowanym GPU i NPU, podczas gdy Tesla większość zadań przekazuje do swoich akceleratorów o stałej funkcji. Przepustowość pamięci: Thor, z 128 GB LPDDR5X, prawdopodobnie przewyższa całą trójkę (może mieć >1 TB/s przepustowości), co pozwala mu pobierać dane w wysokiej rozdzielczości z kamer, radaru, lidaru jednocześnie en.wikipedia.org carnewschina.com. Pamięć Tesli HW4 (16 GB, GDDR6 dla NPU) jest wystarczająca dla 8 kamer, ale może stanowić wąskie gardło, jeśli dodano by więcej czujników (strategia Tesli to skupienie się na wizyjnym podejściu). Zestaw deweloperski Qualcomm Flex podaje 36 GB LPDDR5 (3× 12 GB stosy) lantronix.com lantronix.com, co wskazuje również na wysoką przepustowość (prawdopodobnie ~100–200 GB/s) do obsługi danych z kokpitu + ADAS. Bezpieczeństwo i redundancja: Wszystkie trzy są zaprojektowane, by spełniać wymagania ASIL-D dla jazdy autonomicznej. Thor i Flex oba zawierają wyspy bezpieczeństwa i obsługują redundancję dwuprocesorową (Thor przez sprzężenie NVLink, Flex przez użycie dwóch chipów) en.wikipedia.org lantronix.com. Tesla HW4 również przywraca redundancję dwuwęzłową na jednej płycie notateslaapp.com notateslaapp.com. W przypadku awarii, Thor lub Flex w samochodach produkcyjnych mogą przejść w tryb awaryjny, podczas gdy drugi węzeł Tesli HW4 może przejąć prowadzenie pojazdu, by bezpiecznie się zatrzymać. Pobór mocy: Tesla HW4 to ~100–160 W dla komputera FSD en.wikipedia.org; NVIDIA Thor ma zużywać około 250–300 W przy pełnym obciążeniu (podobnie jak karta GPU z wyższej półki) – co oznacza, że prawdopodobnie wymaga solidnego chłodzenia w samochodzie. Podejście Qualcomma jest bardziej oszczędne: system Snapdragon Ride Flex może zużywać ~50–100 W dla zadań L2, a nawet konfiguracja wieloukładowa 2000 TOPS prawdopodobnie celuje w poniżej 250 W. Ten nacisk na efektywność energetyczną sprawia, że firmy takie jak VW i GM wybrały rozwiązanie Qualcomma do produkcji – łatwiej je chłodzić w normalnych warunkach samochodowych repairerdrivennews.com. Podsumowując, NVIDIA Thor to czysta moc obliczeniowa zaprojektowana dla maksymalnej przepustowości, Tesla HW4 to zoptymalizowany, dedykowany projekt pod konkretne zadania wizyjne, a Qualcomm Flex to wszechstronny, energooszczędny SoC, który można skalować przez modułowe dodatki. Każdy odzwierciedla filozofię swojej firmy: NVIDIA stawia na potężny krzem, Tesla polegana integracji pionowej i danych, Qualcomm opiera się na swojej integracji i skalowalności.

AI i możliwości oprogramowania: Wszystkie trzy platformy mocno stawiają na przetwarzanie AI, ale z różnymi akcentami. NVIDIA Drive Thor jest wyraźnie promowany pod kątem obciążeń sieci neuronowych, a nawet generatywnej AI – to pierwszy chip motoryzacyjny z silnikiem Transformer, który natywnie przyspiesza modele transformerów (ważne dla zadań takich jak percepcja wideo czy asystenci głosowi w samochodzie) blogs.nvidia.com. SDK Drive firmy NVIDIA oferuje rozbudowany stos oprogramowania (DriveWorks, biblioteki CUDA, TensorRT itd.), dzięki czemu producenci samochodów mogą wdrażać wszystko – od percepcji z kamer, fuzji sensorów, lokalizacji, po planowanie trasy i monitorowanie kierowcy – korzystając z frameworków Nvidii. Thor będzie działał na tym samym systemie Drive OS co Orin, co oznacza, że istniejące oprogramowanie można łatwo przenieść blogs.nvidia.com. Ponadto NVIDIA wprowadziła swoje narzędzia Cosmos AV simulation i Omniverse, które są powiązane z rozwojem Thor – umożliwiając klientom trenowanie i testowanie AI do jazdy w wirtualnych światach w celu udoskonalania algorytmów notebookcheck.net notebookcheck.net. Krótko mówiąc, jeśli producent OEM kupuje Thor, otrzymuje również kompleksową platformę rozwoju AV firmy NVIDIA, a także wsparcie dla Linuxa, QNX i maszyn wirtualnych Android jednocześnie na chipie blogs.nvidia.com. Tesla HW4 obsługuje wyłącznie własne oprogramowanie FSD Tesli – nie ma tu rozwoju przez firmy trzecie. Tesla pisze cały swój stos wewnętrznie (głównie w PyTorch do trenowania, C++ do kodu samochodowego), kompilując sieci neuronowe do binariów chipu FSD. Możliwości HW4 są dostosowane do podejścia Tesli: np. 8-kamerowe sieci neuronowe do wideo 360°, sieci przepływu zajętości oraz eksperymenty „planowanie przez sieć neuronową”. Oprogramowanie Tesli nie korzysta z map HD ani V2X; zamiast tego opiera się na ogromnych danych z rzeczywistego świata i testowaniu w trybie cienia w swojej flocie. Godną uwagi funkcją dostępną dzięki HW4 jest nowy system Tesli „Full Parking” i ulepszenia Autopark (FSD v13), które radzą sobie z nawigacją i manewrami na parkingach, z czym wcześniejszy HW3 miał trudności notebookcheck.net. Tesla wykorzystuje też HW4 do analizy kamery wewnątrz kabiny (przypomnienia o pasach itp.) i prawdopodobnie będzie robić więcej w zakresie monitorowania kierowcy, mając teraz zapas mocy obliczeniowej. Ale kluczowy punkt: przewagą Tesli jest integracja pionowa – HW4 musi obsługiwać tylko własne oprogramowanie Tesli, które jest optymalizowane przez miliardy przejechanych mil. Nie jest to jednak platforma ogólnego przeznaczenia; żadna inna firma nie może jej programować ani wykorzystywać bezpośrednio. Qualcomm Ride Flex leży pomiędzy otwartą pPlatforma otwarta i zamknięta. Jest otwarta dla producentów samochodów, aby wdrażali własne lub zewnętrzne algorytmy ADAS, ale Qualcomm oferuje również Arriver Vision stack oraz middleware, aby przyspieszyć rozwój futurumgroup.com. Na przykład producent samochodów może użyć gotowych algorytmów utrzymania pasa ruchu, wspomagania jazdy po autostradzie od Qualcomm, a następnie dodać własne funkcje. Flex obsługuje główne środowiska OS motoryzacyjne (QNX, Green Hills INTEGRITY dla bezpieczeństwa, Android Automotive dla infotainment), używając hipernadzorcy do ich izolacji mobilityengineeringtech.com. Oznacza to, że jeden Flex może uruchamiać np. Android na centralnym wyświetlaczu i Linux/QNX dla domeny ADAS, z komunikacją przez współdzieloną pamięć. Qualcomm integruje także usługi Qualcomm Car-2-Cloud do aktualizacji OTA oraz łączność pojazdu (4G/5G, C-V2X) wbudowaną w cyfrowe podwozie. To coś, co Tesla robi samodzielnie, a NVIDIA współpracuje z innymi dostawcami modemów – ale Qualcomm może połączyć układy łączności z platformą Ride, co przemawia do OEM-ów szukających kompleksowego rozwiązania. W funkcjach AI, Hexagon Qualcomma może wykonywać dedykowane mnożenie macierzy i wnioskowanie AI z wydajnością (Hexagon był znany z obsługi takich rzeczy jak zadania AI w smartfonach Snapdragon – teraz w skali dla samochodów). Qualcomm zademonstrował, że ich SoC mogą jednocześnie wykonywać śledzenie wzroku kierowcy, rozpoznawanie gestów, asystentów głosowych i kamerowy widok otoczenia – pokazując zdolność Flex do wielozadaniowości AI zarówno dla bezpieczeństwa, jak i wygody. Praktyczny przykład: w samochodzie z Snapdragon Flex chip mógłby jednocześnie uruchamiać ADAS wizyjne (wykrywanie pieszych), monitoring kierowcy (z kamerą IR na kierowcy), rozpoznawanie głosu w języku naturalnym dla asystenta oraz renderować 3D mapy na zestawie wskaźników, wszystko równolegle mobilityengineeringtech.com mobilityengineeringtech.com. Ten poziom integracji to mocna strona projektu Qualcomma. Obsługa sensorów: NVIDIA Thor i Qualcomm Flex obsługują fuzję sensorów multimodalnych – kamera, radar, lidar, ultradźwięki – wszystko. NVIDIA ma referencyjne pipeline’y do przetwarzania lidaru i radaru (oraz partnerstwa z firmami lidarowymi jak Luminar w celu integracji). Stos Qualcomma przejęty od Arriver był głównie oparty na kamerach, ale Qualcomm zdecydowanie umożliwia obsługę radaru i ogłosił wsparcie dla kamer przednich, kamer otoczenia, radarów i czujników ultradźwiękowych na swojej platformie (wspominają o „Snapdragon Ride Vision” dla kamer i bibliotece oprogramowania „Snapdragon Ride Radar”) – plus możliwość włączenia lidaru przez partnerów. HW4 Tesli wyraźnie nie obsługuje lidaru wcale i dopiero niedawno ponownie wprowadził radar. Tesla stawia na wizję; pozostałe platformy są bardziej agnostyczne i mogą obsłużyć redundantna fuzja czujników (np. weryfikacja wykryć z kamery za pomocą chmur punktów z radaru w celu poprawy dokładności, coś, co można zobaczyć w systemach Mercedesa lub Cadillaca). Planowanie trasy i kontrola: Planowanie FSD Tesli działa częściowo na CPU (do optymalizacji trajektorii), a częściowo teraz z użyciem sieci neuronowych; jest to bardzo indywidualne rozwiązanie. NVIDIA oferuje moduł o nazwie Drive Chauffeur/Drive Pilot, którego producenci OEM mogą używać do autonomii na autostradzie lub parkowania (tak jak Mercedes używa Drive Pilot na Nvidia). Qualcomm, poprzez Arriver, miał Vehicle Motion Manager do logiki sterowania bocznego/podłużnego, którą można dostosować. Tak więc, NVIDIA i Qualcomm oferują bardziej kompletne rozwiązanie programowe ADAS, jeśli producent samochodów tego chce, podczas gdy rozwiązanie Tesli jest zamknięte na własny użytek.

Integracja pojazdów i strategie OEM: Ciekawe jest porównanie, jak każda platforma jest wdrażana w branży. Tesla HW4 występuje tylko w Teslach – co daje Tesli ogromną flotę do zbierania danych, ale to podejście jednej marki. NVIDIA Thor jest głównie skierowany do luksusowych i zaawansowanych technologicznie programów OEM: np. chińskich startupów EV (Li, Xpeng itd.), które promują zaawansowane funkcje jazdy jako atuty sprzedażowe, oraz uznanych producentów jak Volvo, Mercedes, JLR itd., którzy nawiązali współpracę z NVIDIA w zakresie scentralizowanego przetwarzania. Na przykład, nowy SUV Volvo EX90 korzysta obecnie z NVIDIA Orin i oczekuje się, że za kilka lat przejdzie na Thor, co umożliwi autopilota autostradowego opartego na lidarze. Mercedes-Benz ogłosił już w 2020 roku partnerstwo w celu wykorzystania platformy NVIDIA we wszystkich pojazdach od połowy dekady, co prawdopodobnie oznacza, że Thor znajdzie się w architekturach nowej generacji MB.EA canalys.com. Qualcomm Flex jest wdrażany przez szeroką gamę producentów: od GM (bardzo duży OEM koncentrujący się na systemach konsumenckich L2+/L3) przez Grupę VW (dążącą do zunifikowanego podejścia programowego) po marki bardziej wrażliwe na koszty. Jedna duża różnica: cena i opłacalność. Tesla, projektując HW4 we własnym zakresie, prawdopodobnie utrzymuje niskie koszty jednostkowe (niektóre szacunki mówią o ~$1,000 za komputer). NVIDIA Thor, ze względu na rozmiar układu i wiodącą technologię, będzie stosunkowo drogi; jest przeznaczony do wersji premium lub jako opcja (obecnie kontroler domenowy Orin kosztuje kilkaset dolarów; Thor może być droższy). Atutem Qualcomma dla producentów jest to, że łącząc infotainment i ADAS, mogą obniżyć całkowity koszt BOM, a Qualcomm może zaoferować konkurencyjne ceny, zwłaszcza jeśli producent korzysta także z ich układów kokpitowych (oferty pakietowe). Dostawcy Tier-1, tacy jak Bosch i ZF, oferują scentralizowane jednostki obliczeniowe – nowy kontroler Boscha z układem Snapdragon Flex do 2000 TOPS został zaprezentowany, a ZF (który wcześniej korzystał z NVIDIA) również sugerował współpracę z wieloma partnerami chipowymi canalys.com canalys.com. W praktyce więc firma motoryzacyjna, która mogłaby się wahać ze względu na koszt lub pobór mocy NVIDIA, może wybrać Qualcomma dla bardziej stopniowego wdrożenia. Dostępność: Tesla HW4 jest dostępny teraz w setkach tysięcy samochodów (choć jej oprogramowanie wciąż nadrabia zaległości). NVIDIA Thor jest już testowany i trafi do produkcji od 2025 roku – pierwsze wdrożenia prawdopodobnie w Chinach (jak widzieliśmy w Lynk & Co 900) carnewschina.com carnewschina.com, a następnie na innych rynkach w modelach 2025–26. Qualcomm Flex zaczyna trafiać do produkcji pod koniec 2024 roku i będzie wdrażany w pojazdach konsumenckich w 2025, a jego zaawansowane możliwości (wieloukładowe L3) prawdopodobnie pojawią się w produkcji w latach 2025–27. Krótko mówiąc, Tesla prowadziw rzeczywistym wdrożeniu, ale tylko dla siebie; NVIDIA i Qualcomm umożliwiają wielu innym producentom samochodów dogonienie w funkcjach ADAS, dostarczając wymaganą moc obliczeniową.

Komentarz ekspercki i perspektywa branżowa: Analitycy często przedstawiają tę rywalizację jako integracja pionowa Tesli kontra siłowe przywództwo AI NVIDIA kontra elastyczna strategia ekosystemowa Qualcomma. Każde z tych podejść ma swoje zalety. Raport Canalys z początku 2024 roku zauważył, że strategia NVIDIA polega na oferowaniu „jednego, ultra-wydajnego rozwiązania platformowego” (Thor) i zapewnieniu kompatybilności wstecznej z Orin, aby ułatwić wdrożenie przez producentów samochodów, podczas gdy Qualcomm „łączy różne układy scalone, tworząc skalowalne systemy niskiej, średniej i wysokiej klasy”, celując w szersze grono klientów canalys.com canalys.com. To pokazuje, że NVIDIA stawia na to, iż producenci samochodów zdecydują się na jej uniwersalne, potężne rozwiązanie, podczas gdy Qualcomm pozwala im dobierać komponenty pod kątem kosztów i wydajności. Z perspektywy branży, producenci samochodów wyrażali swoje opinie: Dirk Hilgenberg, CEO VW CARIAD, powiedział na CES, że główną zaletą Flex od Qualcomma jest to, że „może się skalować i być elastyczny”, co pozwala VW wykorzystywać go zarówno w pojazdach popularnych, jak i premium, w zależności od potrzeb mobilityengineeringtech.com mobilityengineeringtech.com. Po stronie NVIDIA, firmy takie jak Xpeng publicznie chwaliły swoje partnerstwo – prezes Xpeng stwierdził, że korzystanie z Orin (i przyszłego Thor) daje im zapas mocy obliczeniowej, by wdrażać zaawansowane funkcje AI w prowadzeniu pojazdu szybciej niż inni. Andy An, CEO Zeekr (marka EV Geely), podkreślił, że ich nowe modele z Thor będą obsługiwać generatywną AI i zaawansowane systemy wspomagania jazdy, nazywając Thor „czterokrotnie mocniejszym od poprzednika” i kluczowym elementem ich systemu Navigate Pilot bez map carnewschina.com carnewschina.com. Tymczasem Elon Musk zarówno chwalił, jak i umniejszał znaczenie sprzętu: często nazywa komputer FSD Tesli „superkomputerem na kołach” i zauważył podczas spotkania w 2024 roku, że Hardware 5 będzie o rząd wielkości mocniejszy, by radzić sobie z bardzo złożonymi środowiskami en.wikipedia.org. Jednak Musk słynnie stwierdził też, że „nie chodzi o to, kto ma więcej TOPS, tylko o to, kto ma lepszy algorytm”, podkreślając stanowisko Tesli, że ich przewaga w danych i oprogramowaniu jest ważniejsza niż sama moc sprzętu. Potwierdzają to niektórzy eksperci, którzy zauważają, że wydajność HW4 Tesli, choć niższa, jest w pełni wykorzystywana dzięki skoncentrowanemu podejściu, podczas gdy inni producenci OEM wciąż uczą się, jak najlepiej wykorzystać ponad 1000 TOPS w platformach takich jak Thor. Sam Abuelsamid, an auanalityk motoryzacyjny zauważył, że strategia Qualcomma może być bardzo atrakcyjna dla producentów samochodów, którzy chcą jednego rozwiązania obliczeniowego do wszystkiego – podkreślił, że „możliwość jednoczesnego uruchamiania funkcji bezpieczeństwa i infotainment przez Snapdragon Ride Flex może przyspieszyć przejście na centralne kontrolery domenowe”, co pozwala zaoszczędzić koszty i wagę (mniej ECU, mniej okablowania). Wskazał również, że rozległe doświadczenie Qualcomma w optymalizacji zużycia energii ze smartfonów to atut – „producentom samochodów zależy na poborze mocy; każdy wat to utrata zasięgu w samochodzie elektrycznym, więc wydajność Qualcomma może dać mu przewagę w zastosowaniach EV” (co widać na przykładzie wyboru GM dla Ultra Cruise, który jest chłodzony powietrzem) repairerdrivennews.com. Z technologicznego punktu widzenia, rzecznik ARM ds. motoryzacji pochwalił projekt NVIDIA Thor, mówiąc, że „jeden Thor zapewni tę samą funkcjonalność, co obecnie wiele urządzeń”, skutecznie upraszczając projektowanie pojazdów notebookcheck.net. W przypadku Tesli, specjaliści od demontażu tacy jak @greentheonly zauważyli, że „HW4 ma znacznie mniej ulepszeń, niż wielu się spodziewało”, co sugeruje, że choć jest lepszy od HW3, nie jest to radykalna zmiana w architekturze – Tesla raczej rozwija koncepcję HW3, niż ją całkowicie przeprojektowuje notateslaapp.com. Green zwrócił także uwagę na nietypowe przesunięcia kosztów w Tesli: zmniejszenie mocy infotainment w HW4, aby przeznaczyć budżet na komponenty FSD autoevolution.com autoevolution.com. To ponownie podkreśla wyjątkowe skupienie Tesli na rozwiązaniu FSD za pomocą ogromnej mocy obliczeniowej i danych, nawet kosztem funkcji drugorzędnych, takich jak wydajność gier.W szerszym kontekście, sierpień 2025 roku przynosi zaostrzenie wyścigu o czipy AI w motoryzacji. Najnowsze wiadomości obejmują gwałtowny wzrost akcji NVIDIA dzięki jej przewadze w AI, przy czym Thor jest jednym z elementów portfolio skoncentrowanego na AI (analitycy nazywają teraz samochody „gadżetami AI na kołach”). NVIDIA odnotowała podwojenie przychodów z motoryzacji, gdy chińscy producenci samochodów elektrycznych zwiększają produkcję modeli opartych na Orin, a zamówienia przedpremierowe na Thor dodatkowo to wzmacniają notebookcheck.net notebookcheck.net. Tesla z kolei zaczęła wdrażać FSD v13 wyłącznie do samochodów z HW4 pod koniec 2024 roku, pokazując namacalne korzyści HW4 (potrafi wykonywać manewry takie jak zawracanie na trzy razy i złożone scenariusze parkowania, które były bardzo ograniczone na HW3) notebookcheck.net. Jednak raport z końca 2024 roku odnotował, że niektóre komputery HW4 doświadczyły problemów/awarii podczas wczesnych wydań bety FSD 12 notebookcheck.net notebookcheck.net – Tesla obiecała wymienić wszystkie wadliwe jednostki HW4, a nawet zaoferowała darmowe ulepszenia do HW4 dla właścicieli HW3, jeśli zajdzie taka potrzeba w przyszłości notebookcheck.net notebookcheck.net. To pokazuje, jak szybki i iteracyjny cykl rozwoju stosuje Tesla – przesuwając granice sprzętu i ucząc się na podstawie danych z eksploatacji. Jeśli chodzi o Qualcomm, ostatnim ważnym wydarzeniem była prezentacja „Snapdragon Ride Flex 2” na CES 2025, pokazująca rozszerzoną współpracę z firmą Bosch, która wdroży ten czip do centralnego komputera podwozia dla producentów samochodów canalys.com. Było to postrzegane jako bezpośrednie wyzwanie dla NVIDIA, ponieważ Bosch historycznie współpracował z NVIDIA przy Drive PX Pegasus w przeszłości. Z Bosch i Magną (kolejnym dostawcą Tier-1) na pokładzie, Qualcomm umacnia swoją pozycję. Verge poinformował w połowie 2025 roku, że GM zdecydował się zrezygnować z marki „Ultra Cruise” i prawdopodobnie zintegrować zespół Ultra Cruise z Super Cruise, sygnalizując pewne wewnętrzne zmiany strategii theverge.com, ale co ważne, GM potwierdziło, że technologia (oparta na Snapdragonie) nadal będzie wdrażana w kolejnych pojazdach. Sugeruje to, że system oparty na Qualcommie jest kluczowy dla przyszłości ADAS w GM, być może po prostu pod wspólną marką.

Wnioski

W tym starciu platform AI dla motoryzacji – NVIDIA Drive Thor, Tesla FSD HW4 i Qualcomm Snapdragon Ride Flex – każda z nich wnosi unikalne atuty, zgodne ze strategią swojego twórcy. Drive Thor wyłania się jako gigant AI, oferując rekordową wydajność (do 2 PFLOPS) i kompleksowe rozwiązanie dla producentów samochodów dążących do najwyższych poziomów autonomii carnewschina.com notebookcheck.net. Jego nowatorska architektura i pełne wsparcie programowe czynią go platformą pierwszego wyboru dla ambitnych programów autonomicznej jazdy, choć koszty i zapotrzebowanie na energię ograniczają go głównie do pojazdów premium i projektów robotaxi. Tesla Hardware 4, choć nie tak imponujący pod względem specyfikacji, pokazuje siłę integracji pionowej – jest „wystarczająco dobry”, by obsługiwać zaawansowane sieci autonomicznej jazdy Tesli i już sprawdza się w setkach tysięcy samochodów. Tesla wykorzystuje HW4 wraz z danymi z floty i iteracyjnym oprogramowaniem, by stopniowo zbliżać się do pełnej autonomii, a firma nie stoi w miejscu – zapowiadany dziesięciokrotny skok Hardware 5 pokazuje, że Tesla dostrzega potrzebę większej mocy obliczeniowej dla pełnej autonomii en.wikipedia.org. Qualcomm Ride Flex wypracował sobie atrakcyjną niszę jako wszechstronny uniwersalny gracz, umożliwiając producentom modernizację elektroniki samochodowej przez połączenie infotainment i ADAS, skalując się od modeli podstawowych po luksusowe w ramach jednej architektury mobilityengineeringtech.com mobilityengineeringtech.com. Może dziś nie chwali się imponującym wynikiem TOPS, ale jego atrakcyjność tkwi w efektywności, opłacalności i ekosystemie oferowanym przez Qualcomm (łączność, otwarte oprogramowanie wizyjne, platforma OTA). Producenci tacy jak GM, VW i BMW postawili na Qualcomm, by dostarczyć zaawansowane systemy wspomagania kierowcy w przyjaznym produkcyjnie pakiecie, co jest wyrazem zaufania do zrównoważonego podejścia firmy mobilityengineeringtech.com repairerdrivennews.com.

Ostatecznie „najlepsza” platforma zależy od zastosowania: Thor zabłyśnie w pojazdach, które mają oferować niemal pełną autonomię lub zaawansowane funkcje AI (spodziewaj się jej w luksusowych samochodach i nowoczesnych elektrykach debiutujących po 2025 roku). Tesla HW4 pozostaje przypadkiem wyjątkowym – daje Tesli przewagę w zakresie autonomicznej jazdy w jej własnych samochodach, ale nie jest bezpośrednio dostępna dla innych. Snapdragon Ride Flex ma szansę po cichu stać się wszechobecny, napędzając wszystko – od jazdy bez użycia rąk na autostradzie w Cadillacu po połączony cyfrowy kokpit/ADAS w milionach pojazdów grupy Volkswagen w drugiej połowie tej dekady mobilityengineeringtech.com canalys.com. W sierpniu 2025 roku wszystkie trzy systemy są na różnych etapach: Tesla HW4 dojrzewa już na drogach, Nvidia Thor jest u progu debiutu produkcyjnego, a Qualcomm Flex zwiększa skalę po pierwszych wdrożeniach. Konkurencja napędza szybkie innowacje – samochody debiutujące w ciągu najbliższych 1–2 lat będą znacznie bardziej inteligentne obliczeniowo niż cokolwiek wcześniej. Co istotne, te superkomputery na kołach umożliwią nie tylko bezpieczniejszą jazdę, ale także nowe doświadczenia dla kierowców (od asystentów AI po zaawansowane wyświetlacze AR), zwiastując erę pojazdu definiowanego przez oprogramowanie. Jak powiedział Xinzhou Wu z NVIDIA, „generatywna AI redefiniuje doświadczenie jazdy”, i to właśnie te platformy to umożliwiają nvidianews.nvidia.com. Przed nami ekscytująca ścieżka rozwoju: HW5 Tesli w 2026 roku celujący w pełną jazdę bez kierowcy, NVIDIA prawdopodobnie pracująca nad następcą Thor z jeszcze większą mocą AI, a Qualcomm rozwijający wyższy poziom autonomii ze swoimi partnerami – wszyscy ścigają się w kierunku wspólnego celu: samochodów mądrzejszych, bezpieczniejszych i bardziej połączonych niż kiedykolwiek. Pole bitwy jest gotowe, a ostatecznymi zwycięzcami będą kierowcy i pasażerowie, którzy skorzystają z postępu wynikającego z tej technologicznej rywalizacji trzech gigantów.

Źródła: oficjalne komunikaty i blogi NVIDIA, Tesla, Qualcomm; analizy branży motoryzacyjnej blogs.nvidia.com carnewschina.com en.wikipedia.org mobilityengineeringtech.com nvidianews.nvidia.com carnewschina.com; komentarze ekspertów, kadry zarządzającej i analityków nvidianews.nvidia.com mobilityengineeringtech.com repairerdrivennews.com; oraz najnowsze doniesienia prasowe do sierpnia 2025 roku carnewschina.com canalys.com. Specyfikacje każdej platformy, deklaracje dotyczące wydajności oraz przykłady wdrożeń pochodzą z tych źródeł, aby zapewnić dokładne i aktualne porównanie.