Duel de superordinateurs autonomes : NVIDIA Drive Thor vs Tesla FSD Hardware 4 vs Qualcomm Snapdragon Ride Flex

La course à la mise au point de véhicules entièrement autonomes a donné naissance à une nouvelle génération de supercalculateurs automobiles. Le Drive Thor de NVIDIA, le matériel Full Self-Driving (FSD) Hardware 4 de Tesla et le Snapdragon Ride Flex de Qualcomm sont trois plateformes de pointe qui rivalisent pour devenir le « cerveau » des voitures autonomes de demain. Chaque système promet des performances et des capacités d’IA inédites, allant de la fusion avancée de capteurs et du traitement de réseaux neuronaux à des expériences intégrées à bord. Ce rapport propose une comparaison complète de ces plateformes – leurs spécifications techniques, mesures de performance, fonctionnalités, intégrations dans les véhicules et feuilles de route – en mettant en avant les derniers développements en date d’août 2025. Des experts du secteur et des dirigeants d’entreprise donnent leur avis sur la façon dont ces puces de conduite IA se comparent, et sur ce que leur émergence signifie pour l’avenir des véhicules autonomes et définis par logiciel.

NVIDIA Drive Thor – Calcul IA centralisé de nouvelle génération

Aperçu : NVIDIA Drive Thor est le système sur puce (SoC) automobile nouvelle génération de la société, destiné à succéder à la plateforme actuelle Drive Orin en 2025 blogs.nvidia.com carnewschina.com. Annoncé lors du GTC 2022, Drive Thor est décrit par NVIDIA comme un « ordinateur centralisé pour voiture » réunissant toutes les fonctions majeures du véhicule – de la conduite autonome et l’ADAS au cockpit numérique et à l’infodivertissement – sur une seule plateforme blogs.nvidia.com. Il est basé sur la nouvelle architecture GPU Blackwell de NVIDIA (successeur d’Ampere/Ada) et un complexe CPU Arm « Poseidon », avec un design axé à la fois sur la performance IA brute et l’efficacité blogs.nvidia.com blogs.nvidia.com. Drive Thor remplace effectivement la puce « Atlan » précédemment prévue par NVIDIA (qui a été annulée) et représente un grand bond par rapport à la génération Orin Xavier/Ampere en.wikipedia.org.

Spécifications techniques et architecture : Drive Thor offre jusqu’à 1 000 TOPS (téra-opérations par seconde) de performance IA (INT8 sparse) sur une seule puce en.wikipedia.org carnewschina.com. Il atteint cela grâce à une combinaison d’un puissant cluster GPU et CPU. Le SoC intègre un GPU basé sur Blackwell avec 2560 cœurs CUDA et 96 Tensor Cores, introduisant un Transformer Engine embarqué optimisé pour les réseaux neuronaux et la précision 8 bits en virgule flottante (FP8) blogs.nvidia.com. Cela permet une meilleure précision en deep learning sans sacrifier la performance, comblant l’écart entre les calculs 32 bits et basse précision blogs.nvidia.com. Le côté CPU comprend 14 cœurs Arm Neoverse V3 (“V3AE” de qualité automobile) en.wikipedia.org, ce qui en fait l’un des complexes CPU automobiles les plus performants. Drive Thor est fabriqué sur le procédé 4nm de TSMC, offrant un gain majeur de densité et d’efficacité énergétique par rapport à Orin (qui était en 8nm) en.wikipedia.org carnewschina.com. Il prend également en charge jusqu’à 128 Go de mémoire LPDDR5X, des E/S à haute vitesse et de nouveaux interconnexions. Notamment, deux SoC Thor peuvent être reliés via NVLink-C2C pour fonctionner comme un seul ordinateur logique, doublant le débit à ~2 000 TOPS pour les besoins d’autonomie de niveau 4–5 les plus exigeants en.wikipedia.org blogs.nvidia.com. Cette évolutivité permet aux constructeurs automobiles d’ajouter de la marge de calcul simplement en associant les puces.

Performance & Capacités : En termes de performance brute, Drive Thor est environ 4× plus puissant que l’actuel Drive Orin de NVIDIA (1 000 TOPS pour Thor contre ~254 TOPS pour Orin) carnewschina.com carnewschina.com. NVIDIA indique que Thor offre « 20× la performance IA de son prédécesseur » lorsqu’il exploite toutes ses nouvelles fonctionnalités notebookcheck.net, bien qu’en pratique, en INT8 TOPS, il soit environ quatre fois plus performant qu’Orin. Fait crucial, Thor est conçu comme une plateforme multi-domaines : ses ressources de calcul peuvent être partitionnées afin qu’une partie gère la conduite autonome (perception, fusion de capteurs, planification de trajectoire) tandis qu’une autre partie exécute l’IA embarquée, les tableaux de bord numériques ou l’infodivertissement blogs.nvidia.com blogs.nvidia.com. Cette isolation est rendue possible par la virtualisation et une architecture de sécurité ASIL-D, ce qui signifie que les tâches ADAS critiques en temps réel peuvent s’exécuter en parallèle avec les applications du cockpit sans interférence blogs.nvidia.com. Par exemple, un constructeur automobile pourrait dédier la totalité des 1 000 TOPS à la conduite autonome, ou allouer, par exemple, 700 TOPS aux tâches de conduite et 300 TOPS au cockpit/UX – le tout sur une seule puce blogs.nvidia.com blogs.nvidia.com. Cette consolidation vise à réduire la multitude d’unités de contrôle électronique (ECU) séparées dans les voitures actuelles, diminuant ainsi les coûts et la complexité blogs.nvidia.com blogs.nvidia.com. NVIDIA met également en avant la prise en charge par Thor des applications d’IA générative dans les véhicules, en précisant que l’architecture GPU Blackwell inclut un « moteur d’IA générative » idéal pour exécuter des modèles de transformeurs, des grands modèles de langage, ainsi que des systèmes avancés de surveillance du conducteur ou des assistants vocaux dans la voiture nvidianews.nvidia.com nvidianews.nvidia.com. Selon les mots du vice-président automobile de NVIDIA, Xinzhou Wu, « le calcul accéléré a conduit à des avancées transformatrices, y compris l’IA générative, qui redéfinit l’autonomie et l’industrie du transport » nvidianews.nvidia.com. Avec sa combinaison de TOPS, de nouvelles instructions d’IA et de mémoire unifiée, Drive Thor se positionne comme un superordinateur tout-en-un pour l’autonomie de niveau 2+ à niveau 4 blogs.nvidia.com blogs.nvidia.com.

Intégration et cas d’utilisation : Drive Thor devrait entrer dans les véhicules de production à partir de 2025, plusieurs constructeurs automobiles prévoyant déjà de le déployer nvidianews.nvidia.com. NVIDIA a annoncé des contrats de conception avec des OEM mondiaux, notamment en Chine : les fabricants de véhicules électriques Li Auto et ZEEKR ont été parmi les premiers à confirmer l’intégration de Thor dans leurs modèles de nouvelle génération, et lors du GTC 2024, BYD, Hyper (la marque de luxe de GAC) et XPENG ont également révélé qu’ils construiront leurs prochaines flottes sur Drive Thor nvidianews.nvidia.com nvidianews.nvidia.com. Par exemple, XPeng a indiqué que Thor alimentera son système de conduite propriétaire XNGP (permettant la conduite autonome, le stationnement et la surveillance des occupants) dans ses futurs véhicules nvidianews.nvidia.com. La première voiture de série équipée de Drive Thor devrait être le SUV Lynk & Co 900 (une marque affiliée à Geely/Volvo), dont le lancement est prévu en Chine au deuxième trimestre 2025 en.wikipedia.org carnewschina.com. Lynk & Co met en avant les 1000 TOPS de puissance de calcul de Thor comme le cœur de son nouvel ADAS “Haohan”, permettant une assistance à la conduite guidée par navigation sans cartes HD carnewschina.com carnewschina.com. En dehors des voitures particulières, Thor est également adopté dans les véhicules autonomes commerciaux – la startup Nuro utilisera Drive Thor dans ses robots de livraison de nouvelle génération, et les entreprises de transport Plus et Waabi intègrent Thor pour leurs systèmes de camions semi-autonomes de niveau 4 nvidianews.nvidia.com nvidianews.nvidia.com. Dans le segment haut de gamme, le partenaire de longue date de NVIDIA, Mercedes-Benz, devrait également migrer d’Orin vers Thor pour ses futurs véhicules définis par logiciel. Globalement, en unifiant les domaines ADAS et cockpit, Drive Thor attire les OEM cherchant à simplifier leurarchitectures E/E. Bosch, un important fournisseur de rang 1, a même annoncé une plateforme de calcul centralisée basée sur Snapdragon Ride Flex et NVIDIA Thor (jusqu’à 2 000 TOPS) pour offrir aux constructeurs automobiles des solutions informatiques clés en main multi-domaines canalys.com canalys.com.

Comparaison avec la génération précédente : Drive Thor représente un saut générationnel significatif par rapport à l’actuel fleuron de NVIDIA, Drive Orin (2022). Orin offre 254 TOPS (INT8) et dispose de 12 cœurs Cortex-A78AE et d’un GPU Ampere ; Thor multiplie environ par quatre les TOPS et introduit des cœurs plus avancés (Neoverse V3) ainsi qu’une architecture GPU plus moderne carnewschina.com. NVIDIA précise explicitement que Thor est « 4 fois plus puissant que la puce Nvidia Orin largement utilisée » carnewschina.com carnewschina.com. Notamment, Thor remplace plusieurs puces par une seule – là où un système de niveau 3 utiliserait aujourd’hui un Orin pour l’ADAS plus des puces séparées pour l’infodivertissement et la surveillance du conducteur, un seul Thor peut gérer toutes ces tâches blogs.nvidia.com notebookcheck.net. Cette stratégie du tout-en-un diffère des anciennes plateformes multi-SoC de NVIDIA (comme Drive PX Pegasus qui combinait Xavier + GPU). En prenant en charge le couplage NVLink de deux Thor, NVIDIA permet toujours aux configurations ultra haut de gamme (par exemple les robotaxis) d’atteindre jusqu’à ~2 PFLOPS (2000 TOPS) sur une pile logicielle unifiée en.wikipedia.org blogs.nvidia.com. En résumé, Drive Thor offre une marge de performance massive (notamment pour les charges de travail IA) et consolide les fonctionnalités, en phase avec la volonté des constructeurs automobiles d’aller vers l’informatique centralisée et les véhicules OTA-upgradables. Comme le dit NVIDIA, « lorsqu’il est déployé dans des cas d’utilisation de niveau 3+, un seul Drive Thor peut remplacer plusieurs dispositifs de pointe dans les véhicules actuels », générant des économies de coûts et d’énergie pour les OEM notebookcheck.net. C’est la pièce maîtresse de la feuille de route de NVIDIA pour prendre en charge tout, du niveau 2+ ADAS à la conduite entièrement autonome sur une seule plateforme évolutive.

Tesla FSD Hardware 4 (HW4) – L’ordinateur de conduite entièrement autonome personnalisé de Tesla

Aperçu : le Hardware 4 de Tesla – également connu sous le nom de FSD Computer 2 ou Autopilot HW4 – est la plateforme informatique conçue en interne par Tesla pour l’Autopilot et la Conduite entièrement autonome, introduite début 2023. Contrairement à NVIDIA et Qualcomm, qui fournissent des puces à de nombreux constructeurs, le Tesla HW4 est conçu exclusivement pour les véhicules Tesla en tant que successeur du Hardware 3 de 2019. Il a commencé à être livré dans les Tesla de série (Model S/X) vers janvier 2023 en.wikipedia.org en.wikipedia.org. Elon Musk a décrit le HW4 comme une mise à niveau substantielle, affirmant qu’il est « 3 à 5 fois, voire jusqu’à 8 fois » plus puissant que le HW3 en termes de capacité de calcul en.wikipedia.org. Le Hardware 4 est associé à une nouvelle suite de capteurs – comprenant des caméras à plus haute résolution et la réintroduction du radar – visant à permettre au logiciel FSD Beta basé sur la vision de Tesla d’atteindre à terme une véritable conduite autonome. Essentiellement, le HW4 est le dernier « cerveau » de Tesla pour exécuter les réseaux neuronaux qui perçoivent l’environnement et prennent les décisions de conduite, parfaitement intégré à la pile de conduite autonome développée verticalement par Tesla.

Spécifications techniques et architecture : L’ordinateur HW4 de Tesla est basé sur un SoC conçu par Tesla fabriqué par Samsung en technologie 7 nm en.wikipedia.org. Chaque unité HW4 contient en réalité deux “nœuds” SoC redondants sur la carte (comme le HW3), bien que Tesla puisse choisir de les faire fonctionner en mode redondant actif ou combiné. Selon un démontage réalisé par @greentheonly (un hacker Tesla reconnu), le SoC HW4 contient un CPU ARM à 20 cœurs (contre 12 cœurs pour le HW3) cadencé à 2,35 GHz, ainsi que les accélérateurs de réseau neuronal propriétaires de Tesla (NPU) et d’autres coprocesseurs notateslaapp.com. Les “cœurs accélérateurs” de réseau neuronal dans HW4 sont améliorés à ~50 TOPS chacun, contre ~36 TOPS dans HW3, offrant environ 100 TOPS par puce dédiés à l’inférence de réseaux neuronaux autopilotreview.com autopilotreview.com. Avec deux puces par véhicule, la puissance de calcul IA théorique totale atteint ~200 TOPS (même si en pratique Tesla peut réserver une puce pour la redondance). Tesla a également amélioré la mémoire – HW4 dispose de 16 Go de RAM et 256 Go de stockage NVMe pour l’ordinateur FSD, soit 2× la RAM et 4× le stockage du HW3 en.wikipedia.org en.wikipedia.org. À noter, Tesla utilise une mémoire GDDR6 plus rapide pour les processeurs neuronaux du HW4 et un stockage flash UFS 3.1, afin de gérer la bande passante des flux vidéo en haute résolution autoevolution.com autoevolution.com. La taille de la puce FSD HW4 est en fait plus petite que celle du HW3, grâce au procédé 7 nm (le HW3 était en 14 nm), malgré un plus grand nombre de transistors et de meilleures performances autoevolution.com autoevolution.com. Pour les graphismes/visualisation, Tesla inclut toujours un i basé sur AMD Ryzenprocesseur d’infodivertissement (avec GPU intégré) sur la carte, mais dans HW4 Tesla a réaffecté les ressources, donnant au côté infodivertissement la moitié de la RAM/stockage d’avant tout en renforçant le côté Autopilot autoevolution.com autoevolution.com. Cela reflète la priorité de Tesla sur le FSD : le calculateur Autopilot reçoit la mémoire à haute vitesse et la majeure partie de la puissance de calcul, tandis que le MCU (Media Control Unit) dans les modèles HW4 S/X/Y a des spécifications légèrement réduites (suffisantes pour l’interface utilisateur et le streaming, mais pas pour le jeu au niveau précédent) autoevolution.com autoevolution.com. Globalement, l’architecture de HW4 est une évolution du design double-SoC de HW3, avec plus de cœurs CPU, des NPU améliorés et la prise en charge de plus de capteurs, le tout conçu pour exécuter les réseaux neuronaux de Tesla plus efficacement.

Suite de capteurs et capacités : Parallèlement à la mise à niveau de l’ordinateur, le déploiement du HW4 de Tesla a apporté des changements significatifs aux capteurs du véhicule – indiquant l’approche holistique de Tesla envers la FSD. La résolution des caméras est passée de 1,2 MP à 5 MP capteurs, et Tesla a ajouté trois nouvelles caméras (passant de 8 caméras externes sur HW3 à 11 sur HW4) pour une meilleure couverture notateslaapp.com notateslaapp.com. Notamment, les voitures HW4 ont deux caméras orientées vers l’avant au lieu de trois (l’ancien objectif téléphoto étroit a été supprimé, probablement rendu inutile par les caméras principales à plus haute résolution) notateslaapp.com, mais Tesla a ajouté des caméras dans le pare-chocs avant pour éliminer les angles morts (utile pour sortir d’intersections obstruées) notateslaapp.com. Les caméras HW4 incluent également une atténuation du scintillement des LED pour mieux lire les panneaux numériques et les feux de circulation notateslaapp.com notateslaapp.com, ainsi que des éléments chauffants pour désembuer les lentilles des caméras par mauvais temps notateslaapp.com. De plus, Tesla a réintroduit le radar avec HW4 : des documents montrent une nouvelle unité radar HD “Phoenix” dans ces véhicules, après que Tesla ait supprimé le radar en 2021 sur les voitures HW3 en.wikipedia.org en.wikipedia.org. Cela suggère que HW4 fusionnera la vision avec un capteur radar haute résolution, améliorant la perception de la profondeur et la redondance (bien qu’en 2025, l’utilisation complète du radar dans le logiciel FSD soit encore en cours de développement). Dans l’ensemble, HW4 fournit au logiciel de Tesla des entrées de plus haute fidélité – plus de pixels, de nouveaux angles de vue, des retours radar – et la puissance de calcul supplémentaire pour les traiter. Les premiers rapports indiquaient que HW4 faisait initialement fonctionner le logiciel FSD en mode de compatibilité (réduction de la résolution des images des caméras, etc., pour imiter HW3) jusqu’à ce que Tesla puisse mettre à jour le neles réseaux neuronaux pour exploiter pleinement le nouveau matériel en.wikipedia.org en.wikipedia.org. Fin 2024, la version 13+ de la FSD Beta de Tesla a commencé à utiliser des flux de caméras natives 5MP et des fonctionnalités réservées à HW4, montrant que la plateforme dispose d’une marge de manœuvre qui permettra de nouvelles capacités (par exemple, une meilleure détection d’objets à longue distance, aide au stationnement en “vue d’oiseau”, etc.). Elon Musk a noté que HW3, bien qu’il soit capable de faire fonctionner la FSD beta actuelle, pourrait ne pas suffire pour une future autonomie non supervisée, alors que HW4 est conçu avec une plus grande marge de sécurité. En effet, Musk a déclaré que si Tesla ne parvient pas à atteindre une conduite entièrement autonome et sûre avec HW3, “ils mettront à niveau les voitures vers HW4 sans frais” – un clin d’œil à la plus grande capacité de HW4 teslamotorsclub.com shop4tesla.com. En pratique, Tesla espère que HW4 sera suffisant pour l’autonomie totale, mais ils prévoient déjà un HW5 encore plus puissant (comme discuté ci-dessous).

Performance dans le monde réel : Tesla n’a pas publié de chiffres TOPS ou FLOPS pour HW4, mais les améliorations peuvent être déduites. L’affirmation de Musk d’une performance 3× à 8× supérieure à celle de HW3 est probablement dépendante du scénario en.wikipedia.org. Le Hardware 3 comportait deux puces de 144 TOPS (72 TOPS chacune) ; les deux puces de HW4 (~100 TOPS chacune) offrent nominalement ~200 TOPS, soit environ 2,5 à 3× le débit de réseau neuronal de HW3. Certaines tâches (comme le traitement vidéo ou les réseaux d’occupation) peuvent bénéficier de gains plus importants grâce à la mémoire étendue de HW4 et à la conception mise à jour de l’accélérateur – d’où le commentaire « jusqu’à 8× ». Lors des premiers tests côte à côte, les véhicules HW4 ont démontré un traitement d’image plus rapide et la capacité de rendre plus d’objets dans les visualisations que HW3, bien que le comportement de conduite de bout en bout reste limité par le logiciel teslamotorsclub.com. Il est important de noter que Tesla a rétabli la redondance complète avec HW4 : les deux nœuds de calcul sont conçus pour se contrôler mutuellement et prendre le relais en cas de défaillance de l’un, améliorant ainsi la sécurité notateslaapp.com notateslaapp.com. (Avec HW3, Tesla a finalement réaffecté les deux puces aux calculs actifs à mesure que FSD Beta s’est développé, réduisant la redondance.) Avec la marge supplémentaire de HW4, Tesla peut à nouveau faire fonctionner une puce en mode fantôme ou en secours. Un autre aspect notable est la consommation d’énergie – HW4 consomme environ 30 à 50 % d’énergie en plus que HW3 (estimée jusqu’à ~160 W contre 100 W pour HW3) en raison des puces plus puissantes et du refroidissement pour les caméras en.wikipedia.org en.wikipedia.org. Tesla accepte ce coût énergétique pour débloquer des fonctionnalités d’autonomie plus avancées. Les propriétaires des nouveaux Model Y équipés de HW4 ont observé le comportement plus fluide du système et le potentiel pour des fonctionnalités comme la surveillance à 360° (vue de dessus) qui n’étaient pas possibles avec le jeu de caméras limité de HW3 notateslaapp.com notateslaapp.com. En résumé, bien que le HW4 de Tesla n’atteigne peut-être pas le TOPS brut des dernières puces NVIDIA ou Qualcomm (il se rapproche davantage de l’Orin de génération précédente de NVIDIA en termes de calcul), il est hautement optimisé pour la charge de travail IA spécifique de Tesla – exécutant d’énormes réseaux neuronaux de vision et de planification que Tesla entraîne en continu sur des milliards de kilomètres parcourus par la flotte. L’intégration étroite du matériel et du logiciel chez Tesla signifie que la performance réelle du HW4 se mesure mieux par les avancées du logiciel FSD, qui ont commencé à exploiter le nouveau matériel fin 2024 et 2025.

Déploiement et véhicules : Le Hardware 4 est déjà largement déployé dans la gamme Tesla. Il est apparu pour la première fois dans les Model S et X restylés à partir de janvier 2023 en.wikipedia.org, et à la mi-2023, il était inclus dans les nouvelles productions des Model Y et Model 3 (y compris le restylage “Highland” du Model 3 2024). Tous les véhicules Tesla Cybertruck (dont la production a débuté fin 2023) sont également équipés du HW4. Essentiellement, toute Tesla fabriquée à partir de 2023 possède ou possédera le HW4, ce qui en fait l’une des nouvelles plateformes ADAS les plus répandues sur la route en peu de temps. Contrairement aux systèmes Nvidia et Qualcomm que les constructeurs testent d’abord sur quelques milliers de véhicules, Tesla a déployé le HW4 à grande échelle presque immédiatement – s’appuyant sur sa flotte de clients pour collecter des données et valider le matériel. Cependant, Tesla ne fournit pas le HW4 à d’autres constructeurs ; il s’agit d’un atout interne réservé aux efforts d’auto-conduite de Tesla. Cette intégration verticale est un facteur de différenciation clé : Tesla associe étroitement la conception du matériel, le développement du réseau neuronal et même la disposition des capteurs du véhicule. Un exemple est le choix de Tesla de se passer du LiDAR et de s’appuyer sur les caméras (et désormais un seul radar) avec le HW4, conformément à la vision de Musk selon laquelle « les humains conduisent avec des yeux et un cerveau, donc les caméras et les réseaux neuronaux sont la solution ». Alors que des concurrents comme NVIDIA prennent en charge le lidar et les cartes HD, le HW4 de Tesla est conçu pour repousser les limites de la perception basée uniquement sur la caméra (avec le radar en complément pour la profondeur). Cette stratégie comporte des compromis, mais l’avantage de Tesla réside dans l’immense quantité de données réelles générées par ses voitures – ce qui, en retour, influence la conception du HW4 et le logiciel FSD qui l’exploite.

Comparaison avec les générations précédentes : Le Hardware 4 est la quatrième itération de l’ordinateur Autopilot de Tesla. Comparé à HW3 (FSD Computer 1, introduit en 2019), le HW4 double voire triple la plupart des spécifications : 2× le nombre d’accélérateurs neuronaux par puce (et plus de TOPS par accélérateur), 1,7× le nombre de cœurs CPU, 2× la fréquence du GPU (Tesla utilise un petit GPU intégré principalement pour le prétraitement des pixels de caméra et la visualisation), et nettement plus de mémoire et de bande passante notateslaapp.com autoevolution.com. Il ajoute également de nouveaux microcontrôleurs de sécurité (Trip cores) et une gestion de l’alimentation améliorée pour la redondance notateslaapp.com notateslaapp.com. Il est important de noter que le HW4 a été conçu pour s’adapter aux réseaux neuronaux en constante expansion de Tesla – Andrej Karpathy (ancien directeur IA de Tesla) avait noté que le HW3 avait été créé car le HW2 manquait de puissance de calcul pour les nouveaux réseaux neuronaux en.wikipedia.org en.wikipedia.org ; de même, en 2021–22, Tesla développait des réseaux neuronaux qui ne pouvaient pas fonctionner en temps réel sur HW3, d’où la nécessité d’un renforcement avec le HW4. Ce schéma se poursuit : lors de l’assemblée des actionnaires 2024, Elon Musk a révélé que le Hardware 5 (“AI 5”) de Tesla est prévu pour janvier 2026, visant une capacité 10× supérieure à celle du HW4 en.wikipedia.org. Musk a indiqué que le HW5 sera tellement puissant (consommation de 800 W) qu’il ne sera destiné qu’à l’autonomie totale et probablement à l’usage robotaxi en.wikipedia.org en.wikipedia.org. En contexte, cela signifie que Tesla estime que le HW4 suffira pour les voitures grand public et le programme FSD actuel, tandis que le HW5 sera un saut spécialisé (probablement impliquant du calcul multi-puces ou de l’empilement 3D) pour l’objectif final de l’autonomie. En résumé, le HW4 de Tesla s’appuie sur les leçons du HW3 et corrige ses limites en offrant plus de marge pour les réseaux neuronaux et les données capteurs. Il a permis à Tesla de réintroduire des fonctionnalités (comme le radar et davantage de caméras) qui étaient hors de portée avec les limites du HW3. Bien que Tesla ne communique pas de TOPS ni ne fasse la publicité des spécifications, l’efficacité du HW4 sera finalement jugée par les progrès de Tesla dans l’atteinte d’une conduite autonome fiable avec celui-ci. En 2025, le HW4 est la plateforme de référence de Tesla, offrant des améliorations incrémentiellesaméliorations FSD majeures et servant de pont vers l’ambitieux HW5 en 2026.

Qualcomm Snapdragon Ride Flex – Plateforme convergée ADAS & Cockpit

Aperçu : Le Snapdragon Ride Flex de Qualcomm est une famille de SoC automobile évolutive introduite en 2023 qui prend en charge de manière unique les charges de travail à criticité mixte – ce qui signifie qu’elle peut exécuter des fonctions ADAS (systèmes avancés d’aide à la conduite) et des applications de cockpit numérique simultanément sur une seule puce mobilityengineeringtech.com mobilityengineeringtech.com. Annoncé au CES 2023, Ride Flex étend le portefeuille Snapdragon Ride de Qualcomm (lancé pour la première fois en 2020) vers un nouveau paradigme de « calcul central » pour les véhicules définis par logiciel. Le SoC Flex est présenté comme une solution « tout-en-un » pour les constructeurs automobiles qui souhaitent regrouper à la fois les tâches de conduite (comme la perception visuelle, la fusion de capteurs, la conduite automatisée) et les tâches d’infodivertissement/compteur (comme les graphiques d’instruments, le multimédia, la surveillance du conducteur) sur une seule plateforme haute performance mobilityengineeringtech.com mobilityengineeringtech.com. Qualcomm a réalisé cela en concevant le SoC Flex avec plusieurs domaines d’exécution isolés et une île de sécurité, ce qui lui permet de répondre aux normes de sécurité ASIL-D pour les processus ADAS critiques même lorsque des processus de divertissement ou des systèmes d’exploitation lourds s’exécutent en parallèle mobilityengineeringtech.com mobilityengineeringtech.com. Nakul Duggal, vice-président senior automobile de Qualcomm, a expliqué leur approche : « le silicium, le logiciel sous-jacent et la pile supérieure sont développés de sorte que vous puissiez exécuter l’ADAS et l’infodivertissement côte à côte avec prévisibilité et fiabilité », en mettant l’accent sur le déterminisme et la liberté d’interférence entre les domaines mobilityengineeringtech.com mobilityengineeringtech.com. En résumé, Snapdragon Ride Flex est la réponse de Qualcomm à la demande de l’industrie pour des architectures de véhicules centralisées et mises à jour par logiciel, et il exploite les atouts de Qualcomm dans les SoC mobiles, l’efficacité énergétique et la connectivité pour rivaliser dans l’arène de la conduite autonome longtemps dominée par NVIDIA et Mobileye.

Spécifications techniques & architecture : Le Snapdragon Ride Flex SoC (modèle phare SA8775P) est construit sur un nœud de pointe (5nm) et présente une architecture de calcul hétérogène similaire à celle des Snapdragon pour smartphones, mais optimisée et renforcée pour l’automobile. Les composants clés incluent : un CPU Kryo Gen-6 multi-cœur (cœurs Armv8 personnalisés avec des améliorations automobiles), un GPU Adreno 663, et le puissant moteur DSP/IA Hexagon de Qualcomm lantronix.com lantronix.com. Le CPU Kryo se compose probablement de cœurs Cortex haute performance (par ex. Cortex-A78 ou plus récents) et de cœurs efficients, permettant à la puce de faire tourner des OS comme Android ou QNX pour l’infodivertissement en parallèle avec un RTOS pour l’ADAS. Le GPU Adreno 663 fournit le calcul GPU pour la vision ainsi que des graphismes riches pour les écrans de cockpit lantronix.com lantronix.com. Pour l’accélération IA, le Flex SoC intègre un processeur tensoriel Hexagon avec quatre extensions vectorielles Hexagon (HVX) et deux coprocesseurs matriciels Hexagon (HMX) lantronix.com lantronix.com. Cette combinaison agit comme le NPU de Qualcomm, offrant un TOPS élevé pour l’inférence d’apprentissage profond (détection d’objets, planification de trajectoire, etc.). Qualcomm n’a pas communiqué publiquement le TOPS maximal pour un seul Flex SoC en 2023, mais il se situe dans une plage suffisante pour l’ADAS de niveau 2+. En fait, les premières puces Ride Flex offrent 16 à 24 TOPS de calcul IA (ciblant les systèmes « d’entrée à milieu de gamme ») mobilityengineeringtech.com. Cependant, l’architecture est scalable : Qualcomm peut proposer des versions plus puissantes ou combiner des puces. La plateforme Flex prend en charge l’utilisation de plusieurs SoC et accélérateurs externes en concert – Qualcomm a indiqué que deux Flex SoC plus deux puces accélératrices IA pourraient atteindre jusqu’à 2000 TOPS pour la conduite automatisée L4/L5 mobilityengineeringtech.com forbes.com. Cela suggère une feuille de route où Qualcomm peut combiner différents composants (par ex. un SoC cockpit-ADAS + une puce accélératrice pure) pour répondre à différents niveaux de performance. En effet, la stratégie de Qualcomm contcontraste avec l’approche de NVIDIA basée sur une seule puce géante : Qualcomm propose une gamme de solutions à plusieurs niveaux (allant de puces simples à 16 TOPS pour l’ADAS Niveau 1/2, jusqu’à des configurations multi-puces de type « superordinateur » pour le Niveau 4) mobilityengineeringtech.com canalys.com. Le Snapdragon Ride Flex se distingue également par son îlot de sécurité intégré (ASIL-D) et sa prise en charge de l’hyperviseur. Il peut faire fonctionner plusieurs systèmes d’exploitation simultanément – par exemple un système Android pour l’infodivertissement et un QNX ou AUTOSAR pour l’ADAS – avec une isolation spatiale et temporelle mobilityengineeringtech.com mobilityengineeringtech.com. Cela permet à un seul SoC physique d’agir comme s’il s’agissait de deux ordinateurs distincts, l’un répondant aux exigences strictes de temps réel et de sécurité de l’automatisation de la conduite, et l’autre gérant les fonctionnalités de l’interface utilisateur haut de gamme. Qualcomm a tiré parti de son expertise dans les puces mobiles à faible consommation et à forte intégration pour rendre Ride Flex également économe en énergie, permettant des implémentations refroidies par air dans les voitures (un facteur cité par GM pour son choix pour Ultra Cruise, notant qu’il évite « des conduites de refroidissement liquide lourdes et inefficaces » grâce à son refroidissement par air) repairerdrivennews.com repairerdrivennews.com.

Performance et capacités : En termes de performance, l’actuel Snapdragon Ride Flex SoC est suffisant pour l’ADAS de niveau 2+ et le cockpit combiné dans les véhicules de milieu de gamme, tandis que les prochaines itérations de Qualcomm évolueront vers des niveaux d’autonomie supérieurs. Les Flex SoC d’entrée de gamme (16–24 TOPS) peuvent gérer des fonctions telles que le maintien de voie, le régulateur de vitesse adaptatif, le traitement de caméras 360° et le rendu simultané du tableau de bord numérique/infodivertissement mobilityengineeringtech.com. Pour des besoins plus haut de gamme, Qualcomm a annoncé que les futures plateformes basées sur Flex (en développement) visent à supporter jusqu’à l’autonomie L3/L4 avec ~600 à 1000+ TOPS par système, atteints grâce à plusieurs puces travaillant ensemble mobilityengineeringtech.com qualcomm.com. Une diapositive de la journée investisseurs 2022 de Qualcomm montre la feuille de route Snapdragon Ride passant d’environ 16 TOPS à environ 2000 TOPS, couvrant la sécurité NCAP Niveau 1 jusqu’aux piles de conduite entièrement autonome qualcomm.com. La capacité clé de Ride Flex est son calcul à criticité mixte : c’est l’un des premiers SoC de l’industrie capables d’exécuter des graphismes de cluster, des applications d’infodivertissement, des algorithmes de vision par ordinateur et des tâches de conduite IA sur un seul matériel mobilityengineeringtech.com mobilityengineeringtech.com. Par exemple, la puce Flex pourrait piloter simultanément plusieurs écrans haute résolution (compteur d’instruments, écran central tactile, affichage tête haute AR) via son GPU, tout en exécutant également la perception caméra (détection d’objets/piétons), la fusion de capteurs et même la planification de trajectoire sur ses moteurs IA. Qualcomm dispose d’une pile logicielle appelée Snapdragon Ride Vision, héritée de son acquisition d’Arriver (de Veoneer), qui fournit une pile de perception ADAS ouverte (détection de voie, de véhicule, de panneau basée caméra, etc.) optimisée pour les SoC Snapdragon mobilityengineeringtech.com. Cette pile Vision est pré-intégrée sur Flex, donnant aux constructeurs automobiles une avance pour les fonctionnalités de niveau 2. De plus, Qualcomm met l’accent sur l’intégration de la connectivité et de la télématique (faisant partie de sa plateforme “Digital Chassis”) – un système basé sur Flex peut se connecter de manière transparente à la 5G, V2X, aux services cloud, etc., ce qui est crucial pour les mises à jour OTA et la conduite connectée. Le SoC Ride Flex prend en charge l’Ethernet multi-gig, PCIe, le positionnement GNSS et une multitude d’entrées capteurs (caméra, radar, ultrasons) via la plateforme de développement lantronix.com lantronix.com. En termes de sécurité, le Flex SoC suit l’approche Safety Element out of Context (SEooC) et dispose de sous-systèmes de sécurité indépendants pour surveiller l’exécution des tâches ADAS lantronix.com. Cela aide à répondre aux exigences de sécurité fonctionnelle automobile même lors de l’exécution de logiciels complexes. Qualcomm a noté un avantage de l’intégration poussée : la boucle de refroidissement de la batterie d’un VE pourrait être utilisée pour refroidir le Snapdragon SoC, permettant ainsi des performances soutenues lorsque nécessaire mobilityengineeringtech.com mobilityengineeringtech.com. Toutes ces fonctionnalités positionnent le Snapdragon Ride Flex comme une solution puissante et économique pour les constructeurs automobiles qui souhaitent une seule plateforme de calcul pour la conduite et l’intelligence embarquée.

Intégration et adoption automobile : Qualcomm a rapidement remporté des contrats de conception automobile, s’appuyant sur des partenariats et sa réputation en matière de connectivité. La plateforme Snapdragon Ride Flex (et la plateforme Snapdragon Ride dans son ensemble) a obtenu des engagements de la part de plusieurs grands constructeurs automobiles pour les véhicules 2024–2025. Parmi les intégrations notables : Ultra Cruise de General Motors – GM a confirmé que son nouveau système de conduite mains libres Ultra Cruise (qui fera ses débuts sur la Cadillac Celestiq 2024) est propulsé par le calcul Snapdragon Ride de Qualcomm repairerdrivennews.com en.wikipedia.org. Le « cerveau » d’Ultra Cruise se compose de plusieurs SoC Snapdragon sur deux petites cartes, offrant la puissance de « plusieurs centaines de PC » pour la détection à 360° (caméras, radar, lidar) et la prise de décisions de conduite repairerdrivennews.com repairerdrivennews.com. GM a souligné que malgré sa taille compacte (il tient derrière la boîte à gants), l’ordinateur Ultra Cruise basé sur Snapdragon peut gérer « 95 % des scénarios de conduite de porte à porte » sous supervision motortrend.com repairerdrivennews.com. Un autre partenaire de premier plan est Sony Honda Mobility – leur futur AFEELA EV (prévu pour 2025) utilisera le Snapdragon Digital Chassis de Qualcomm, incluant Ride pour l’ADAS/AD et Snapdragon Cockpit pour l’infodivertissement mobilityengineeringtech.com. Sony-Honda a spécifiquement mis en avant Qualcomm comme fournisseur technologique clé pour l’IA et les fonctionnalités autonomes de l’Afeela. BMW a également conclu un accord à long terme avec Qualcomm (et Arriver) pour co-développer sa prochaine génération de pile de conduite automatisée sur les SoC Snapdragon Ride qualcomm.com futurumgroup.com. Cela signifie qu’à partir du milieu de la décennie, les nouveaux modèles BMW (probablement sur la « Neue KlasLa plateforme « se » fera fonctionner leur logiciel de conduite de niveau 2/3 sur des puces Qualcomm au lieu de Mobileye EyeQ. En Europe, la filiale Cariad de Volkswagen a sélectionné en 2022 le Qualcomm Snapdragon Ride pour sa future plateforme ADAS avancée, visant à le déployer sur des millions de véhicules du groupe VW (VW aurait le droit de modifier et d’étendre la pile en interne) mobilityengineeringtech.com mobilityengineeringtech.com. Lors du CES 2023, le PDG de Cariad chez VW a salué la scalabilité et la flexibilité de l’architecture Flex de Qualcomm comme raison de leur partenariat mobilityengineeringtech.com mobilityengineeringtech.com. Il s’agit d’un énorme succès, car VW prévoit d’utiliser des systèmes basés sur Snapdragon pour ses marques généralistes et, à terme, pour Audi/Porsche, couvrant des applications jusqu’au niveau 4 dans une architecture unifiée mobilityengineeringtech.com mobilityengineeringtech.com. En Chine, Qualcomm a aligné plusieurs startups et fournisseurs de VE : par exemple, Nio et Xpeng ont évalué les puces Snapdragon (bien que Xpeng ait choisi NVIDIA pour ses derniers modèles), et Neta (Hozon Auto) utilisera un Snapdragon Ride Flex dans sa future plateforme avec un équipementier chinois (ThunderSoft) canalys.com. LG Electronics intègre le Snapdragon Ride Flex dans un produit « contrôleur intégré » destiné aux constructeurs automobiles (combinant ADAS et contrôle du cockpit), ce qui indique que les équipementiers proposent des ECU basés sur Qualcomm prêtes à l’emploi lg.com. Qualcomm affirme que sa plateforme Snapdragon Ride (y compris Flex) est déjà présente dans des véhicules de série et dispose d’un pipeline de plus de 20 contrats de conception avec des constructeurs pour divers domaines mobilityengineeringtech.com mobilityengineeringtech.com. Par exemple, les puces Snapdragon Cockpit sont présentes dans de nombreux modèles 2022–2025 voitures (pour l’infodivertissement), et ces mêmes OEM peuvent adopter le Flex pour ajouter l’ADAS sur le même matériel. Pour résumer, Qualcomm a tiré parti de partenariats avec GM, VW, BMW, Honda/Sony, Stellantis, JLR et d’autres, rendant probable la présence du Snapdragon Ride Flex dans une large gamme de modèles, des porte-étendards de luxe aux véhicules électriques abordables d’ici 2025–2026. Cette stratégie d’adoption large (offrant des options de puces bas, milieu et haut de gamme) contraste avec l’accent mis par NVIDIA sur un nombre plus restreint de plateformes haut de gamme canalys.com. Elle s’aligne avec la force de Qualcomm en tant que fournisseur de masse et sa capacité à s’adapter aux besoins de chaque OEM – que ce soit pour alimenter la conduite mains libres sur autoroute dans une Cadillac ou permettre à une voiture abordable de disposer de l’ADAS et de l’infodivertissement combinés dans un seul boîtier.

Statut du marché & feuille de route : Le Snapdragon Ride Flex SoC est arrivé sur le marché en début 2024, après des échantillons envoyés aux clients en 2023 forbes.com. Qualcomm a confirmé que les systèmes équipés de Flex sont attendus dans les véhicules millésime 2025 mobilityengineeringtech.com, c’est-à-dire des voitures qui arriveront en concession fin 2024 et en 2025. En effet, la Cadillac Celestiq 2024 (production limitée à partir de fin 2023) fait partie des premières, et d’autres modèles (potentiellement un Cadillac Escalade 2025 ou d’autres véhicules GM) suivront avec Ultra Cruise. D’ici 2025, le Prologue EV de Honda et la berline Afeela devraient également apporter Snapdragon Ride aux consommateurs. Le calendrier de VW pour l’ADAS basé sur Snapdragon est autour de 2026 pour le déploiement initial, car ils ont dû réaligner leur calendrier logiciel. Quant à la feuille de route, Qualcomm itère en continu : ils ont laissé entendre que des Ride Flex SoC de prochaine génération en 4nm ou 3nm avec plus de TOPS, et des coprocesseurs IA dédiés viendront les renforcer pour le niveau 4. Une déclaration de Qualcomm au CES indiquait que des combinaisons de SoC Flex nouvelle génération et d’accélérateurs « peuvent supporter jusqu’à 2 000 TOPS, similaire à ce qu’a annoncé NVIDIA pour Thor » forbes.com. Cela montre que Qualcomm entend bien rivaliser avec NVIDIA sur le haut de gamme grâce à une approche multi-puce (par exemple double SoC + NPU externes). Vu l’expertise de Qualcomm en conception de puces, il est plausible qu’une future puce unique (Flex v2) puisse atteindre plusieurs centaines de TOPS, surtout si elle est gravée en 3nm et utilise des cœurs IP plus récents. Un autre aspect de la feuille de route de Qualcomm concerne le logiciel : via les mises à jour OTA et ses services Car-to-Cloud connectés au cloud, les plateformes Snapdragon peuvent gagner de nouvelles fonctionnalités au fil du temps. Duggal a insisté sur l’idée de monétiser le véhicule défini par logiciel, où, une fois que les constructeurs disposent de ces puces haute performance dans les voitures, ils peuvent activer de nouvelles capacités via des mises à jour logicielles et des abonnements mobilityengineeringtech.com mobilityengineeringtech.com. Cette vision explique pourquoi les OEM apprécient la marge d’évolutivité du Snapdragon Flex. En résumé, la feuille de route à court terme de Qualcomm verra Ride Flex se généraliser dans les véhicules de série à partir de 2024 (notamment dans les systèmes L2+), et l’entreprise est prête à faire évoluer ses offres de calcul pour s’attaquer à l’autonomie L3–L4 dans la seconde moitié de la décennie. La stratégie multi-volets de Qualcomm (cockpit, ADAS, connectivité, cloud) en fait un acteur de poids alors que les voitures deviennent de plus en plus des plateformes évolutives, à l’image des smartphones.

Comparaison avec la génération précédente : Snapdragon Ride Flex s’appuie sur les précédentes puces automobiles de Qualcomm telles que le Snapdragon SA8155P (SoC d’infodivertissement largement utilisé pour les cockpits numériques) et la première génération de Snapdragon Ride annoncée en 2020 (principalement destinée à un usage ADAS uniquement). L’évolution clé avec Flex est la convergence de l’ADAS et du cockpit. Auparavant, un constructeur automobile pouvait utiliser une puce Snapdragon Cockpit pour l’infodivertissement et une autre puce Qualcomm ou tierce pour l’ADAS. Désormais, un seul SoC Flex peut remplacer plusieurs puces, réduisant ainsi le coût et la complexité mobilityengineeringtech.com mobilityengineeringtech.com. En termes de performances brutes, la première plateforme Ride (SA8155P + accélérateurs IA) pouvait atteindre environ ~30–60 TOPS pour l’ADAS ; le Ride Flex commence dans une gamme similaire par puce (16–24 TOPS) mais est conçu pour évoluer vers des performances bien supérieures via le multi-puce mobilityengineeringtech.com mobilityengineeringtech.com. L’approche modulaire de Qualcomm permet à un constructeur de démarrer avec un Flex d’entrée de gamme pour le niveau 2 et de passer plus tard à une configuration supérieure (en ajoutant des puces) pour les niveaux 3/4 sans changer complètement d’architecture. Une autre amélioration concerne la sécurité et le logiciel : Qualcomm a acquis le logiciel de perception visuelle d’Arriver et l’a intégré étroitement au SoC, offrant ainsi une pile ADAS prête à la production dès la sortie de la boîte veoneer.com. C’est quelque chose que les précédentes puces automobiles Snapdragon n’offraient pas (elles étaient des solutions purement matérielles). De plus, le SoC Flex introduit des capacités d’hyperviseur et de virtualisation qui manquaient aux précédentes puces ADAS de Qualcomm, reflétant une maturation de leur offre automobile pour répondre à la tendance des contrôleurs de domaine. En résumé, Snapdragon Ride Flex marque la maturité de Qualcomm dans l’informatique ADAS/AV, passant de puces d’infodivertissement ou ADAS autonomes à une solution combinée capable de rivaliser véritablement avec des acteurs comme NVIDIA et Mobileye. Sa génération précédente (Snapdragon Ride 2020) a prouvé que Qualcomm pouvait entrer sur le marché de l’ADAS ; la génération Flex va plus loin avec des domaines intégrés et des performances accrues pour viser des niveaux d’autonomie supérieurs. À l’approche de 2025, l’investissement continu de Qualcomm (ils ont même créé un fonds d’investissement automobile dédié et ont des partenariats avec presque tous les grands constructeurs) indique que Ride Flex ne sera pas un cas isolé, mais une plateforme en évolution continue qui pourrait bien équiper une part significative des voitures semi-autonomes sur la route.

Comparaison directe des principaux indicateurs et fonctionnalités

Performance de traitement : Le Drive Thor de NVIDIA détient actuellement la couronne en termes de performance avec jusqu’à 1 000 TOPS sur un seul SoC (ou 2 000 TOPS en configuration double puce), grâce à son puissant GPU et ses cœurs IA dédiés en.wikipedia.org carnewschina.com. Il est explicitement conçu pour offrir une marge pour l’autonomie de niveau 4+. Le HW4 de Tesla, bien qu’il représente une grande avancée pour Tesla, est estimé à environ 200–250 TOPS au total (deux puces FSD 7nm, ~100+ TOPS chacune) – soit environ un quart du maximum théorique de Thor autopilotreview.com. Tesla n’a pas besoin d’autant de TOPS en partie parce qu’elle utilise des caméras (pas de LiDAR) et optimise ses réseaux pour son propre matériel. Le Snapdragon Ride Flex de Qualcomm se situe quelque part entre les deux : les SoC Flex simples actuels offrent une performance plus modeste de 16–30 TOPS (adapté aux systèmes de niveau 2) mobilityengineeringtech.com, mais la plateforme de Qualcomm peut évoluer jusqu’à des centaines voire plus de 1 000 TOPS en utilisant plusieurs puces et des accélérateurs externes mobilityengineeringtech.com forbes.com. Par exemple, l’ordinateur Ultra Cruise de GM utilise plusieurs SoC Snapdragon pour atteindre la performance requise ; GM a déclaré que le système dispose de la « capacité de traitement de plusieurs centaines de PC » malgré sa taille compacte repairerdrivennews.com repairerdrivennews.com. En puissance de calcul brute, Thor surpasse clairement HW4 et les puces Snapdragon simples actuelles, mais l’approche multi-puces de Qualcomm et les prochaines générations visent à égaler la capacité de 2 PFLOPS de Thor vers 2025–26 forbes.com canalys.com. Il est important de noter comment les TOPS sont mesurés : NVIDIA cite souvent sparseINT8 TOPS (avec un gain de 2× grâce à la parcimonie) en.wikipedia.org, tandis que les chiffres de Tesla et Qualcomm sont basés sur des opérations denses. Pourtant, l’avantage de Thor dans les charges de travail IA lourdes (par exemple, analyse vidéo simultanée de 8 caméras, traitement de nuages de points LiDAR, etc.) est évident – c’est essentiellement une puce de classe data-center pour voitures. Le HW4 de Tesla, en revanche, est étroitement axé sur l’approche vision-first de Tesla ; il peut exécuter la “pile” de plus de 75 réseaux de Tesla en temps réel, mais il aurait probablement du mal à prendre en charge une suite de capteurs aussi riche que, par exemple, le Drive Pilot de Mercedes (qui utilise deux SoC Orin plus un LiDAR). Le Flex de Qualcomm est très efficace (performance par watt) grâce à son ADN mobile – un indicateur clé dans l’automobile – mais nécessite plusieurs puces pour rivaliser avec le débit absolu de Thor.

Architecture et technologie du silicium : Drive Thor est construit sur le procédé TSMC 4N (4 nm), intégrant des IP de pointe (cœurs Neoverse V3 et GPU Blackwell) – essentiellement une technologie PC/serveur de dernière génération réadaptée pour l’automobile en.wikipedia.org. Le HW4 de Tesla utilise un procédé Samsung 7 nm un peu plus ancien, et sa conception est personnalisée mais relativement conservatrice (par exemple, pas de ray tracing matériel ni de fonctionnalités GPU avancées – il est optimisé pour les calculs de réseaux neuronaux et le DSP de vision) en.wikipedia.org autoevolution.com. Les SoC Flex actuels de Qualcomm sont en 5 nm (probablement TSMC N5), avec un mélange d’IP similaire à une puce de smartphone Snapdragon 888/8 Gen1 (CPU Kryo, GPU Adreno, moteur IA Hexagon) mais étendu pour la sécurité lantronix.com lantronix.com. En termes de puissance CPU, le cluster Neoverse 14 cœurs de NVIDIA Thor surpasse probablement les 20 petits cœurs ARM de Tesla et les 8 cœurs Kryo de Qualcomm dans les calculs lourds – important pour la planification de trajectoire, la cartographie et l’exécution d’un OS. Pour le GPU, Thor dispose d’un grand GPU (2560 cœurs CUDA) qui peut aussi accélérer les réseaux neuronaux via CUDA ou servir de moteur graphique pour plusieurs écrans 4K blogs.nvidia.com blogs.nvidia.com. Le GPU Adreno du Snapdragon est performant en graphismes (équivalent à celui des téléphones mobiles, capable de gérer plusieurs écrans HD) mais n’est pas aussi massif que celui de Thor ; cependant, Adreno peut faire du calcul généraliste et même du rendu critique pour la sécurité (avec des cœurs lockstep) pour les besoins du cockpit lantronix.com lantronix.com. Le HW4 de Tesla n’a qu’un GPU léger (il s’appuie sur le GPU AMD RDNA2 séparé pour le jeu d’infodivertissement, pas pour l’ADAS). Ainsi, pour la fusion de capteurs multi-caméras ou l’IA de surveillance des occupants, Thor et Flex ont l’avantage de GPU et NPU intégrés puissants, tandis que Tesla délègue la plupart des tâches à ses accélérateurs à fonction fixe. Bande passante mémoire : Thor, avec 128 Go de LPDDR5X, domine probablement le trio (il pourrait dépasser 1 To/s de bande passante), ce qui lui permet d’ingérer des données haute résolution provenant de caméras, radar, lidar simultanément en.wikipedia.org carnewschina.com. La mémoire du Tesla HW4 (16 Go, GDDR6 pour les NPU) est suffisante pour 8 caméras mais pourrait devenir un goulot d’étranglement si plus de capteurs étaient ajoutés (la stratégie de Tesla est de se concentrer sur la vision). Le kit de développement Flex de Qualcomm indique 36 Go de LPDDR5 (3× 12 Go empilés) lantronix.com lantronix.com, ce qui indique également une bande passante élevée (possiblement ~100–200 Go/s) pour gérer les données du cockpit + ADAS. Sécurité et redondance : Les trois sont conçus pour répondre aux exigences ASIL-D pour la conduite autonome. Thor et Flex intègrent tous deux des îlots de sécurité et prennent en charge la redondance à double puce (Thor via le couplage NVLink, Flex via l’utilisation de deux puces) en.wikipedia.org lantronix.com. Le Tesla HW4 rétablit également la redondance à double nœud sur une seule carte notateslaapp.com notateslaapp.com. En cas de défaillance, Thor ou Flex dans les voitures de série pourraient passer en mode dégradé, tandis que le second nœud du Tesla HW4 peut prendre le relais pour un arrêt en toute sécurité. Consommation électrique : Le Tesla HW4 consomme ~100–160 W pour l’ordinateur FSD en.wikipedia.org ; le NVIDIA Thor devrait consommer de l’ordre de 250–300 W à pleine puissance (similaire à une carte GPU haut de gamme) – ce qui signifie qu’il nécessite probablement un refroidissement robuste dans une voiture. L’approche de Qualcomm est d’être plus économe : un système Snapdragon Ride Flex pourrait consommer ~50–100 W pour les tâches L2, et même une configuration multi-puces de 2000 TOPS vise probablement moins de 250 W. Cet accent sur l’efficacité énergétique explique pourquoi des entreprises comme VW et GM ont apprécié la solution de Qualcomm pour la production – elle est plus facile à refroidir dans un environnement automobile classique repairerdrivennews.com. En résumé, NVIDIA Thor est une véritable centrale conçue pour un débit maximal, Tesla HW4 est une conception personnalisée optimisée pour une charge de tâches de vision spécifique, et Qualcomm Flex est un SoC polyvalent et économe en énergie qui peut évoluer via des ajouts modulaires. Chacun reflète la philosophie de son entreprise : NVIDIA mise sur la puissance du silicium, Tesla misesur l’intégration verticale et les données, Qualcomm s’appuie sur son intégration et sa capacité d’évolutivité.

Capacités d’IA et de logiciels : Les trois plateformes mettent fortement l’accent sur le traitement IA, mais avec des approches différentes. NVIDIA Drive Thor est explicitement présenté pour les charges de travail de réseaux neuronaux et même l’IA générative – c’est la première puce automobile avec un moteur Transformer pour accélérer nativement les modèles de transformeurs (important pour des tâches comme la perception vidéo et même les assistants vocaux embarqués) blogs.nvidia.com. Le SDK Drive de NVIDIA fournit une pile logicielle étendue (DriveWorks, bibliothèques CUDA, TensorRT, etc.) permettant aux constructeurs automobiles d’implémenter tout, de la perception caméra, fusion de capteurs, localisation, à la planification de trajectoire et la surveillance du conducteur en utilisant les frameworks de Nvidia. Thor exécutera le même Drive OS qu’Orin, ce qui signifie que les logiciels existants peuvent être facilement portés blogs.nvidia.com. De plus, NVIDIA a introduit ses outils Cosmos AV simulation et Omniverse qui s’intègrent au développement Thor – permettant effectivement aux clients d’entraîner et de tester l’IA de conduite dans des mondes virtuels pour affiner les algorithmes notebookcheck.net notebookcheck.net. En résumé, si un OEM achète Thor, il obtient également la plateforme de développement AV de bout en bout de NVIDIA, ainsi que la prise en charge de Linux, QNX et des machines virtuelles Android simultanément sur la puce blogs.nvidia.com. Tesla HW4 exécute uniquement le logiciel propriétaire FSD de Tesla – aucun développement tiers ici. Tesla écrit toute sa pile en interne (principalement en PyTorch pour l’entraînement, C++ pour le code embarqué), compilant les réseaux neuronaux en binaires pour sa puce FSD. Les capacités de HW4 sont adaptées à l’approche Tesla : par exemple réseaux neuronaux vidéo 8 caméras surround, réseaux de flux d’occupation, et des expériences de « planification par réseau neuronal ». Le logiciel de Tesla n’utilise pas de cartes HD ni de V2X ; il s’appuie plutôt sur une énorme quantité de données réelles et des tests en mode fantôme dans sa flotte. Une fonctionnalité notable rendue possible par HW4 est le nouveau « Full Parking » et les améliorations Autopark (FSD v13) de Tesla, qui peuvent gérer la navigation et les manœuvres sur les parkings, ce qui posait problème à HW3 notebookcheck.net. Tesla utilise également HW4 pour l’analyse de la caméra d’occupant dans l’habitacle (rappels de ceinture, etc.) et fera probablement plus de surveillance du conducteur maintenant qu’ils disposent de puissance de calcul supplémentaire. Mais le point clé : l’avantage de Tesla est l’intégration verticale – HW4 n’a qu’à exécuter le propre logiciel de Tesla, optimisé grâce à des milliards de kilomètres d’itérations. Cependant, ce n’est pas une plateforme générale ; aucune autre entreprise ne peut la programmer ou l’exploiter directement. Qualcomm Ride Flex se situe entre une plate-forme ouverte pplateforme et une plateforme fermée. Il est ouvert aux constructeurs automobiles pour déployer leurs propres algorithmes ADAS ou ceux de tiers, mais Qualcomm propose également la suite Arriver Vision et le middleware pour accélérer le développement futurumgroup.com. Par exemple, un constructeur automobile peut utiliser les algorithmes de maintien de voie et d’assistance sur autoroute de Qualcomm prêts à l’emploi, puis ajouter ses propres fonctionnalités personnalisées par-dessus. Flex prend en charge les principaux environnements OS automobiles (QNX, Green Hills INTEGRITY pour la sécurité, Android Automotive pour l’infodivertissement), en utilisant un hyperviseur pour les isoler mobilityengineeringtech.com. Cela signifie qu’un seul Flex peut faire fonctionner, par exemple, Android pour l’écran central et Linux/QNX pour le domaine ADAS, avec une communication via la mémoire partagée. Qualcomm intègre également les services Qualcomm Car-2-Cloud pour les mises à jour OTA et la connectivité du véhicule (4G/5G, C-V2X) intégrée dans le châssis numérique. C’est quelque chose que Tesla fait en interne, et NVIDIA s’associe à d’autres fournisseurs de modems – mais Qualcomm peut regrouper la connectivité avec la plateforme Ride, ce qui séduit les OEM recherchant une solution tout-en-un. Concernant les fonctionnalités IA, le Hexagon de Qualcomm peut effectuer des multiplications matricielles et des inférences IA dédiées avec efficacité (Hexagon était connu pour gérer des tâches IA sur smartphones Snapdragon – désormais étendu à l’automobile). Qualcomm a démontré que ses SoC pouvaient exécuter le suivi du regard du conducteur, la reconnaissance gestuelle, les assistants vocaux et la vue panoramique basée sur caméra simultanément – mettant en avant la capacité du Flex à effectuer plusieurs tâches IA pour la sécurité et le confort. Exemple concret : dans une voiture équipée du Snapdragon Flex, la puce pourrait faire tourner en même temps l’ADAS vision (détection de piétons), la surveillance du conducteur (avec une caméra IR sur le conducteur), la reconnaissance vocale en langage naturel pour l’assistant, et afficher des cartes de navigation 3D sur le combiné d’instruments, tout cela en parallèle mobilityengineeringtech.com mobilityengineeringtech.com. Ce niveau d’intégration est un point fort de la conception de Qualcomm. Prise en charge des capteurs : NVIDIA Thor et Qualcomm Flex prennent tous deux en charge la fusion de capteurs multi-modale – caméra, radar, lidar, ultrasons – tout y passe. NVIDIA propose des pipelines de référence pour le traitement lidar et radar (et des partenariats avec des entreprises lidar comme Luminar pour l’intégration). La suite de Qualcomm issue d’Arriver était principalement basée sur la caméra, mais Qualcomm active clairement le radar, et a annoncé la prise en charge des caméras avant, caméras de vision périphérique, radars et capteurs ultrasoniques dans sa plateforme (ils mentionnent une « Snapdragon Ride Vision » pour la caméra et une bibliothèque logicielle « Snapdragon Ride Radar ») – ainsi que la possibilité d’intégrer le lidar via des partenaires. Le HW4 de Tesla ne prend notamment pas du tout en charge le lidar, et n’a réintroduit un radar que récemment. Tesla mise plutôt tout sur la vision ; les autres plateformes sont plus agnostiques et peuvent faire fusion redondante de capteurs (par exemple, recouper les détections de caméras avec les nuages de points radar pour améliorer la précision, ce que l’on retrouve dans les systèmes Mercedes ou Cadillac). Planification de trajectoire et contrôle : la planification FSD de Tesla fonctionne en partie sur CPU (pour l’optimisation de trajectoire) et en partie désormais avec des réseaux neuronaux ; c’est très personnalisé. NVIDIA propose un module appelé Drive Chauffeur/Drive Pilot que les constructeurs peuvent utiliser pour l’autonomie sur autoroute ou le stationnement (comme Mercedes utilise Drive Pilot sur Nvidia). Qualcomm, via Arriver, disposait d’un Vehicle Motion Manager pour la logique de contrôle latéral/longitudinal, personnalisable. Ainsi, NVIDIA et Qualcomm offrent une solution logicielle ADAS plus complète si le constructeur le souhaite, alors que la solution de Tesla est fermée pour son propre usage.

Intégration des véhicules et stratégies des OEM : Il est intéressant de comparer la manière dont chaque plateforme est adoptée dans l’industrie. Tesla HW4 n’équipe que les Tesla – ce qui donne à Tesla une immense flotte pour collecter des données, mais c’est une approche mono-marque. NVIDIA Thor vise principalement les programmes OEM de luxe et de haute technologie : par exemple, les startups chinoises de véhicules électriques (Li, Xpeng, etc.) qui mettent en avant des fonctionnalités de conduite avancées comme arguments de vente, et des constructeurs établis comme Volvo, Mercedes, JLR, etc., qui se sont associés à NVIDIA pour l’informatique centralisée. Par exemple, le nouveau SUV EX90 de Volvo utilise actuellement NVIDIA Orin et devrait passer à Thor dans quelques années, permettant son autopilote autoroutier basé sur le lidar. Mercedes-Benz a annoncé en 2020 un partenariat pour utiliser la plateforme de NVIDIA sur tous ses véhicules à partir du milieu de la décennie, ce qui signifie vraisemblablement que Thor sera intégré dans les prochaines architectures MB.EA canalys.com. Qualcomm Flex est adopté par un large éventail : de GM (un très grand OEM axé sur les systèmes L2+/L3 pour le grand public) à VW Group (cherchant une approche logicielle unifiée) et potentiellement à des marques plus sensibles au coût. Une grande différence : le prix et la rentabilité. Tesla, en concevant HW4 en interne, maintient probablement un coût unitaire bas (certaines estimations parlent d’environ 1 000 $ par ordinateur). Le Thor de NVIDIA, compte tenu de la taille de sa puce et de sa technologie de pointe, sera relativement cher ; il est destiné aux finitions haut de gamme ou en option (aujourd’hui, un contrôleur de domaine Orin coûte quelques centaines de dollars ; Thor pourrait coûter plus). L’argument de vente de Qualcomm auprès des constructeurs est qu’en fusionnant l’infodivertissement et l’ADAS, ils peuvent réduire le coût total de la nomenclature, et Qualcomm peut proposer des prix compétitifs, surtout si le constructeur utilise aussi leurs puces pour le cockpit (offres groupées). Les équipementiers de rang 1 comme Bosch et ZF proposent des unités de calcul centralisées – le nouveau contrôleur de Bosch utilisant Snapdragon Flex jusqu’à 2000 TOPS a été dévoilé, et ZF (qui utilisait auparavant NVIDIA) a aussi laissé entendre qu’il travaillait avec plusieurs partenaires de puces canalys.com canalys.com. Ainsi, en pratique, un constructeur automobile qui pourrait rechigner devant le coût ou la consommation de NVIDIA pourrait opter pour Qualcomm pour un déploiement plus progressif. Disponibilité : Tesla HW4 est disponible maintenant dans des centaines de milliers de voitures (même si son logiciel est encore en phase de rattrapage). NVIDIA Thor est en phase d’échantillonnage et sera en production à partir de 2025 – un déploiement précoce probablement d’abord en Chine (comme on l’a vu avec Lynk & Co 900) carnewschina.com carnewschina.com, puis dans d’autres marchés pour les modèles 2025–26. Qualcomm Flex commence à être produit fin 2024 et montera en puissance dans les véhicules grand public en 2025, avec ses capacités haut de gamme (multi-puce L3) probablement en production autour de 2025–27. En résumé, Tesla mènedans le déploiement réel, mais seulement pour elle-même ; NVIDIA et Qualcomm permettent à de nombreux autres constructeurs automobiles de rattraper leur retard en matière de fonctionnalités ADAS en fournissant la puissance de calcul nécessaire.

Commentaire d’expert et perspective de l’industrie : Les analystes présentent souvent cette concurrence comme l’intégration verticale de Tesla contre le leadership de NVIDIA dans l’IA par la force brute contre la stratégie d’écosystème flexible de Qualcomm. Chaque approche a ses avantages. Un rapport de Canalys début 2024 a noté que la stratégie de NVIDIA est d’offrir « une solution unique de plateforme à ultra-haute puissance de calcul » (Thor) et de garantir sa rétrocompatibilité avec Orin pour faciliter l’adoption par les constructeurs automobiles, tandis que Qualcomm « combine différentes puces pour former des systèmes évolutifs d’entrée, de milieu et de haut de gamme » visant une gamme de clients plus large canalys.com canalys.com. Cela illustre comment NVIDIA parie sur l’engagement des constructeurs automobiles envers sa solution puissante universelle, tandis que Qualcomm leur permet de combiner les éléments pour optimiser le coût et la performance. Du côté de l’industrie, les constructeurs automobiles ont exprimé leurs points de vue : Dirk Hilgenberg, PDG de CARIAD de VW, a déclaré au CES que l’atout principal du Flex de Qualcomm était que « il peut évoluer et être flexible », permettant à VW de l’utiliser aussi bien sur des véhicules grand public que premium selon les besoins mobilityengineeringtech.com mobilityengineeringtech.com. Du côté de NVIDIA, des entreprises comme Xpeng ont publiquement vanté leur partenariat – le président de Xpeng a déclaré que l’utilisation de l’Orin de NVIDIA (et du futur Thor) leur donnait la marge de calcul nécessaire pour mettre en œuvre des fonctionnalités avancées de conduite IA avant les autres. Andy An, PDG de Zeekr (la marque de véhicules électriques de Geely), a souligné que leurs nouveaux modèles équipés de Thor prendront en charge l’IA générative et l’assistance à la conduite de haut niveau, qualifiant Thor de « quatre fois plus puissant que son prédécesseur » et d’élément clé pour leur système Navigate Pilot sans carte carnewschina.com carnewschina.com. Pendant ce temps, Elon Musk a à la fois fait l’éloge et minimisé le matériel : il qualifie souvent l’ordinateur FSD de Tesla de « superordinateur dans une voiture » et a noté lors de la réunion 2024 que le Hardware 5 sera d’un ordre de grandeur plus puissant pour gérer des environnements extrêmement complexes en.wikipedia.org. Cependant, Musk a aussi plaisanté en disant que « ce n’est pas une question de qui a le plus de TOPS, mais d’avoir le bon algorithme », réaffirmant la vision de Tesla selon laquelle leur avance en matière de données et de logiciels est plus importante que la puissance brute du matériel. Cela est repris par certains experts qui observent que les performances du HW4 de Tesla, bien que moindres, sont pleinement exploitées grâce à une approche ciblée, tandis que d’autres constructeurs cherchent encore comment utiliser au mieux les 1000+ TOPS de plateformes comme Thor. Sam Abuelsamid, un auL’analyste automobile a fait remarquer que la stratégie de Qualcomm pourrait être très attrayante pour les constructeurs automobiles qui souhaitent une solution informatique unique pour tout – il a noté que « la capacité du Snapdragon Ride Flex à faire fonctionner ensemble la sécurité et l’infodivertissement pourrait accélérer la transition vers des contrôleurs de domaine centralisés », permettant d’économiser sur les coûts et le poids (moins d’ECU, moins de câblage). Il a également souligné que la vaste expérience de Qualcomm en matière d’optimisation de la consommation issue des smartphones est un atout – « les constructeurs automobiles se soucient de la consommation électrique ; chaque watt est de l’autonomie perdue dans un VE, donc l’efficacité de Qualcomm pourrait lui donner un avantage dans les applications pour véhicules électriques » (comme on le voit dans le choix de GM pour Ultra Cruise, qui est refroidi par air) repairerdrivennews.com. D’un point de vue technologique, le porte-parole automobile d’ARM a salué la conception du NVIDIA Thor, déclarant que « un seul Thor offrira la même fonctionnalité que plusieurs appareils aujourd’hui », simplifiant ainsi la conception des véhicules notebookcheck.net. Concernant Tesla, des spécialistes du démontage comme @greentheonly ont noté que « HW4 présente beaucoup moins d’améliorations que ce que beaucoup espéraient », ce qui implique que, bien qu’il soit meilleur que le HW3, il ne s’agit pas d’une différence radicale d’architecture – Tesla exploite peut-être le concept HW3 plutôt que de le réinventer notateslaapp.com. Green a également mis en avant la stratégie inhabituelle de transfert de coûts de Tesla : réduire la puissance de l’infodivertissement dans le HW4 pour allouer le budget aux composants FSD autoevolution.com autoevolution.com. Cela souligne une fois de plus l’objectif unique de Tesla de résoudre le FSD par la puissance de calcul brute et les données, même au détriment de fonctionnalités secondaires comme les performances de jeu.Dans un contexte plus large, août 2025 voit la course aux puces IA automobiles s’intensifier. Les dernières nouvelles incluent l’envolée de l’action NVIDIA grâce à son leadership en IA, Thor n’étant qu’un élément d’un portefeuille centré sur l’IA (les analystes appellent désormais les voitures des « gadgets IA sur roues »). NVIDIA a annoncé un doublement de ses revenus automobiles alors que les constructeurs chinois de VE accélèrent la production de modèles basés sur Orin, et les précommandes de Thor s’ajoutent à cela notebookcheck.net notebookcheck.net. Tesla, de son côté, a commencé à déployer FSD v13 exclusivement sur les voitures HW4 fin 2024, montrant les avantages concrets du HW4 (il peut effectuer des manœuvres comme les demi-tours en trois temps et des scénarios de stationnement complexes qui étaient très limités sur HW3) notebookcheck.net. Cependant, un rapport de fin 2024 a noté que certains ordinateurs HW4 ont rencontré des problèmes/pannes lors des premiers déploiements bêta de FSD 12 notebookcheck.net notebookcheck.net – Tesla a promis de remplacer toute unité HW4 défectueuse et a même proposé des mises à niveau gratuites vers HW4 pour les propriétaires de HW3 si nécessaire à l’avenir notebookcheck.net notebookcheck.net. Cela illustre le cycle itératif rapide de Tesla – poussant le matériel à ses limites et apprenant des données de terrain. Concernant Qualcomm, un fait marquant récent a été leur démonstration du « Snapdragon Ride Flex 2 » au CES 2025, mettant en avant un partenariat élargi avec Bosch qui intégrera la puce dans un produit d’ordinateur central de châssis pour les constructeurs automobiles canalys.com. Cela a été perçu comme un défi direct à NVIDIA, Bosch s’étant historiquement associé à NVIDIA pour le Drive PX Pegasus par le passé. Avec Bosch et Magna (un autre équipementier de rang 1) à bord, Qualcomm consolide sa présence. The Verge a rapporté à la mi-2025 que GM avait décidé de abandonner la marque « Ultra Cruise » et d’intégrer possiblement l’équipe Ultra Cruise avec Super Cruise, signalant certains changements de stratégie interne theverge.com, mais il est important de noter que GM a réaffirmé que la technologie (basée sur Snapdragon) sera toujours déployée sur davantage de véhicules. Cela suggère que le système alimenté par Qualcomm est au cœur de l’avenir de l’ADAS de GM, peut-être simplement sous une marque unifiée.

Conclusion

Dans ce duel des plateformes d’IA automobile – NVIDIA Drive Thor, Tesla FSD HW4 et Qualcomm Snapdragon Ride Flex – chacune apporte des atouts distincts, en accord avec la stratégie de son créateur. Drive Thor s’impose comme le géant de l’IA, offrant des performances record (jusqu’à 2 PFLOPS) et une solution tout-en-un pour les constructeurs visant les plus hauts niveaux d’autonomie carnewschina.com notebookcheck.net. Son architecture de pointe et son support logiciel complet en font la plateforme de choix pour les programmes de conduite autonome ambitieux, bien que son coût et ses besoins énergétiques la réservent surtout aux véhicules haut de gamme et aux robotaxis. Le Hardware 4 de Tesla, bien que moins impressionnant sur le papier, démontre la puissance de l’intégration verticale – il est « suffisamment bon » pour faire tourner les réseaux sophistiqués de conduite autonome de Tesla et fait déjà ses preuves sur des centaines de milliers de voitures. Tesla exploite HW4 en synergie avec les données de sa flotte et un logiciel évolutif pour se rapprocher progressivement de la conduite autonome, et l’entreprise ne s’arrête pas là – le bond promis par le Hardware 5, dix fois supérieur, montre que Tesla reconnaît qu’il faudra plus de puissance de calcul pour atteindre l’autonomie totale en.wikipedia.org. Le Ride Flex de Qualcomm s’est taillé une place de choix en tant que polyvalent tout-en-un, permettant aux constructeurs de moderniser l’électronique de leurs véhicules en fusionnant l’infodivertissement et l’ADAS, et en couvrant toute la gamme du segment d’entrée au haut de gamme avec une seule architecture mobilityengineeringtech.com mobilityengineeringtech.com. Il ne se distingue peut-être pas aujourd’hui par un chiffre TOPS accrocheur, mais son attrait réside dans l’efficacité, le rapport coût-efficacité et l’écosystème proposé par Qualcomm (connectivité, logiciel de vision ouvert, plateforme OTA). Des constructeurs comme GM, VW et BMW ont misé sur Qualcomm pour fournir une assistance à la conduite avancée dans un ensemble adapté à la production, un vote de confiance dans son approche équilibrée mobilityengineeringtech.com repairerdrivennews.com.

En fin de compte, la « meilleure » plateforme dépend du cas d’utilisation : Thor brillera dans les véhicules visant une quasi-autonomie totale ou des fonctionnalités IA avancées (attendez-vous à la voir dans les voitures de luxe et les véhicules électriques high-tech lancés à partir de 2025+). Tesla HW4 reste un cas unique – il donne à Tesla un avantage en conduite autonome dans ses propres voitures, mais n’est pas directement accessible aux autres. Snapdragon Ride Flex est prêt à devenir discrètement omniprésent, alimentant tout, de la conduite mains libres sur autoroute dans une Cadillac au cockpit numérique/ADAS combiné dans des millions de véhicules du groupe Volkswagen plus tard dans la décennie mobilityengineeringtech.com canalys.com. En août 2025, les trois systèmes en sont à des stades différents : Tesla HW4 est en phase de maturation sur la route en ce moment, Nvidia Thor est sur le point de faire ses débuts en production, et Qualcomm Flex est en phase de montée en puissance après ses premiers déploiements. La concurrence stimule une innovation rapide – les voitures lancées dans les 1 à 2 prochaines années seront bien plus intelligentes sur le plan informatique que tout ce qui a précédé. Surtout, ces superordinateurs sur roues permettront non seulement une conduite plus sûre, mais aussi de nouvelles expériences pour le conducteur (des assistants IA aux affichages AR enrichis), annonçant l’ère du véhicule défini par logiciel. Comme l’a dit Xinzhou Wu de NVIDIA, « l’IA générative redéfinit l’expérience de conduite », et en effet, ce sont ces plateformes qui rendent cela possible nvidianews.nvidia.com. On peut s’attendre à une trajectoire passionnante : le HW5 de Tesla en 2026 visant la conduite sans conducteur, NVIDIA travaillant probablement sur un successeur de Thor avec encore plus de puissance IA, et Qualcomm progressant vers une autonomie accrue avec ses partenaires – tous courant vers l’objectif commun de voitures plus intelligentes, plus sûres et plus connectées que jamais. Le champ de bataille est prêt, et les véritables gagnants seront les conducteurs et passagers qui bénéficieront des avancées issues de cette confrontation technologique à trois.

Sources : Communiqués officiels et blogs de NVIDIA, Tesla, Qualcomm ; analyses de l’industrie automobile blogs.nvidia.com carnewschina.com en.wikipedia.org mobilityengineeringtech.com nvidianews.nvidia.com carnewschina.com ; commentaires d’experts provenant de dirigeants et d’analystes nvidianews.nvidia.com mobilityengineeringtech.com repairerdrivennews.com ; ainsi que des articles d’actualité récents jusqu’en août 2025 carnewschina.com canalys.com. Les spécifications, performances annoncées et exemples d’adoption de chaque plateforme sont tirés de ces sources afin de garantir une comparaison précise et à jour.