自动驾驶公司通常展示模型、路测里程和城市覆盖，Waymo这次却掀开了后备箱下面的计算底座。其首次公开的车载系统包含5nm自研ASIC，前端处理能力超过1000 TOPS；两套独立计算引擎平时并行运行，一套发生故障时，另一套可以接管驾驶任务。真正重要的不是又一块“大算力芯片”，而是感知、决策、散热与冗余被做成了一套能够长期在车上工作的安全系统。

不是又一块大算力芯片，而是车上的完整安全系统

一辆无人驾驶汽车面对的并不是一次性推理。它要持续接收多类传感器输入，在强光、黑夜、雨雾和遮挡中维持稳定感知，还要把结果送入规划与控制链路。网络中断不能成为停车理由，云端延迟也不能参与紧急决策，因此Waymo把整套驾驶计算放在车内，让关键判断在毫秒级完成。

这也解释了为什么系统不是“单颗神经网络芯片”。Waymo采用CPU、GPU、专用加速器与自研芯片组成的异构架构：不同硬件分别处理通用控制、并行计算和固定数据路径，再由统一的软件栈调度。芯片能力只有嵌入传感器、操作系统、车辆控制和故障管理后，才会转化为可运营的自动驾驶能力。

5nm ASIC先吞下传感器洪流，主模型才有时间决策

这颗5nm ASIC位于数据入口，主要任务是处理激光雷达、毫米波雷达和13个高清摄像头产生的原始信息，包括时序降噪与低照度感知。超过1000 TOPS描述的是这部分前端处理能力，并不等于整车所有计算，也不能直接换算成车辆更安全或反应更快。它的价值在于把高频、规则明确且吞吐量巨大的工作固定到专用电路，为后续融合、预测和规划释放计算空间。

Waymo称车载原始算力八年增长20倍。增长背后不仅是模型变大，也是摄像头分辨率提高、传感器数量增加以及长尾场景需要更多并行假设。自研ASIC让公司可以围绕自己的数据格式、模型和安全要求优化内存移动与计算路径，减少通用芯片在不必要环节上的能耗和等待。

双机冗余与液冷，决定它能不能每天上路

Waymo的两套计算引擎平时同时运行，并且被设计为相互独立。出现硬件故障时，另一套能继续执行驾驶任务。这里的工程难点不是简单复制两块主板，而是让供电、通信、状态同步、故障检测和控制权限都具备清晰边界；否则一个共因故障仍可能同时拖垮两套系统。

散热同样影响可靠性。高算力设备被塞入震动、温差和空间受限的车体，不能依赖数据中心的机房条件。Waymo把液冷系统与车辆集成，用冷却回路带走芯片热量。这意味着计算平台的设计必须同时服从车辆能耗、维修周期、碰撞结构和不同气候条件，自动驾驶的软硬件协同已经深入到整车工程层。

1000 TOPS不是答案，成本、功耗和量产仍是问号

Waymo列出的合作伙伴覆盖AMD、NVIDIA、三星、TSMC、Micron、Sandisk、Socionext等公司，说明自研不等于全部自产。它更像在关键数据路径上掌握定制能力，同时利用成熟供应链完成CPU、GPU、存储、制造与封装。对其他自动驾驶企业而言，竞争门槛因此从“能否训练模型”抬高到“能否长期维护一套专用计算平台”。

公开材料仍留下关键空白：整机峰值和平均功耗是多少，双机冗余增加多少成本，最坏情况下的端到端延迟多长，5nm ASIC已装车多少辆，维修与升级如何完成。TOPS还是理论吞吐指标，无法替代任务完成率、接管率和安全事件等运营数据。没有这些信息，就不能判断这套架构的单位经济性，也不能把它直接与消费级辅助驾驶平台横向比较。

ATYUN认为，这次披露的信号比芯片参数更大：自动驾驶正在进入“计算系统决定运营上限”的阶段。模型能力可以通过更新快速追赶，车规散热、冗余、故障恢复和供应链却需要多年积累。Waymo把ASIC、双机和液冷放到台前，既是在展示技术壁垒，也是在承认无人驾驶商业化最终要接受整车可靠性与成本的共同审判。真正有竞争力的不是1000 TOPS，而是这些算力能否在每辆车、每个天气和每次故障中持续兑现。