图片来源：法雷奥
法雷奥为宝马开发的自动驾驶控制器，应该是行泊一体的设计，法雷奥是全球最大的泊车控制器厂家，市场占有率近1/4，做自动泊车是法雷奥的强项。
第一代Ride响应者不多，第二代Ride得到了不少欧美车企的认同，包括宝马、奔驰、奥迪、保时捷、Stellantis，也得到了不少主流Tier1的认可，包括法雷奥、德国大陆汽车、博世和Veoneer。国内Tier1中，德赛西威、均胜电子、映驰科技、豪末智行、百度都已经基于SA8650开发了近1年时间；航盛电子、纵目科技、车联天下、MEGA、博泰、福瑞泰克正在导入，所有新兴造车对SA8650都很感兴趣，要不然也不会有如此多Tier1开发基于SA8650的自动驾驶系统。
SA8650基于最先进的4纳米设计，也是高通第一颗车载4纳米芯片。
图片来源：高通
SA8650可能有两个版本，低版本的AI算力是50TOPS@INT8，高算力是100TOPS@INT8。此外还有一个更低的SA8620，SA8620可能也是4纳米芯片，主要挑战英伟达的Xavier。CPU算力为230kDMIPs，与Orin顶配相当，Orin有多个版本，只有顶配的CPU算力是230kDMIPs。推测SA8650是4个Cortex-X3大核心加4个A55小核心，国内芯片受限于成本，在CPU方面都比较节约，最多是8个A55，算力一般是26kDMIPs。CPU远比AI更消耗成本，同时CPU对先进制程的需求是必须的，X3这种级别必须对应4纳米，Orin使用了12个A78AE，全部是大核心，才与SA8650旗鼓相当。
图片来源：WikiChip Fuse
X3比X1有本质提升，X1比A77有本质提升，X2是鸡肋，提升不多，且功耗高。X3是ARM目前最强的架构，X4对应的是3纳米，X5可能对应2纳米，3纳米或2纳米提升不多，但成本增加不少。
SA8650有100TOPS的AI算力，从图上看可能去除了GPU，不过SA8650的图形输出能力很强，最高支持4个屏幕。SA8650可以对应12个摄像头，即8个800万像素，4个400万像素。SA8650功耗大概25-40瓦，超过25瓦就最好采用水冷设计，目前SA8650的设计方案都是水冷。
众所周知，L3/L4很有可能10年内都无法做到，且目前瓶颈不在AI计算，而在存储带宽。举个例子，若自动驾驶运行真正的大模型，假设模型的参数是1750亿，通常用INT8格式来存储LLM权重，以便进行更低延迟的推理、更高的吞吐量和更低的内存需求（比用float16格式来存储要少两倍的内存）。每个INT8参数需要1个字节进行存储。经简单计算可知，模型需要175GB的存储空间，实际会需要180-190GB左右。假设特斯拉用了这么大的模型，特斯拉最新的自动驾驶大脑FSD，不惜血本用上了美光的GDDR6，代号D9ZPR；以特斯拉的16颗GDDR6为例，带宽是56*16=896GB/s，896/175=5.12，即每秒加载5.12次权重模型，即便你的算力是100000TOPs，每秒运算次数也不会超过6次。
所以没必要追求100TOPS以上的算力，至少10年内如此。当然了，高通也有外接的AI加速器，最高可扩展到2000TOPS，这可能需要非常昂贵的HBM3存储，每GB的价格超过20美元，一般需要100GB以上。所有真正高算力AI芯片都使用了HBM存储，HBM存储不仅昂贵，还只能依靠台积电的CoWoS工艺，成本高昂。
高通从第四代起就不单独提供芯片，都以模组形式销售，模组包含一颗SoC，4颗电源管理，2-4颗LPDDR DRAM。根据前文的图片推测，高通的SA8650模组包括一颗SA8650，4颗PMM850U电源管理，2片美光的LPDDR5，1片美光的UFS。美光LPDDR5型号为MT62F3G32D8DV-026 AAT:B，代号D8DHD，8die封装，每片是12GB，速度为7500Mb/s。一片UFS容量可能是256GB，也有可能是三片LPDDR5。还有一片芯片，可能是PCIe接口或温度保护芯片。
