車載計算機と「TOPS」という数字

何を解決するために生まれたか

自動運転では、カメラやLiDARから入ってくるデータを、決められた時間内に処理し終えなければならない。前の車が急に止まったとき、それを見てから止まるまでの時間には物理的な限界がある。処理が間に合わなければ、どれほど賢いモデルでも役に立たない。

そこで「どれだけ計算できるか」を1つの数字で表したいという需要が生まれた。TOPS はその数字である。Tera Operations Per Second、1秒あたり1兆回の演算を1TOPSとする。

ただしこの数字は、演算器がすべて100%動き続けたと仮定したときの理論上の上限である。実際にモデルを動かしたときにどれだけ出るかは、まったく別の話になる。

この乖離が大きいため、業界には別の測り方を作る動きがある。MLCommons の MLPerf Automotive は、その一つである。

仕組み

条件1：演算の細かさ（精度）で数字が変わる

計算機は数を扱うとき、何ビットで表すかを選べる。粗く扱うほど速く、細かく扱うほど遅い。同じチップでも、この選択で数値が大きく動く。

チップメーカー自身の公表値で確認できる。

同じメーカーの中で、開発者向けと製品紹介で書き方が変わる例もある。NVIDIAの開発者向けページは、Orinを「254 INT8 TOPS／5.2 FP32 TOPS」と精度つきで併記している。一方、製品紹介ページは精度表記なしで「254 TOPS」と記載している。

疎行列（スパース）を前提とした値も広く使われる。Horizon Robotics の Journey 6 系の「560 TOPS」は、1/2疎行列の条件つきの値である。

条件2：理論上の上限と、実際に出る性能は違う

ピーク性能は演算器が100%稼働したときの値である。実際にはそこまで出ない。

ICFPT 2020 の査読論文は、GPUで実測した演算器の稼働率を報告している。batch-6 の条件で、T4 が1.5%、V100 が3% の幾何平均稼働率だった。公称値の数%しか使えていないことになる。この数字はデータセンター向けGPUの特定条件での測定であり、車載チップにそのまま当てはまるものではない。ただしピーク値と実効性能が別物であることは示している。

TOPSが小さいほうが速い、という実例

この乖離が最もはっきり見えるのは、チップメーカー自身が公表している比較である。

Mobileye は自社ページで、34 TOPS の EyeQ6H と 275 TOPS の Jetson AGX Orin を比較している。

TOPS が約8分の1のチップが、遅延では上回っている。これは競合他社の主張ではなく、チップメーカー自身が自社ページに載せている比較である。

ただしこれはMobileyeが自社に有利な条件で行った自社比較であることに留意する。第三者による同一条件の検証ではない。TOPSで性能が決まらないことの実例としては使えるが、どちらのチップが優れているかの判断材料にはならない。

できること／できないこと

トレードオフ

MLPerf Automotive が測っているもの

MLCommons は車載向けのベンチマーク MLPerf Automotive を策定している。同作業部会は、RFI・RFQ（調達の情報提供依頼・見積依頼）で使える業界標準ベンチマークの整備を目的として掲げている。自治体の調達仕様書に直接関係する動きである。

• v0.5 の結果は2025年8月27日に公開された
• 種目は2D物体検出・2Dセマンティックセグメンテーション・3D物体検出の3種
• モデルは SSD、DeepLabv3+、BEVFormer-tiny が指定されている
• データセットは Cognata と nuScenes を使う
• 主指標は99.9パーセンタイル遅延であり、TOPS ではない
• 精度目標は FP32 基準の99.9%（3Dは99%）と規定されている。つまり「精度を保ったまま何ミリ秒か」を測る枠組みである

実際に使われている例

消費電力・発熱・航続距離

計算機は電気を食い、熱を出す。電気自動車では、これがそのまま航続距離に効く。

• ASPLOS 2018 の査読論文は、CPU1個＋GPU3個の構成で約1,000Wと報告している。この構成では計算機だけで航続距離が6%減り、冷却まで含めると11.5%減るとされる。冷却負荷が実質的な消費電力をほぼ倍増させることになる
• IEEE Micro 2023 の査読論文は、車載計算機を1.2kW未満に抑える必要を指摘している。あわせて、ハードウェア効率が1.1年ごとに倍増しなければ排出が悪化すると試算している
• NVIDIA の DRIVE AGX Thor 開発プラットフォームは、システム電力350Wと公表されている。入力電圧は定常9〜16V・過渡7〜32V。Jetson Thor モジュールの電力枠は40W〜130Wとされる
• Horizon Robotics は Journey 2 を4 TOPS／2W、Journey 3 を5 TOPS／2.5W と公表している

いずれも構成と条件が違うため、そのまま横に並べて比べることはできない。発注の際に必要なのは、その車両に載る構成での実測値である。

遅延の要求水準

ASPLOS 2018 の論文は、交通状況の処理遅延を100ms以内とすべきとし、その根拠を人間の最速反応が100〜150msである点に置いている。同論文はフレーム処理を100msに1回以上と規定する。

Huawei は自社の MDC について、エンドツーエンド遅延200ms、カーネルスケジューリング遅延10μs未満と記載している。

車載品質と機能安全の表示

提案書では「ASIL D 対応」「ISO 26262 準拠」という表現が頻出する。この表現には範囲がある。

• AEC-Q100 の Grade 0 は周囲温度−40〜150℃、Grade 1 は−40〜125℃とされる
• NVIDIA は DriveOS を「ISO 26262 safety certifiable（認証取得が可能）」と記載する。DRIVE AGX Thor は安全用MCUとして Renesas U2A16 を搭載するとされる
• Qualcomm は Snapdragon Ride の統合MCUを「ASIL D MCU」と記載する
• Huawei は MDC が ISO 26262 ASIL D に適合とし、動作周囲温度を−40〜85℃と記載する

確認できなかったこと

安全保証の観点

計算基盤は、安全論証の中では「性能要求を満たす根拠」として現れる。ここで求められるのは平均性能ではない。

最悪の場合に間に合うかである。安全論証は「この条件でこの時間内に判断できる」という主張を含むから、その裏づけには最悪値の測定が要る。平均処理時間は、この主張を支えない。

MLPerf Automotive が主指標に99.9パーセンタイル遅延を選んでいるのは、この理由による。

あわせて確認すべきなのが温度である。チップは熱くなると性能を落として自分を守る。真夏の車内や、直射日光下の駐車後に、公称性能が出るとは限らない。AEC-Q100 のグレードは動作保証温度を示すが、「壊れない温度」と「性能が落ちない温度」は別である。

そして計算基盤にも冗長の問題がある。主計算機が停止したとき何が引き継ぐかは、冗長設計のページで扱う。Waymo は主計算機の予備を搭載するとしつつ、その役割は安全な停止に限られると公表している。予備計算機は本番と同等とは限らない。

発注・検討するときの確認点

1. 「その TOPS は、どの演算精度で、疎行列を使った値か使わない値か、書面で明記してください」

   なぜこれを聞くのか

   「INT8・密行列で◯◯TOPS」のように条件が一意に定まるのが正常である。同じチップでも粗い精度と細かい精度で4倍以上違う実例がメーカー自身の公表値にある。「最大◯◯TOPSです」としか答えない、条件を口頭でしか言わない場合、その数字は比較に使えない。

2. 「弊社が実際に使うモデルを実機で走らせたときの1コマあたりの処理時間と、そのときの認識精度を、測定条件つきで出してください。99.9パーセンタイル値でお願いします」

   なぜこれを聞くのか

   実測のミリ秒値と精度が、モデル名・解像度・入力レート・温度条件とセットで出てくるのが正常である。TOPSの話に戻す、「十分な余裕があります」と定性的に答える、平均値だけ出して最悪値を出さない場合は要注意である。安全に効くのは最悪値のほうである。

3. 「その計算機の消費電力と最大発熱、必要な冷却方式、そして車両の航続距離が何%減るかを教えてください」

   なぜこれを聞くのか

   定格と最大の電力、冷却方式、車両の電力収支への影響が数字で出てくるのが正常である。査読論文では計算機単体で航続6%減、冷却込みで11.5%減という報告がある。電気自動車では運行費用に直結するため、「効率的です」で済ませてよい項目ではない。

4. 「ASIL は何レベルを、どの範囲に対して取得していますか。SoC全体ですか、内蔵MCUだけですか。どの機関が発行した認証か番号とあわせてください」

   なぜこれを聞くのか

   レベル・範囲・認証機関の3つが揃うのが正常である。複数のチップメーカーの公式資料では、ASIL D が内蔵MCUについて述べられている場合がある。「certifiable（取得可能）」という表現に留まっている場合もある。「対応」と「認証取得済み」は別物である。

5. 「真夏の車内で、公称の処理速度が出ますか。温度による性能低下の実測データはありますか」

   なぜこれを聞くのか

   熱による性能低下（サーマルスロットリング）の実測データが出てくるのが正常である。AEC-Q100 のグレードだけを答える場合は、質問の意味が伝わっていない。動作保証温度は「壊れない温度」であって「性能が落ちない温度」ではない。日本の夏の運用条件で測ったデータがあるかを確認する。

混同されやすい用語

出典

一次情報を優先している。「区分」は、その資料が発行機関自身の公表物（一次）か、第三者による索引・複製（ミラー）か、解説（二次）かを示す。リンク切れに備え、発行者・文書名・日付を本文でも残している。

1. NVIDIA（企業公式・開発者向け）DRIVE AGX Autonomous Vehicle Development Platform（Thor を「1,000 INT8 TOPS／2,000 FP4 TFLOPS」、Orin を「254 INT8 TOPS／5.2 FP32 TOPS」と精度つきで併記する）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://developer.nvidia.com/drive/agx
2. NVIDIA（企業公式）In-Vehicle Computing for Autonomous Vehicles（製品紹介ページ。開発者向けページが「254 INT8 TOPS」と精度を明記するのに対し、こちらは精度表記なしで「254 TOPS」と記載する）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://www.nvidia.com/en-us/solutions/autonomous-vehicles/in-vehicle-computing/
3. NVIDIA（企業公式）NVIDIA DRIVE AGX Thor Development Platform（開発者向け資料。システム電力350W、入力電圧は定常9〜16V・過渡7〜32V、安全用MCUとして Renesas U2A16 を搭載、DriveOS を「ISO 26262 safety certifiable」と記載。SoC単体のTDPは公開されていない）文書日付 2025年12月／区分：一次／参照日 2026年7月30日https://developer.download.nvidia.com/drive/docs/nvidia-drive-agx-thor-platform-for-developers.pdf
4. NVIDIA Developer Blog（企業公式）Introducing NVIDIA Jetson Thor, the Ultimate Platform for Physical AI（同一チップ T5000 を FP4 で2,070 TFLOPS、FP16 で517 TFLOPS と記載。FP4 でも疎行列2,070／密行列1,035 と2倍の差がある。モジュール電力枠は40W〜130W）公開 2025年8月25日／区分：一次／参照日 2026年7月30日https://developer.nvidia.com/blog/introducing-nvidia-jetson-thor-the-ultimate-platform-for-physical-ai/
5. Mobileye（企業公式）The Evolution of EyeQ（EyeQ6H を「34 DL TOPS (int8)」7nm、EyeQ6L を「5 DL TOPS (int8)」7nm と公表。消費電力の絶対値は公開されていない）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://www.mobileye.com/technology/eyeq-chip/
6. Mobileye（企業公式）Benchmark results｜Mobileye EyeQ6H and Jetson AGX Orin（34 TOPS の EyeQ6H と275 TOPS の Orin を自社比較。ResNet-50 の遅延は 0.5ms 対 1.64ms、EfficientViT-B1 は 0.564ms 対 1.48ms と記載）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://www.mobileye.com/technology/eyeq-chip/benchmark/
7. Horizon Robotics 地平線（企業公式）Horizon Journey — Smart Driving Chip / Smart Driving Platform（Journey 6 系の「560 TOPS」は1/2疎行列条件つきの値。Journey 2 は4 TOPS／2W、Journey 3 は5 TOPS／2.5W。派生別の値と演算精度は公開されていない）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://www.horizon.auto/en/solutions/horizon-journey
8. Qualcomm（企業公式）Snapdragon Ride: A foundational platform for automakers to scale with the ADAS market（白書。統合MCUを「ASIL D MCU」と記載する一方、TOPS値と消費電力は記載されていない）文書日付 2025年8月／区分：一次／参照日 2026年7月30日https://www.qualcomm.com/content/dam/qcomm-martech/dm-assets/documents/Snapdragon-Ride-GLOBAL-whitepaper.pdf
9. Tesla（企業公式）AI Computer Installations｜Tesla Support（TOPS値・チップ数・冗長構成のいずれも記載されていない）日付表示なし／参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://www.tesla.com/support/ai-computer
10. Huawei（企業公式・HuaweiTech 第86号）Putting the brain in driverless vehicles with MDC（最大352 TOPS、1 TOPS/W の電力効率、ISO 26262 ASIL D 適合、動作周囲温度−40〜85℃、E2E遅延200ms、カーネルスケジューリング遅延10μs未満と記載）日付表示なし／区分：一次／参照日 2026年7月30日https://www.huawei.com/en/huaweitech/publication/86/driverless-vehicles-with-MDC
11. MLCommonsBenchmark MLPerf Automotive（v0.5。2D物体検出・2Dセマンティックセグメンテーション・3D物体検出の3種、モデルは SSD／DeepLabv3+／BEVFormer-tiny、データセットは Cognata と nuScenes。主指標は99.9パーセンタイル遅延であり TOPS ではない。精度目標は FP32 基準の99.9%、3D は99%）参照日 2026年7月30日／区分：一次／参照日 2026年7月30日https://mlcommons.org/benchmarks/mlperf-automotive/
12. MLCommonsAVCC and MLCommons Release New MLPerf Automotive v0.5 Benchmark Results（提出は GateOverflow と NVIDIA の2者のみ）公開 2025年8月27日／区分：一次／参照日 2026年7月30日https://mlcommons.org/2025/08/mlperf-auto-v0-5-results/
13. MLCommonsMLPerf Automotive（作業部会ページ。RFI・RFQ で使える業界標準ベンチマークの整備を目的として掲げる）PoC 2024年6月18日／v0.5 結果 2025年8月27日／区分：一次／参照日 2026年7月30日https://mlcommons.org/working-groups/benchmarks/automotive/
14. Boutros ほか／IEEE ICFPT 2020（査読会議）Beyond Peak Performance: Comparing the Real Performance of AI-Optimized FPGAs and GPUs（batch-6 で T4 が1.5%、V100 が3% の幾何平均演算器稼働率と報告）2020年12月9〜11日／区分：二次／参照日 2026年7月30日https://users.ece.cmu.edu/~jhoe/distribution/2020/fpt2020.pdf
15. Lin ほか／ACM ASPLOS'18（査読会議）The Architectural Implications of Autonomous Driving: Constraints and Acceleration（CPU1＋GPU3構成で約1,000W、計算機だけで航続距離6%減、冷却込みで11.5%減。交通状況の処理遅延は100ms以内とすべきとし、根拠を人間の最速反応100〜150msに置く）2018年3月24〜28日／DOI 10.1145/3173162.3173191／区分：二次／参照日 2026年7月30日https://dl.acm.org/doi/10.1145/3173162.3173191
16. Sudhakar, Sze, Karaman／IEEE Micro（査読誌）Data Centers on Wheels: Emissions From Computing Onboard Autonomous Vehicles（車載計算機を1.2kW未満に抑える必要を指摘し、ハードウェア効率が1.1年ごとに倍増しなければ排出が悪化すると試算）2023年1月号／区分：二次／参照日 2026年7月30日https://ieeexplore.ieee.org/document/9942310/
17. 国際標準化機構（ISO）ISO 26262-1:2018 Road vehicles — Functional safety（第2版。第3版が改訂作業中）2018年12月17日／区分：一次／参照日 2026年7月30日https://www.iso.org/standard/68383.html
18. 国際標準化機構（ISO）ISO 26262-9:2018 Road vehicles — Functional safety — Part 9: ASIL-oriented and safety-oriented analyses発行 2018年12月（第2版）／区分：一次／参照日 2026年7月30日https://www.iso.org/standard/68391.html
19. Freescale Semiconductor（現 NXP Semiconductors）AN3835: MC9S08SG32 Series High-Temperature Devices Design Considerations（AEC-Q100 の Grade 0 は周囲温度−40〜150℃、Grade 1 は−40〜125℃と記載）発行 2009年6月／区分：一次／参照日 2026年7月30日https://www.nxp.com/docs/en/application-note/AN3835.pdf
20. Waymo LLC（企業公式）Building in layers of safety in a self-driving car（主計算機が停止した稀な場合に備えた予備計算機を搭載し、その役割は安全な路肩停車や停止に限られると記載）公開 2016年12月13日／区分：一次／参照日 2026年7月30日https://waymo.com/blog/2016/12/building-in-layers-of-safety-in-self/

最終更新日：2026年7月30日。このページの記述は同日時点で確認したものである。