Arm、华为纷纷涌入，自动驾驶芯片混战，鹿死谁手难定论

做自动驾驶的芯片，无论是投入，还是风险都要更上一层楼。

今年的自动驾驶依然没能进入大规模商业化落地，但产业里却是大动作不断：有因为利益分配不均关门大吉的，有难以为继而“委身”于强者的，也有开始小范围内尝试商业化的，还有一些跃跃欲试、试图杀出一条生路的新人……

而随着近日Arm和汽车制造商以及Tier 1（汽车零部件供应商）的深入合作，再加上布局已久的英特尔、英伟达，自动驾驶逐渐成为半导体厂商的新战场。

进化：从ADAS到自动驾驶AI芯片

早期，在被称为自动驾驶产业里程碑的谷歌无人车Waymo还未面世前，传统汽车电子巨头，诸如恩智浦、瑞萨、TI等已经在研发面向ADAS（高级驾驶辅助系统）的处理芯片，彼时市场还是老牌汽车芯片巨头，或者说是Tier1的天下。

在ADAS芯片方面，德州仪器有基于DSP的解决方案TDA2x SoC、瑞萨开发了R-Car系列、恩智浦发布了集成ADAS芯片的BlueBox平台。相较于半导体巨头们，这些Tier1显然更注重实际的经济效益，以能够批量化生产落地的ADAS芯片为主。

图源：怪诞笔记

但ADAS距离真正的无人驾驶还有一道鸿要跨越。

当我们讨论自动驾驶AI芯片的时候，限定的范围非常广，小到摄像头上的视觉处理芯片，大到处理整车数据的计算平台，每个关键的环节都离不开它。

而自动驾驶本质是解决AI计算的问题，AI芯片在其中扮演的角色无非两种：

1、处理输入的传感器信号（雷达、激光雷达、摄像头等）；

2、做出决策判断、给出控制和执行信号，比如是左转、变道还是减速。

想要在短时间内完成这两项任务，并非易事，所以自动驾驶汽车需要一个非常强大的计算平台实时分析、处理海量的数据，并且进行复杂的逻辑运算。

因此，自动驾驶对AI芯片的算力要求较之其他场景更高，同时芯片还需要满足车规级的严苛要求，种种原因使得自动驾驶芯片的开发难度以及进入门槛更高。

如前文所述，自动驾驶芯片对算力的要求非常高，曾经单一的汽车芯片已经无法满足，和多数技术领域类似，在这个过渡阶段，真正的角色是那些“跨界”而来的巨头以及新兴的创业公司。

市场格局生变，自动驾驶芯片领域一场混战

从ADAS向自动驾驶演进的过程中，CPU也好、GPU也罢，都无法支撑大量传感器的数据处理分析，自动驾驶芯片架构朝着异构方向发展，而那些在PC、移动市场叱咤风云的半导体巨头也闻声而动，凭借着在处理器芯片领域的经验积累和“豪掷千金”的收购，以迅雷之势成为自动驾驶芯片的第一梯队。

在GPU大行其道的几年里，英伟达赶上了好几波风口：自动驾驶和加密数字货币的热潮，让黄仁勋过着“躺着数钱”的日子。

英伟达在2015年推出了自动驾驶平台Drive PX系列，曾是整车厂、Tier 1、科技公司选择的主流计算解决方案，但是碍于业内对GPU高功耗、高成本的不满，英伟达又于去年年初发布了新一代自动驾驶处理器Xavier，与PX不同的是，Xavier是一个独立完整的SoC，包括定制的8核CPU、一个512核Volta架构的GPU和相关的视觉、深度学习加速器，功耗是前代的十分之一。

英伟达产品的迭代，也是自动驾驶芯片发展的一个缩影，高集成、低功耗才是趋势，在这一点上，老对手英特尔做的就比较好。

英特尔通过三轮高达百亿美元的收购，拥有了Mobileye的EyeQ系列芯片（ASIC）、Altera的FPGA芯片、Movidius的视觉处理单元VPU。举个例子，在英特尔提供的整套解决方案中，EyeQ可以负责视觉数据处理，Altera的FPGA芯片CycloneV负责毫米波雷达与激光雷达的数据处理，“杀手锏”CPU凌动Atom负责处理其他数据任务。

当然，除了两个热门的种子选手，还有不少虎视眈眈的巨头。

近两年，整个自动驾驶芯片市场再次发生了天翻地覆的变化。如果早期是三国争雄，那么现在则成了多方势力割据。

特斯拉属于“异类”，它们是少有的既做整车，也自研自动驾驶芯片的公司。在“抛弃”了Mobileye和英伟达后，特斯拉在今年4月发布了首款自动驾驶芯片FSD，这款芯片除了常规的CPU和GPU之外，多配备了两个神经网络处理器（NNP）。

国内初创公司地平线在8月底推出了基于自研架构BPU 2.0的自动驾驶AI芯片征程二代。

除此之外，还有技术实力更为雄厚的Arm和华为，也正快速渗透到产业中。

专做架构授权的Arm特地在去年9月发布了专为自动驾驶汽车打造的处理器Cortex-A76AE，新产品线AE即“Automotive Enhanced（自动驾驶增强）”。本月，他们又联合汽车制造商和Tie 1成立自动驾驶汽车计算联盟，目标是制定一套可规模量产的自动驾驶方案，解决安全和计算问题。

如果Arm的加入是如虎添翼，那么另外一位重磅选手，则让人有点“闻风丧胆”。去年的全联接大会上，华为发布了支持L4级别自动驾驶的计算平台MDC 600，基于8颗昇腾310 AI芯片，同时还整合了CPU和相应的ISP模块。

从这个阶段的自动驾驶芯片架构也能看到，单一CPU+GPU已经成为过去式，如今GPU+FPGA的通用芯片方案成为主流。

同时，在这个战场上，还有一些“出师未捷身先死”的巨头，高通曾想通过收购恩智浦布局汽车芯片领域，可惜这桩交易在2018年以失败宣告结束。

毕竟做芯片不是易事，做自动驾驶的芯片，无论是投入，还是风险都要更上一层楼。

通常情况下，需要通过AECQ100和ISO16949两个车规级认证，才能大规模上线应用，这抛开算力的因素，汽车芯片本身对安全性、温度、质量、使用寿命和可靠性的要求非常高，也是诸多新入局自动驾驶芯片厂商努力的方向。

另外，自动驾驶落地难的因素很多，价格是技术之外最高的门槛了，而技术和价格往往成反比，技术越成熟，规模化落地的可能性越高，价格才有机会下调，如何平衡这三个要素，对自动驾驶芯片厂商来说也是很大的挑战。

技术指标之外，汽车产业链的特殊性、封闭性也决定了自动驾驶芯片的市场格局，会受到上下游产业链影响，这也让芯片市场的格局愈加扑朔迷离。

自动驾驶芯片：群雄环伺，鹿死谁手难定论

当整车厂开始大规模地投入到自动驾驶的研发中，上游的零部件厂商也不得不在智能化浪潮中求得生存。

就像开头所述，传统的汽车SoC厂商很早就瞄准了ADAS，推出了匹配的产品，但是随着算力要求越来越高，这些汽车供应商就有些力不从心了，而自动驾驶芯片厂商自身有很大的机会“晋升”为产业链上新一代Tier 1。

所以，对于自动驾驶芯片厂商来说，Tier 1既可能是强劲的竞争对手，更可能是最有力的合作伙伴，因此在这个关键的过渡期，拉联盟、统一战队是常态。

博世、采埃孚加入了英伟达自动驾驶联盟，德尔福和Mobileye共同开发“中央传感定位与规划（CSLP）平台”， 博世、电装、大陆牵手恩智浦、英伟达加入Arm主导的计算产业联盟……

而诸如地平线这样“势单力薄”的创企，也在以非常成熟的方式打入产业链，推出自动驾驶芯片的同时找好相应的Tier 1厂商和OEM厂商给自己拖底。

正如业内人士所说，自动驾驶所需要的环节越多，Tier 1的重要性就会越发明显。因为它们是所有环节最终能否落地到量产产品上的关键。任何单一技术供应商，想要跨过Tier 1 直接落地到车厂的量产产品上都会十分艰难。

一方面是站队的问题，另一个更为现实的问题是赚钱，连整车厂在面对自动驾驶这个吞金怪兽都要结盟，通过采购体系分摊成本、降低研发成本，更何况初出茅庐的新人们。

对于半导体巨头或者特斯拉这样已经成气候的厂商来说，研发自动驾驶芯片是锦上添花，但依然会影响其他业务的营收表现。而对于那些家底不足的新兴公司来说，还有生存的压力。从实际现状来看，融资之外，有部分厂商会退而求其次，从ADAS或者其他应用场景出发，弥补自动驾驶芯片的漏洞。

同时，那些拥有强算力的技术公司都有可能跨界到自动驾驶领域。以谷歌为例，谷歌Waymo克莱斯勒无人车采用了英特尔的Xeon服务器芯片、Altera的FPGA和英特尔的以太网关芯片，但难以保证谷歌不会在TPU的基础上，研发出适用于自动驾驶的AI芯片。

综上种种，在自动驾驶汽车还停留在路测阶段时，市场无法给出短期的评判结果，现在比拼的是供应链能力，上下游厂商，谁愿意为你的技术买单，提供更多的数据反馈，谁才能在蛰伏期获得更大的赌注。

所以，自动驾驶芯片的战争，鹿死谁手，现在下定论过早。

最后：

汽车产业注重合作，单打独斗是不现实的。要不依靠巨头，争取产业链上的话语权，要不就是技术实力甩开竞争对手十几条街，用技术说话。

所以，自动驾驶芯片厂商需要和上下游的供应商以及整车厂保持良好关系，最好以结盟的方式统一战线，未来大家比拼的一定是供应链能力。

最后，记得关注微信公众号：镁客网（im2maker），更多干货在等你！