Arm、華為紛紛涌入，自動駕駛芯片混戰，鹿死誰手難定論
今年的自動駕駛依然沒能進入大規模商業化落地，但產業里卻是大動作不斷：有因為利益分配不均關門大吉的，有難以為繼而“委身”于強者的，也有開始小范圍內嘗試商業化的，還有一些躍躍欲試、試圖殺出一條生路的新人……
而隨著近日Arm和汽車制造商以及Tier 1(汽車零部件供應商)的深入合作，再加上布局已久的英特爾、英偉達，自動駕駛逐漸成為半導體廠商的新戰場。
進化：從ADAS到自動駕駛AI芯片
早期，在被稱為自動駕駛產業里程碑的谷歌無人車Waymo還未面世前，傳統汽車電子巨頭，諸如恩智浦、瑞薩、TI等已經在研發面向ADAS(高級駕駛輔助系統)的處理芯片，彼時市場還是老牌汽車芯片巨頭，或者說是Tier1的天下。
在ADAS芯片方面，德州儀器有基于DSP的解決方案TDA2x SoC、瑞薩開發了R-Car系列、恩智浦發布了集成ADAS芯片的BlueBox平臺。相較于半導體巨頭們，這些Tier1顯然更注重實際的經濟效益，以能夠批量化生產落地的ADAS芯片為主。
圖源：怪誕筆記
但ADAS距離真正的無人駕駛還有一道鴻要跨越。
當我們討論自動駕駛AI芯片的時候，限定的范圍非常廣，小到攝像頭上的視覺處理芯片，大到處理整車數據的計算平臺，每個關鍵的環節都離不開它。
而自動駕駛本質是解決AI計算的問題，AI芯片在其中扮演的角色無非兩種：
- 處理輸入的傳感器信號(雷達、激光雷達、攝像頭等);
- 做出決策判斷、給出控制和執行信號，比如是左轉、變道還是減速。
想要在短時間內完成這兩項任務，并非易事，所以自動駕駛汽車需要一個非常強大的計算平臺實時分析、處理海量的數據，并且進行復雜的邏輯運算。
因此，自動駕駛對AI芯片的算力要求較之其他場景更高，同時芯片還需要滿足車規級的嚴苛要求，種種原因使得自動駕駛芯片的開發難度以及進入門檻更高。
如前文所述，自動駕駛芯片對算力的要求非常高，曾經單一的汽車芯片已經無法滿足，和多數技術領域類似，在這個過渡階段，真正的角色是那些“跨界”而來的巨頭以及新興的創業公司。
市場格局生變，自動駕駛芯片領域一場混戰
從ADAS向自動駕駛演進的過程中，CPU也好、GPU也罷，都無法支撐大量傳感器的數據處理分析，自動駕駛芯片架構朝著異構方向發展，而那些在PC、移動市場叱咤風云的半導體巨頭也聞聲而動，憑借著在處理器芯片領域的經驗積累和“豪擲千金”的收購，以迅雷之勢成為自動駕駛芯片的第一梯隊。
在GPU大行其道的幾年里，英偉達趕上了好幾波風口：自動駕駛和加密數字貨幣的熱潮，讓黃仁勛過著“躺著數錢”的日子。
英偉達在2015年推出了自動駕駛平臺Drive PX系列，曾是整車廠、Tier 1、科技公司選擇的主流計算解決方案，但是礙于業內對GPU高功耗、高成本的不滿，英偉達又于去年年初發布了新一代自動駕駛處理器Xavier，與PX不同的是，Xavier是一個獨立完整的SoC，包括定制的8核CPU、一個512核Volta架構的GPU和相關的視覺、深度學習加速器，功耗是前代的十分之一。
英偉達產品的迭代，也是自動駕駛芯片發展的一個縮影，高集成、低功耗才是趨勢，在這一點上，老對手英特爾做的就比較好。
英特爾通過三輪高達百億美元的收購，擁有了Mobileye的EyeQ系列芯片(ASIC)、Altera的FPGA芯片、Movidius的視覺處理單元VPU。舉個例子，在英特爾提供的整套解決方案中，EyeQ可以負責視覺數據處理，Altera的FPGA芯片CycloneV負責毫米波雷達與激光雷達的數據處理，“殺手锏”CPU凌動Atom負責處理其他數據任務。
當然，除了兩個熱門的種子選手，還有不少虎視眈眈的巨頭。
近兩年，整個自動駕駛芯片市場再次發生了天翻地覆的變化。如果早期是三國爭雄，那么現在則成了多方勢力割據。
特斯拉屬于“異類”，它們是少有的既做整車，也自研自動駕駛芯片的公司。在“拋棄”了Mobileye和英偉達后，特斯拉在今年4月發布了首款自動駕駛芯片FSD，這款芯片除了常規的CPU和GPU之外，多配備了兩個神經網絡處理器(NNP)。
國內初創公司地平線在8月底推出了基于自研架構BPU 2.0的自動駕駛AI芯片征程二代。
除此之外，還有技術實力更為雄厚的Arm和華為，也正快速滲透到產業中。
專做架構授權的Arm特地在去年9月發布了專為自動駕駛汽車打造的處理器Cortex-A76AE，新產品線AE即“Automotive Enhanced(自動駕駛增強)”。本月，他們又聯合汽車制造商和Tie 1成立自動駕駛汽車計算聯盟，目標是制定一套可規模量產的自動駕駛方案，解決安全和計算問題。
如果Arm的加入是如虎添翼，那么另外一位重磅選手，則讓人有點“聞風喪膽”。去年的全聯接大會上，華為發布了支持L4級別自動駕駛的計算平臺MDC 600，基于8顆昇騰310 AI芯片，同時還整合了CPU和相應的ISP模塊。
從這個階段的自動駕駛芯片架構也能看到，單一CPU+GPU已經成為過去式，如今GPU+FPGA的通用芯片方案成為主流。
同時，在這個戰場上，還有一些“出師未捷身先死”的巨頭，高通曾想通過收購恩智浦布局汽車芯片領域，可惜這樁交易在2018年以失敗宣告結束。
畢竟做芯片不是易事，做自動駕駛的芯片，無論是投入，還是風險都要更上一層樓。
通常情況下，需要通過AECQ100和ISO16949兩個車規級認證，才能大規模上線應用，這拋開算力的因素，汽車芯片本身對安全性、溫度、質量、使用壽命和可靠性的要求非常高，也是諸多新入局自動駕駛芯片廠商努力的方向。
另外，自動駕駛落地難的因素很多，價格是技術之外最高的門檻了，而技術和價格往往成反比，技術越成熟，規?；涞氐目赡苄栽礁?，價格才有機會下調，如何平衡這三個要素，對自動駕駛芯片廠商來說也是很大的挑戰。
技術指標之外，汽車產業鏈的特殊性、封閉性也決定了自動駕駛芯片的市場格局，會受到上下游產業鏈影響，這也讓芯片市場的格局愈加撲朔迷離。
自動駕駛芯片：群雄環伺，鹿死誰手難定論
當整車廠開始大規模地投入到自動駕駛的研發中，上游的零部件廠商也不得不在智能化浪潮中求得生存。
就像開頭所述，傳統的汽車SoC廠商很早就瞄準了ADAS，推出了匹配的產品，但是隨著算力要求越來越高，這些汽車供應商就有些力不從心了，而自動駕駛芯片廠商自身有很大的機會“晉升”為產業鏈上新一代Tier 1。
所以，對于自動駕駛芯片廠商來說，Tier 1既可能是強勁的競爭對手，更可能是最有力的合作伙伴，因此在這個關鍵的過渡期，拉聯盟、統一戰隊是常態。
博世、采埃孚加入了英偉達自動駕駛聯盟，德爾福和Mobileye共同開發“中央傳感定位與規劃(CSLP)平臺”， 博世、電裝、大陸牽手恩智浦、英偉達加入Arm主導的計算產業聯盟……
而諸如地平線這樣“勢單力薄”的創企，也在以非常成熟的方式打入產業鏈，推出自動駕駛芯片的同時找好相應的Tier 1廠商和OEM廠商給自己拖底。
正如業內人士所說，自動駕駛所需要的環節越多，Tier 1的重要性就會越發明顯。因為它們是所有環節最終能否落地到量產產品上的關鍵。任何單一技術供應商，想要跨過Tier 1 直接落地到車廠的量產產品上都會十分艱難。
一方面是站隊的問題，另一個更為現實的問題是賺錢，連整車廠在面對自動駕駛這個吞金怪獸都要結盟，通過采購體系分攤成本、降低研發成本，更何況初出茅廬的新人們。
對于半導體巨頭或者特斯拉這樣已經成氣候的廠商來說，研發自動駕駛芯片是錦上添花，但依然會影響其他業務的營收表現。而對于那些家底不足的新興公司來說，還有生存的壓力。從實際現狀來看，融資之外，有部分廠商會退而求其次，從ADAS或者其他應用場景出發，彌補自動駕駛芯片的漏洞。
同時，那些擁有強算力的技術公司都有可能跨界到自動駕駛領域。以谷歌為例，谷歌Waymo克萊斯勒無人車采用了英特爾的Xeon服務器芯片、Altera的FPGA和英特爾的以太網關芯片，但難以保證谷歌不會在TPU的基礎上，研發出適用于自動駕駛的AI芯片。
綜上種種，在自動駕駛汽車還停留在路測階段時，市場無法給出短期的評判結果，現在比拼的是供應鏈能力，上下游廠商，誰愿意為你的技術買單，提供更多的數據反饋，誰才能在蟄伏期獲得更大的賭注。
所以，自動駕駛芯片的戰爭，鹿死誰手，現在下定論過早。
最后：
汽車產業注重合作，單打獨斗是不現實的。要不依靠巨頭，爭取產業鏈上的話語權，要不就是技術實力甩開競爭對手十幾條街，用技術說話。
所以，自動駕駛芯片廠商需要和上下游的供應商以及整車廠保持良好關系，最好以結盟的方式統一戰線，未來大家比拼的一定是供應鏈能力。
