【原】Arm、華為紛紛涌入的自動駕駛芯片賽道，誰會是“終極贏家”？

鎂客網(wǎng) 2020-09-10

展開全文

傾聽創(chuàng)業(yè)故事，對接融資需求

歡迎做客【鎂客·請講】欄目

點(diǎn)擊菜單欄-聯(lián)系我們，讓更多人看到你們

做自動駕駛的芯片，無論是投入，還是風(fēng)險都要更上一層樓。

策劃&撰寫：巫盼

今年的自動駕駛依然沒能進(jìn)入大規(guī)模商業(yè)化落地，但產(chǎn)業(yè)里卻是大動作不斷：有因為利益分配不均關(guān)門大吉的，有難以為繼而“委身”于強(qiáng)者的，也有開始小范圍內(nèi)嘗試商業(yè)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(yīng)商）的深入合作，再加上布局已久的英特爾、英偉達(dá)，自動駕駛逐漸成為半導(dǎo)體廠商的新戰(zhàn)場。

進(jìn)化：從ADAS到自動駕駛AI芯片

早期，在被稱為自動駕駛產(chǎn)業(yè)里程碑的谷歌無人車Waymo還未面世前，傳統(tǒng)汽車電子巨頭，諸如恩智浦、瑞薩、TI等已經(jīng)在研發(fā)面向ADAS（高級駕駛輔助系統(tǒng)）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(fā)了R-Car系列、恩智浦發(fā)布了集成ADAS芯片的BlueBox平臺。相較于半導(dǎo)體巨頭們，這些Tier1顯然更注重實(shí)際的經(jīng)濟(jì)效益，以能夠批量化生產(chǎn)落地的ADAS芯片為主。

圖片來源：怪誕筆記

但ADAS距離真正的無人駕駛還有一道鴻要跨越。

當(dāng)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(shù)據(jù)的計算平臺，每個關(guān)鍵的環(huán)節(jié)都離不開它。

而自動駕駛本質(zhì)是解決AI計算的問題，AI芯片在其中扮演的角色無非兩種：

1、處理輸入的傳感器信號（雷達(dá)、激光雷達(dá)、攝像頭等）；
2、做出決策判斷、給出控制和執(zhí)行信號，比如是左轉(zhuǎn)、變道還是減速。

想要在短時間內(nèi)完成這兩項任務(wù)，并非易事，所以自動駕駛汽車需要一個非常強(qiáng)大的計算平臺實(shí)時分析、處理海量的數(shù)據(jù)，并且進(jìn)行復(fù)雜的邏輯運(yùn)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(guī)級的嚴(yán)苛要求，種種原因使得自動駕駛芯片的開發(fā)難度以及進(jìn)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(jīng)單一的汽車芯片已經(jīng)無法滿足，和多數(shù)技術(shù)領(lǐng)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(chuàng)業(yè)公司。

市場格局生變，自動駕駛芯片領(lǐng)域一場混戰(zhàn)

從ADAS向自動駕駛演進(jìn)的過程中，CPU也好、GPU也罷，都無法支撐大量傳感器的數(shù)據(jù)處理分析，自動駕駛芯片架構(gòu)朝著異構(gòu)方向發(fā)展，而那些在PC、移動市場叱咤風(fēng)云的半導(dǎo)體巨頭也聞聲而動，憑借著在處理器芯片領(lǐng)域的經(jīng)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(dá)趕上了好幾波風(fēng)口：自動駕駛和加密數(shù)字貨幣的熱潮，讓黃仁勛過著“躺著數(shù)錢”的日子。

英偉達(dá)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(yè)內(nèi)對GPU高功耗、高成本的不滿，英偉達(dá)又于去年年初發(fā)布了新一代自動駕駛處理器Xavier，與PX不同的是，Xavier是一個獨(dú)立完整的SoC，包括定制的8核CPU、一個512核Volta架構(gòu)的GPU和相關(guān)的視覺、深度學(xué)習(xí)加速器，功耗是前代的十分之一。

英偉達(dá)產(chǎn)品的迭代，也是自動駕駛芯片發(fā)展的一個縮影，高集成、低功耗才是趨勢，在這一點(diǎn)上，老對手英特爾做的就比較好。

英特爾通過三輪高達(dá)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(fù)責(zé)視覺數(shù)據(jù)處理，Altera的FPGA芯片CycloneV負(fù)責(zé)毫米波雷達(dá)與激光雷達(dá)的數(shù)據(jù)處理，“殺手锏”CPU凌動Atom負(fù)責(zé)處理其他數(shù)據(jù)任務(wù)。

當(dāng)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(fā)生了天翻地覆的變化。如果早期是三國爭雄，那么現(xiàn)在則成了多方勢力割據(jù)。

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(dá)后，特斯拉在今年4月發(fā)布了首款自動駕駛芯片F(xiàn)SD，這款芯片除了常規(guī)的CPU和GPU之外，多配備了兩個神經(jīng)網(wǎng)絡(luò)處理器（NNP）。

國內(nèi)初創(chuàng)公司地平線在8月底推出了基于自研架構(gòu)BPU 2.0的自動駕駛AI芯片征程二代。

除此之外，還有技術(shù)實(shí)力更為雄厚的Arm和華為，也正快速滲透到產(chǎn)業(yè)中。

專做架構(gòu)授權(quán)的Arm特地在去年9月發(fā)布了專為自動駕駛汽車打造的處理器Cortex-A76AE，新產(chǎn)品線AE即“Automotive Enhanced（自動駕駛增強(qiáng)）”。本月，他們又聯(lián)合汽車制造商和Tie 1成立自動駕駛汽車計算聯(lián)盟，目標(biāo)是制定一套可規(guī)模量產(chǎn)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(diǎn)“聞風(fēng)喪膽”。去年的全聯(lián)接大會上，華為發(fā)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(yīng)的ISP模塊。

從這個階段的自動駕駛芯片架構(gòu)也能看到，單一CPU+GPU已經(jīng)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(zhàn)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(lǐng)域，可惜這樁交易在2018年以失敗宣告結(jié)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(fēng)險都要更上一層樓。

通常情況下，需要通過AECQ100和ISO16949兩個車規(guī)級認(rèn)證，才能大規(guī)模上線應(yīng)用，拋開算力的因素，汽車芯片本身對安全性、溫度、質(zhì)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(shù)之外最高的門檻了，而技術(shù)和價格往往成反比，技術(shù)越成熟，規(guī)模化落地的可能性越高，價格才有機(jī)會下調(diào)，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(zhàn)。

技術(shù)指標(biāo)之外，汽車產(chǎn)業(yè)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(chǎn)業(yè)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(huán)伺，鹿死誰手難定論

當(dāng)整車廠開始大規(guī)模地投入到自動駕駛的研發(fā)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(tǒng)的汽車SoC廠商很早就瞄準(zhǔn)了ADAS，推出了匹配的產(chǎn)品，但是隨著算力要求越來越高，這些汽車供應(yīng)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(jī)會“晉升”為產(chǎn)業(yè)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(qiáng)勁的競爭對手，更可能是最有力的合作伙伴，因此在這個關(guān)鍵的過渡期，拉聯(lián)盟、統(tǒng)一戰(zhàn)隊是常態(tài)。

博世、采埃孚加入了英偉達(dá)自動駕駛聯(lián)盟，德爾福和Mobileye共同開發(fā)“中央傳感定位與規(guī)劃（CSLP）平臺”，博世、電裝、大陸牽手恩智浦、英偉達(dá)加入Arm主導(dǎo)的計算產(chǎn)業(yè)聯(lián)盟……

而諸如地平線這樣“勢單力薄”的創(chuàng)企，也在以非常成熟的方式打入產(chǎn)業(yè)鏈，推出自動駕駛芯片的同時找好相應(yīng)的Tier 1廠商和OEM廠商給自己“托底”。

正如業(yè)內(nèi)人士所說，自動駕駛所需要的環(huán)節(jié)越多，Tier 1的重要性就會越發(fā)明顯。因為它們是所有環(huán)節(jié)最終能否落地到量產(chǎn)產(chǎn)品上的關(guān)鍵。任何單一技術(shù)供應(yīng)商，想要跨過Tier 1 直接落地到車廠的量產(chǎn)產(chǎn)品上都會十分艱難。

一方面是站隊的問題，另一個更為現(xiàn)實(shí)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(jié)盟，通過采購體系分?jǐn)偝杀?、降低研發(fā)成本，更何況初出茅廬的新人們。

對于半導(dǎo)體巨頭或者特斯拉這樣已經(jīng)成氣候的廠商來說，研發(fā)自動駕駛芯片是錦上添花，但依然會影響其他業(yè)務(wù)的營收表現(xiàn)。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(shí)際現(xiàn)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(yīng)用場景出發(fā)，彌補(bǔ)自動駕駛芯片的漏洞。

同時，那些擁有強(qiáng)算力的技術(shù)公司都有可能跨界到自動駕駛領(lǐng)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(wù)器芯片、Altera的FPGA和英特爾的以太網(wǎng)關(guān)芯片，但難以保證谷歌不會在TPU的基礎(chǔ)上，研發(fā)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(jié)果，現(xiàn)在比拼的是供應(yīng)鏈能力，上下游廠商，誰愿意為你的技術(shù)買單，提供更多的數(shù)據(jù)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(zhàn)爭，鹿死誰手，現(xiàn)在下定論過早。