芯片行业失落的老大何以引领汽车产业

最近，自动驾驶领域一片看不见的刀光血影。

但这一次的主角，不再是知名车企或创业项目，而是在芯片行业呼风唤雨的英特尔、英伟达。

先是英特尔大手笔并购 Mobileye，留下一阵惊愕之声；紧接着，英伟达与博世共同推出基于 Xavier 芯片的自动驾驶平台，不留下一片云彩。

继续讨论之前，一个显而易见的疑问是，为什么推动自动驾驶的这一轮力量换成了汽车配件供应商？

为什么是配件供应商？

如同波音不生产飞机的所有零件一样，大型车企并不生产汽车的所有零件。

苹果不生产任何零件却能主宰整个手机市场，整车厂商的做法也类似。它们不会去一股脑地生产方向盘、轮胎、座椅、车窗、仪表、导航等各种零部件，而是把它们交给效率更高的供应商来做，自己则专注于把控整车与整个产业链的效率。

事实上，仅靠最核心的动力总成（发动机、变速器）技术，它们就可以赚得盆满钵满。而经销商们通过维修燃油发动机、滤油器以及更换机油，也能够大赚特赚。

若非近年来后起之秀特斯拉的步步紧逼，它们对电动汽车、自动驾驶实在是感冒不来。毕竟，丢掉燃油发动机，就相当于掀翻它们正在享受的满汉全席，而改喂残羹冷炙——换作是你，你也不肯乖乖入瓮的。

而配件供应商则不会有这样的后顾之忧，它们的轮胎、座椅、车窗、空调、音响等设备还是一样能赚钱。这就说到了自动驾驶相关的传感器、导航、自动巡航等技术，这里面实打实的技术累积，很大程度上是属于相关的配件供应商的。比如，Mobileye 的自动辅助驾驶，博世的导航系统，等等。

自动驾驶上路，则意味着这些配件供应商将拥有新汽车上最为核心、最有影响力的技术。而有着数百零部件的燃油发动机，因其无法被芯片控制且维护上过于繁杂，几乎不可能在自动驾驶汽车上风光下去。换句话说，在自动驾驶的催化下，当前由燃油发动机所主导的汽车行业将要重新洗牌，而勤勤恳恳在支撑整个产业链的供应商们，肯定最先感受到风向的变动。

而由人工智能所控制的汽车，其零部件上必定要嵌入可以被编程的芯片才能被可靠地控制，特别是电动机和电池。虽说当前的关键是跟自动驾驶密切相关的各式传感器、导航芯片、车载计算机，但随着整个汽车产业链的升级，其他零部件的芯片化程度只会越来越高，最完美的就是达到电子星上的“柱子哥”那水平。

这样一来，芯片行业失落的老大——英特尔，即便是错过了整个智能手机时代、甚至当前的机器学习硬件，依然还有机会重返巅峰。前提自然是它能进入自动驾驶行业，并且能站稳脚跟，而大手笔买下一个现成的配件供应商，自然会立竿见影：正如高通花470亿美元拿下 NXP，英特尔用160亿美元买来 Mobileye。

但这里的巨资仍无法保证自动驾驶所承诺的未来，不过是确保这两大芯片巨头的正式入场而已。

技术链条能告诉我们什么？

用 Mobileye CTO 的话说，自动驾驶汽车需要整个技术链条的所有玩家来通力合作，而仅自动驾驶系统就需要传感器感知技术、高精度地图定位，以及人工智能的自动驾驶策略这三大领域的支撑。

传感器

具体的感知技术，就是摄像头、超声波传感器、毫米波雷达、激光雷达……用以帮助车辆理解其周遭环境的一切传感器。接下来，让我们一一来说。

摄像头最容易理解。众所周知，采用 Mobileye 技术的特斯拉 Autopilot 一代硬件，仅有一个前视摄像头。在争议极大的佛罗里达车祸中，Autopilot 在侧面感知上的固有盲区，差点葬送了行将起步的自动驾驶技术。

好在 Autopilot 二代硬件的改进足够大，仅前视摄像头就增至3个，分别用于远近视角，最远可达250米；另外，两侧前、后方各一对，正后方还有一个后视摄像头，实现360度无死角覆盖；所感知到的视觉信息，将被渲染成实时路况的 3D 影像，用于决定驾驶策略。

超声波传感器可用于补充视觉信息。如 Autopilot 二代用了12个超声波传感器来监测车辆周围的软、硬物体，从而更好地区分行人和车辆。

毫米波雷达是传统配件供应商的强项。但 Autopilot 二代仅配备了一台长距离雷达用于感知前方路况，而新款奥迪 A4 则是采用 1 台长距离雷达 + 4 台短距离雷达来实现全功能自动辅助驾驶。

激光雷达是传统无人驾驶技术的核心，它的 3D 建模与同步绘图能力，原本是用给军方的高精度导d的。Google 无人汽车所用的激光雷达，是 Velodyne 的 HDL-64E，单价约8万美元，相当于一辆特斯拉的 Model S。

而采用相控阵技术的固态激光雷达，Quanergy 说它的 S3 产品售价可降至250美元，但其量产上市还需要一个过程。

定位技术

高精度定位技术的硬件，需要 GPS 结合惯性传感器共同来实现，除了具体的位置和速度，它们还能提供出车辆的加速度、姿态和方向等额外信息。这就需要专门的定位技术供应商。

定位相关的软件技术，就涉及到地图数据了。Mobileye 的 REM（Road Experience Management）就是通过摄像头来捕捉路面上的标识进行辅助定位的，从而获取更多全新的地图信息，并持续更新云端的地图数据库。

目前，由于任何传感器都有其明显的局限性，任何自动驾驶的感知与定位功能均不可能由某个传感器或某种技术独立来完成。因而，用于处理所有这些行驶数据的计算平台，就显得额外重要了。

自动驾驶策略

如前面所说，Autopilot 二代是把传感器搜集到的所有信息重新渲染成实时的 3D 模型，这里所用的计算平台就是英伟达的 GPU，原因就是 GPU 架构在深度学习上的固有优势。要知道最新一代的 GPU 核心，英伟达甚至都没有用在一般显卡上，而是优先用于人工智能。

而 Mobileye 的 EyeQ3 平台，则是其基于 ASIC 架构自行开发的。不过，高性能芯片的研发，不是开一个高调的发布会就能做出来的。这应该就是 Mobileye 去年宣布跟意法半导体合作研发下一代 EyeQ5 芯片后，今年又倒向英特尔的一个重要原因。毕竟，芯片巨头的技术底蕴不是吹牛就能吹来的。

另一种基于 FPGA 的计算平台，则是奥迪无人车所用的方案，具体说来是 Altera 的产品 Cyclone V。然而，身为 FPGA 业界老大的 Altera，早在2015年就被英特尔用167亿美元纳入麾下了。

仅自动驾驶系统本身的技术链条，就已经异常复杂了，这还没有说到车辆自身的各个控制系统。这里的复杂程度刚好印证了吴恩达离开百度时所说的那句话：

“……我希望人工智能可以将人类从重复性脑力劳动，比如忙乱的交通驾驶中，解放出来。这项工作不是任何一家公司可以独立完成的，这是全世界的人工智能研究者和工程师的共同课题。”