近日，英偉達CEO黃仁勛在GTC 大會上宣布了兩件大事，一是發布了迄今為止最大的GPU，二是針對于近期Uber無人車致死事件，暫停自動駕駛路測。黃仁勛表示：“安全是單一卻極其重要的問題，這其中也牽涉到了最為困難的計算問題?！?/p>

要想無人車真正的上路，在交通繁忙的道路上避開行人安全行駛，需要讓自動駕駛汽車具備自主思考和判斷的能力。其中，AI芯片作為無人車的“大腦”，在車輛控制方面發揮著重要的作用。那么，AI芯片對無人車來說有什么作用？有哪些公司在生產用于無人車的AI芯片？

AI芯片是什么？

AI芯片就像無人車的大腦，在異常情況出現時，為了避免發生事故，需要給汽車提供足夠的信息，且需要車輛自主判斷，而這需要芯片來實現。

在自動駕駛領域， AI 芯片的應用發展已有些時日。

據了解，Mobileye 的 EyeQ 系列芯片在 2004 年就開始研發，2007 年發布的第一代 EyeQ1 芯片是較早應用于自動駕駛的 AI 芯片之一 （ 僅實現輔助駕駛功能 ） 。

而Nvidia自動駕駛芯片始于2015年初推出的Drive PX系列。在2015年的CES大會上，英偉達發布了第一代Drive PX，Drive PX可支持L2高級輔助駕駛計算需求。

從技術路線來看，自動駕駛芯片延續了與其高度相關的深度學習所采用的幾類硬件技術路線： GPU 、 FPGA 、 ASIC 。按照 SAE International 的自動駕駛等級標準，目前已商用的自動駕駛芯片基本處于高級駕駛輔助系統（ADAS） 階段，可實現 L1－L2 等級的輔助駕駛和半自動駕駛 （ 部分宣稱可實現 L3 的功能 ） ；而面向 L4－L5 超高度自動駕駛及全自動駕駛的 AI 芯片離規?；逃萌杂芯嚯x。

兩強之爭：英偉達 VS 英特爾

目前，英偉達和英特爾憑借在處理器芯片領域的長期積累同時配合產業并購，已然形成了領跑之勢，二者形成了自動駕駛芯片領域的第一集團。（參考如圖）

英偉達：

英偉達在GPU芯片市場上占有率高達70％，是當之無愧的芯片領域霸主。

面對日益崛起的自動駕駛車研發和量產需求，英偉達近年大力布局自動駕駛領域，并在2015年推出了專門針對自動駕駛的計算平臺 DRIVE PX。包括奧迪、沃爾沃、豐田等在內的車廠，以及百度等科技公司都接入了該平臺。英偉達稱，當前通過DRIVE PX平臺進行自動駕駛車開發的合作伙伴有225家左右。

英偉達發明的圖形芯片是無人駕駛汽車的關鍵組成部分，其圖形計算技術被用于Uber的第一批沃爾沃XC90 SUV車型及現有的自動駕駛汽車和貨運卡車中。采用英偉達技術的Uber自動車已經累計搭載旅行乘客5萬多人次，行駛超過200萬英里。

去年10月，英偉達宣布推出可處理L5級無人駕駛汽車數據的新產品NVIDIA DRIVE PX Pegasus系統，進一步擴充其自動駕駛AI計算平臺。在今年美國拉斯維加斯2018 CES展上，英偉達又宣布推出了首批Xavier自主機器處理器，致力于借助AI從各個方面提升駕駛體驗，并為NVIDIA在自動駕駛領域的320家合作企業和機構提供未來技術路線圖。

據了解，Xavier擁有超過90億個晶體管，號稱是迄今為止最復雜的系統級芯片，研發歷時四年，研發投入高達20億美元。Xavier處理器可以為自動駕駛汽車的人工智能系統提供更多的傳感器以及車輛數據。在CES展上，Uber表示它將把英偉達的芯片運用于人工智能計算系統。

在2018 CES展會中，英偉達宣布與大眾合作，將使用英偉達的 Drive IX平臺來開發下一代車型。大眾可以增加臉部識別解鎖車輛，手勢控制以及類似亞馬遜Alexa的語音助手等功能。它還表示將利用該軟件創建一個“智能副駕駛員”來協助司機。此外，英偉達表示將與奧迪共推基于英偉達AI駕駛系統的自動駕駛車型，計劃于2020年前上路。

國內的初創無人車企業中，英偉達參與了景馳科技的5200萬美元Pre－A輪投資，以及投資了圖森未來。

英特爾：

在芯片大戰中，英特爾為了對抗英偉達的挑戰，也在加緊布局，收購相關領域的公司開發芯片，以及與一些汽車廠商建議合作。

英特爾收購了Mobileye，Mobileye曾在2015年發布一款汽車ADAS芯片EyeQ4，其能夠為Level 3級別的自動駕駛提供足夠算力。2016年該公司發布了第四代系統芯片EyeQ4，該芯片采用了14個計算核心，大幅提升了視覺處理和數據解讀的性能。

另外，第五代系統芯片EyeQ5也將于今年出工程樣品，并在2020年實現量產，采用7nm工藝。EyeQ5的目標是支持L4／5級別的全自動駕駛。據介紹，EyeQ5將提供每瓦特2．4 DL TOPS（萬億次／每秒）的效能——這一數字比NVIDIA公開宣稱的Xavier效能要高2．4倍。EyeQ5將是Mobileye的第五代系統芯片，旨在為全面自動駕駛（L4／5）汽車提供以視覺為核心的計算機傳感器融合。

Mobileye的視覺處理器系統級芯片EyeQ系列產品使用了公司開發的獨特算法，該芯片在沃爾沃、通用、寶馬、現代、等生產的部分車型中都有使用。目前Mobileye的產品銷售給了全球多家汽車制造商，包括寶馬、福特、通用、日產、沃爾沃等。

關于與waymo的合作，英特爾CEO科再奇表示“隨著 Waymo 無人駕駛技術變得越來越智能，功能越來越強，其高性能硬件和軟件將需要更為強大和高效的計算。通過與 Waymo 的密切合作，英特爾可以為 Waymo 的一系列汽車提供L4和L5自動駕駛所需的高級處理能力。”

Waymo 改裝的 Pacifica 測試車搭載了負責計算的英特爾至強處理器，負責圖像分析的 Arria 系統芯片（FPGAs）、千兆以太網和 XMM 調制解調器等通訊互聯解決方案。

除了與Waymo合作以外，英特爾目前還與寶馬、菲亞特克萊斯勒、德爾福、大陸集團等達成了合作，當時決定在2017年底組織100輛高度自動駕駛的汽車進行路面測試。在2018 CES上，地平線與英特爾聯合展示了面向L3／L4的自動駕駛解決方案。

AI芯片新勢力

2017年12月，特斯拉CEO埃隆－馬斯克在NIPS大會宣布，特斯拉正在制造AI芯片，將主要用于完成無人駕駛時的運算操作。此外，無人車AI芯片領域還涌入了一些年輕玩家，如地平線、NovuMind（中文名異構智能）、寒武紀和眼擎科技等。

特斯拉：

2016年7月，Mobileye宣布與特斯拉終止合作關系，2017年12月特斯拉Autopilot負責人Jim Keller在神經信息處理系統大會上表示，特斯拉非常重視AI，無論軟件還是硬件層面。特斯拉正在開發定制的AI芯片硬件。

據悉，特斯拉這個AI芯片并非完全獨立開發，而是構建在美國AMD半導體公司的知識產權基礎上，其代工方格羅方德也是一家從AMD拆分出來的晶圓廠。

地平線：

2017年12 月 ，地平線發布了兩款嵌入式人工智能視覺處理器。其中一款征程系列嵌入式AI芯片面向自動駕駛，具備同時對行人、車輛、交通標志牌等多類目標進行檢測與識別處理的能力。目前，地平線正在與奧迪、重慶長安和零部件廠商Robert Bosch合作。

NovuMind：

相較于英偉達的繪圖處理器 （GPU），NovuMind 專注于開發更有效進行推理的深度學習加速器芯片。NovuMind 開發的 AI 芯片致力于讓小型的本地終端設備具有識別和思考的能力。由于 NovuMind 的 AI 芯片具有高達每秒 15 萬億次操作的能力，可以運用在無人車領域。

寒武紀：

2017年11 月 6 日，全球 AI 芯片領域的第一家獨角獸創業公司寒武紀召開了發布會，會上介紹了其開發的面向智能駕駛領域的 1M。據寒武紀科技創始人兼CEO陳天石在大會上介紹，這款產品目前正在規劃當中，它的性能將達到寒武紀1A的10倍以上，高度集成，具有更高的性能功耗比。目標是讓中國的汽車全部都用上國產智能處理器。

眼擎科技：

今年3月，眼擎科技CEO朱繼志就人工智能最大應用方向——機器視覺在前端成像上的痛點，分享了眼擎科技的解決方案，并分析了其在自動駕駛領域的應用。眼擎科技力圖用芯片＋算法的方式提高機器視覺前端的成像能力，讓AI有更高質量的圖像數據可用，讓芯片更好的運用于工業無人車等方向。

由此可見，無人車領域AI芯片的競爭十分激烈，而為推動芯片產業的發展，我國政府也出臺了一些政策。據彭博社報道稱，中國政府已經設立相應基金，來投資本土芯片廠商。政府預計，到2020年，中國的整車和芯片、傳感器等零部件產值將超過1000億元。

無人車AI芯片面臨的困境

AI芯片成為了無人車領域的一個重要戰場，各路玩家都想打造自己的AI芯片，在研發無人車AI芯片時，它們主要面臨GPU耗能高成本高、開發成本高且回報周期長、AI芯片的周邊能力尚且不足等問題，且開發出的AI芯片進入汽車市場必須通過嚴格的車規，這些難題阻礙著各大廠商的發展進程。

1、GPU耗能高成本高

目前主流的自動駕駛芯片解決方案主要包括GPU、FPGA、DSP和ASIC四種。GPU雖然具有強大的計算能力，但是耗能高、成本高以及體積龐大，無法滿足嵌入式的要求。

以GPU起家的英偉達，相比初創公司雖然占據一定優勢，但是在人工智能技術發展的道路上也面臨巨大挑戰。GPU一旦進入量產階段，考慮到性能、功耗以及產品的技術競爭壁壘，可能不太合適。

初創公司地平線公司為了解決這一問題，一開始搭建自動駕駛平臺的時候就與英特爾合作，采用了英特爾的FPGA來作為核心計算單元，滿足了自動駕駛對計算性能、延時和功耗的要求。

2、AI芯片需通過車規和檢測

AI芯片要進入汽車市場必須通過車規，要經過嚴格的檢測，能夠抗電磁干擾、抗震動和適應極大的工作溫差等，這對AI芯片生產商來說是一大挑戰。

3、開發成本高且回報周期長

芯片研發動輒3、5年的長周期加上漫長的車型研發，使得一款AI芯片從開發到最終應用的時間會無比漫長。開發的過程需要消耗大量的人力物力，而且回報周期長。

今年1月，英偉達發布的無人車AI超級計算芯片DRIVE Xavier耗資巨大。為了研發DRIVE Xavier，英偉達投入了2000個工程師，歷時四年，研發費用達到20億美元。

英偉達這種行業巨頭可以承擔如此高昂的費用，但是對初創公司來說，這是一大難題。地平線創始人余凱也曾表示，做AI芯片這件事門檻很高。

4、AI芯片的周邊能力尚且不足

目前，車內使用的很成熟的DSP芯片，就有豐富的接口，但現在AI芯片還只是一個stand alone的芯片，沒有周邊生態的支持。

總的來說，無人車AI芯片的研發絕不是一蹴而就的，并且要將芯片行業和汽車行業這兩個復雜的行業相結合，需要克服很多難題。

雖然AI芯片的發展面臨很多困境，但是AI芯片這一新興技術為巨頭帶來了業務擴展的風口，也為創業公司、傳統廠商帶來了新的機遇。當前各公司都在加快布局，未來可能還會不斷涌入新玩家，無人車AI芯片行業的競爭勢必將愈加激烈。