伴隨AI人工智能的崛起，汽車智能化也取得了長足發展。過去以CPU為核心的處理器越來越難以滿足處理視頻、圖片等數據，同時雷達、攝像頭等傳感器的多路數據也為車載處理器計算效率提出了新的要求。
自動駕駛的挑戰在于，當前通用型計算平臺很難同時滿足自動駕駛要求的巨大算力和超低功耗，未來自有芯片將成為汽車產業鏈上的最核心的關鍵技術。
車企中第一個吃螃蟹的是特斯拉
8月初，特斯拉CEO埃隆·馬斯克在與分析師討論公司季度業績的電話會議上宣布，特斯拉下一代無人駕駛汽車硬件可能會在明年初推出，最重要的是會配備其自主研發的人工智能芯片。
隨后馬斯克又表示，4-6月后，特斯拉將基本上與硬件同步向已經購買“完全自動駕駛”功能的客戶發布首款軟件更新包。
通常汽車廠商在自動駕駛技術中會使用英特爾、英偉達等廠商的芯片。而使用自研芯片則使得特斯拉的人工智能處理器項目顯得與眾不同。
今年年初的CES上，英偉達率先發布了DRIVE Xavier，這是一款為自動駕駛汽車設計的AI計算芯片，也是有史以來最復雜、最強大的芯片。當前，英偉達在深度學習和訓練平臺層面處于絕對領先優勢。
隨后，英特爾推出了全新的自動駕駛平臺、包含2個EyeQ5芯片以及一個凌動芯片。此前，英特爾已經在資本層面以153億美元收購了Mobileye，Mobileye的并入彌補了英特爾自身算法的不足，并幫助其收獲了ADAS算法所設計的專用處理器IP。
細看兩個芯片的技術層面。英偉達的Xavier基于一個特別定制的8核CPU、一個全新的512核Volta GPU、一個全新深度學習加速器、全新計算機視覺加速器、以及全新8K HDR視頻處理器而打造。每秒可運行30萬億次計算，功耗卻僅為30瓦，能效比上一代架構高出15倍。按黃仁勛的說法，一塊Xaiver就能夠為L3-L4的自動駕駛提供算力支持。
而英特爾的Mobileye EyeQ5則表示可以提供每瓦特2.4 DL TOPS（萬億次/每秒）的效能。實現 L4-L5級自動駕駛，準備兩顆 EyeQ5芯片即可。
對于傳統頭部玩家而言，自動駕駛芯片之戰才剛剛上演，而潛在玩家同樣源源不斷的入場參戰。
最近一則三星布局無人駕駛及芯片的消息，又為火熱的芯片市場澆了一把油。幾天前，韓媒體報道稱，三星技術研究院成立了一支主要負責研究自動駕駛技術的全新團隊，研發無人駕駛汽車芯片及傳感器。
三星在汽車領域的布局并不晚，甚至曾一度涉及整車制造領域，2015年三星成立汽車零部件部門以來，一直在加大汽車板塊業務，2017年5月獲得了韓國首家自動駕駛汽車測試牌照，并向奧迪供應Exynos處理器、共同打造無人駕駛汽車。
打造本土AI芯片 中國仍有機會
作為全球最大的汽車市場，未來中國市場對自動駕駛車輛的需求同樣“胃口巨大”，一份不完全統計的數據預估，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。
而根據《中國制造2025》的目標，在2020年時，中國芯片的自給率要達到40%，2025年要達到50%，現實的目標卻又很嚴峻。
自動駕駛時代，中國本土AI芯片企業仍具備最好機會。巨大的人口基數和海量訓練數據是中國在發展人工智能上的一大顯著優勢，隨著人工智能的發展AI芯片近幾年也成為了行業的熱點。國內也涌現出諸如寒武紀、深鑒科技、地平線、西井科技等公司參與其中。
實際上，芯片是一個高技術含量，高投入的行業，其盈利要靠大規模鋪量方能成行。在通信產業中國“芯”面臨諸多困難，而在人工智能時代，中國的自動駕駛芯片形式同樣不容樂觀。不多數創業公司的AI芯片還未量產，甚至不到流片階段。
自動駕駛要求基于深度學習對目標的識別、環境的感知、建模和定位，都要達到高度準確性。通用芯片效能顯然無法滿足功耗、散熱等問題。如果裝AI芯片，意味著以1%的功耗實現相同的性能，而成本只有原來的十分之一。
國內自研芯片的車企并不多，今年CES Asia上零跑汽車宣布與大華股份聯手研發的首款國產AI自動駕駛芯片“凌芯01”已進入集成驗證階段，明年第二季度進行實車測試。
而在隨后一個月舉辦的百度開發者大會上，百度發布“昆侖”芯片。并將其定義為中國第一款全功能的云端AI芯片，相比于FPGA的芯片，計算能力提升了30倍。
自動駕駛場景下的應用是百度研發AI芯片的重要切入點，據悉，昆侖芯片能夠針對語音、NLP、圖像等進行專門優化；同等性能成本下降，支持paddle等多個深度學習框架，編程靈活度高，靈活支持訓練和預測。
自動駕駛芯片市場注定有一場惡戰
當前運用于自動駕駛的芯片架構主要有4種：CPU、GPU、FPGA（現場可編程門陣列）和ASIC（專用集成電路）。
他們的特點如下：
CPU：中央處理器，最大不足是數據處理能力弱。
GPU：圖形處理器，善于處理圖像領域的運算加速。但無法單獨工作，必須由CPU進行控制調用才能工作。缺點是功耗大，散熱高。
FPGA：常用于預測階段如云端。FPGA是用硬件實現軟件算法，因此在實現復雜算法方面有一定的難度，缺點是價格比較高。
ASIC芯片：是專用定制芯片，為實現特定要求而定制的芯片。除了不能擴展以外，在功耗、可靠性、體積方面都有優勢。缺點是開發周期長，初期成本高。
分析人士指出，現階段盡管現階段采用GPU架構、GPU+FPGA、ASIC架構的車企并行存在，但綜合來看，車企未來或更傾向于選擇ASIC專用型芯片，以自身更好的軟件算法同時滿足高性能和低功耗的要求。
實際上，由于所處場景和環境比普通汽車的電子配件更嚴苛，車規級自動駕駛芯片所需的算力和適配區間也要比普通芯片更高。特別是算法層面，目前還沒有一家公司可以保證自家的算法完全可以投產商用。此外，現階段要實現算法與架構之間的協同，對于自動駕駛芯片的企業來說挑戰非常巨大。
另外，相比通用的汽車電子，自動駕駛芯片安全層面要求也更為嚴格，既要滿足汽車電子的通用標準，還需滿足處理器層面汽車安全完整性等級的功能安全要求。
而芯片本身又是一個耗資巨大的產業，從研發到最終批量投產，千萬級美金僅僅是敲門磚，整個流程下來往往需要企業投入上億美金的費用。對于中國的自動駕駛芯片企業而言，未來市場的競爭注定是一場惡戰，掌握技術話語權非一日之寒，畢竟踏踏實實做芯片遠比弄幾張PPT對外宣傳造車理念困難多得多。
