巨頭們參與的自動駕駛晶片競逐賽，初創公司可有機會？

• 2019 年 11 月 25 日
• 筆記

圖片來自網路

文 | 魏啟揚

來源 | 智慧相對論（ID：aixdlun）

如果自動駕駛的研發和落地看成一場通向星辰大海的征程，其中遇到的每一顆星星就代表著攻克一道難題，那麼自動駕駛晶片無疑是最難的一道題，其所代表的星星也是最亮的一顆。

在中美貿易戰的普及下，讓普通民眾認識到，晶片不是一般人可以玩得起的，註定是巨頭之間的遊戲，在此背景下，不禁為地平線這類初創公司深深的捏了一把汗，如何在巨頭環伺的市場環境中開拓出屬於自己的一片天地？如何在自動駕駛賽道最具挑戰的選擇中，順利摘下那顆最亮的「芯」？

自動駕駛晶片賽道的典型玩家

目前自動駕駛晶片賽道的玩家眾多，已成百舸爭流之勢，其中根據代表性玩家的產品特點和戰略方向，智慧相對論認為大致可以分為以下幾類。

1、通用晶片生產商

代表企業：NVIDIA

在目前，NVIDIA 是自動駕駛晶片賽道當之無愧的老大，其在2018CES展上發布的Xavier系列晶片被稱為現階段「最強大」的自動駕駛晶片。為了推進自動駕駛晶片應用生態的形成，NVIDIA 還先後推出了DRIVE Pegasus和DRIVE Constellation兩個平台，前者支援L4和L5級自動駕駛能力，後者允許開發人員在虛擬世界測試他們的程式。

雖然當前車載晶片都是以GPU為核心的智慧輔助駕駛晶片，NVIDIA 在GPU方面也一直處於主導地位，但NVIDIA 推出的通用晶片還是面臨著功耗和成本等方面的挑戰，已經有相當數量的廠商採用訂製或者半訂製晶片來實現自動駕駛。

2、自產自銷訂製商

代表企業：特斯拉

特斯拉是自動駕駛賽道中少有的既做整車製造，也自研自動駕駛晶片的公司。

在特斯拉自研晶片之前，曾先後與Mobileye和NVIDIA 兩大巨頭合作過，其Autopilot 1.0使用的是Mobileye的視覺方案，一個前置攝影機、一個毫米波雷達和12個超聲波雷達組成感知系統，內置的晶片是來自Mobileye的EyeQ3；Autopilot 2.0採用的是NVIDIA 的晶片平台。

然而這兩次合作的「體驗」都不是很好。Autopilot 1.0時期，特斯拉經歷了一系列的車禍事故，Mobileye認為是特斯拉的功能超越了安全底線，特斯拉認為Mobileye的方案沒有滿足需求；Autopilot 2.0時期，NVIDIA Drive PX Pegasus平台的500W的功耗一直是特斯拉整車性能的短板，相對於運行兩小時，晶片就要用去1度電。

於是馬斯克堅定了自研晶片的方向。今年推出的Autopilot 3.0上就搭載了特斯拉的自研晶片FSD，這款晶片除了常規的CPU和GPU之外，多配備了兩個神經網路處理器（NNP）。

在馬斯克看來，與依賴現成的技術相比，設計製造自己的AI硬體可以給特斯拉帶來更高的競爭優勢，如同蘋果一樣，能夠同時掌握軟硬體設計和製造，除了能將核心技術和數據掌握在自己手上之外，在使用體驗上必定能形成更優的匹配和閉環。

3、專業晶片及通用解決方案提供商

代表企業：Mobileye、地平線

由於自動駕駛所面臨的場景非常複雜，每個研發公司或者主機廠的需求也不盡相同，因此很難用一個通用的演算法或晶片解決所有問題，而這也一眾初創型公司提供了發展的機會和空間。

我們可以將NVIDIA 的通用晶片視為一個參考平台，而非面向終端市場的完整產品，那麼第三類玩家的主要方向為，針對自動駕駛的某項功能推出與之匹配的專業晶片，與晶片配套的還有通用解決方案，就像「交鑰匙」工程一樣，省去了自動駕駛研發企業或者主機廠在某些具體功能或者問題上的二次研發投入。

像Mobileye的EyeQ系列晶片（ASIC）主要負責視覺數據的處理。

初創公司地平線也在不久前量產了中國的首款車規級AI晶片——征程二代。這款新品可以對多類目標進行實時檢測和識別，可滿足自動駕駛視覺感知、視覺建圖定位、視覺ADAS等智慧駕駛場景的需求，以及語音識別，眼球跟蹤，手勢識別等智慧人機交互的功能需求。

為支援自動駕駛產品快速落地，地平線還推出了與征程二代晶片相匹配的AI晶片工具鏈Horizon OpenExplorer（地平線「天工開物」），其中包含面向實際場景進行AI演算法和應用開發的全套工具：模型訓練工具、檢查驗證工具、編譯器、模擬器、嵌入式開發包等。

能在巨頭環伺中跑出，初創公司的機會在哪裡？

從上文的分析中可以看出，自動駕駛晶片的參與者每個都有自己的「獨門秘籍」，每個都是在行業摸爬滾打很長時間的老手，其中有個意外，2015年才成立的初創企業地平線也在這個頗具門檻的賽道中闖出了一塊屬於自己的地盤，很多人心中難免會有些好奇，地平線是如何突圍的？

首先，目前自動駕駛晶片賽道看似是NVIDIA 的一枝獨秀，但在晶片大賽道英特爾與NVIDIA 的角力一刻也沒停止，只是在自動駕駛晶片上，英特爾沒有親自下場，而是通過投資打「代理人」牌。

英特爾2017年完成了有關自動駕駛晶片布局的兩筆重大投資。一項是以153億美元的天價收購了Mobileye，Mobileye與英特爾的自動駕駛事業部（ADG）合併，以英特爾子公司的形式存在；另一項是領投了地平線的A+輪融資，憑藉著在CPU、FPGA、5G等方面的經驗和資源，對地平線在嵌入式人工智慧硬體架構方面的研發提供幫助。

加上此前167億美元收購的FPGA巨頭Altera，以及收購Here地圖15%的股份，英特爾在自動駕駛賽道完成了CPU+FGPA+EyeQ+5G的技術布局，獲得的不光光是這些獨角獸們的市場份額和客戶資源，更重要的是形成了組合合力，在自動駕駛晶片賽道的綜合實力大幅提升，相當於用資本換取了研發和市場開拓的時間。

地平線作為英特爾的重要「棋子」，在以攝影機為主的感知技術、駕駛策略、RSS（Responsibility Sensitive Safety）模型等方面具有優勢，再加上地平線正努力從後裝市場向前裝市場的開拓之中，對英特爾在中國市場及自動駕駛生態布局都是非常有益的補充。

其次，在與最主要的對手NVIDIA 的競爭中，地平線採取了一條與客戶連接更為緊密的晶片+演算法+雲的超常規打法。

以NVIDIA 為代表的傳統晶片商業模式中，晶片廠商賣出產品後就與用戶失去了聯繫，然而自動駕駛晶片（AI晶片）必須在應用場景下有相應的演算法與之配合，根據場景進行感知分析，這個過程是不斷升級迭代的，因而要求用戶與廠家始終保持著緊密的聯繫。

地平線作為初創公司的優勢在於，可以放下身段，靈活決策，深入了解用戶的場景需求後，通過演算法去解決場景中可能遇到的問題，將處理器進行深度優化，形成了一套基於場景理解的軟硬體結合的一站式解決方案，從而大大加快形成訂製化產品的時間和推出速度。

在「征程二代」發布時，地平線就表示已經在高級別自動駕駛、輔助駕駛（ADAS)、多模交互等方向斬獲多達5個國家的客戶的前裝定點，並有望於明年上半年獲得雙位數的前裝車型定點。

很顯然，隨著自動駕駛研發公司以及主機廠對應用落地的需求越來越強烈，由於更容易形成產品形態，包含在訂製解決方案中的專業晶片的市場正在逐漸開放，這也是地平線能夠與巨頭「較勁」的倚仗所在。

有了英特爾這座「靠山」，地平線就能高枕無憂了嗎？

擠進了英特爾的生態圈，又有自己的獨特打法，地平線就能如履平地般的一直這麼「順利」下去嗎？除了要應對NVIDIA 為代表的通用晶片巨頭的狙擊外，還有哪些玩家會對地平線形成挑戰呢？

智慧相對論認為，自動駕駛晶片賽道在地平線之外，還有三股勢力未來或將對現有市場格局產生影響。

第一股勢力是演算法公司。

從地平線的商業模式中可以看出，在其由通用解決方案構成的「產品」中，晶片只是其中的硬體一部分，另外一部分是軟體層面的演算法。因而，當演算法公司決定入局晶片賽道，或者與一些晶片巨頭合作，進入到晶片巨頭的生態中，就能馬上形成對現有格局的衝擊。

中國的商湯科技在電腦視覺領域演算法層面有著非常深厚的實踐，電腦視覺技術也是實現自動駕駛的核心能力之一，如此看來，以商湯為代表的演算法公司會是一個不小的不確定因素。

第二股勢力是阿里系的晶片企業。

自動駕駛晶片市場是一座潛力巨大的金礦。根據Gartner公司的數據，到2021年，全球自動駕駛汽車晶片行業的年營收將增長超過一倍，至50億美元。在中國，根據相關規劃，將在10年內部署3000萬輛自動駕駛汽車，並使用自主晶片。目前政府已經設立2000億元人民幣的基金，來投資本土晶片廠商。這對中國開發車載AI晶片的初創公司來說，無疑是一塊巨大的蛋糕。

實際上，中國的科技巨頭中，阿里在AI晶片上的布局頗多，目前已經投資了寒武紀、深鑒科技、曠視等，這些獨角獸在各自的領域也都形成了自己的競爭壁壘，在阿里的支援下，這些企業隨時可以進入自動駕駛賽道，屆時也將成為一股不可小覷的力量。

第三股勢力是華為。

在自動駕駛上，華為是非常重要的參與者，早在去年的全聯接大會上，華為就發布了支援L4級別自動駕駛的計算平台MDC 600，基於8顆昇騰310 AI晶片，同時還整合了CPU和相應的ISP模組。

華為的可怕之處不在於其晶片性能有多厲害，而在於其在硬體、5G通訊、雲平台、車聯網系統等方面都有布局，雖然「不造車」，但圍繞著自動駕駛，華為已經形成了生態閉環，很容易以「全家桶」的形式完成對OEM的市場鋪排，這套打法不光對自動駕駛晶片企業有影響，對整個自動駕駛賽道都頗具「殺傷力」。

總結：晶片是一個極易形成贏家通吃、高度壟斷的行業，NVIDIA 雖然以絕對出貨量是目前自動駕駛晶片賽道無人可敵的「霸主」，但隨著自動駕駛研發的深入，行業對晶片的需求也開始出現多元化，這也是地平線的機會，在諸多挑戰面前，地平線勝出的唯一方法就是通過快速落地進行市場覆蓋，在市場的驗證中完成升級迭代，周而復始循環中，在自動駕駛實現之前始終保持著足夠的競爭力，這樣才能在市場格局成型之前形成自己的競爭壁壘。