芯片是一向系统工程，高投入、高风险、回报较慢都是芯片行业的典型特征。特别是对于目前的无人驾驶技术来说，最终的算法并没有确定，因此各大厂家没有办法在现在的情况下就投入到 ASIC 专业芯片中，所以 GPU 会是今后很长一段时间内的最为平衡的方案。
芯片是无人驾驶的核心，其职能相当于无人驾驶的大脑。目前汽车上的芯片主要分为两类：一类是传统的功能芯片，例如为发动机管理、电池管理、车身控制等单独功能实现开发的芯片；另外一类则是性能更为强大，担当无人驾驶大脑作用的 AI 芯片。目前无人驾驶汽车的代码已经远远超过 1 亿行，而对芯片的运算能力要求超过 10TOPS（万亿次操作每秒）的数量级，传统的功能芯片已经无法满足无人驾驶的要求，所以开发 AI 芯片势在必行。
什么是 AI 芯片？
目前主要的 AI 芯片包括 GPU、FPGA、ASIC 三种。所谓 AI 芯片是指可以用来针对 AI 算法的专用芯片，对于 AI 芯片，在图像识别领域常用 CNN 卷积网络算法，而在语音识别以及自然语言处理上采用 RNN 算法，两者算法的本质都是矩阵的乘法和加法。AI 芯片与传统功能芯片最大的不同在于运算速度更快、功耗更低。其实我们传统使用的芯片 CPU 和 MCU 都可以用来执行 AI 算法，但是两者由于更为适合串行算法，导致运算速度过慢，显然无法满足中高速自动驾驶对于周边环境图像识别的需要。在三种 AI 芯片中，GPU 与 FPGA 都是传统的通用型芯片，芯片架构已经非常成熟，可扩展性较强；而 ASIC 属于为限制场景下定制使用的芯片，虽然性能更为突出，但是成本较高，且使用场景单一。芯片前期投入巨大，如果后期无法大量应用来摊薄成本，整个项目就会面临无疾而终的局面。
AI 芯片市场分析
随着包括移动手机通讯以及电脑在内的传统芯片市场的饱和，以高通、英特尔以及英伟达为代表的芯片巨头正在大步迈进汽车芯片市场，尤其是正在蓬勃发展的无人驾驶领域。据 HIS 估计，2020 年全球无人驾驶 AI 芯片的市场规模将达到 40 亿美元。在汽车四化技术中，新能源技术存在多种路线且受到电池技术的制约，未来发展如何存在较大疑问。但在无人驾驶和车联网的技术路线上，各大车企和参与的公司基本形成了共识，无人驾驶和车联网技术的逐渐普及的大趋势不可阻挡。
因此高通、英特尔和英伟达这些芯片巨头或者通过收购汽车领域的芯片公司和品牌来迅速继承原有公司的汽车客户，同时将自己在芯片领域所储备的更深受的技术快速应用到被收购或合作的汽车芯片公司的产品上，迅速提升芯片的产品力。无论是英特尔耗费巨资收购 Mobileye，还是高通在兼并恩智浦受中美贸易战影响功亏一篑，抑或是英伟达本身通过 GPU 上的巨大优势与全球超过 370 家主机厂和一级供应商达成战略合作，都是芯片巨头希望迅速切入汽车行业尤其是无人驾驶芯片的最好例证。相反原本在汽车功能芯片上唱主角的恩智浦、英飞凌、瑞萨这些半导体公司势头相对就比较弱。
英特尔与高通也积极布局
目前在无人驾驶领域最大的芯片供应商是英伟达，几乎所有的主机厂都采购英伟达的 GPU 作为无人驾驶的主控芯片。GPU 最初来源于电脑显卡，作为图像处理单元，不仅可以承担图像识别并能进行并行计算，从架构上来说比较适合进行 AI 学习算法。而通过对其架构优化，不仅可以大幅降低能耗，同时也能提升计算速度。作为通用芯片，GPU 深受各大主机厂的垂青。目前英伟达已经开发出了基于 GPU 的 Drive CX 数字座舱系统以及 Drive X 自动驾驶平台两大系统。其中 Drive CX 可以实现自然语言处理、3D 导航和信息娱乐、全数字仪表、环绕视觉以及对接安卓系统这些功能，单纯从性能上来看，GPU 已经可以实现数字座舱以及驾驶辅助系统功能。
至于收购了 Mobileye 的英特尔，则凭借 Mobileye 在驾驶辅助 ADAS 领域的软件算法和 EyeQ 芯片迅速切入驾驶辅助和无人驾驶领域。Mobileye 在长处在于其能够对视觉信息进行分析，预测与其他车辆、障碍物、行人之间会否发生潜在的碰撞，同时 Mobileye 也可以识别交通标志、交通信号灯，而这些都是确保无人驾驶技术实现的关键性能之一。至于高通，其车载信息娱乐系统解决方案也已经被推出，基于骁龙 602A／820A 芯片，高通在通讯领域的优势得到最大程度的发挥，其发布的汽车级处理器在无线通信、定位、语音以及多媒体处理方面的能力也有自身很大的优势。
特斯拉另辟蹊径
对于无人驾驶的主控芯片 GPU 来说，其性能并不是最为完美的，因为它不是专门为无人驾驶系统打造，所以还存在很大的设计改进空间，来提升运算速度。而运算速度的大小是衡量芯片性能最为重要的指标之一，所以特斯拉才决定自己开发芯片。
摆脱英伟达的芯片，将能够帮助特斯拉在无人驾驶领域建立起自己特有的，其他主机厂无法复制的优势，而一旦特斯拉自己的 Hardware3 项目被证明行之有效之后，那其他车企很难对之形成反超。根据特斯拉自己测试的数据，在成本大致一致的前提下，英伟达硬件所能提供的视觉识别软件的效率是每秒 200 帧，而 Hardware 3 可以达到每秒 2000 帧。正是在 Hardwar3 的支持下，特斯拉才能将自己的无人驾驶算法进行部署，而基于自己开发的算法，更是帮助特斯拉在 Autopilot3 上可以摆脱激光雷达的制约，让无人驾驶技术在成本上真正可以进入普通消费者的家中。
国内 AI 芯片市场概况
在国内主要有两类企业是目前 AI 芯片的玩家。一类是百度、阿里这样的互联网巨头，物联网也好、无人驾驶也罢，都是这些不差钱互联网公司的重要发展方向。第二类则是像地平线、寒武纪这样的独角兽企业。
在 2018 年 4 月，百度就已经发布了中国第一款云端全功能 AI 芯片“昆仑”，其不仅能够满足传统的 AI 芯片的深度学习算法的功能，自然语言处理、大规模语音识别、自动驾驶、大规模推荐等具体终端场景的计算需求也都被照顾到。正是基于“昆仑”芯片，才让百度阿波罗无人驾驶系统插上翅膀，不仅不会受到英伟达等公司制约，也能为自己今后在无人驾驶技术上的迭代研发创造一个比较好的环境。而这其实多少和特斯拉的模式有异曲同工之妙。
同为互联网巨头的阿里巴巴自然也不甘落后，其在过去几年相继投资了旷视科技和商汤科技等技术型公司，而寒武纪、深鉴科技和 Kneron 这样的 AI 芯片领域的知名公司自然也是阿里眼中的香饽饽。不过相比于百度直接与整车厂合作，类似于谷歌那样提供安卓系统，百度希望通过提供无人驾驶平台来直接切入无人驾驶领域。而阿里的无人驾驶之路相对来说野心就没有那么大，其专注在核心零部件技术上，无论是已经一炮走红的斑马系统还是在 AI 芯片领域的快速发展，阿里都未能在公开其无人驾驶系统的发展状况。
写在最后
芯片是一向系统工程，高投入、高风险、回报较慢都是芯片行业的典型特征。特别是对于目前的无人驾驶技术来说，最终的算法并没有确定，因此各大厂家没有办法在现在的情况下就投入到 ASIC 专业芯片中，所以 GPU 会是今后很长一段时间内的最为平衡的方案。此外，我们还欣喜地发现，在全球 AI 芯片排行榜上，除了英伟达、英特尔、高通这些芯片产品外，我们的寒武纪、地平线的产品也常常能够挤进榜单。未来我们需要通过国家政策扶持与创新资本相结合，实现芯片产业链的突破，不仅帮我们节省每年 2000 亿美元以上的芯片进口，更是确保国家在芯片战略上的安全。即使在无人驾驶领域，我们也需要有自己的芯片，才能确保我们的无人驾驶技术在未来可以与国外汽车巨头一较高下的可能。
