十萬億美元的自動駕駛市場，芯片巨頭何以撼動傳統汽車行業？

最近，自動駕駛領域出現了一片看不見的血腥陰影。

但這一次，主角不再是知名車企或創業項目，而是芯片行業的英特爾和英偉達。

首先，英特爾對Mobileye進行了大規模收購，留下了一陣驚愕；

然后，英偉達和博世聯合推出了一個基于Xavier芯片的自動駕駛平臺，沒有留下云。

在繼續討論之前，一個顯而易見的問題是，這一輪推動自動駕駛的動力為什么會轉向汽車零部件供應商？

為什么是配件供應商？

正如波音公司不生產飛機的所有零部件一樣，大型汽車公司也不生產汽車的所有零部件。

蘋果可以在不生產任何零部件的情況下主導整個手機市場，汽車制造商的做法也類似。他們將不再生產方向盤、輪胎、座椅、車窗、儀表、導航等零部件，而是將其交給更有效率的供應商，他們將專注于控制整車和整個產業鏈的效率。

事實上，他們只有依靠核心的動力總成（發動機、變速器）技術才能賺很多錢。經銷商還可以通過修理燃油發動機、機油濾清器和更換機油來賺取巨額利潤。

如果特斯拉這個后起之秀近年來不努力，他們真的不會對電動汽車和自動駕駛感冒。畢竟，失去燃料發動機相當于推翻了他們正在享用的滿漢宴會，并喂飽了剩菜——如果是你，你就不會把它放進甕里。

配件供應商不會有這樣的擔心，他們的輪胎、座椅、窗戶、空調、音響等設備仍然可以賺錢。這是指與自動駕駛相關的技術，如傳感器、導航、自動巡航等。這一領域的真正技術積累在很大程度上屬于相關零部件供應商。例如，Mobileye的自動輔助駕駛、博世的導航系統等。

道路上的自動駕駛意味著這些零部件供應商將擁有新車上最核心、最有影響力的技術。然而，擁有數百個零件的燃油發動機幾乎不可能在自動駕駛汽車中蓬勃發展，因為它無法由芯片控制，而且維護過于復雜。換言之，在自動駕駛的催化下，以燃油發動機為主的汽車行業將重新洗牌，勤于支撐全產業鏈的供應商肯定會首先感受到風向的變化。

人工智能控制的汽車必須嵌入可編程芯片才能可靠控制，尤其是電機和電池。盡管目前的關鍵是與自動駕駛密切相關的各種傳感器、導航芯片和車載電腦，但隨著汽車全產業鏈的升級，其他零部件的芯片化程度只會越來越高，而最完美的就是在電子之星上達到“朱哥”的水平。

這樣一來，失去的芯片行業老大英特爾，即使錯過了整個智能手機時代，甚至錯過了現在的機器學習硬件，也有機會重回巔峰。其前提自然是能夠進入自動駕駛行業并站穩腳跟，而收購現成的零部件供應商自然會立竿見影：正如高通斥資470億美元贏得恩智浦一樣，英特爾斥資160億美元收購了Mobileye。

然而，這里的巨額資金仍然無法保證自動駕駛的未來，但這只是為了確保這兩家芯片巨頭的正式入場。

技術鏈能告訴我們什么？

用MobileyETO的話來說，自動駕駛汽車需要全技術鏈所有參與者的合作，只有自動駕駛系統需要傳感器傳感技術、高精度地圖定位和人工智能自動駕駛策略的支持。

傳感器：特定的傳感技術有攝像頭、超聲波傳感器、毫米波雷達、激光雷達。。。所有用于幫助車輛了解周圍環境的傳感器。接下來，讓我們談談這個問題。

相機是最容易理解的。眾所周知，采用Mobileye技術的特斯拉自動駕駛一代硬件只有一個前瞻性攝像頭。在備受爭議的佛羅里達州車禍中，自動駕駛在側面感知方面固有的盲點幾乎毀掉了即將推出的自動駕駛技術。

幸運的是，自動駕駛第二代硬件的改進足夠大，只有前瞻攝像頭增加到了三個，用于遠近視角，最遠可達250米；

此外，還有一對前后兩側，正后方有一個后視攝像頭，實現360度無死角覆蓋；

感知到的視覺信息將被渲染成實時路況的3D圖像，用于決定駕駛策略。

超聲波傳感器可以用來補充視覺信息。例如，Autopilot II更換了12個超聲波傳感器，用于監測車輛周圍的軟硬物體，從而更好地區分行人和車輛。

毫米波雷達是傳統零部件供應商的強項。然而，第二代自動駕駛儀只配備了遠程雷達來感知前方道路，而新款奧迪A4則使用遠程雷達+四個短程雷達來實現全功能自動輔助駕駛。

激光雷達是傳統無人技術的核心，其3D建模和同步繪圖能力最初用于軍用高精度導彈。谷歌無人駕駛汽車中使用的激光雷達是Velodyne的HDL-64E，單價約為8萬美元，相當于一輛特斯拉ModelS。

采用相控陣技術的固態激光雷達Quantergy表示，其S3產品的價格可以降至250美元，但仍需要一個過程才能大規模生產并投放市場。

定位技術：高精度定位技術的硬件需要GPS與慣性傳感器相結合。除了特定的位置和速度外，它們還可以提供車輛的加速度、姿態和方向等附加信息。這需要專業的定位技術供應商。

與定位相關的軟件技術涉及地圖數據。Mobileye的REM（道路體驗管理）是通過攝像頭捕捉路面上的標志進行輔助定位，從而獲得更多全新的地圖信息，并在云中不斷更新地圖數據庫。

目前，由于任何傳感器都有其明顯的局限性，自動駕駛的任何傳感和定位功能都不可能由傳感器或某種技術獨立完成。因此，用于處理所有這些駕駛數據的計算平臺具有額外的重要性。

自動駕駛策略：如前所述，第二代自動駕駛將傳感器收集的所有信息重新渲染為實時3D模型。這里使用的計算平臺是NVIDIA的GPU，因為GPU架構在深度學習中具有固有的優勢。要了解最新一代GPU核心，NVIDIA甚至不用于通用顯卡，但更適合用于人工智能。

Mobileye的EyeQ3平臺是基于ASIC架構自行開發的。然而，高性能芯片的研發并不是一場高調的新聞發布會就能完成的。這應該是Mobileye在去年宣布將與stmicroelectronics合作開發下一代EyeQ5芯片后，今年轉向英特爾的重要原因。畢竟，芯片巨頭的技術背景不是靠吹噓就能吹出來的。

另一個基于FPGA的計算平臺是奧迪無人車使用的解決方案，特別是Altera的產品CycloneV。然而，FPGA行業的領導者Altera早在2015年就被英特爾以167億美元的價格收購。

只有自動駕駛系統本身的技術鏈極其復雜，這還沒有提到車輛本身的各種控制系統。這里的復雜性正好印證了吳恩達幾天前離開百度時所說的話：

“……我希望人工智能能將人類從重復的腦力勞動中解放出來，比如繁忙的交通駕駛。這項工作是任何公司都無法獨立完成的。這是全世界人工智能研究人員和工程師的共同話題。”

“我們是一家數據公司”

在收購Mobileye之后，英特爾首席執行官柯再祺向員工解釋了這一點。

“為什么自動駕駛對英特爾的未來如此重要？答案是數據。”

自動駕駛道路需要車輛360度實時監控周圍街道，這意味著一個實時、高精度的全球道路網絡3D地圖數據庫。有了它，L3級自動駕駛儀很快就會上路。

對于靜態地圖，可以直接使用當前地圖供應商的現成數據來節省相應的研發時間。

對于高精度地圖數據，Mobileye的想法是聯合各方構建全球地圖系統，并正在積極與各方就相關細節進行溝通。

英偉達首席執行官黃仁勛認為，深度學習可以進一步挖掘現有傳感器和高精度地圖的潛力，在一定程度上可以打破L3級自動駕駛對激光雷達的依賴。這與特斯拉的想法一致，并不奇怪……

希望這兩個家庭能夠走到一起。

基于此，黃仁勛預測，我們有可能在今年年底到明年之間實現L3級別的自動駕駛；到明年年底到2019年，L4級別可以實現。

所有這些都需要數據來驅動。

想想谷歌，它只是標記網頁并挖掘其中的數據，它的賺錢機器可以像印刷機一樣自動運行；自動駕駛的結果是將物理世界掃描成實時數據，可以挖掘出什么樣的機會？目前還沒有人能給出確切的答案，但要在規模上遠遠超過谷歌肯定是毫無懸念的。

李菲菲教授僅使用谷歌街景的數據，通過深度學習計算出了相應地區人口的特征和構成，這一成果被寫在了她的最新論文中。與谷歌街景拍攝的照片相比，自動駕駛數據的及時性和精細度可以提高幾個數量級，其效果往往意味著一些質的變化。

對于自動駕駛數據，英特爾預測，到2020年，一天內將產生4000GB的新數據。

“我們專注的業務和解決方案的方向都是關于創建、使用和分析大量數據。”

正是這一點將芯片糾紛帶入了汽車行業。

從比特到原子，自動駕駛的意義遠遠超出了汽車本身：交通系統向數據轉化的必然影響是社會物質的自我流動，其效果將類似于信息通過互聯網自由流動所促進的社會效率升級。

因此，所有相關的巨頭都能看到對自己有利的機會，而這些機會表現為行業內部的競爭，比如這兩家芯片巨頭：

與NVIDIA相比，英特爾現在有能力提供自動駕駛技術鏈中的所有技術。

與英特爾相比，英偉達是目前人工智能計算平臺事實上的領導者。

然而，自動駕駛的成就離不開芯片、汽車和相關行業的合作，就像ARPANET向互聯網轉型過程中的技術合作一樣。當時，為了形成和鋪設網絡，各大巨頭和機構也聯合起來，磨刀霍霍。但最終，以統一的協議連接到互聯網顯然對各方更有利。

就像互聯網的影響一樣，自動駕駛的未來也可能是幾個相互關聯的行業——幾個更大的10萬億美元的行業。相比之下，這些巨頭目前的規模絕對不足以主導如此龐大的行業。

因此，改變汽車行業的不是芯片巨頭，而是他們別無選擇，只能改變和進化。最近，自動駕駛領域出現了一片看不見的血腥陰影。

但這一次，主角不再是知名車企或創業項目，而是芯片行業的英特爾和英偉達。

首先，英特爾對Mobileye進行了大規模收購，留下了一陣驚愕；

然后，英偉達和博世聯合推出了一個基于Xavier芯片的自動駕駛平臺，沒有留下云。

在繼續討論之前，一個顯而易見的問題是，這一輪推動自動駕駛的動力為什么會轉向汽車零部件供應商？

為什么是配件供應商？

正如波音公司不生產飛機的所有零部件一樣，大型汽車公司也不生產汽車的所有零部件。

蘋果可以在不生產任何零部件的情況下主導整個手機市場，汽車制造商的做法也類似。他們將不再生產方向盤、輪胎、座椅、車窗、儀表、導航等零部件，而是將其交給更有效率的供應商，他們將專注于控制整車和整個產業鏈的效率。

事實上，他們只有依靠核心的動力總成（發動機、變速器）技術才能賺很多錢。經銷商還可以通過修理燃油發動機、機油濾清器和更換機油來賺取巨額利潤。

如果特斯拉這個后起之秀近年來不努力，他們真的不會對電動汽車和自動駕駛感冒。畢竟，失去燃料發動機相當于推翻了他們正在享用的滿漢宴會，并喂飽了剩菜——如果是你，你就不會把它放進甕里。

配件供應商不會有這樣的擔心，他們的輪胎、座椅、窗戶、空調、音響等設備仍然可以賺錢。這是指與自動駕駛相關的技術，如傳感器、導航、自動巡航等。這一領域的真正技術積累在很大程度上屬于相關零部件供應商。例如，Mobileye的自動輔助駕駛、博世的導航系統等。

道路上的自動駕駛意味著這些零部件供應商將擁有新車上最核心、最有影響力的技術。然而，擁有數百個零件的燃油發動機幾乎不可能在自動駕駛汽車中蓬勃發展，因為它無法由芯片控制，而且維護過于復雜。換言之，在自動駕駛的催化下，以燃油發動機為主的汽車行業將重新洗牌，勤于支撐全產業鏈的供應商肯定會首先感受到風向的變化。

人工智能控制的汽車必須嵌入可編程芯片才能可靠控制，尤其是電機和電池。盡管目前的關鍵是與自動駕駛密切相關的各種傳感器、導航芯片和車載電腦，但隨著汽車全產業鏈的升級，其他零部件的芯片化程度只會越來越高，而最完美的就是在電子之星上達到“朱哥”的水平。

這樣一來，失去的芯片行業老大英特爾，即使錯過了整個智能手機時代，甚至錯過了現在的機器學習硬件，也有機會重回巔峰。其前提自然是能夠進入自動駕駛行業并站穩腳跟，而收購現成的零部件供應商自然會立竿見影：正如高通斥資470億美元贏得恩智浦一樣，英特爾斥資160億美元收購了Mobileye。

然而，這里的巨額資金仍然無法保證自動駕駛的未來，但這只是為了確保這兩家芯片巨頭的正式入場。

技術鏈能告訴我們什么？

用MobileyETO的話來說，自動駕駛汽車需要全技術鏈所有參與者的合作，只有自動駕駛系統需要傳感器傳感技術、高精度地圖定位和人工智能自動駕駛策略的支持。

傳感器：特定的傳感技術有攝像頭、超聲波傳感器、毫米波雷達、激光雷達。。。所有用于幫助車輛了解周圍環境的傳感器。接下來，讓我們談談這個問題。

相機是最容易理解的。眾所周知，采用Mobileye技術的特斯拉自動駕駛一代硬件只有一個前瞻性攝像頭。在備受爭議的佛羅里達州車禍中，自動駕駛在側面感知方面固有的盲點幾乎毀掉了即將推出的自動駕駛技術。

幸運的是，自動駕駛第二代硬件的改進足夠大，只有前瞻攝像頭增加到了三個，用于遠近視角，最遠可達250米；

此外，還有一對前后兩側，正后方有一個后視攝像頭，實現360度無死角覆蓋；

感知到的視覺信息將被渲染成實時路況的3D圖像，用于決定駕駛策略。

超聲波傳感器可以用來補充視覺信息。例如，Autopilot II更換了12個超聲波傳感器，用于監測車輛周圍的軟硬物體，從而更好地區分行人和車輛。

毫米波雷達是傳統零部件供應商的強項。然而，第二代自動駕駛儀只配備了遠程雷達來感知前方道路，而新款奧迪A4則使用遠程雷達+四個短程雷達來實現全功能自動輔助駕駛。

激光雷達是傳統無人技術的核心，其3D建模和同步繪圖能力最初用于軍用高精度導彈。谷歌無人駕駛汽車中使用的激光雷達是Velodyne的HDL-64E，單價約為8萬美元，相當于一輛特斯拉ModelS。

采用相控陣技術的固態激光雷達Quantergy表示，其S3產品的價格可以降至250美元，但仍需要一個過程才能大規模生產并投放市場。

定位技術：高精度定位技術的硬件需要GPS與慣性傳感器相結合。除了特定的位置和速度外，它們還可以提供車輛的加速度、姿態和方向等附加信息。這需要專業的定位技術供應商。

與定位相關的軟件技術涉及地圖數據。Mobileye的REM（道路體驗管理）是通過攝像頭捕捉路面上的標志進行輔助定位，從而獲得更多全新的地圖信息，并在云中不斷更新地圖數據庫。

目前，由于任何傳感器都有其明顯的局限性，自動駕駛的任何傳感和定位功能都不可能由傳感器或某種技術獨立完成。因此，用于處理所有這些駕駛數據的計算平臺具有額外的重要性。

自動駕駛策略：如前所述，第二代自動駕駛將傳感器收集的所有信息重新渲染為實時3D模型。這里使用的計算平臺是NVIDIA的GPU，因為GPU架構在深度學習中具有固有的優勢。要了解最新一代GPU核心，NVIDIA甚至不用于通用顯卡，但更適合用于人工智能。

Mobileye的EyeQ3平臺是基于ASIC架構自行開發的。然而，高性能芯片的研發并不是一場高調的新聞發布會就能完成的。這應該是Mobileye在去年宣布將與stmicroelectronics合作開發下一代EyeQ5芯片后，今年轉向英特爾的重要原因。畢竟，芯片巨頭的技術背景不是靠吹噓就能吹出來的。

另一個基于FPGA的計算平臺是奧迪無人車使用的解決方案，特別是Altera的產品CycloneV。然而，FPGA行業的領導者Altera早在2015年就被英特爾以167億美元的價格收購。

只有自動駕駛系統本身的技術鏈極其復雜，這還沒有提到車輛本身的各種控制系統。這里的復雜性正好印證了吳恩達幾天前離開百度時所說的話：

“……我希望人工智能能將人類從重復的腦力勞動中解放出來，比如繁忙的交通駕駛。這項工作是任何公司都無法獨立完成的。這是全世界人工智能研究人員和工程師的共同話題。”

“我們是一家數據公司”

在收購Mobileye之后，英特爾首席執行官柯再祺向員工解釋了這一點。

“為什么自動駕駛對英特爾的未來如此重要？答案是數據。”

自動駕駛道路需要車輛360度實時監控周圍街道，這意味著一個實時、高精度的全球道路網絡3D地圖數據庫。有了它，L3級自動駕駛儀很快就會上路。

對于靜態地圖，可以直接使用當前地圖供應商的現成數據來節省相應的研發時間。

對于高精度地圖數據，Mobileye的想法是聯合各方構建全球地圖系統，并正在積極與各方就相關細節進行溝通。

英偉達首席執行官黃仁勛認為，深度學習可以進一步挖掘現有傳感器和高精度地圖的潛力，在一定程度上可以打破L3級自動駕駛對激光雷達的依賴。這與特斯拉的想法一致，并不奇怪……

希望這兩個家庭能夠走到一起。

基于此，黃仁勛預測，我們有可能在今年年底到明年之間實現L3級別的自動駕駛；到明年年底到2019年，L4級別可以實現。

所有這些都需要數據來驅動。

想想谷歌，它只是標記網頁并挖掘其中的數據，它的賺錢機器可以像印刷機一樣自動運行；自動駕駛的結果是將物理世界掃描成實時數據，可以挖掘出什么樣的機會？目前還沒有人能給出確切的答案，但要在規模上遠遠超過谷歌肯定是毫無懸念的。

李菲菲教授僅使用谷歌街景的數據，通過深度學習計算出了相應地區人口的特征和構成，這一成果被寫在了她的最新論文中。與谷歌街景拍攝的照片相比，自動駕駛數據的及時性和精細度可以提高幾個數量級，其效果往往意味著一些質的變化。

對于自動駕駛數據，英特爾預測，到2020年，一天內將產生4000GB的新數據。

“我們專注的業務和解決方案的方向都是關于創建、使用和分析大量數據。”

正是這一點將芯片糾紛帶入了汽車行業。

從比特到原子，自動駕駛的意義遠遠超出了汽車本身：交通系統向數據轉化的必然影響是社會物質的自我流動，其效果將類似于信息通過互聯網自由流動所促進的社會效率升級。

因此，所有相關的巨頭都能看到對自己有利的機會，而這些機會表現為行業內部的競爭，比如這兩家芯片巨頭：

與NVIDIA相比，英特爾現在有能力提供自動駕駛技術鏈中的所有技術。

與英特爾相比，英偉達是目前人工智能計算平臺事實上的領導者。

然而，自動駕駛的成就離不開芯片、汽車和相關行業的合作，就像ARPANET向互聯網轉型過程中的技術合作一樣。當時，為了形成和鋪設網絡，各大巨頭和機構也聯合起來，磨刀霍霍。但最終，以統一的協議連接到互聯網顯然對各方更有利。

就像互聯網的影響一樣，自動駕駛的未來也可能是幾個相互關聯的行業——幾個更大的10萬億美元的行業。相比之下，這些巨頭目前的規模絕對不足以主導如此龐大的行業。

因此，改變汽車行業的不是芯片巨頭，而是他們別無選擇，只能改變和進化。

標簽：特斯拉奧迪漢

汽車資訊熱門資訊