馬斯克成功後，又一家自動駕駛公司決定造芯

　　歡迎關注“新浪科技”的微信訂閱號：techsina 

　　文/鄧思邈

　　來源：智能車參考（ID:AI4Auto)

　　真正對自動駕駛有追求，得深入硬體，最好還是芯片？

　　這不，最新消息，又一家自動駕駛技術公司拋棄了NVIDIA，決定自研自動駕駛芯片。

　　通用Cruise，全球自動駕駛頭部玩家，披露同時搞四種芯片，2025年之前上車——就是那款沒有方向盤或腳踏板的Origin。

　　之所以要自研，一方面為了降低成本，另一方面也是為了把命運掌握在自己手裡。

　　而且軟體公司、車企跨界自研造芯，似乎在馬斯克和特斯拉成功之後也在成為潮流。

　　今年以來，業內流行的說法是：真正要做好自動駕駛就非碰硬體不可，現在，這種硬體深入到了芯片層面。

　　通用Cruise造自動駕駛芯片？

　　據Cruise硬體負責人卡爾·詹金斯（Carl Jenkins）透露稱，目前已經研發出來四種芯片：

• 一款名為Horta的計算芯片；

• 一款處理傳感器數據的Dune芯片；

• 一款雷達芯片；

• 最後一款芯片稍後公布。

　　具體來看，Horta計算芯片相當於汽車的大腦，採用的是ARM架構，原因是該芯片2年前就已投入研發。

　　不過，Cruise芯片負責人安桂（Ann Gui）補充道，他們也在密切關注RISC-V架構，因為它開源，能夠提供更多便利。

　　需要補充介紹的是，ARM和RISC-V這兩個指令集架構，都是構建芯片的基礎，它們定義了可以在芯片上運行的軟體類型。ARM架構之前最知名的是伺服器和智能手機，而RISC-V則是更加分布式的AIoT。

　　通用Cruise的自研芯片，將會在2025年之前上車之前推出的自動駕駛概念車Origin無人車，完全自動駕駛，沒有腳踏板也沒有方向盤。

　　目前Cruise已敲定和一家亞洲芯片製造商合作——台積電和三星都有可能，未來將大規模生產其自研芯片。

　　至於為何要自研，Cruise硬體負責人卡爾詹金斯（Carl Jenkins）明確給出了答案：

　　兩年前，我們花重金從一家著名芯片供應商那裡採購GPU。我們量太小，沒有議價權。

　　那時候我意識到，我們必須把命運掌握在自己手裡。

　　包括公司CEO凱爾·沃格特（Kyle Vogt）也表示支持，他認為自研芯片能夠幫助公司到2025年成本達到最理想狀態，屆時推出量產自動駕駛汽車也不是難事。

　　根據此前的公開披露，他提到的合作供應商應該是NVIDIA。

　　所以兩件事連起來，大概也能知道：黃仁勳家的GPU實在太貴，貴得只能自己造。

　　紛紛跨界造自動駕駛芯片，為何？

　　聚焦到自動駕駛芯片，自研的好處主要有以下幾點：

　　首先，自研芯片可以跟自己的自動駕駛軟體系統更加匹配。

　　馬斯克也曾回答過，為何要拋棄老黃家的GPU、自研自動駕駛芯片：

　　NVIDIA是一個偉大的公司，為滿足眾多客戶的需求，他們需要做一個通用解決方案。而我們更關心專用設計，專用設計使得軟體在硬體上更好運行。我認為這種軟硬體整合才是無與倫比的。

　　例如，NVIDIAXavier芯片能分配給自動駕駛的算力不足50%，而FSD芯片卻可以把90%的算力用在上面，並且完全符合特斯拉自己的硬體架構。

　　這也是諸如地平線等自動駕駛芯片廠商認定的機會所在——比起通用計算芯片，有時代級機遇。

　　其次，自研芯片可以針對自己算法中計算量的大小來優化硬體，從而提高性能。

　　就比如，特斯拉自研的NPU，通過合並輸出通道中X和Y維度上的輸出像素，在多個輸出通道上並行運行。這就意味著，他們可以並行處理工作，同時處理96個像素。

　　最後，自研芯片，車企可以自主把握開發周期，自行設計算力需求，無關的通用性接口或者單元也可以捨棄，功耗低，靈活性很高。

　　舉例來看，特斯拉HW2.5版本，搭載NVIDIADrive PX2芯片，硬體功耗為57W；而搭載特斯拉自研的FSD芯片，硬體功耗是72W。

　　然而，特斯拉自研FSD芯片擁有每秒2300幀的圖像處理能力，是HW2.5版本的21倍，計算能力提升了大約7倍。

　　總結以上，只有自研自動駕駛芯片，車企才能真正掌握智能汽車自主話語權。

　　跨界造自動駕駛芯片，難在哪裡？

　　首先，在人工智能和半導體領域前期要有足夠的積累。

　　比如國內車廠中，比亞迪就有專門的半導體公司，也透露正在研發製造自動駕駛方面的芯片。但比亞迪絕不是赤手空拳、腦袋一熱就決定自研自動駕駛芯片。

　　他們20年前成立了芯片部門，目前能夠生產IGBT芯片（絕緣柵雙極型晶體管）、車規級MCU芯片等。

　　華為就不用說了，海思已經在方方面面證明了自我。現如今華為進軍智能車，自動駕駛相關的芯片和算力，也是重中之重。

　　其次，自動駕駛芯片開發成本高、難度大，時間長。

　　需要同時考慮算法效率和算力、芯片適配性、開發便捷性、車規級認證、能效比等，開發芯片從產 品定義到流片大約需要一年半至兩年，到最後量產上車大約需要42個月左右。

　　需要自研神經網絡加速器，做卷積；還需要進行整體架構布局，解決數據頻繁存儲的問題。

　　最後，關於自動駕駛芯片的設計，最好滿足以下幾點要求：

　　1、性能要夠。

　　這是因為，智駕的感知和規控需要複雜的AI算法，CPU、GPU需要足夠的算力，視覺感知決策需要深度學習。

　　2、要考慮架構的靈活性和可編譯性。

　　3、要考慮芯片的完整性。

　　原因在於，算法軟體在不斷迭代，要保證未來一個芯片能夠同時實現感知、規控的所有功能。

　　所以再看今日通用Cruise的跨界造芯，或許也就不再那麽出乎意料。

　　首先，出於成本、性能方面的追求，有能力的自動駕駛公司一定也在追求更強的芯片話語權。

　　其次，自動駕駛技術公司、軟體公司，或者說“方案”公司，如果不能通過硬體級交付，會不會遭遇之前CV四小龍一樣的困境？自動駕駛的算法能力，前幾年奇貨可居，但會不會隨著時間而門檻降低？到時候技術公司的核心壁壘又在何處？這是所有自動駕駛玩家都需要回答的焦慮——藏在歷史深處的憂慮。

　　最後，如圖靈獎得主阿蘭·凱說的，真正有追求軟體公司都應該自己做硬體。賈伯斯信了，於是有了今天的蘋果。馬斯克也相信，於是有了今天的特斯拉。

　　所以在自動駕駛領域，“跨界”造芯，應該不會止於通用Cruise……畢竟趨勢都看得到，就看有沒有勇氣和賭性了。

　　以及有意思的是，自研自動駕駛芯片的玩家不少，卻很少聽聞自研智能座艙芯片的玩家，又是為什麽呢？

（聲明：本文僅代表作者觀點，不代表新浪網立場。）