隨著智能化、電動化等“新四化”概念的深入人心，智能駕駛芯片的賽道也伴隨著新能源汽車市場的火熱，變得倍受關注起來。

顧名思義，智能駕駛芯片便是用于車輛智能駕駛的基礎硬件，哪怕是更高等級的自動駕駛，也離不開智能駕駛芯片算力的支持。

一方面是國內自研芯片情緒的日益高漲，另一方面是指數增長的市場需求，雙重作用下，國內智能駕駛芯片的賽道終究涌現出了一批優秀的玩家：華為、地平線、芯馳科技、寒武紀、黑芝麻……

盡管與英偉達、Mobileye、高通等國外芯片巨頭相比，國內的玩家有著這樣或那樣的不足，但隨著資本的押注、政策的鼓勵，以及自身芯片技術的迭代更新，地平線、芯馳科技等芯片供應商們，也都進化出了屬于自己的特點。

或追求更高算力，或追求更低功耗，亦或是從一開始便做了軟件工具鏈的配套……

華為、地平線等芯片供應商，用自己的方式在國外芯片巨頭的圍追堵截下，尋到了一條“自力更生”的出路。只不過，當面對新的挑戰來臨，它們是否還能保持初心，像曾經一樣“殺”出突圍？

智能駕駛芯片知多少？

自上而下的看，根據功能不同，汽車芯片往往會被分成計算及控制芯片（CPU、GPU、FPGA、ASIC、MCU等）、功率轉換芯片、傳感芯片、存儲芯片、通信芯片等多種類型。而智能駕駛芯片就屬于其中的計算及控制芯片的類別。

具體而言，智能駕駛芯片往往會有兩種呈現形式，一種是ASIC的獨立芯片，另外一種則是集成化的SoC（System on Chip，系統級芯片）。

智能駕駛ASIC指的便是針對特定智能駕駛算法，專門設計的專用芯片。而智能駕駛SoC芯片，則是以確定系統功能為目標，將CPU、GPU、以及專門設計的ASIC等模塊集成在一起的芯片。

事實上，與傳統的分立芯片相比，SoC在性能和功耗等方面往往更具優勢， 所以各大智能駕駛芯片廠商們，也更傾向于這樣一種技術路線。只不過在涉及到芯片內部的具體架構時，又會各有偏重。

據了解，目前主流的智能駕駛SoC芯片架構有3種，分別是CPU+FPGA、CPU+GPU+ASIC、CPU+ASIC。

其中令人比較陌生的FPGA，又被叫做現場可編程邏輯門陣列，是一種可以根據具體算法隨時調整硬件架構的芯片。所以像Waymo、百度Appllo等這種經常快速迭代智能駕駛算法的公司，就選用的CPU+FPGA架構的智能駕駛芯片。

當然，另外兩種架構也有玩家在做，比如英偉達的Xavier、特斯拉的FSD，采用的是CPU+GPU+ASIC的架構；而Mobieye EyeQ5、地平線的征程采用的則是CPU+ASIC。

大同小異，這3種架構卻是都離不開“ASIC”專用設計的一環，哪怕是FPGA，其所發揮的功能也與ASIC類似，都是對于特定AI算法進行加速設計。而且就區分度而言，智能駕駛芯片的“ASIC”模塊，妥妥地站定了C位。

就比如英偉達Xavier的ASIC模塊便是根據“DLA深度學習+PVA視覺加速器”進行了特定設計，而特斯拉則是以“NPU深度神經網絡”的加速為主。

事實上，智能駕駛芯片采用相關的專用設計，無外乎就是為了提升算力、增加數據傳輸速度、拓展數據帶寬等。畢竟人們在衡量一款智能駕駛芯片時，往往就會從這幾個方面入手。

只不過話又說回來，對于一家智能芯片公司來說，其核心競爭力就只會體現在單一芯片的性能如何嗎？恐怕并不盡然。

核心競爭力=有門檻

人們常常忽略的一點在于，某款芯片之所以能夠流行、不可替代，除了其強勁的性能之外，還與其所綁定的生態有關。換句話說，做芯片除了單款芯片的性能強勁，還需要做到系列化、配套化，以及軟件生態的配合，才能形成真正的門檻。

“現在做集成電路芯片的門檻很低。理論上來說給我兩三個億，我可以不用一個研發人員做出一個手機芯片，因為所有IP都可以買得到?！?/p>

龍芯之父胡偉武在近期采訪中的直言不諱，直接將矛頭指向了半導體行業內“研不如買”的論調。緊接著，整個業界也隨之圍繞著“自研的界限”、“卡脖子的究竟是什么”的問題進行了廣泛討論。

當然，同樣的尖銳問題，也落在了智能駕駛芯片的身上。那么不妨就以上文所提到的智能駕駛SoC芯片為例，看看其口口聲聲所說的“自研”究竟又具備多少的含金量。

首先，從上圖黑芝麻智能華山二號A1000L的系統框架來看，直接映入眼簾的便是ARM 6核中央處理器（CPU)。毫無疑問，該CPU 模塊就是上文胡偉武先生所提到的“可以買得到的IP核”。

盡管黑芝麻也做了自研IP方面的努力，如上圖中顯示的圖像信號處理器ISP、深度神經網絡加速器NPU，但整個系統框架中的內存LPDDR4、雙核視覺DSP等核心模塊，又是什么樣的情況，我們不得而知。

其次，便是芯片的配套化問題。智能駕駛芯片不會單獨存在，肯定會與智能座艙芯片、智能網聯芯片等做出連接，以供數據的共用，整車智能化功能串聯等。而這一方面，華為、寒武紀、芯馳都是具備相對應的云端芯片、網聯芯片作為配套，地平線也有旭日系列芯片作為掩護，那么單一的華山系列是否算是丟掉了這一門檻呢？

最后，需要提及的便是芯片軟件生態的支持問題。人們喜歡將半導體領域的軟件配套喻指為海平面之下的冰山，其實真實情況確實也大差不差。從芯片設計的EDA軟件，到芯片測試的模擬軟件，再到配合算法開發的軟件工具鏈配套等，都需要軟件生態的支撐。

英偉達之所以能夠做到“強者恒強”，便是因為有底層的CUDA軟件生態作為護城河。而且不得不提及的一點是，就智能駕駛芯片而言，英偉達不僅可以提供配套硬件，還提供有全棧的工具鏈，包括后續的開發虛擬測試套裝（軟件和硬件），物理樣車測試套裝等。

所以，智能駕駛芯片企業們又是如何解決這一問題的呢？地平線的天工開物、黑芝麻的山河平臺等，或許是一種答案，但與英偉達的“全棧”放在一起，卻是略顯差距。

競爭格局已經改變

盡管智能駕駛芯片具備更好的產業聚焦性，以及與“風口”智能駕駛的強關聯性，但歷史告訴我們，唯有具備了核心競爭力，才能真正立足行業，做時代的“弄潮兒”。

不否認，越來越多的熱錢涌入到了智能駕駛芯片賽道，但是半導體行業的燒錢程度人盡皆知，哪怕是動輒“好幾億”、“幾十億”的融資，又能燒多久？

更何況，就目前而言，似乎也只有華為和地平線的智能駕駛芯片被搭載到了量產車型之上。當沒有健康資金流的流轉，僅依靠風口融到的錢過活，芯片企業們又能活多久？

再加上競爭格局的改變，新老對手的輪番登場，就連零跑、吉利這樣的車企也都按捺不住，親自下場造起了芯片。內有各種后來勢力的追趕，外有英偉達、高通等國際芯片巨頭的虎視眈眈。

所謂“越競爭，越公平”的論調，恐怕也只適用于那些行業的強者吧。

返回第一電動網首頁 >