十万亿美元的自动驾驶市场，芯片巨头何以撼动传统汽车行业？

最近，自动驾驶领域出现了一片看不见的血腥阴影。

但这一次，主角不再是知名车企或创业项目，而是芯片行业的英特尔和英伟达。

首先，英特尔对Mobileye进行了大规模收购，留下了一阵惊愕；

然后，英伟达和博世联合推出了一个基于Xavier芯片的自动驾驶平台，没有留下云。

在继续讨论之前，一个显而易见的问题是，这一轮推动自动驾驶的动力为什么会转向汽车零部件供应商？

为什么是配件供应商？

正如波音公司不生产飞机的所有零部件一样，大型汽车公司也不生产汽车的所有零部件。

苹果可以在不生产任何零部件的情况下主导整个手机市场，汽车制造商的做法也类似。他们将不再生产方向盘、轮胎、座椅、车窗、仪表、导航等零部件，而是将其交给更有效率的供应商，他们将专注于控制整车和整个产业链的效率。

事实上，他们只有依靠核心的动力总成（发动机、变速器）技术才能赚很多钱。经销商还可以通过修理燃油发动机、机油滤清器和更换机油来赚取巨额利润。

如果特斯拉这个后起之秀近年来不努力，他们真的不会对电动汽车和自动驾驶感冒。毕竟，失去燃料发动机相当于推翻了他们正在享用的满汉宴会，并喂饱了剩菜——如果是你，你就不会把它放进瓮里。

配件供应商不会有这样的担心，他们的轮胎、座椅、窗户、空调、音响等设备仍然可以赚钱。这是指与自动驾驶相关的技术，如传感器、导航、自动巡航等。这一领域的真正技术积累在很大程度上属于相关零部件供应商。例如，Mobileye的自动辅助驾驶、博世的导航系统等。

道路上的自动驾驶意味着这些零部件供应商将拥有新车上最核心、最有影响力的技术。然而，拥有数百个零件的燃油发动机几乎不可能在自动驾驶汽车中蓬勃发展，因为它无法由芯片控制，而且维护过于复杂。换言之，在自动驾驶的催化下，以燃油发动机为主的汽车行业将重新洗牌，勤于支撑全产业链的供应商肯定会首先感受到风向的变化。

人工智能控制的汽车必须嵌入可编程芯片才能可靠控制，尤其是电机和电池。尽管目前的关键是与自动驾驶密切相关的各种传感器、导航芯片和车载电脑，但随着汽车全产业链的升级，其他零部件的芯片化程度只会越来越高，而最完美的就是在电子之星上达到“朱哥”的水平。

这样一来，失去的芯片行业老大英特尔，即使错过了整个智能手机时代，甚至错过了现在的机器学习硬件，也有机会重回巅峰。其前提自然是能够进入自动驾驶行业并站稳脚跟，而收购现成的零部件供应商自然会立竿见影：正如高通斥资470亿美元赢得恩智浦一样，英特尔斥资160亿美元收购了Mobileye。

然而，这里的巨额资金仍然无法保证自动驾驶的未来，但这只是为了确保这两家芯片巨头的正式入场。

技术链能告诉我们什么？

用MobileyETO的话来说，自动驾驶汽车需要全技术链所有参与者的合作，只有自动驾驶系统需要传感器传感技术、高精度地图定位和人工智能自动驾驶策略的支持。

传感器：特定的传感技术有摄像头、超声波传感器、毫米波雷达、激光雷达。。。所有用于帮助车辆了解周围环境的传感器。接下来，让我们谈谈这个问题。

相机是最容易理解的。众所周知，采用Mobileye技术的特斯拉自动驾驶一代硬件只有一个前瞻性摄像头。在备受争议的佛罗里达州车祸中，自动驾驶在侧面感知方面固有的盲点几乎毁掉了即将推出的自动驾驶技术。

幸运的是，自动驾驶第二代硬件的改进足够大，只有前瞻摄像头增加到了三个，用于远近视角，最远可达250米；

此外，还有一对前后两侧，正后方有一个后视摄像头，实现360度无死角覆盖；

感知到的视觉信息将被渲染成实时路况的3D图像，用于决定驾驶策略。

超声波传感器可以用来补充视觉信息。例如，Autopilot II更换了12个超声波传感器，用于监测车辆周围的软硬物体，从而更好地区分行人和车辆。

毫米波雷达是传统零部件供应商的强项。然而，第二代自动驾驶仪只配备了远程雷达来感知前方道路，而新款奥迪A4则使用远程雷达+四个短程雷达来实现全功能自动辅助驾驶。

激光雷达是传统无人技术的核心，其3D建模和同步绘图能力最初用于军用高精度导弹。谷歌无人驾驶汽车中使用的激光雷达是Velodyne的HDL-64E，单价约为8万美元，相当于一辆特斯拉ModelS。

采用相控阵技术的固态激光雷达Quantergy表示，其S3产品的价格可以降至250美元，但仍需要一个过程才能大规模生产并投放市场。

定位技术：高精度定位技术的硬件需要GPS与惯性传感器相结合。除了特定的位置和速度外，它们还可以提供车辆的加速度、姿态和方向等附加信息。这需要专业的定位技术供应商。

与定位相关的软件技术涉及地图数据。Mobileye的REM（道路体验管理）是通过摄像头捕捉路面上的标志进行辅助定位，从而获得更多全新的地图信息，并在云中不断更新地图数据库。

目前，由于任何传感器都有其明显的局限性，自动驾驶的任何传感和定位功能都不可能由传感器或某种技术独立完成。因此，用于处理所有这些驾驶数据的计算平台具有额外的重要性。

自动驾驶策略：如前所述，第二代自动驾驶将传感器收集的所有信息重新渲染为实时3D模型。这里使用的计算平台是NVIDIA的GPU，因为GPU架构在深度学习中具有固有的优势。要了解最新一代GPU核心，NVIDIA甚至不用于通用显卡，但更适合用于人工智能。

Mobileye的EyeQ3平台是基于ASIC架构自行开发的。然而，高性能芯片的研发并不是一场高调的新闻发布会就能完成的。这应该是Mobileye在去年宣布将与stmicroelectronics合作开发下一代EyeQ5芯片后，今年转向英特尔的重要原因。毕竟，芯片巨头的技术背景不是靠吹嘘就能吹出来的。

另一个基于FPGA的计算平台是奥迪无人车使用的解决方案，特别是Altera的产品CycloneV。然而，FPGA行业的领导者Altera早在2015年就被英特尔以167亿美元的价格收购。

只有自动驾驶系统本身的技术链极其复杂，这还没有提到车辆本身的各种控制系统。这里的复杂性正好印证了吴恩达几天前离开百度时所说的话：

“……我希望人工智能能将人类从重复的脑力劳动中解放出来，比如繁忙的交通驾驶。这项工作是任何公司都无法独立完成的。这是全世界人工智能研究人员和工程师的共同话题。”

“我们是一家数据公司”

在收购Mobileye之后，英特尔首席执行官柯再祺向员工解释了这一点。

“为什么自动驾驶对英特尔的未来如此重要？答案是数据。”

自动驾驶道路需要车辆360度实时监控周围街道，这意味着一个实时、高精度的全球道路网络3D地图数据库。有了它，L3级自动驾驶仪很快就会上路。

对于静态地图，可以直接使用当前地图供应商的现成数据来节省相应的研发时间。

对于高精度地图数据，Mobileye的想法是联合各方构建全球地图系统，并正在积极与各方就相关细节进行沟通。

英伟达首席执行官黄仁勋认为，深度学习可以进一步挖掘现有传感器和高精度地图的潜力，在一定程度上可以打破L3级自动驾驶对激光雷达的依赖。这与特斯拉的想法一致，并不奇怪……

希望这两个家庭能够走到一起。

基于此，黄仁勋预测，我们有可能在今年年底到明年之间实现L3级别的自动驾驶；到明年年底到2019年，L4级别可以实现。

所有这些都需要数据来驱动。

想想谷歌，它只是标记网页并挖掘其中的数据，它的赚钱机器可以像印刷机一样自动运行；自动驾驶的结果是将物理世界扫描成实时数据，可以挖掘出什么样的机会？目前还没有人能给出确切的答案，但要在规模上远远超过谷歌肯定是毫无悬念的。

李菲菲教授仅使用谷歌街景的数据，通过深度学习计算出了相应地区人口的特征和构成，这一成果被写在了她的最新论文中。与谷歌街景拍摄的照片相比，自动驾驶数据的及时性和精细度可以提高几个数量级，其效果往往意味着一些质的变化。

对于自动驾驶数据，英特尔预测，到2020年，一天内将产生4000GB的新数据。

“我们专注的业务和解决方案的方向都是关于创建、使用和分析大量数据。”

正是这一点将芯片纠纷带入了汽车行业。

从比特到原子，自动驾驶的意义远远超出了汽车本身：交通系统向数据转化的必然影响是社会物质的自我流动，其效果将类似于信息通过互联网自由流动所促进的社会效率升级。

因此，所有相关的巨头都能看到对自己有利的机会，而这些机会表现为行业内部的竞争，比如这两家芯片巨头：

与NVIDIA相比，英特尔现在有能力提供自动驾驶技术链中的所有技术。

与英特尔相比，英伟达是目前人工智能计算平台事实上的领导者。

然而，自动驾驶的成就离不开芯片、汽车和相关行业的合作，就像ARPANET向互联网转型过程中的技术合作一样。当时，为了形成和铺设网络，各大巨头和机构也联合起来，磨刀霍霍。但最终，以统一的协议连接到互联网显然对各方更有利。

就像互联网的影响一样，自动驾驶的未来也可能是几个相互关联的行业——几个更大的10万亿美元的行业。相比之下，这些巨头目前的规模绝对不足以主导如此庞大的行业。

因此，改变汽车行业的不是芯片巨头，而是他们别无选择，只能改变和进化。最近，自动驾驶领域出现了一片看不见的血腥阴影。

但这一次，主角不再是知名车企或创业项目，而是芯片行业的英特尔和英伟达。

首先，英特尔对Mobileye进行了大规模收购，留下了一阵惊愕；

然后，英伟达和博世联合推出了一个基于Xavier芯片的自动驾驶平台，没有留下云。

在继续讨论之前，一个显而易见的问题是，这一轮推动自动驾驶的动力为什么会转向汽车零部件供应商？

为什么是配件供应商？

正如波音公司不生产飞机的所有零部件一样，大型汽车公司也不生产汽车的所有零部件。

苹果可以在不生产任何零部件的情况下主导整个手机市场，汽车制造商的做法也类似。他们将不再生产方向盘、轮胎、座椅、车窗、仪表、导航等零部件，而是将其交给更有效率的供应商，他们将专注于控制整车和整个产业链的效率。

事实上，他们只有依靠核心的动力总成（发动机、变速器）技术才能赚很多钱。经销商还可以通过修理燃油发动机、机油滤清器和更换机油来赚取巨额利润。

如果特斯拉这个后起之秀近年来不努力，他们真的不会对电动汽车和自动驾驶感冒。毕竟，失去燃料发动机相当于推翻了他们正在享用的满汉宴会，并喂饱了剩菜——如果是你，你就不会把它放进瓮里。

配件供应商不会有这样的担心，他们的轮胎、座椅、窗户、空调、音响等设备仍然可以赚钱。这是指与自动驾驶相关的技术，如传感器、导航、自动巡航等。这一领域的真正技术积累在很大程度上属于相关零部件供应商。例如，Mobileye的自动辅助驾驶、博世的导航系统等。

道路上的自动驾驶意味着这些零部件供应商将拥有新车上最核心、最有影响力的技术。然而，拥有数百个零件的燃油发动机几乎不可能在自动驾驶汽车中蓬勃发展，因为它无法由芯片控制，而且维护过于复杂。换言之，在自动驾驶的催化下，以燃油发动机为主的汽车行业将重新洗牌，勤于支撑全产业链的供应商肯定会首先感受到风向的变化。

人工智能控制的汽车必须嵌入可编程芯片才能可靠控制，尤其是电机和电池。尽管目前的关键是与自动驾驶密切相关的各种传感器、导航芯片和车载电脑，但随着汽车全产业链的升级，其他零部件的芯片化程度只会越来越高，而最完美的就是在电子之星上达到“朱哥”的水平。

这样一来，失去的芯片行业老大英特尔，即使错过了整个智能手机时代，甚至错过了现在的机器学习硬件，也有机会重回巅峰。其前提自然是能够进入自动驾驶行业并站稳脚跟，而收购现成的零部件供应商自然会立竿见影：正如高通斥资470亿美元赢得恩智浦一样，英特尔斥资160亿美元收购了Mobileye。

然而，这里的巨额资金仍然无法保证自动驾驶的未来，但这只是为了确保这两家芯片巨头的正式入场。

技术链能告诉我们什么？

用MobileyETO的话来说，自动驾驶汽车需要全技术链所有参与者的合作，只有自动驾驶系统需要传感器传感技术、高精度地图定位和人工智能自动驾驶策略的支持。

传感器：特定的传感技术有摄像头、超声波传感器、毫米波雷达、激光雷达。。。所有用于帮助车辆了解周围环境的传感器。接下来，让我们谈谈这个问题。

相机是最容易理解的。众所周知，采用Mobileye技术的特斯拉自动驾驶一代硬件只有一个前瞻性摄像头。在备受争议的佛罗里达州车祸中，自动驾驶在侧面感知方面固有的盲点几乎毁掉了即将推出的自动驾驶技术。

幸运的是，自动驾驶第二代硬件的改进足够大，只有前瞻摄像头增加到了三个，用于远近视角，最远可达250米；

此外，还有一对前后两侧，正后方有一个后视摄像头，实现360度无死角覆盖；

感知到的视觉信息将被渲染成实时路况的3D图像，用于决定驾驶策略。

超声波传感器可以用来补充视觉信息。例如，Autopilot II更换了12个超声波传感器，用于监测车辆周围的软硬物体，从而更好地区分行人和车辆。

毫米波雷达是传统零部件供应商的强项。然而，第二代自动驾驶仪只配备了远程雷达来感知前方道路，而新款奥迪A4则使用远程雷达+四个短程雷达来实现全功能自动辅助驾驶。

激光雷达是传统无人技术的核心，其3D建模和同步绘图能力最初用于军用高精度导弹。谷歌无人驾驶汽车中使用的激光雷达是Velodyne的HDL-64E，单价约为8万美元，相当于一辆特斯拉ModelS。

采用相控阵技术的固态激光雷达Quantergy表示，其S3产品的价格可以降至250美元，但仍需要一个过程才能大规模生产并投放市场。

定位技术：高精度定位技术的硬件需要GPS与惯性传感器相结合。除了特定的位置和速度外，它们还可以提供车辆的加速度、姿态和方向等附加信息。这需要专业的定位技术供应商。

与定位相关的软件技术涉及地图数据。Mobileye的REM（道路体验管理）是通过摄像头捕捉路面上的标志进行辅助定位，从而获得更多全新的地图信息，并在云中不断更新地图数据库。

目前，由于任何传感器都有其明显的局限性，自动驾驶的任何传感和定位功能都不可能由传感器或某种技术独立完成。因此，用于处理所有这些驾驶数据的计算平台具有额外的重要性。

自动驾驶策略：如前所述，第二代自动驾驶将传感器收集的所有信息重新渲染为实时3D模型。这里使用的计算平台是NVIDIA的GPU，因为GPU架构在深度学习中具有固有的优势。要了解最新一代GPU核心，NVIDIA甚至不用于通用显卡，但更适合用于人工智能。

Mobileye的EyeQ3平台是基于ASIC架构自行开发的。然而，高性能芯片的研发并不是一场高调的新闻发布会就能完成的。这应该是Mobileye在去年宣布将与stmicroelectronics合作开发下一代EyeQ5芯片后，今年转向英特尔的重要原因。毕竟，芯片巨头的技术背景不是靠吹嘘就能吹出来的。

另一个基于FPGA的计算平台是奥迪无人车使用的解决方案，特别是Altera的产品CycloneV。然而，FPGA行业的领导者Altera早在2015年就被英特尔以167亿美元的价格收购。

只有自动驾驶系统本身的技术链极其复杂，这还没有提到车辆本身的各种控制系统。这里的复杂性正好印证了吴恩达几天前离开百度时所说的话：

“……我希望人工智能能将人类从重复的脑力劳动中解放出来，比如繁忙的交通驾驶。这项工作是任何公司都无法独立完成的。这是全世界人工智能研究人员和工程师的共同话题。”

“我们是一家数据公司”

在收购Mobileye之后，英特尔首席执行官柯再祺向员工解释了这一点。

“为什么自动驾驶对英特尔的未来如此重要？答案是数据。”

自动驾驶道路需要车辆360度实时监控周围街道，这意味着一个实时、高精度的全球道路网络3D地图数据库。有了它，L3级自动驾驶仪很快就会上路。

对于静态地图，可以直接使用当前地图供应商的现成数据来节省相应的研发时间。

对于高精度地图数据，Mobileye的想法是联合各方构建全球地图系统，并正在积极与各方就相关细节进行沟通。

英伟达首席执行官黄仁勋认为，深度学习可以进一步挖掘现有传感器和高精度地图的潜力，在一定程度上可以打破L3级自动驾驶对激光雷达的依赖。这与特斯拉的想法一致，并不奇怪……

希望这两个家庭能够走到一起。

基于此，黄仁勋预测，我们有可能在今年年底到明年之间实现L3级别的自动驾驶；到明年年底到2019年，L4级别可以实现。

所有这些都需要数据来驱动。

想想谷歌，它只是标记网页并挖掘其中的数据，它的赚钱机器可以像印刷机一样自动运行；自动驾驶的结果是将物理世界扫描成实时数据，可以挖掘出什么样的机会？目前还没有人能给出确切的答案，但要在规模上远远超过谷歌肯定是毫无悬念的。

李菲菲教授仅使用谷歌街景的数据，通过深度学习计算出了相应地区人口的特征和构成，这一成果被写在了她的最新论文中。与谷歌街景拍摄的照片相比，自动驾驶数据的及时性和精细度可以提高几个数量级，其效果往往意味着一些质的变化。

对于自动驾驶数据，英特尔预测，到2020年，一天内将产生4000GB的新数据。

“我们专注的业务和解决方案的方向都是关于创建、使用和分析大量数据。”

正是这一点将芯片纠纷带入了汽车行业。

从比特到原子，自动驾驶的意义远远超出了汽车本身：交通系统向数据转化的必然影响是社会物质的自我流动，其效果将类似于信息通过互联网自由流动所促进的社会效率升级。

因此，所有相关的巨头都能看到对自己有利的机会，而这些机会表现为行业内部的竞争，比如这两家芯片巨头：

与NVIDIA相比，英特尔现在有能力提供自动驾驶技术链中的所有技术。

与英特尔相比，英伟达是目前人工智能计算平台事实上的领导者。

然而，自动驾驶的成就离不开芯片、汽车和相关行业的合作，就像ARPANET向互联网转型过程中的技术合作一样。当时，为了形成和铺设网络，各大巨头和机构也联合起来，磨刀霍霍。但最终，以统一的协议连接到互联网显然对各方更有利。

就像互联网的影响一样，自动驾驶的未来也可能是几个相互关联的行业——几个更大的10万亿美元的行业。相比之下，这些巨头目前的规模绝对不足以主导如此庞大的行业。

因此，改变汽车行业的不是芯片巨头，而是他们别无选择，只能改变和进化。

标签：特斯拉奥迪汉

汽车资讯热门资讯