伴随AI人工智能的崛起，汽车智能化也取得了长足发展。过去以CPU为核心的处理器越来越难以满足处理视频、图片等数据，同时雷达、摄像头等传感器的多路数据也为车载处理器计算效率提出了新的要求。
自动驾驶的挑战在于，当前通用型计算平台很难同时满足自动驾驶要求的巨大算力和超低功耗，未来自有芯片将成为汽车产业链上的最核心的关键技术。
车企中第一个吃螃蟹的是特斯拉
8月初，特斯拉CEO埃隆·马斯克在与分析师讨论公司季度业绩的电话会议上宣布，特斯拉下一代无人驾驶汽车硬件可能会在明年初推出，最重要的是会配备其自主研发的人工智能芯片。
随后马斯克又表示，4-6月后，特斯拉将基本上与硬件同步向已经购买“完全自动驾驶”功能的客户发布首款软件更新包。
通常汽车厂商在自动驾驶技术中会使用英特尔、英伟达等厂商的芯片。而使用自研芯片则使得特斯拉的人工智能处理器项目显得与众不同。
今年年初的CES上，英伟达率先发布了DRIVE Xavier，这是一款为自动驾驶汽车设计的AI计算芯片，也是有史以来最复杂、最强大的芯片。当前，英伟达在深度学习和训练平台层面处于绝对领先优势。
随后，英特尔推出了全新的自动驾驶平台、包含2个EyeQ5芯片以及一个凌动芯片。此前，英特尔已经在资本层面以153亿美元收购了Mobileye，Mobileye的并入弥补了英特尔自身算法的不足，并帮助其收获了ADAS算法所设计的专用处理器IP。
细看两个芯片的技术层面。英伟达的Xavier基于一个特别定制的8核CPU、一个全新的512核Volta GPU、一个全新深度学习加速器、全新计算机视觉加速器、以及全新8K HDR视频处理器而打造。每秒可运行30万亿次计算，功耗却仅为30瓦，能效比上一代架构高出15倍。按黄仁勋的说法，一块Xaiver就能够为L3-L4的自动驾驶提供算力支持。
而英特尔的Mobileye EyeQ5则表示可以提供每瓦特2.4 DL TOPS（万亿次/每秒）的效能。实现 L4-L5级自动驾驶，准备两颗 EyeQ5芯片即可。
对于传统头部玩家而言，自动驾驶芯片之战才刚刚上演，而潜在玩家同样源源不断的入场参战。
最近一则三星布局无人驾驶及芯片的消息，又为火热的芯片市场浇了一把油。几天前，韩媒体报道称，三星技术研究院成立了一支主要负责研究自动驾驶技术的全新团队，研发无人驾驶汽车芯片及传感器。
三星在汽车领域的布局并不晚，甚至曾一度涉及整车制造领域，2015年三星成立汽车零部件部门以来，一直在加大汽车板块业务，2017年5月获得了韩国首家自动驾驶汽车测试牌照，并向奥迪供应Exynos处理器、共同打造无人驾驶汽车。
打造本土AI芯片 中国仍有机会
作为全球最大的汽车市场，未来中国市场对自动驾驶车辆的需求同样“胃口巨大”，一份不完全统计的数据预估，到2020年，中国的整车和芯片、传感器等零部件产值将超过1000亿元。
而根据《中国制造2025》的目标，在2020年时，中国芯片的自给率要达到40%，2025年要达到50%，现实的目标却又很严峻。
自动驾驶时代，中国本土AI芯片企业仍具备最好机会。巨大的人口基数和海量训练数据是中国在发展人工智能上的一大显着优势，随着人工智能的发展AI芯片近几年也成为了行业的热点。国内也涌现出诸如寒武纪、深鉴科技、地平线、西井科技等公司参与其中。
实际上，芯片是一个高技术含量，高投入的行业，其盈利要靠大规模铺量方能成行。在通信产业中国“芯”面临诸多困难，而在人工智能时代，中国的自动驾驶芯片形式同样不容乐观。不多数创业公司的AI芯片还未量产，甚至不到流片阶段。
自动驾驶要求基于深度学习对目标的识别、环境的感知、建模和定位，都要达到高度准确性。通用芯片效能显然无法满足功耗、散热等问题。如果装AI芯片，意味着以1%的功耗实现相同的性能，而成本只有原来的十分之一。
国内自研芯片的车企并不多，今年CES Asia上零跑汽车宣布与大华股份联手研发的首款国产AI自动驾驶芯片“凌芯01”已进入集成验证阶段，明年第二季度进行实车测试。
而在随后一个月举办的百度开发者大会上，百度发布“昆仑”芯片。并将其定义为中国第一款全功能的云端AI芯片，相比于FPGA的芯片，计算能力提升了30倍。
自动驾驶场景下的应用是百度研发AI芯片的重要切入点，据悉，昆仑芯片能够针对语音、NLP、图像等进行专门优化；同等性能成本下降，支持paddle等多个深度学习框架，编程灵活度高，灵活支持训练和预测。
自动驾驶芯片市场注定有一场恶战
当前运用于自动驾驶的芯片架构主要有4种：CPU、GPU、FPGA（现场可编程门阵列）和ASIC（专用集成电路）。
他们的特点如下：
CPU：中央处理器，最大不足是数据处理能力弱。
GPU：图形处理器，善于处理图像领域的运算加速。但无法单独工作，必须由CPU进行控制调用才能工作。缺点是功耗大，散热高。
FPGA：常用于预测阶段如云端。FPGA是用硬件实现软件算法，因此在实现复杂算法方面有一定的难度，缺点是价格比较高。
ASIC芯片：是专用定制芯片，为实现特定要求而定制的芯片。除了不能扩展以外，在功耗、可靠性、体积方面都有优势。缺点是开发周期长，初期成本高。
分析人士指出，现阶段尽管现阶段采用GPU架构、GPU+FPGA、ASIC架构的车企并行存在，但综合来看，车企未来或更倾向于选择ASIC专用型芯片，以自身更好的软件算法同时满足高性能和低功耗的要求。
实际上，由于所处场景和环境比普通汽车的电子配件更严苛，车规级自动驾驶芯片所需的算力和适配区间也要比普通芯片更高。特别是算法层面，目前还没有一家公司可以保证自家的算法完全可以投产商用。此外，现阶段要实现算法与架构之间的协同，对于自动驾驶芯片的企业来说挑战非常巨大。
另外，相比通用的汽车电子，自动驾驶芯片安全层面要求也更为严格，既要满足汽车电子的通用标准，还需满足处理器层面汽车安全完整性等级的功能安全要求。
而芯片本身又是一个耗资巨大的产业，从研发到最终批量投产，千万级美金仅仅是敲门砖，整个流程下来往往需要企业投入上亿美金的费用。对于中国的自动驾驶芯片企业而言，未来市场的竞争注定是一场恶战，掌握技术话语权非一日之寒，毕竟踏踏实实做芯片远比弄几张PPT对外宣传造车理念困难多得多。
