（文/杜莎） 在自动驾驶这一黄金赛道，自动驾驶芯片玩家仍在奋力狂奔，也难免有所浮沉。
就市场格局来看，除特斯拉自研自用FSD芯片外，大部分量产辅助/自动驾驶系统的国内外车企原来都依赖Mobileye、英伟达等的芯片。但从去年以来，这一格局也在悄然改变，高通强势入局，华为、地平线、黑芝麻智能等中国厂商也在自动驾驶芯片市场上崭露头角，且逐渐加入到与英伟达、高通等的大算力芯片角逐中。
大算力芯片领域的内卷、竞争也持续加剧。2022年度新车算力最强的魏牌摩卡DHT-PHEV激光雷达版，搭载了毫末智行联合高通打造的Snapdragon Ride芯片，综合算力已达1440TOPS。刚刚过去的9月，英伟达、高通前赴后继发布了算力达2000TOPS的自动驾驶芯片，地平线征程5与英伟达Orin也将搭载于理想新量产车型同台竞技，这给本就硝烟弥漫的赛场更添了“一把火”。
而资本市场，则给辅助驾驶芯片市场“一哥”Mobileye浇了“一盆冷水”。10月18日，报道称英特尔子公司Mobileye 表示其首次公开募股的目标估值为160亿美元左右，不到此前预期500亿美元的三分之一。当然，这背后既与美股的整体萧条有关，也因其原有市场不断被“蚕食”且在大算力芯片赛道“掉队”，前景充斥着不确定性。
但总归，自动驾驶芯片市场尚处于发展期，一切竞争才刚刚开局，终局如何还未曾可知。
软硬解耦、智能驾驶升级背后的算力之争
站在动辄成百上千TOPS算力的2022年，回望2014年，彼时业界公认的第一款真正意义上的智能汽车特斯拉Model S推出，搭载的是Mobileye EyeQ3，算力仅为0.256TOPS。
不得不感叹，算力是如何涨了几百倍的？自动驾驶对算力的需求到底有多大？
其实，这些年芯片算力的暴涨史，也是智能驾驶的发展史，特斯拉更算得上是行业推手。2019年，特斯拉在与Mobileye、英伟达相继“分手”后，自研推出HW3.0芯片FSD，144TOPS的算力震惊业内。要知道那时候，英伟达主打产品Xavier芯片（于2020年上车）的算力30TOPS，Mobileye主流产品是算力2.5TOPS的EyeQ4。
一时间，FSD芯片迅速激发起汽车行业对算力的追逐，也拉开了自动驾驶大算力芯片的中场战事。到2021年，这场竞赛被拉高到新高度，中国市场成为竞赛的“角斗场”，英伟达、高通等最新产品都选择在国产车型上首发。而且，拼芯片、拼算力日渐成为一种风气，越来越多的车企开始推出大算力的平台。
从2022年上市/将上市新车搭载的自动驾驶芯片来看，英伟达Orin当属大算力芯片赛道的霸主。目前明确采用Orin芯片的主机厂包括蔚来、理想、上汽智己、威马汽车、沃尔沃、路特斯、高合汽车、集度汽车、小马智行等。同时，华为、地平线这些国内厂商也逐渐成长起来，例如，目前除理想汽车外，已官宣采用征程5的车企还有比亚迪、上汽集团、一汽红旗、自游家汽车等。
对于自动驾驶，算力到底多大才算够？根据地平线披露的数据，自动驾驶等级每增加一级，所需芯片算力就会呈现数十倍的上升，L2级自动驾驶的算力需求仅要求2-2.5TOPS，但是L3级自动驾驶算力需求就需要达到20-30TOPS，到L4级需要200TOPS以上，L5级别算力需求则超过2000TOPS。
现阶段，市场上大规模量产的仍是L2级别的车型，这个阶段对算力的要求并不高，算力最多不过十几TOPS。那么，为何越来越多的车企将芯片算力堆高到500到1000TOPS呢？
这与车企智能化之战升级不无关系。今年，与自动驾驶相关的热点之一便是“城市领航驾驶”，小鹏、北汽极狐、魏牌摩卡都曾在9月宣布将成为国内“首个”量产“城市领航驾驶”的车企，这意味着自动驾驶的场景正在由单一的自动泊车/高速走向城区/环路等复杂场景。
随着自动驾驶场景的拓展，今年以来，激光雷达上车越来越多，800万摄像头、4D毫米波雷达等新技术也上车量产，一辆汽车的传感器数量甚至超30个。这些量产车辆上装配的智能驾驶硬件相当于把芯片直接拉至L4甚至更高级别，算力需求自然大增。
而且，随着软硬件深度解耦，车厂正通过大量硬件预埋来获取大量数据，软件OTA迭代以保障系统优化成为主流。对于软件定义汽车趋势下的算力需求，英伟达中国区自动驾驶业务总经理刘通曾公开表示：“从我们的认知，以及与行业的沟通发现，软件定义汽车对算力的需求是动态的，不是静止的，今天可能需要100TOPS，但算法是不断开发的，需要训练大型的数据，所以需要的算力也在不断变化中。为了使汽车在全生命周期都能给用户带来惊喜，因此，算力必须预埋，以满足软件定义汽车的需求，要想富，先修路，因此，对于算力更应该有前瞻性的认知：其是为未来而预埋。”
提升自动驾驶性能，算法、软件与硬件架构都要推进
毫无疑问，大算力芯片是智能电动汽车发展的基础和趋势。但需警惕的是，这也不能成为车企营销的借口，更不能让智能硬件方面“你有我必须要有甚至更多”，这种脱离真实应用场景的纯竞争心理蔚然成风，毕竟最后买单的还是消费者。
伴随自动驾驶技术的演进，车企对于高算力的渴望必然不会减少，但业界也在逐渐认识到，唯算力马首是瞻，仅靠堆叠芯片并不能堆出自动驾驶，未来智能汽车的主战场在于差异化的体验。
英伟达曾谈到，大家关注芯片的算力时，单独讲TOPS没有意义，关键是要看芯片的综合能力，这才是自动驾驶需要的。Mobileye也公开表示，自动驾驶关键的不仅是算力，而是效率。
类似“注重效率而非算力”的说法，也是地平线的观点。地平线的创始人兼CEO余凯也曾表示，顶级芯片公司一定不能够以多少TOPS来肤浅地、简单地去讲故事，高算力意味着什么？不是效用、性能、不是用户价值，而是给车企的成本。有效算力才是更值得关注的核心，即主要从单位成本下峰值算力（TOPS/$）、峰值算力的有效利用率（TOPS/Watt），以及有效算力转化为AI性能的比率（FPS/TOPS）三大维度来衡量真实的AI效能。
那么有效算力、效能如何提升呢？地平线曾表示，2年前，Science杂志上有一篇文章认为，即便是传统半导体的摩尔定律已经陷入迟滞的状态，实际上它的顶层，通过软件、算法、硬件架构的设计，还可以持续推进端到端整体的计算架构、计算效率持续往前演进。这一想法也与地平线不谋而合。
地平线联合创始人兼CTO黄畅曾在接受集微网的采访时表示，必须为这样一个复杂的，要考虑算法架构、软件架构和硬件架构去构建一套高效的端到端的AI计算架构仿真平台，包含算法、编译器和计算核或者SoC的整个架构，并关注算法、软件和硬件架构往前演进。
算法本质上是一个行业发展的客观趋势，类似于一个“科学”的顶层问题。作为某一个单独的芯片公司，能做到的是基于算法团队的储备和积淀，深度洞察算法，且对关键算法趋势有更好的前瞻的预判能力，以尽可能更早地把前瞻的算法趋势判断带入到当前一代的软硬件计算架构的设计中，从而真正意义上受益于算法创新带来的优势。
前瞻算法定义的芯片设计，再通过软硬结合协同，有助于将芯片的性能发挥到极致。因为，在软件定义汽车的时代，软件的性能“天花板”取决于芯片硬件能力的最大化利用。“为了弥补硬件的局限性，软件需要变得更好。但再聪明的软件也无法在旧硬件上正常发挥。”这也是特斯拉CEO马斯克的逻辑。
例如，特斯拉HW 3.0芯片，单芯片的算力只有72TOPS，相较上一代芯片并没有提升太多，但自动驾驶性能最高提升幅度可达20倍。另外，征程5刚发布时极致计算性能为1283FPS，但在过去一年实际提升了20%到1531FPS。地平线给出的解释是，征程5的芯片没有变，算法没有变，地平线仅仅是通过编译器优化调度、软件架构上的演进，使得其可以有持续的提升动力，而且还会持续有进一步提升。
车企有意自研，芯片玩家需打造更开放的创新生态
毋庸置疑，对于自动驾驶行业来说，一颗“好且好用”的自动驾驶芯片决定了自动驾驶系统的上限。但在特斯拉之后，报道称近日通用旗下的自动驾驶公司Cruise正在自研自动驾驶芯片，而此前其搭载的是备受行业青睐的英伟达Orin芯片。
对于自研芯片的原因，Cruise方面表示自动驾驶芯片太贵了，Cruise硬件负责人Carl Jenkins称：“因为我们的车型数量很少，所以没有和芯片商谈判的权利。因此我们必须掌握自己的命运。”
随着车辆智能化越来越高，生产复杂程度越来越超出车企的认知，而且此次“缺芯”重创汽车行业，也使得车企也愿意在芯片领域做更多投入。对此，Gartner预测，由于芯片短缺以及汽车的电气化和自动化等趋势，十大汽车主机厂中的一半将在2025年自主设计芯片，增强对自身产品路线图和供应链的控制。
国内也有车企在尝试。据报道，大华与零跑汽车联手打造了一款智能驾驶芯片——凌芯01，28nm制造工艺，算力8.4Tops。由此，零跑也成为国内新势力中唯一一家拥有自研AI自动驾驶芯片的企业。但相比其他车企使用的第三方产品，凌芯01的表现并不出色。
近日，晚点LatePost消息也称，蔚来已经组建了近300人的芯片团队，研发包括自动驾驶芯片和激光雷达芯片；小鹏的芯片团队目前已经有近200人，目标是开发对标特斯拉FSD的大算力自动驾驶芯片。
车企自研自动驾驶芯片的好处很多，可以更好地契合车企的自动驾驶软件算法，且软硬一体化开发能最大限度保证硬件能力的释放，以及更快的技术迭代；同时，对于大规模生产的车企来讲，芯片自研自控将在成本上有很好的回报。
当然，对中国车企而言，自研自动驾驶芯片也不乏国际政治纷争的因素。日前，英伟达AI算力芯片A100被禁止对华销售也引起了行业高度关注。
但很多困难也摆在眼前，包括人才的短缺、高昂成本和较长周期。地平线在上海举办的技术开放日活动上谈到，例如，在整个大算力芯片的平台里，如果做L2+整个开发，对于车企或供应商而言，至少需要两百到三百人的团队规模去做这样的开发，开发周期大概一年多左右。如果没有一套成熟完整的开发平台，就是冒着数亿风险的投资做开发。不管芯片多么便宜，这个成本对于开发者来说非常不可控。
Semiengingeering的数据也显示，开发28nm节点芯片的投入为5130万美元，16nm节点芯片的开发费用翻倍至1亿美元，7nm节点芯片更是达到了2.97亿美元。而当下车企们所需的高端芯片，制程也基本在7nm左右，投入更是天价。
大众集团前CEO迪斯也对特斯拉软硬件全栈自研的策略非常认可，也多次在公开场合强调过软件的重要性。他曾说过，“为了实现最佳性能，汽车的软件和硬件必须出自同一只手”，并表示，大众计划自主设计和开发高性能芯片以及所需的软件。
而随着迪斯的出走，大众汽车集团新任首席执行官在第一天的内部会议上就表示，大众汽车集团将加快向电动汽车的转型，但在转型过程中需要找到正确的“节奏”，并在可能的情况下提速，且表示可能会对建立合作关系持更开放的态度，“我们不能也不想自己开发所有东西”。近期大众官宣与地平线通过合资控股的方式，提速布局软硬全栈式解决方案。
这对于大众集团来讲或是最具性价比的不二选择，但相信也会有更多这样的追随者。
关于芯片公司与车企的合作模式，地平线曾总结了四种：
第一种是Mobileye模式，Mobileye把芯片架构、芯片以及操作系统，还有智能驾驶的软硬件系统，全部开发完了以后交付给车企，即黑盒系统；
第二种是英伟达模式，英伟达把GPU架构开发成芯片，然后包上自己的操作系统CUDA, 再去让业界开发自动驾驶的软硬件系统；
第三种是地平线提出的TogetherOS模式，把BPU跟SoC开发完了以后，中间的底层软件通过开源OS开放的模式跟整车一起系统开发；
第四种也是地平线的BPU授权模式。BPU授权模式对主机厂来说意味着整车开发可以完全从芯片到操作系统、到整个自动驾驶的软硬件系统，实现高度的协同，完全的透明。
从Mobileye的失势以及后续逐渐向开放慢慢转变的策略，以及车企对“软硬结合，全栈技术”需求来看，对于芯片厂商，在智能汽车时代，打造更开放的创新生态，保持高效的意义重大。
写在最后
目前，产业链上的企业，包括车企、芯片供应商等都还处在探索状态，但相比于此前的一级一级的供应链关系已是很大的进步，芯片供应商也在从中获得更多机会。不管是垂直自研，还是联盟合作等，早期这种百家争鸣的状态都是在推进行业真正前行。
