一、起底自动驾驶芯片背后的秘密

在自动驾驶芯片领域中，能将“大算力”芯片量产并交付给车企的芯片供应商并不多，而这也导致目前搭载“大算力”芯片的车型并不多，车企欲自研自动驾驶芯片的野心逐渐显现，围绕自动驾驶芯片的智能网联争夺战早已拉开帷幕。

“大算力”芯片成宠儿

随着《汽车驾驶自动化分级》国家标准的正式实施，自动驾驶等级正在向更高级别的方向发展，而高阶级的进化也对芯片算力提出了更高的要求。

在英伟达召开的2022年GTC（全球商品交易中心）大会上，英伟达首席执行官黄仁勋宣布英伟达自动驾驶芯片Orin于本月正式投产销售。官方信息显示，英伟达Orin芯片算力可达254TOPS。与此同时，英伟达还公布了Atlan芯片，而该芯片的目标算力是1000TOPS，计划于2025年交付。

毫无疑问，当前的自动驾驶芯片市场发生了明显的变化，“大算力”正是一大趋势。除了英伟达，算力突破100TOPS的芯片陆续问世，比如已发布单颗芯片最高算力可达128TOPS的地平线征程5；单颗芯片最高算力可达176TOPS的Mobileye EyeQ Ultra等。

寒武纪行歌执行总裁王平在日前召开的首席智行官大会暨机器之心AI科技年会上也表示，“大算力”将成为智能驾驶芯片的两大趋势之一。据悉，今明两年，寒武纪行歌将会推出两款重磅芯片，其中一款高端智驾芯片AI算力将超过400TOPS。

纵观目前搭载在实车上的芯片，单颗芯片算力大多不过100TOPS，例如小鹏P7的NGP辅助驾驶系统、蔚来ES6的NOP辅助驾驶系统、理想ONE的NOA辅助驾驶系统等。这也导致目前量产实车的自动驾驶徘徊在真正意义上L4级别大门迟迟不能前进。

日前在北京举办的2022年电动车百人论坛上，地平线创始人余凯表示，在摩尔定律趋缓的情况下，不能再依靠提升晶体管的密度，提升计算性能。基于此，地平线对芯片算力提出“算力大不如算得快”，期冀提高芯片的计算效率。

实际上，余凯曾多次表示，地平线并不单纯追求物理算力，更看重深度神经网络算法在芯片上的计算效率。对比地平线征程5和英伟达Orin-X，地平线只用一半的芯片面积和一半的计算资源，但依然能够得到相当高的计算性能。一定程度上来说，地平线追求的芯片更有经济适用性。

与车企合作模式的转变

在目前英伟达市占率顶起半边天之前，业内更愿意采用的自动驾驶芯片来自目前归属于英特尔的Mobileye。长期以来，Mobileye采用的是黑盒子方案，即将芯片、操作系统以及智能驾驶系统的软硬件全部整合打包给车企。

21世纪初，市场对智能驾驶的需求尚未显露，加之自动驾驶领域的入局者数量不多，技术发展处于起步阶段，车企对自动驾驶领域一片空白。此时，由芯片供应商全包的模式成为车企的主要选择。2007年，宝马、通用和沃尔沃的车型均配置Mobileye提供的芯片服务。

但这样的“全包模式”在当前的智能网联时代，却成为束缚车企们个性化定制、差异化竞争的一大因素。而这也导致众多车企转向英伟达、地平线这类开放性程度更高的芯片商。

目前，英伟达采用的合作模式建立在自研的芯片和操作系统上，而自动驾驶企业如小马智行以及车企等相关方均可以在此基础上设计适合自己需求的自动驾驶软硬件系统。相较黑盒子方案，这无疑给予了车企更大的自主研发权。

而地平线给出的合作模式则更具有开放性，包括搭建开源的车载操作系统；向车企授权芯片IP，帮助车企打造芯片。前者被称为Together OS，地平线在SOC（系统级芯片）等开发完成后，将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。后者被称为BPU授权模式，即整车开发可以从芯片、操作系统、自动驾驶的软硬件系统等各层级渗透。

2022年年初，理想汽车创始人李想在其个人公开社交平台上表示，由于无法满足理想汽车智能驾驶全栈道自研的需求，理想汽车在2020年底停止了和Mobileye的合作，开始使用地平线的J3芯片开展智能驾驶的全栈道自研。

显然，随着智能网联时代的号角吹响，车企在智能驾驶方面的竞争力之一即来自更多地掌握核心芯片技术，不断向产业链的底层渗透，寻求软硬件高度协同。

在具体的实施中，车企实施全栈道自研对资金的需求更大。尽管在这种模式下，车企能更大程度地掌控芯片设计、产品功能和研发效率，但碍于资金等投入，目前仅有小鹏汽车等少数车企使用全栈道自研。

更多的车企将自动驾驶基础的软硬件开发、硬件生产以及芯片方案整合等外包交由上层供应商完成，而自动驾驶软件部分则由车企完成，以达到智能驾驶个性化定制和差异化体验的产品市场竞争力。

国产芯片商开始异军突围

不可忽略的是，当前自动驾驶芯片市场中，面向L4级别的车型大多采用的是英伟达、高通等国外的芯片商，诚然国内的芯片商，例如华为、地平线等也不容小觑，但如何让更多的车企或自动驾驶企业选择国产芯片，是摆在眼前的一道难题。

王平表示，从车企的角度，希望车企可以给国内芯片公司更多的机会，通过联合开发项目，牵引国产的SOC成为更符合车企需求的SOC，更多使用国产化芯片提升供应链安全性。此外，支持引导生态打造，鼓励国内芯片企业、算法公司等企业的强强合作。

同时，王平希望半导体行业的企业们，能在制造端早日实现先进制程车规级制造和封装的本土落地。

而地平线则是在不断提升计算效率的前提下，通过更开放性的平台打通与更多车企的合作圈，洞悉车企欲参与芯片设计、软硬件系统开发等方面，企图在更具定制化、个性化方面实现弯道超车。

值得一提的是，当前，自动驾驶芯片的制造大多实行代工制，芯片设计公司并非就拥有制造生产线。

黄仁勋在3月的一次电话会议中透露，英伟达有兴趣考虑让英特尔代工芯片。其表示：“英特尔有意让英伟达使用英特尔的制造工厂，而英伟达对探索这种可能性也非常感兴趣。但是，关于代工合同的讨论需要很长时间，因为这涉及到整合供应链。”目前，上述双方尚未有具体的合作时间表。

而在此前，英伟达的芯片代工大多在台积电进行。因此，全产业链的闭环中，国产芯片商也可以通过原有制造方面的优势逐步向前端设计转型。

正如全国政协经济委员会副主任苗圩表示，如果把新能源汽车比作上半场，智能网联汽车比作下半场，中国汽车行业上半场取得了很大成效，但决定胜负还在下半场。自动驾驶芯片的发展将影响自动驾驶汽车技术的发展，国产芯片如何获取更大的市场占有率，仍需技术突破、加强合作等多维度发展。

二、英伟达“变软”,自动驾驶“破圈”

一个月前，黄仁勋用一小颗自动驾驶SoC芯片完成了整个GTCCHINA2019的“新品发布”。

发布会当天，这位“皮衣男子”赶在闭馆前匆匆去了自动驾驶汽车展位，用半个小时逐一聆听了几家自动驾驶初创企业的思路。那晚的黄教主，向在场工程师们释放出了一种近乎惺惺相惜的善意。

这种情愫很好理解——

要知道，在这届GTCCHINA散场时，很多观众发出的感慨是：“十分硬核，不够性感。”毕竟远道而来的大家直到演讲后半程，才终于等到黄仁勋掏出一块200TOPS深度学习算力的自动驾驶新品“Orin”。取而代之的，是各种“空口无凭”的软件技术升级。

面对一张张略显失望的脸，老黄也很无奈：“我这么努力，你都看不到。就好像你老婆做了一整天家务，你却说她什么都没做。”

众口难调，但这确实是英伟达在接下来的业务发展中必须要面对的问题。与“看得见摸得着”的硬件发布不同，软件迭代周期短、初期人力成本高、落地成果却很难形成清晰的概念……这些都让这家人工智能计算公司的技术发布开始与公众预期逐渐拉开差距。

而就在车云菌险些被观众情绪带跑节奏时，我们在英伟达的官方公众号上发现了一系列由NVIDIADRIVELabs出品的视频。视频内容从工程技术的视角，直观展现出NVIDIADRIVEAV软件团队如何完成一个个自动驾驶的日常任务，诸如从路径感知到交叉路口处理等一系列挑战。

那么，以自动驾驶为起点，车云菌尝试回答：当英伟达不再抛出核弹，他们到底做了些什么？

“直播”自动驾驶

严格来说，目前没有任何一家企业成功制造出一台全自动驾驶汽车，绝大多数玩家仍旧在奔向这一目标的路上相互博弈。

近年，英伟达正式加入战局。公司内部的软件开发人员已经远远超过了硬件工程师的数量。

他们首先打算解决自动驾驶汽车的三个问题：

知道自己在哪里：不光要掌握车辆具体位置，还得知道是在主路的第几条车道上，将定位精确到厘米级；

知道自己周围有什么：像人类大脑一样判断，前方卡车在减速、左后方有辆SUV驶来、右侧人行道有小孩、下一个路口是绿灯且不能左转……

作出正确的驾驶决策：判断从左侧超车可以安通过路口，然后控制车辆完成相应动作。

如今这些工作，都被团队一一摆上了台面。与常规“秀肌肉”的视频演示不同，英伟达实验室将自动驾驶最困难的感知层面的工作拆解成一个个小任务，条分缕析地告诉大家：我们是怎么做到的，以及我们为什么能做到。

任务的分解也很有意思。车队顺利攻克了包括建立感知路径、通过传感器融合实现环绕感知功能、打造像素级感知能力、借助特征追踪确保安全性、自主识别停车位、障碍物分类、车道线识别及自动补偿、测算车辆与障碍物距离、实现准确可靠的目标跟踪、预测目标的未来移动轨迹、不借助地图的情况下识别交叉路口。

“可靠性”三个字贯穿了所有挑战过程。对此，NVLabs给出的说法是：“对于L2+级自动驾驶系统来说，例如NVIDIADRIVEAP2X平台，实时评估路径感知可靠性意味着评估该系统是否知道何时进行安全的自主操作，以及何时应该将操作权移交给人类驾驶员。”

至于NVIDIADRIVEAP2X。2019年初公司在GTC上刚刚发布了全新平台，其基于NVIDIAXavier系统级芯片运行，采用DriveWorks加速库和实时操作系统DRIVEOS，其中包含DRIVEAutoPilot软件、DRIVEAGX和DRIVE验证工具，并融合了DRIVEAV自动驾驶软件和DRIVEIX智能驾驶舱体验。

得益于二季度发布的DRIVEAP2XSoftware9.0上新增的大量自动驾驶功能加持，该平台成为业界公认的现阶段唯一完备的L2+自动驾驶解决方案。采埃孚、大陆、沃尔沃都心甘情愿为其买单。

于是，团队几个人在硅谷全长50英里的高速公路环路上完成了一次零干预的全自动驾驶。简单来说，这是一次类似“现场直播”的测试，工程师们没有机会像录制视频那样，拿实际路径感知信号与理想参数进行对比，还要随时准备应对过程中有可能发生的意外情况。

譬如，一旦自动驾驶车辆只能接收到一种传感器发射的感知信号，就无法保证最终决策置信度的实时及准确。比这更糟的还在后面——如果这唯一的路径感知输入失败，自动驾驶功能要么大幅影响操作的舒适及平稳度，要么干脆整个失灵。

换句话说，比完成这次“零干预”全自动驾驶任务更难的，是将整个过程原汁原味地呈现在各位看官眼前。

特殊任务

有别于一些硬拼技术实力的厂商，英伟达站在消费者视角给自己提出了几项相对特别的挑战——

摄像头硬伤：

对于当下居于主流的视觉感知路线而言，摄像头始终无法抵抗极端环境因素带来的硬伤，雨雪、强光等外界因素会在极大程度上干扰传感器的可见度。这也成了主流厂商争相攻坚的话题点。

英伟达开发出了一种深度神经网络（DNN）ClearSightNet，用以评估摄像头的可见度进而确定遮挡、障碍以及可见度降低的根本原因。如此一来，在数据被下游模块处理之前，感知系统就能在处理管道中尽早检测到无效数据，以备后患。

团队透露，在开发ClearSightNet时，他们考虑到了几个主要需求：

拥有从造成摄像头失明的各种潜在原因中推理出根本原因的能力

输出可操作的有意义信息

必须十分轻巧，能够以最小的计算消耗在多个摄像头上运行

感知数据最终抵达决策端时，车辆可以选择不开启自动驾驶功能，并提醒用户清洁摄像头镜头或挡风玻璃，或者使用ClearSightNet输出以通知用户摄像头感知可信度计算结果。

从视频结果可以看到，在摄像头“失明”时，英伟达给出了能够控制车辆最大程度保障安全的解决方案。

保护车辆不受碰撞：

在大家还为车辆如何避免主动碰撞时，英伟达已经开始考虑车辆“自身安全”问题了。

为此，公司设计了一款名为NVIDIA安全力场（SFF）的软件。其作为一个独立的监督员，对车辆主要规划和控制系统的决策进行实时复核，如果判定操控动作不安全，就会一票否决并纠正其决策路径，并支持自主启动及手动操作。

据介绍，SFF还有一些独到之处。该技术的正向仿真和碰撞核查是通过GPU计算加速在三维时间空间内进行的，这虽然对芯片算力提出了更高要求，但能够覆盖现实世界的各种复杂交通环境，包括缺少车道线标记、停车场场景以及在拥挤的交通环境中变道，这类无法严格划分横纵向操作的情景。

此外，考虑到现实世界的反应时间，以及其他自动驾驶车辆软件组件和子系统可能带来的缺陷和延迟，SFF还设定了安全程序预留空间。

唯一一点遗憾是，SFF实现“零碰撞”的前提，是所有道路参与者都要遵守该规则，并且感知和车辆控制都在预先设计的范围内运行。因此即便这台BB8成功了，要想推广及未来社会仍旧任重道远。

远光灯控制：

当然，摆在自动驾驶落地眼前的最大现实因素，或许还是各国司机风格迥异的驾驶习惯。可团队发现，驾驶员们在“爱用远光灯‘晃人’”这件事上意外地达成了一致。

于是出于安全因素考虑，英伟达要求AI必须要克服局限性，借助感知技术减少对向车灯造成的眩光影响。

团队在视频中简要介绍了其背后的工作原理：

利用摄像头图像训练出基于摄像头的深度神经网络（DNN）AutoHighBeamNet，它可以为车辆的远光灯系统自动生成控制输出，从而提高夜间行驶的视野范围和安全性。AutoHighBeamNet无需根据场景中其他光源的照度水平来生成远光灯控制信号，而是能够从更广泛的驾驶场景中学习，实现真正自主可靠的远光灯控制。

每帧AutoHighBeamNet检测结果将会输入到后处理子模块中，该子模块能够执行每帧和时间的后处理。随后，AutoDrivingBeam模块的输出可以由汽车制造商进行定制，根据来自其他车辆模块的输入信号（例如，汽车本身的速度，环境照明条件等）调整适应其相应规则和政策。基于这些定制，最终产生远光灯控制信号。

远光灯控制信号可以采用两种不同的模式：自动远光灯（AHB）模式，它提供二进制开/关控制；自适应驱动光束（ADB）模式，可精确控制各个远光LED阵列以创建无眩光区域（GFZ）。

显然，即便整天泡在实验室里，英伟达的软件团队早已不再满足于技术的实现效果，而开始向市场商业化发起进攻。相比一块芯片的算力大小，这些市场化的考量或许才是这场战争输赢的关键。

软件寻找载体，技术实现“破圈”

就在英伟达测试车结束实际道路测试回到实验室时，恰好赶上黄仁勋前来“视察工作”。

而BB8完成的任务也足够交上一张漂亮的成绩单。基于NVIDIADRIVEAGX平台，自动驾驶车辆可以实时同步运行功能多样的360度环绕感知，定位以及规划和控制软件。

工程师通过使用感知和定位所提供的输入数据，规划和控制层让自动驾驶汽车能够独立行驶。规划软件通过感知和定位的结果来确定汽车特定操作所需的物理轨迹。视频里也清楚地展示出车辆在自主变换车道时的流畅动作：规划软件先利用环绕摄像头和雷达感知来进行变道操作安全检查，然后计算纵向速度曲线以及从当前车道的中心线移动到目标车道中心线所需的横向路径计划，最后控制软件发出加速/减速和向左/右转向的命令以执行车道变换规划。

正是这些软件组成部分，与硬件一起成就了系统的多样性和安全冗余。而这一系列任务视频，恰恰成了证明英伟达自动驾驶软件技术落地的可靠载体。

在这之外，将无形化的软件沉淀成可视化的视频内容，也能同时以更加轻松的方式触达到消费者层面。当汽车方向盘交到机器手中，用户会天然树立起不安与不信任感。这种先期教育市场的思路，能够消除部分不安心理，重建人们在自动驾驶空间内的安全感。

直观点说，NVLabs的“自动驾驶挑战”系列，是英伟达软件技术“破圈”的先导。

作为曾经游戏市场的霸主，这家芯片巨头必然深谙消费者之道。相比一般车厂对于车辆智能功能“洗脑式”的宣传，此番英伟达率先拿出一部分干货试探市场，占领用户心智。

这种策略直接体现在公司财报数据上，2019年三季度英伟达汽车业务迎来高光时刻。公开数据显示，彼时，该领域营收攀升至创纪录的2.09亿美元，同比增长30%。相比之下，英特尔第二季度的自动驾驶营收为2.01亿美元，同比增加16%。

对比来看，英特尔一季度该项营收2.09亿美元，英伟达为1.66亿美元。这意味着，英伟达环比上涨，英特尔环比下跌。

黄仁勋自己对于“软件公司”的蓝图也相当清晰：“这只是英伟达目前定位中的一部分。”

回顾既往十年，英伟达已经进行了两次业务转变。第一次是从GPU图像芯片公司转变为并行计算公司，典型的应用场景是人工智能。后来，公司又决定在少数特定场景中提供最完善的解决方案，覆盖游戏、专业渲染，超级计算、自动驾驶几大领域。

随着英伟达业务领域越来越广，客户“解放双手”的自由度就越高。这恐怕才是“Themoreyoubuy,themoreyousave”的真实含义。

观看NVLabs全系列视频，请点击：

?

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

三、英特尔收购以色列创企Moovit***补足自动驾驶短板

5月6日，据英特尔官网消息，英特尔日前宣布已经以大约9亿美元（约合人民币63.5亿元）的价格收购以色列城市交通数据创企Moovit。

交易结束后，Moovit将加入Mobileye业务，但保持品牌独立运营。Moovit联合创始人兼首席执行官Nir Erez将加入Mobileye，担任执行副总裁一职。

事实上，早在2018年，英特尔就参与了 Moovit的最后5000万美元的D轮融资。而在此次收购中，据以色列媒体披露，有部分收购费用将用作引进人才，即员工将获得最终金额的10%作为岗位留金。

当然，此次收购Moovit，于英特尔而言，无疑是补足了自身在自动驾驶领域的短板。

业内皆知，英特尔于2017年收购了汽车芯片厂商Mobileye，进军自动驾驶汽车芯片领域。据悉，目前Mobileye的芯片已经为25家车企的300款车型提供了EyeQ系列芯片，并将驾驶辅助系统（ADAS）部署在将近6000万辆汽车上。

然而，随着特斯拉等车企开始自研芯片，英伟达、高通等企业汽车芯片的快速崛起，Mobiley在业内的地位也变得不是那么牢固。

因此，在收购Moovit之后，Amnon Shashua在接受外媒采访时表示：“收购Moovit公司，将会填补Mobiley向前迈进过程中关键的空白。”Amnon口中的这个“空白”，无疑就是自动驾驶中的关键——出行数据。

英特尔官网中，对Moovit的介绍则是，其是一家出行即服务（MaaS）公司，以移动应用程序而闻名。该移动应用程序结合了公共交通、自行车和踏板服务、乘车服务和共享汽车等，通过公共交通和导航数据，可为全球旅行者提供最佳的多式联运计划。

当前，Moovit的公共交通数据被用作谷歌和苹果公司的地图绘制应用程序，以及Uber、Lyft和共享单车等出行公司的路线规划。

据介绍，Moovit已经在MaaS领域建立了领导地位，过去两年中，其用户数量增长了7倍，英特尔高级副总裁、Mobileye首席执行官Amnon Shashua表示，该应用已经被102个国家3100个城市，共计8亿人使用。

Moovit联合创始人兼首席执行官Nir Erez表示：“随着城市变得更加拥挤，城市出行变得越来越困难，而通过将无数Moovit用户的出行习惯和需求，与无人驾驶汽车提供的最新、安全、环保的交通相结合，从而能够使城市成为更好的居住地。我们认同这一愿景，并希望成为Mobileye的一部分。”

基于此，我们不难看出，未来Moovit在英特尔自动驾驶版图中所担任的角色，则是出行数据供应商。

前文也有所言，面对自动驾驶芯片领域其他来势汹汹的企业，Mobileye将不再仅仅只是一家汽车芯片供应商，而是转型成为能够提供完整解决方案的移动出行服务商， Moovit的加入，将能够促进Mobileye转型的成功。

对此，英特尔方面表示，随着公司转型，英特尔正在投资并扩展以数据服务为支撑的市场机会，包括快速增长的ADAS、运营数据和移动出行服务市场，并预计到2030年，这些市场加起来总价值将超过2300亿美元。

同时，Amnon认为，此时英特尔决定收购Moovit完全是出于技术的考量。到2022年，英特尔会率先在以色列、法国、韩国等国家部署少量的Robotaxi，如果乘客想要预约乘坐，在Moovit的移动APP中就可以直接叫车。

事实上，据媒体引用消息人士透露，英特尔收购Moovit的谈判工作大约从今年3月就已经开始，两家公司在进行了40天的线上谈判之后达成了收购协议。

同时，上述消息人士还表示，今年3月以来，海外地区新冠肺炎疫情快速蔓延，让Moovit公司对经营前景感到不安。虽然Moovit的现金储备足够让公司维持一年时间，但随着疫情形势不断加剧，公司高层还是决定直接将公司出售给英特尔。

而面对新冠疫情所造成的影响，Amnon则表示：“对于英特尔公司来说，公司有一个有条不紊的发展计划，此次疫情不应该是英特尔前进道路上的一个绊脚石。相反，英特尔就是在危机当中寻找机会。”

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。