（本文转载自 36Kr，作者郑晓康）
特斯拉 Model 3 的量产问题仍未彻底解决，CEO Elon Musk 又抛出了自研自动驾驶芯片的重磅新闻。
Elon Musk 和特斯拉 Autopilot 负责人 Jim Keller 在昨天的神经信息处理系统大会（NIPS 2017）上是这么说的：「I wanted to make it clear that Tesla is serious about AI, both on the software and hardware fronts. We are developing custom AI hardware chips.Jim is developing specialized AI hardware that we think will be the best in the world.」
（我想明确一点：特斯拉非常重视 AI，无论软件还是硬件层面。我们正在开发定制的 AI 芯片硬件。我们认为 Jim 带队开发的专用型 AI 芯片将会是全球最好的芯片。）
在此之前，36 氪曾多次撰文阐述特斯拉自研芯片的可能性，这是第一次迎来官方实锤。为什么说特斯拉研发自动驾驶 AI 芯片应该引起注意？
先简单科普下 Jim Keller。Jim Keller，原 AMD 首席芯片架构师。
1998 年，Jim Keller 在 AMD 分别参与设计和主导研发了 Athlon 和 Opteron 64 处理器（K7 和 K8 X86-64 架构），帮助 AMD 攀上了业务发展的顶峰。1999 年，Jim Keller 离职加盟博通出任首席芯片架构师。
2004 年，Jim Keller 转投 P.A Semi，后者于 2008 年被苹果收购。Jim Keller 出任苹果移动芯片架构师，主导放弃 AMD 的公版架构，基于 AMD 的 IP 深度定制了苹果 A4/5 芯片，在苹果 A 系列芯片+iOS「软硬一体化」战略的落地中发挥了关键作用。
2012 年，Jim Keller 重回 AMD，领导开发了 Zen 架构处理器，带领 AMD 咸鱼翻身；2015 年 9 月，Jim Keller 再次离职，彼时 Zen 架构处理器已经完成了架构设计，但 AMD 股价仍应声下跌。
因为辗转多个公司均做出重大贡献的传奇经历，坊间戏称 Jim Keller 是「Chip God」。（芯片皇帝）
2016 年 1 月加盟特斯拉，带着 50 人规模的团队，到本月底刚满两年，Jim Keller 团队在特斯拉堪称高效。
下一个问题是，搭载英伟达 Drive PX 2 自动驾驶芯片的特斯拉 Autopilot 2.0 车型 2016 年 10 月才量产，Drive PX 2 芯片也是整个自动驾驶产业界最受欢迎的平台之一，特斯拉为什么要自行研发自动驾驶芯片？
L4 级别的自动驾驶存在着非常大的算力和数据传输需求，英特尔的一份报告指出，自动驾驶汽车的计算量可以达到 4TB/天，这也是当下诸多 OEM 的自动驾驶汽车后备箱放置着巨大的计算及配套的散热设备的原因。英伟达此前推出了旗舰级 Pegasus 自动驾驶芯片，这款芯片的算力达到了 320 万亿次浮点运算/秒，在鲁棒性、多级冗余及撤回机制、车规级 ASIL D 安全性和数据带宽方面均有更好的支持。唯一不可回避的缺陷是，这款芯片功耗飙升至 500W，是前代 Xavier 芯片的 15 倍以上。
这款芯片暴露出一个问题：对自动驾驶而言，即便是英伟达这样顶级 GPU 大厂，在算力和功耗的平衡上也已经触到了天花板。更宏观的说，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。
如何解决这一难题？这里举一个题外案例：在 Google 确立了 AI First 战略之后，很快发现了一个问题：即使大规模的部署英伟达的 GPU，数据中心的功耗仍然飞速上涨。2015 年，Google 研发数年的 AI 专用芯片 TPU（张量处理单元）开始投入应用，TPU 是从芯片架构层面专为机器学习设计和研发的高效能芯片。Google 在一篇论文中介绍，TPU 比 GPU/CPU 快 15~30 倍、性能功耗比（TOPS/Watt）高出约 30~80 倍。
具体到自动驾驶领域，专用计算平台能带来多大的能效提升？在特斯拉自研芯片计划的同时，国内也有一家专攻专用型芯片的创业公司地平线宣告成立。地平线创始人兼 CEO 余凯博士此前介绍，在相对通用型计算平台 1/10 的功耗下，地平线的 BPU 会有 2~3 个数量级（100 倍~1000 倍）的算力提升。就在刚刚，余凯转发特斯拉确认自研芯片称「在意料之中、战争才刚开始，这是勇敢者的游戏。」
（图片来源：地平线官网）
回到那个问题，特斯拉为什么要自行研发自动驾驶芯片？Musk 说「功耗可以降至当前的 1/10」，Keller 在演讲中提到「定制硬件可以提升效率」。小鹏汽车副总裁、前特斯拉 Autopilot 机器学习负责人谷俊丽提到过，特斯拉的自动驾驶策略和其他公司的最大不同，就是整套软硬件解决方案，包括计算平台、传感器和执行机构，全部要求可量产、可商业化。这也是特斯拉坚持不使用激光雷达（成本高昂）和比其他公司更早关注功耗问题的原因。
其实在此之前，特斯拉便有自研芯片的蛛丝马迹流出——在特斯拉 Q3 财报电话会议上，Elon Musk 被要求就英伟达 Pegasus 芯片比特斯拉 Autopilot 2.0 上的 Drive PX 2 性能好十倍，阐述特斯拉下一步的自动驾驶硬件策略。Musk 的回应并未针对英伟达，而是围绕特斯拉本身：
「we’ll have more to say on the hardware front soon, we’re just not ready to say anything now. But I feel very optimistic on that front……we feel confident of the competitiveness of our hardware strategy. I would say that, we are certain that our hardware strategy is better than any other option, by a lot.」
（我们很快就会有一些硬件层面的新进展宣布，只是还没有万事俱备，但我对此非常乐观……我们对特斯拉硬件战略的竞争力充满信心，我想说的是，我们确信特斯拉的硬件战略比任何解决方案都好不止一个量级。）
什么方案可以比哪怕号称全球首款 L5 级自动驾驶芯片英伟达 Pegasus 还要「好不止一个量级」？唯有重构芯片架构的专用型芯片可以带来这样的突破。
关于这款神秘芯片的其他进展还包括：该芯片基于 AMD 的 IP 打造；目前已经走到了设计完成、测试验证的阶段；特斯拉已经收到了首批芯片样品，目前正在进行相关测试；代工方可能是格罗方德和三星电子等。
尽管短期来看，英特尔、英伟达等传统芯片大厂的自动驾驶芯片仍然有着广阔的市场空间，但毋庸置疑的是，率先将专用型自动驾驶芯片商业化的企业将在未来的市场竞争中占据更加主动的地位。对于特斯拉而言，研发这款芯片+配套算法本质上还是对率先将自动驾驶汽车商业化节点的争夺。摆在其他自动驾驶企业面前的问题是，跟还是不跟？
欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车（微信号：GeekCar）&极市（微信号：geeket）。
