最近，中美贸易战以及美国对中兴的芯片制裁闹得沸沸扬扬。朋友圈中充斥着对中国半导体技术创新的焦虑与危机感。在自动驾驶领域，处理器芯片也是至关重要，那么在这里我们的处境又如何？
要讨论这个问题，得先明确自动驾驶处理器同时所具备的两个属性：汽车电子以及自动驾驶。
汽车电子：
自动驾驶处理器最终是要应用在量产车上的，因此它首先就要符合汽车电子的要求，也就是「车规级」。
在半导体行业，具备规模化出货的芯片中，汽车级芯片的技术难度是最高的，其在可靠性，安全性及功耗等方面都有着严格的要求。有多严格？举几个例子：
- 工作温度：手机一般要求 0℃-70℃即可，而汽车级芯片要扩展到-40℃-125℃。
- 工作寿命：手机一般要求 3 年的工作寿命，而汽车级芯片需要可靠地工作 10 年以上。
- 应力测试：手机芯片直接没有要求，而汽车级芯片有一套非常完善的测试标准，用于满足对于振动、冲击的测试要求。
此外，要想成为合格的汽车级芯片供应商，还要符合供应链品质管理标准：ISO/TS 16949 规范，以达到零失效 (Zero Defect) 的目标。在供货周期方面要至少满足十年的供货期，甚至要达到 15 年，这对于公司的长期运营能力、管理水平的要求，是消费级芯片供应商不可同日而语的。
自动驾驶：
还是从最根本的「安全」说起。对于自动驾驶系统来说，任何故障或者失效都是不可接受的，为了确保在功能上的可靠性，自动驾驶系统需要在各个方面都有可靠的冗余备份系统，在主系统失灵的情况下，能够被监管系统发现，并由备份系统接手控制。
目前业界广泛遵从的安全等级规范是 ASIL（汽车安全完整性等级），它分为四级，从最低的 A 级到最高的 D 级。这是一个系统级的概念，通常，如果一个系统涉及到控制，比如刹车系统、转向助力系统等，那么它需要达到最高的 ASIL-D 等级，对应的芯片则需要达到 B 或者 C 级。
而在功能上，自动驾驶处理器有两个主要任务：视觉感知和驾驶决策。
目前的行业中，自动驾驶处理器的算力主要还是用于感知，其本质还是「视觉感知芯片」。承担的任务主要为对多种传感器传回的数据进行融合，再加以分析标注。这已经意味着其要处理高清摄像头以及激光雷达等传感器所产生的庞大数据量。
如果未来想要实现 L4 以上级别的自动驾驶，则需要自动驾驶处理器在完成感知之后，进一步针对不同的复杂交通场景做出驾驶决策。目前的绝大部分自动驾驶车只能说是在严格遵守交规的原则下实现「蔽障」，根本无法实现与人类相近的驾驶决策。因为人类的驾驶决策更多的是依靠与交通场景中的其它参与者进行「博弈」后才做出的。在城市复杂路况中「博弈」的对象可能有数十个之多，包括行人，车辆，自行车，外卖车等等，且这些对象不一定会按照标准的交通规则进行行动。
这样的需求意味着自动驾驶处理器需要非常可观的算力，同时还要配合高效的 AI 算法才能够实现相对可以接受的效果。NVIDIA 最新推出的 Pegasus，算力已经达到了 320 TOPS。
我们将汽车电子和自动驾驶这两个属性合在一起，就可以发现，做自动驾驶处理器的难度非常之高：它需要符合高算力、高稳定性、高安全性、低功耗等相互之间很难平衡的特性。
目前行业内的玩家
高难度就意味着高门槛。目前，业内知名的自动驾驶处理器供应商无外乎两家：Mobileye 和 NVIDIA。
Mobileye： 其硬件产品为基于 ASIC 架构的 EyeQ 芯片，并配合有自己定制化的视觉感知算法。作为最早深耕于 ADAS 行业的企业，Mobileye 一直被视为自动驾驶业内的行业标杆。
得益于长期的积累，Mobileye 的算法已经实现了很高的鲁棒性。并且其 ASIC 架构是针对该算法应用进行深度优化的，这使得其整体解决方案功耗低，更符合车规级要求。所以目前大部分前装领域的高级驾驶辅助系统中都使用了 Mobileye 的方案。
不过，Mobileye 也有槽点：其技术体系非常的封闭。厂商只能整套购买其解决方案，且数据和技术细节也不开放。虽然在被 Intel 收购后，Mobileye 也对外宣布会在未来产品迭代的过程中逐步开放其技术体系。但是从目前的情况来看，大部分厂商对于其封闭的体系和称霸前装的地位还是一种「有苦说不出」的状态。
NVIDIA： 其硬件产品主要基于通用 GPU 架构，目前公布的最新产品为 Xavier。作为自动驾驶处理器领域的「后起之秀」，NVIDIA 的发展得益于其通用 GPU 架构在人工智能领域的广泛应用。
身为 AI 教主，老黄将人工智能变成了 NVIDIA 的标签和「摇钱树」。除了芯片之外，NVIDIA 还重点布局 AI 相关的算法、云服务数据中心、模拟器等领域。其目的就是为了能够围绕自己的 GPU 硬件打造一个完整的 AI 应用开发平台，让尽可能多的 AI 开发者都使用这个平台。
因此 NVIDIA 的平台十分开放，为开发者尽可能完善的配套各种开发工具和技术支持。作为 AI 领域的重要应用，自动驾驶也不例外，NVIDIA 的 Drive 平台已经吸引了数百个合作伙伴，包括车企供应商和创业公司等等。
但是 NVIDIA 的 GPU 毕竟是一种通用的计算芯片，并不是专门为自动驾驶而设计。纵使老黄花费再多的研发资源投入到 GPU 的平台迭代中，他们还是很难攻克 GPU 架构的通病：高功耗。这就使得目前 NVIDIA 的解决方案大部分都是使用在自动驾驶测试车上，连最早将他们应用在前装的特斯拉也在去年公布要自主研发芯片。
Mobileye 精于前装，重点做量产应用的解决方案，技术体系相对封闭。NVIDIA 统治了自动驾驶测试车，重点搭建自动驾驶研发平台，技术体系相对开放。双方虽然各有各的优缺点，但其核心技术策略却是一致的：都是硬件与软件结合着来做。
正如我们之前提到的，自动驾驶处理器需要在硬件算力和软件效率上都有着出色表现，并且二者还要相互配合到位。
我们的机会在哪里？
Mobileye 来自以色列，NVIDIA 来自美国硅谷，都不是中国的公司。而在传统汽车电子领域，市场也基本上被外国公司例如 NXP、瑞萨等所占据，中国公司鲜有建树。
但是由于自动驾驶应用中，硬件+软件的需求特殊性，我们其实还是有出头机会的。原因有这么几个：
- 政策上，自动驾驶是关系到国家安全和民生的重要技术，国家一定会希望能够有中国的本土公司掌握其中的核心技术。
- 行业上，目前汽车的供应链已经愈加趋近于扁平，原来高高在上的车企与 Tier 1 也在自动驾驶方面变得愈加开放。他们也希望能够看到更多来自外部企业的底层技术创新。相对而言，新兴公司也就有更多的机会能和汽车巨头去学习车规级硬件相关的知识和应用。
- 技术上，中国的人口红利使得我们有着庞大的数据潜力，再加上我们互联网行业产生的计算机人才储备，让中国在 AI 领域，尤其是软件开发上有着非常充足的资源。此外中国交通环境的特殊性也意味着本土公司会更加适合研发更优的解决方案。
- 市场上，中国有全球最大的汽车市场，且用户对智能化的接受度也越来越高。不管是自主还是外资车企，在本土应用的自动驾驶技术上都会有很强的需求。
对于中国的创业公司来说，虽然做自动驾驶芯片的挑战非常之大，但机遇同样也十分难得。如何能够从软件倒推出硬件可能是现在许多创业公司在思考的问题。
关于这个思考，4 月 27 日，我们的首期闭门研讨会「GeekCar 充电站」将请到地平线的算法副总裁黄畅博士来具体聊聊自动驾驶处理器。
届时黄畅博士将会从算法角度具体介绍自动驾驶需要怎样的芯片，此外他还将分享地平线在研发自己的自动驾驶芯片时所产生的心得。
如果你是来自汽车行业内的 OEM，零部件供应商或者科技公司，且对自动驾驶行业很感兴趣的话，那么我们这次的闭门研讨会一定很适合你。
想参与的话，请在我们微信后台回复「报名」了解具体的报名方式。由于是闭门制，因此我们会对报名者进行严格的审核。
原创声明： 本文为 GeekCar 原创作品，欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」，并附上原文链接，不得修改原文内容，谢谢合作！
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）。
