根據晶元算力選演算法

1. 給人工智慧提供算力的晶元有哪些類型

給人工智慧提供算力的晶元類型有gpu、fpga和ASIC等。

GPU，是一種專門在個人電腦、工作站、游戲機和一些移動設備（如平板電腦、智能手機等）上圖像運算工作的微處理器，與CU類似，只不過GPU是專為執行復雜的數學和幾何計算而設計的，這些計算是圖形渲染所必需的。

FPGA能完成任何數字器件的功能的晶元，甚至是高性能CPU都可以用FPGA來實現。 Intel在2015年以161億美元收購了FPGA龍 Alter頭，其目的之一也是看中FPGA的專用計算能力在未來人工智慧領域的發展。

ASIC是指應特定用戶要求或特定電子系統的需要而設計、製造的集成電路。嚴格意義上來講，ASIC是一種專用晶元，與傳統的通用晶元有一定的差異。是為了某種特定的需求而專門定製的晶元。谷歌最近曝光的專用於人工智慧深度學習計算的TPU其實也是一款ASIC。

(1)根據晶元算力選演算法擴展閱讀：

晶元又叫集成電路，按照功能不同可分為很多種，有負責電源電壓輸出控制的，有負責音頻視頻處理的，還有負責復雜運算處理的。演算法必須藉助晶元才能夠運行，而由於各個晶元在不同場景的計算能力不同，演算法的處理速度、能耗也就不同在人工智慧市場高速發展的今天，人們都在尋找更能讓深度學習演算法更快速、更低能耗執行的晶元。

2. 智能駕駛晶元爭奪戰

全球智能駕駛汽車市場正處在爆發的前夜。

根據艾瑞咨詢的報告數據顯示，到2023年，全球范圍內具備智能駕駛功能的車輛將達到約6000萬輛，L1/L2級自動駕駛功能的滲透率將接近50%，L3級自動駕駛功能的市場滲透率也會來到7%。

就從眼前來看，全球智能汽車的急先鋒特斯拉，憑借著對車輛的智能化和自動化革命，其股價不斷創造新高，總市值已突破2000億美元。

這也體現了整個市場對於智能汽車的發展保持著超高的預期。

1、國內智能駕駛市場蓄勢待發

我們將視角轉到國內：經過這兩年的快速發展，很多合資品牌、自主品牌、造車新勢力們在ADAS功能與智能駕駛系統的量產上車上，呈現出你追我趕的態勢。

據佐思產研統計，今年前4個月，國內市場的L2級自動駕駛系統的裝配率已達10.6%。

其中，豐田、沃爾沃這樣的傳統品牌，以及吉利、領克、幾何，還有長城魏派、奇瑞星途等新興品牌裝配率領先。

造車新勢力更不用說，蔚來的NIOPilot、小鵬的XPilot、威馬的LivingPilot以及理想的輔助駕駛系統都已經搭載上車並且在持續進化之中。

特別是理想汽車最近拿到美團的融資，未來將大力投入自動駕駛技術的開發和應用。

L3自動駕駛的市場也在不斷擴大，自2017年奧迪推出新A8標榜量產全球首個L3自動駕駛系統以來，國內的品牌也紛紛上馬L3級自動駕駛功能。

其中就包括了廣汽新能源的AionLX/AionV、上汽榮威已上市的MarvelX和待上市的MarvelR，還有今年受到廣泛關注的長安U-NIT和比亞迪漢。

不過受限於國內的法律法規還未明確，這些車型上所搭載的L3自動駕駛功能尚未開放，但後市可期。

而針對更高級別的L4自動駕駛，近期有兩大比較重磅的行業動態：

其一是沃爾沃與Waymo牽手了，後續沃爾沃品牌、極星品牌以及領克品牌的車型將會集成Waymo的自動駕駛技術；

黑芝麻聯合創始人兼CEO單記章（右）黑芝麻聯合創始人兼COO劉衛紅（左）

黑芝麻的聯合創始人兼CEO單記章此前是圖像晶元公司OmniVision（OV）的圖像演算法負責人，在視覺感知領域擁有100多項專利。

聯合創始人兼COO劉衛紅先後就職通用汽車、博世，曾出任博世底盤制動事業部亞太區總裁，在主機廠和Tier1都有深厚的任職經驗。

一個出身自晶元行業，另一個來自汽車製造業，兩者相輔相成，未來要在自動駕駛晶元領域創造出一番天地。

針對團隊的構成，劉衛紅曾經提到，「我們的基因是晶元，團隊里有做過車規級晶元研發和車規級晶元驗證的尖端人才，想做和做過是不一樣的。同時我們還整合了既懂演算法，又懂得計算架構的開發人員。」

目前黑芝麻在中美兩地都有團隊，全球擁有近300名員工，團隊成員很多曾就職於OV、安霸、高通、英偉達等晶元公司，平均從業經驗超過15年。

4、自動駕駛晶元量產急行軍

自動駕駛晶元要實現量產落地，必須要邁過車規級的坎。

自動駕駛晶元的車規級，不但包含了晶元本身的可靠性、穩定性、耐久性等要求，還要滿足與車輛系統整合後的系統功能安全。目前市面上很少有供應商能同時滿足兩方面的要求。

黑芝麻新近推出的A1000晶元，從設計之初就朝著車規級的目標邁進。

它符合晶元AEC-Q100可靠性和耐久性Grade2標准，晶元整體達到了ISO26262功能安全ASIL-B級別。

晶元內部還有滿足ASIL-D級別的安全島，整個晶元系統的功能安全等級為ASIL-D。

為此，A1000晶元採用的是ARM車規級的CPU和GPU。

在代工廠方面，黑芝麻也是按照車規級的要求選擇了台積電的16nm產線。這一切的目標都是為了實現這款晶元的車規級設計目標。

此前的6月，黑芝麻的研發團隊已經對這款晶元的所有模塊進行了性能測試，完全調試通過，接下來就是與客戶進行聯合測試，為最後的大規模量產做准備。

據悉，搭載這款晶元的首款車型將在2021年底量產。

另外，黑芝麻的華山一號A500晶元也已開啟量產，其與國內頭部車企針對L2+和L3級別自動駕駛的項目也正在展開。

相較於傳統的汽車電子晶元廠商，黑芝麻的規劃顯然更加快速激進，他們需要更敏捷地把握住時間窗口。

這個時間窗口也就在這兩年中，特別是今年，大部分的智能駕駛車型已經在進行晶元選型，而現在能夠拿出這樣的晶元產品的廠商，無疑將佔得先機。

黑芝麻的A1000晶元已於今年6月發布，在量產進程中踏准了市場的節奏。

在全球智能駕駛汽車市場爆發的前夜，針對自動駕駛晶元的市場爭奪也更加激烈。

頭部是Mobileye、英偉達這樣的巨頭；還有從移動晶元市場殺出的華為海思和高通等廠商；老牌汽車半導體廠商們也在加快布局。

如黑芝麻一樣的AI晶元公司將成為重要的後起之秀。

智能駕駛汽車將是一個擁有巨量增長潛力的市場。

在這樣的市場機遇中，黑芝麻這樣的國產自動駕駛晶元廠商正在產品層面上與Mobileye和英偉達這樣的國際巨頭展開角逐，未來就是吸納客戶、建立起生態，修建自己的護城河。

單記章曾在多個場合表露過同一個願景：PC時代英特爾為代表的處理器企業；智能手機時代有ARM為代表的移動晶元公司；而黑芝麻則希望成為智能駕駛時代的英特爾和ARM。

智能汽車的大勢已成，「Bigthingsstartsmall」。

巨大的產業機遇之下，今天的後起之秀能否成為未來的產業巨頭？

我們且行且看。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

3. 最高280 TOPS算力，黑芝麻科技發布華山二號，PK特斯拉FSD

晶元作為智能汽車的核心「大腦」，成為諸多車企、Tier 1、自動駕駛企業重點布局的領域。
圍繞著自動駕駛最為關鍵的計算單元，國內誕生了諸多自動駕駛晶元創新公司，在該領域的絕大部分市場份額依然被國外廠商控制的當下，他們正在爭取成為「國產自動駕駛晶元之光」。
成立於 2016 年的黑芝麻智能科技便是這一名號的有力爭奪者。
繼 2019 年 8 月底發布旗下首款車規級自動駕駛晶元華山一號（HS-1）A500 後，黑芝麻又在這個 6 月推出了相較於前代在性能上實現躍遷的全新系列產品——華山二號（HS-2），兩個系列產品的推出相隔僅 300 余天，整體研發效率可見一斑。
1、國產算力最高自動駕駛晶元的自我修養
華山二號系列自動駕駛晶元目前有兩個型號的產品，包括：
應用於?L3/L4?級自動駕駛的華山二號 A1000?；針對?ADAS/L2.5?自動駕駛的華山二號 A1000L。
簡單理解就是，A1000 是高性能版本，而 A1000L 則在性能上進行了裁剪。
這樣的產品型號設置也讓華山二號系列晶元能在不同的自動駕駛應用場景中進行集成。
相較於 A500 晶元，A1000?在算力上提升了近?8 倍，達到了?40 - 70TOPS，相應的功耗為?8W，能效比超過?6TOPS/W，這個數據指標目前在全球處於領先地位。
華山二號 A1000 之所以能有如此出色的能效表現，很大程度是因為這塊晶元是基於黑芝麻自研的多層異構性的?TOA 架構打造的。
這個架構將黑芝麻核心的圖像感測技術、圖像視頻壓縮編碼技術、計算機視覺處理技術以及深度學習技術有機地結合在了一起。
此外，這款晶元中內置的黑芝麻自研的高性能圖像處理核心?NeuralIQ ISP?以及神經網路加速引擎?DynamAI DL?也為其能效躍升提供了諸多助力。
需要注意的是，這里的算力數值之所以是浮動的，是因為計算方式的不同。
如果只計算 A1000 的卷積陣列算力，A1000 大致是 40TOPS，如果加上晶元上的 CPU 和 GPU 的算力，其總算力將達到?70TOPS。
在其他參數和特性方面，A1000 內置了 8 顆 CPU 核心，包含 DSP 數字信號處理和硬體加速器，支持市面上主流的自動駕駛感測器接入，包括激光雷達、毫米波雷達、4K 攝像頭、GPS 等等。
另外，為了滿足車路協同、車雲協同的要求，這款晶元不僅集成了 PCIE 高速介面，還有車規級千兆乙太網介面。
A1000 從設計開始就朝著車規級的目標邁進，它符合晶元 AEC-Q100 可靠性和耐久性 Grade 2 標准，晶元整體達到了 ISO 26262 功能安全 ASIL-B 級別，晶元內部還有滿足 ASIL-D 級別的安全島，整個晶元系統的功能安全等級為?ASIL-D。
從這些特性來看，A1000 是一款非常標準的車規級晶元，完全可以滿足在車載終端各種環境的使用要求。
A1000 晶元已於今年 4 月完成流片，採用的是台積電的 16nm FinFET 製程工藝。
今年 6 月，黑芝麻的研發團隊已經對這款晶元的所有模塊進行了性能測試，完全調試通過，接下來就是與客戶進行聯合測試，為最後的大規模量產做准備。
據悉，搭載這款晶元的首款車型將在?2021 年底量產。
隨著 A1000 和 A1000L 的推出，黑芝麻的自動駕駛晶元產品路線圖也更加清晰。
在華山二號之後，這家公司計劃在 2021 年的某個時點推出華山三號，主要面向的是 L4/L5 級自動駕駛平台，晶元算力將超越 200TOPS，同時會採用更先進的 7nm 製程工藝。
華山三號的?200TOPS?算力，將追平英偉達 Orin 晶元的算力。
去年 8 月和華山一號 A500 晶元一同發布的，還有黑芝麻自研的 FAD（Full Autonomous Driving）自動駕駛計算平台。
這個平台演化至今，在 A1000 和 A1000L 晶元的基礎上，有了更強的可擴展性，也有了更廣泛的應用場景。
針對低級別的 ADAS 場景，客戶可以基於 HS-2 A1000L 晶元搭建一個算力為 16TOPS、功耗為 5W 的計算平台。
而針對高級別的 L4 自動駕駛，客戶可以將 4 塊 HS-2 A1000 晶元並聯起來，實現高達 280TOPS 算力的計算平台。
當然，根據不同客戶需求，這些晶元的組合方式是可變換的。
與其他大多數自動駕駛晶元廠商一樣，黑芝麻也在可擴展、靈活變換的計算平台層面投入了更多研發精力，為的是更大程度上去滿足客戶對計算平台的需求。
反過來，這樣的做法也讓黑芝麻這樣的晶元廠商有了接觸更多潛在客戶的機會。
根據黑芝麻智能科技的規劃，今年 7 月將向客戶提供基於 A1000 的核心開發板。
到今年 9 月，他們還將推出應用於 L3 自動駕駛的域控制器（DCU），其中集成了兩顆 A1000 晶元，算力可達 140TOPS。
2、黑芝麻自動駕駛晶元產品「聖經」
借著華山二號系列晶元的發布，黑芝麻智能科技創始人兼 CEO 單記章也闡述了公司 2020 年的「AI 三次方」產品發展戰略，具體包括「看得懂、看得清和看得遠」。
這一戰略是基於目前市面上對自動駕駛域控制器和計算平台的諸多要求提出的，這些要求包括安全性、可靠性、易用性、開放性、可升級以及延續性等。
其中，看得懂直接指向的是?AI 技術能力，要求黑芝麻的晶元產品能夠理解外界所有的信息，可以進行判斷和決策。
而看得懂的基礎是看得清，這指的是黑芝麻晶元產品的圖像處理能力，需要具備准確接收外界信息的能力。
這里尤其以攝像頭感測器為代表，其信息量最大、數據量也最多，當然感測器融合也不可或缺。
看得遠則指的是車輛不僅要感知周邊環境，還要了解更大范圍的環境信息，這就涉及到了車路協同、車雲協同這樣的互聯技術，所以我們看到黑芝麻的晶元產品非常注重對互聯技術的支持。
作為一家自動駕駛晶元研發商，這一戰略將成為黑芝麻後續晶元產品研發的「聖經」。
3、定位 Tier 2，綁定 Tier 1，服務 OEM
現階段，發展智能汽車已經成為了國家意志，在政策如此支持的情況下，智能汽車的市場爆發期指日可待。
根據艾瑞咨詢的報告數據顯示，到 2025 年全球將會有 6662 萬輛智能汽車的存量，中國市場的智能汽車保守預計在 1600 萬輛左右。
如此規模龐大的智能汽車增量市場，將為那些打造智能汽車「大腦」的晶元供應商培育出無限的產品落地機會。
作為其中一員，黑芝麻智能科技也將融入到這股潮流之中，很有機會成長為潮流的引領者。
作為一家自動駕駛晶元研發商，黑芝麻智能科技將自己定位為?Tier 2，未來將綁定 Tier 1 合作夥伴，進而為車企提供產品和服務。
當然，黑芝麻不僅能提供車載晶元，未來還將為客戶提供自動駕駛感測器和演算法的解決方案，還有工具鏈、操作平台等產品。
憑借著此前發布的華山一號 A500 晶元，黑芝麻智能科技已經與中國一汽和中科創達兩家達成了深入的合作夥伴關系，將在自動駕駛晶元、視覺感知演算法等領域展開了諸多項目合作。
另外，全球頂級供應商博世也與黑芝麻建立起了戰略合作關系。
目前，黑芝麻的華山一號 A500 晶元已經開啟了量產，其與國內頭部車企關於 L2+ 和 L3 級別自動駕駛的項目也正在展開。
如此快速的落地進程，未來可期。
有意思的是，黑芝麻此番發布華山二號系列晶元，包括中國一汽集團的副總經理王國強、上汽集團總工程師祖似傑、蔚來汽車 CEO 李斌以及博世中國區總裁陳玉東在內的多位行業大佬都為其雲站台。
這背後意味著什麼？給我們留下了很大的想像空間。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

4. L3元年，長安/廣汽/吉利/榮威/小鵬，都交出了怎樣的答卷

此前，不少業內人士就已經預測：2020年將是L3級自動駕駛大規模出現的元年。確實如此，進入2020年，陸續有企業宣稱可以實現L3級自動駕駛車輛的量產。
截止目前，已經有以下自主廠商宣布將推出L3量產車輛：
長安 —— 代表車輛：UNI-T
廣汽新能源 —— 代表車輛：埃安 LX、埃安 V
吉利 —— 代表車輛：幾何C
榮威 —— 代表車輛：MARVEL X Pro、MARVEL-R
小鵬 —— P7
但同是L3，各家廠商所推出的方案又有何異同？今天我們不妨就逐個「審閱」一下，自主廠商們所交出的不同「答卷」。
我們首先明確一下「L3」的定義。根據汽車駕駛自動化分級國家標准報批稿中的定義，3級駕駛自動化系統應「在其設計運行條件內持續地執行全部動態駕駛任務。」
「全部動態駕駛任務」意味著，包括車輛識別、道路識別、定位在內的環境感知任務，和變道、超車、線路規劃等決策任務，都是由系統獨立完成的，司機可以完全脫手脫腳脫眼。
但相應地，L3級自動駕駛系統需要在特定環境下工作，一般來講只能在天氣條件良好的高速公路及城市快速路上開啟。
當然，3級駕駛自動化依然要求司機保持一定的警覺，在系統發出接管請求或出現車輛機械繫統失效時能及時接管。因此，系統也應主動確定司機是否有接管能力，並在其接管能力不足以接管系統前提示其接管並退出。
簡單來說，L3的系統在設計運行條件下，全權接管了車輛，駕駛員無需時刻保持注意力，而駕駛責任也由駕駛員部分轉移到了系統及廠商。這就對整套系統的感知能力和決策能力提出了更高的要求。
方案解析
長安 —— 以 UNI-T 為例
1、環境感知感測器方案
長安 UNI-T 的L3系統感測器方案配備了 5 個毫米波雷達、6 個攝像頭、12個超聲波感測器，無激光雷達。
前置主攝像頭（×1）
360環視攝像頭（×4）
駕駛員監控攝像頭（×1）
前置毫米波雷達（×1）
側置毫米波雷達（×4）
超聲波雷達（×12）
2、數據處理單元
長安 UNI-T 的數據處理單元採用了我國自主研發的地平線 Journey 2.0晶元，該晶元基於 TSMC 28nm 製程工藝打造，內建了2個 Cortex A53 核心和2個地平線2代 BPU，在2w的典型功耗下，可得到大於 4TOPS 的等效算力，理論上超過 Mobileye EyeQ4。
據官方說法，地平線 Journey 2.0晶元每TOPS算力可以處理的幀數可達同等算力GPU的10倍以上，識別精度超過99%，延遲少於100毫秒，多任務模式下可以同時跑超過60個分類任務，每秒鍾識別目標數可以超過2000個。
3、高精地圖
在上面的基礎上，長安 UNI-T 還採用了由網路地圖提供的高精地圖，最高可實時獲取 8 公里范圍內的道路信息，實現車道級高精定位和精準路徑規劃，可有效確保自動駕駛任務的准確性。
廣汽新能源 —— 以埃安V為例
1、環境感知感測器方案
埃安V的 ADiGO 3.0 自動駕駛系統感測器方案其中包括了6個攝像頭、5個毫米波雷達、12個超聲波雷達，無激光雷達。
前置主攝像頭（×1）
360環視攝像頭（×4）
駕駛員監控攝像頭（×1）
前置毫米波雷達（×1）最大探測距離210m
側置毫米波雷達（×4）
超聲波雷達（×12）
2、數據處理單元
在這套系統中，前置主攝像頭為安波福與 Mobileye 聯合研發，內置了 EyeQ4 晶元的智能前視攝像頭，最大探測距離超過 200 米，能做到對前車圖像任意角度的識別，並行處理可視范圍內障礙物，對多目標進行同步追蹤。
Mobileye EyeQ4 就是該車的主要感知處理單元，該晶元基於 28nm FD-SOI 工藝製程打造，內建了四個CPU內核，每個內核又擁有四個硬體線程，專為L3級自動駕駛任務設計。
EyeQ4晶元可以滿足每秒超過2.5萬億次TOPS浮點運算的要求，還要符合車用系統晶元3瓦左右的低能量消耗標准。提升的運算性能保證基於EyeQ4晶元的高級駕駛員輔助系統可以選用更先進的計算機視覺處理演算法，例如深度層次化網路和圖像模型，從而實現以每秒36幀的速度，同時處理8個攝像頭的影像信息。
此外， ADiGO 3.0 中還採用了安波福提供的多域控制器，多域控制器是自動駕駛的核心處理單元，所有感測器的信號最終都匯入到此處進行分析處理，然後再發出控制命令，起到了一定的決策作用。
3、高精地圖
埃安V的 ADiGO 3.0 也搭載了網路的高精地圖，精度達10cm，可以實現車道級定位，實時預判前方1km的路徑，以在感測器數據缺失時及時補足進行補充計算。
小鵬 —— 以 P7 為例
1、環境感知感測器方案
小鵬P7在感知系統上採用了以視覺感知為主、多種感測器為輔的方案，它的感知系統包含：
前置主攝像頭（×3）
前置監控攝像頭（×1）
360環視攝像頭（×4）
環視智能感知攝像頭（×5）
前置毫米波雷達（×1）
側置毫米波雷達（×4）
超聲波雷達（×12）
小鵬 P7 的感知系統很有趣，1個前置三目攝像頭和5個增強感知攝像頭主要用於自動駕駛的環境感知；而另外的一個前置單目攝像頭和4個環視攝像頭則主要用於360環影和行車記錄。
這兩套系統在理論上還可以互為冗餘，當其中一套發生故障時，另一套可以通過特殊的演算法接任視覺感知的工作，可以說是目前量產車中最復雜的視覺系統，超過特斯拉。
2、數據處理單元
小鵬P7所搭載核心是來自英偉達的 DRIVE Xavier。它擁有超過90億個晶體管，內建了一顆 Tegra Xavier CPU 和一顆擁有 512 CUDA 核心的 Volta IGPU，在 INT8 精度下的算力可達 30 TFLOPS，也就是可以實現每秒30萬億次運算。
從算力上來看，小鵬P7的 30 TFLOPS 在目前國內的量產車中是最高的，這意味著P7的數據處理單元具備直接升級L4甚至更高級別自動駕駛的潛力。
3、高精地圖
在小鵬P7發布會上，小鵬強調了P7將搭載高精地圖，並且NGP功能的實現就一定程度上依賴於此。該地圖來自於高德，這與小鵬出身阿里系有一定的關系。
吉利 —— 以 幾何C 為例
幾何C是吉利前不久放出的一個衛星，它的定位很唬人——全球首款量產無人駕駛純電SUV，自動駕駛是其核心功能。
關鍵的是，幾何C將跳過L3級有條件自動駕駛，直接來到了L4級高度自動駕駛，也就是官方所稱的「智感循跡無人駕駛系統」，可以實現除一些復雜的道路情況外的完全自動駕駛。
要知道，目前全球范圍內還沒有可以實際應用的L4級自動駕駛技術，到今年2020年L3級技術也只是剛剛被拿上檯面。個人猜測，可以大規模裝機的L4級自動駕駛方案在2025年前不會普及。
所以，即便幾何C的量產車型申報圖已經曝光，但它在自動駕駛這塊依然是個「衛星」，而這套可以實現L4級自動駕駛的方案，依目前的技術也難以進行猜測。
榮威 —— 以 MARVEL X Pro 為例
1、環境感知感測器方案
MARVEL X Pro 稱自己是全球首款L3級電動汽車，它的環境感知方案由3個毫米波雷達、6個攝像頭、以及12個超聲波雷達組成。
前置主攝像頭（×1）
前置行車記錄攝像頭（×1）
環視攝像頭（×4）
前置毫米波雷達（×1）
側置毫米波雷達（×2）
超聲波雷達（×12）
2、數據處理單元
MARVEL X Pro 搭載了自行研發的iECU，其算力未知，但其中集成了Mobileye的EyeQ視覺晶元。根據該車可以實現L3級自動駕駛來看，其搭載的晶元應該是市面上普遍採用的EyeQ4，與廣汽埃安V相似。
3、高精地圖
在目前，要想實現L3級自動駕駛，高精地圖是必須的。MARVEL X Pro搭載了來自中海庭數據的高精地圖，該公司是上汽的控股公司，主要業務都集中在地圖數據的採集與內容製作方面，是全球導航數據標准化聯盟成員。
————————————分割線————————————
方案對比
雖然都宣稱可以達到L3級別，但拆開來看，各個廠商的方案還是有所不同的。
首先，國標規定了，L3級系統應主動確定司機是否有接管能力，也就是對駕駛員的監控提出了要求，那麼不具備駕駛員監控攝像頭的榮威 MARVEL X Pro 則較難實現這一點。
同時其側置毫米波雷達僅有兩顆，分別位於左後和右後，而其環視攝像頭僅用於360影像的拼接，不參與環境感知，所以該車對於左前和右前兩個側面的感知能力是有不足的。那麼，榮威 MARVEL X Pro 如何實現L3級自動駕駛，能實現怎樣的L3級自動駕駛，還是值得商榷的。
此外，長安 UNI-T和廣汽 埃安V的方案十分相似，比較明顯的不同在於數據處理單元的差異和算力差異。
長安 UNI-T和廣汽 埃安V所搭載的環視攝像頭與榮威一樣，不參與ADAS的環境感知，環境感知都是由單目前置ADAS攝像頭和5個毫米波雷達負責的，這一方案與蔚來ES8所搭載的 NP 相類似，只不過ES8的前置攝像頭為3目，識別能力更強。
但微博大V@電動星球蟹老闆 曾指出，蔚來明確表示過ES8搭載的ADAS系統不具備升級L3級自動駕駛的能力，而綜合實力略遜一籌的長安 UNI-T如何實現？耐人尋味。
值得一提的是，目前公布的L3量產車都強調了高精地圖的意義，長安 UNI-T和廣汽 埃安V採用的高精地圖來自網路，小鵬P7的來自高德，而榮威的則來自自家的中海庭。
可見，在目前的技術實力下，量產車的感知能力依然存在不足，需要既有的高精地圖進行數據補足，從而實現有限條件下的L3級自動駕駛。而關於高精地圖這一點，我們之後也會有專門的文章對其深剖細究，請大家持續關注電動知士。
本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

5. 自動駕駛「芯」戰爭

今年，新冠疫情的爆發、經濟的下滑、國際政治環境的惡化，讓汽車產業充滿了巨大的不確定。多家咨詢機構預計，今年全球汽車銷量將面臨10%-20%的下滑。

然而，在不確定中，汽車行業對未來的方向又十分篤定。自動駕駛集中出現了幾則大新聞——

6月23日，剛剛與寶馬在自動駕駛領域宣布和平分手的賓士，宣布與晶元供應商英偉達達成合作，將使用後者的Orin晶元，開發下一代車載計算系統，為賓士量產車型2024年將全面搭載的L2-L3級自動駕駛功能，以及最高可達L4級的自動泊車功能提供算力支持。

6月25日，沃爾沃汽車集團宣布，沃爾沃將與谷歌旗下自動駕駛公司Waymo達成戰略合作夥伴關系，在一個全新的電動汽車平台上，進行L4級自動駕駛技術的合作，探索自動駕駛網約車等商業場景。

6月26日，亞馬遜正式收購美國自動駕駛公司Zoox，亞馬遜為此付出超過12億美元。

6月27日，滴滴自動駕駛網約車載人示範運營在上海正式啟動，央視對其全過程進行了直播。從這一天開始，滴滴在上海嘉定的自動駕駛測試車將面向公眾開放，滴滴在APP中上線了「未來出行」頁面，供公眾申請自動駕駛網約車試乘。

一時間，大公司近乎開啟了一場自動駕駛軍備競賽。毫無疑問，參與其中的企業都意識到，未來的汽車，將是跑在輪子上的超級計算機。高性能的計算晶元，在這場軍備競賽中至關重要的地位，愈發凸顯。

一、賓士另結新歡，只是因為它？

6月23日，在與寶馬的自動駕駛合作宣告暫停後4天，賓士向晶元供應商英偉達投懷送抱，雙方達成合作，為賓士將在2024年量產的自動駕駛車型開發計算平台。

在幾天前的公告中，雙方還表示，「鑒於建立共享技術平台所需的費用，以及當前的商業和經濟狀況，現在並不是成功實施合作的一個合適的時機。」太燒錢，看起來是讓雙方決定暫停技術合作的關鍵原因。

不過，賓士隨後與英偉達光速結伴的舉動，倒是指向了錢以外的因素。通常來說，車企與車企之間的合作，並不會對車企與供應商的合作產生影響，但賓士與寶馬之間的合作不同。在與賓士達成合作之前，寶馬已經與全球最大的ADAS系統供應商Mobileye組建了一個自動駕駛同盟，基於其EyeQ系列晶元研發自動駕駛。

與寶馬的合作意味著，賓士要選用Mobileye的晶元來構建關鍵的自動駕駛計算單元。而這或許是雙方分歧中尤為重要的那一個。國外咨詢機構Guidehouse首席分析師SamAbuelsamid稱，「我懷疑這兩家汽車製造商無法就使用的平台達成共識，現在，與英特爾/Mobileye的產品相比，Orin看起來是更強大的解決方案。」

從公開的信息來看，Sam的分析不無道理。Mobileye規劃的下一代自動駕駛晶元EyeQ5，其算力為24TOPS（每秒運算24萬億次），而英偉達去年底發布的Orin，算力則高達200TOPS。此外，Mobileye過去在與車企的合作中一貫表現強勢（盡管承諾EyeQ5將會更加開放），其提供的功能模塊對主機廠常常是「黑箱」；而英偉達自動駕駛構建的DriveAGX軟體平台一開始就走了一條開放的道路，可以支持車廠在其計算平台上自主進行演算法開發。

其實在此之前，賓士探索研發自動駕駛網約車時，因為該技術對晶元算力的高要求，賓士就選用了來自英偉達的DrivePEGASUS車載電腦。6月23日官宣的信息，意味著賓士在自動駕駛時代的晶元選擇上，全面倒向英偉達，將雙方的合作擴展到賓士的量產車型中。

而與沃爾沃達成自動駕駛戰略合作的Waymo，則是依託谷歌在AI領域的技術實力，使用自研的TPU。雖然Waymo用於車輛端的TPU算力並未公布，但據Waymo官方的透露，在使用TPU後，其自動駕駛系統的性能提升了15倍。

晶元在自動駕駛中的地位，可以用「隱形冠軍」來形容。從車輛外觀你看不見它的存在，但一台自動駕駛汽車能夠順利運行，它絕對是頭號功臣。

二、自動駕駛競賽，亦是一場晶元競賽

無論是賓士棄寶馬牽手英偉達，還是沃爾沃與Waymo高達戰略級別的聯盟，又或者是滴滴的自動駕駛網約車發車，上周集中發生的大新聞說明，汽車公司與科技公司都將自動駕駛放在了至關重要的位置：從近期看，自動駕駛功能是汽車產品力的重要組成部分；從長遠看，L4級自動駕駛投入大規模應用後，可能會徹底改變汽車行業的商業模式。

推動這一切變化的基礎，是一枚小小的晶元。為了在自動駕駛能力上獲取競爭優勢，參與這場競賽的企業或獨立研發，或合縱連橫，只為尋得一塊高性能的自動駕駛晶元。行業內有個非常典型的例子：特斯拉。

作為智能電動汽車的領頭羊，特斯拉和當前市場上的兩家主流自動駕駛晶元廠商都有過合作經歷。但是由於Mobileye的強勢和封閉，英偉達降不下來的功耗和高昂的開發成本，合作都未能長遠。特斯拉為了發揮軟硬體一體在自動駕駛中的優勢，率先在車企中獨立研發了自動駕駛計算平台的FSD，其算力達到144TOPS。FSD對自動駕駛的算力支持主要來自兩塊AI晶元，其單晶元算力約72TOPS。

迄今為止，特斯拉的FSD仍然保持著量產車自動駕駛算力紀錄。而特斯拉認為，FSD足以為其將推出的完全自動駕駛（FullSelf-Driving）功能提供支持。

毫無疑問，自動駕駛的競賽，同樣也是晶元的競賽。整個汽車行業向自動駕駛的重視乃至全面轉向，將創造巨大的自動駕駛晶元需求。如果哪家企業在自動駕駛晶元市場占據了可觀的份額，那麼對應的或許是千億美元市值的想像空間。

當前，在巨大市場的吸引下，自動駕駛晶元領域已經出現了或新或老的四種勢力：

第一類，是Mobileye等老牌的ADAS晶元/自動駕駛晶元供應商。

這一類企業，是汽車行業開始研發高級輔助駕駛系統（ADAS）時，就參與市場競爭的企業。這些企業面向自動駕駛的競爭策略是，通過在ADAS市場積累的技術以及客戶資源，不斷向上升級其既有產品，實現向自動駕駛的平滑過渡，典型的就是Mobileye對EyeQ系列晶元的不斷迭代。

除了Mobileye，瑞薩、恩智浦、德州儀器、電裝等老牌汽車半導體供應商，都有各自的自動駕駛晶元規劃。

第二類，是看到自動駕駛晶元機遇，跨領域而來的半導體巨頭。

比如上文提到的英偉達，此前其主力業務為屬於消費電子的GPU，以及數據中心等，但英偉達洞察到自動駕駛對高性能晶元的需求後，迅速進入了這一市場，目前已經推出DrivePX、DriveAGXXavier、DriveOrin三代產品，並獲得了不少車企的訂單。

主力業務為通信，制霸基帶晶元、手機SoC的高通，則在嘗試收購恩智浦獲得自動駕駛競賽入場券的努力告吹後，於今年CES上推出了SnapdragonRide自動駕駛計算平台。根據高通官方的信息，這一基於高通晶元打造的計算平台最高算力可達700TOPS，可支持L4--L5級自動駕駛。

而在高通之前，主力業務同樣為通信以及消費電子的華為，就已經發布了自動駕駛計算平台MDC600。這一計算平台由8顆昇騰310AI晶元整合而成，最高算力達到352TOPS。

第三類，是在新機遇下誕生的自動駕駛晶元初創企業。

在國內以地平線為典型代表。

本月，搭載地平線車規級AI晶元征程2的長安UNIT正式上市。藉此，地平線實現了國產自動駕駛晶元的率先「上車」。另一方面，算力為4TOPS的征程2，也是中國首款車規級AI晶元。

而在今年晚些時候，地平線還將發布算力達到96TOPS、支持16路高清攝像頭信號的征程5，這款晶元算力超越特斯拉的FSD，將面向高等級自動駕駛。

最後一類，則是特斯拉為代表的車企自研派。

由於車企基本沒有半導體的製造經驗，因此他們通常會向供應商采購晶元。而總部位於矽谷的特斯拉，則有著不同的基因、為了最大程度發揮軟硬體一體化的優勢，特斯拉依託矽谷的半導體人才資源，自行研發了FSD。

目前來看，車企自研自動駕駛晶元的模式難以復制，特斯拉很可能會是這條路徑的獨苗。

在國內，無論是傳統車企還是造車新勢力，目前都無自研自動駕駛晶元的計劃。作為全球最大的單一汽車市場，中國順理成章地成為自動駕駛晶元供應商的兵家必爭之地。

三、中國能否催生自動駕駛晶元巨頭？

如此多的參賽者，讓自動駕駛晶元這個仍待開發的藍海市場，看上去已經呈現出紅海的競爭態勢。近兩年中美圍繞晶元發生的一系列事件，讓人們對中國晶元產業的的弱勢心有戚戚。從年初國家11部位聯合發布的《智能汽車創新發展戰略》到「新基建」，都將車載晶元的研發作為戰略重點，中國汽車行業都希望能有更多本土晶元企業強勢崛起。

如今，在汽車行業進行智能化轉型、創造大量自動駕駛晶元需求的態勢下，中國晶元能否迎頭趕上，培育出一家能夠在市場上立足的中國本土自動駕駛晶元供應商？答案並不確定，但6月地平線征程2晶元搭載於長安UNIT的「上車」，至少已經開了一個好頭。據了解，在ADAS晶元領域，征程2晶元所展現的感知計算性能已經在多個指標上超越了行業龍頭Mobileye的晶元，特別是針對中國的特殊路況，並已經成功簽下了來自中國各大汽車集團的十多款定點車型。

地平線創始人余凱在一次媒體采訪中如此總結地平線的差異化優勢：「在全球范圍內，能提供這樣功耗和算力水平、且開放賦能的晶元企業，我們是獨一家。英偉達在輔助駕駛、智能座艙多模交互等方面完全沒有產品，晶元功耗也比較高。我們的功耗和算力可以跟Mobileye正面PK，但Mobileye不開放，而我們能滿足車企自主開發的需求」，並表示未來有信心拿到全球1/3的市場。

事實上，當自動駕駛潮流席捲而來，如地平線這樣率先瞄準車載AI晶元市場，並已通過前裝量產得到市場驗證的中國晶元企業確實迎來了最好的時代。中國作為全球最大的汽車市場，再加上自動駕駛技術開發的一些典型特徵與需求，為本土自動駕駛晶元企業創造了難得的機遇。

首先，自動駕駛技術有強地域性。

因為世界各地自然條件、交通場景、交通規則乃至是文化傳統的差異，所以在一國一地開發的自動駕駛技術很難復用到其他地區。這種影響會直接傳導到硬體層面——因為與具體數據、演算法高度整合，自動駕駛晶元很難不受地域特徵的支配。

在此情況下，一家擁有強大本土研發團隊、對中國的數據與場景更加了解的企業，有更大的概率研發出更適合中國場景，且演算法與硬體結合更加高效的自動駕駛晶元。

其次，當汽車被越來越多的人們看作電子產品時，人們對其功能迭代的頻率與速度，都有了更高的期望，自動駕駛功能也不例外。

此前，主要由國外供應商占據市場主流的ADAS，在功能搭載上車後便永不更新。但當汽車變得智能化，車輛其實可以通過不斷地OTA，實現功能的升級，甚至實現從ADAS到半自動駕駛、自動駕駛的跨越。比如特斯拉通過升級實現Model3的NOA（高速公路自動駕駛輔助）功能，就是典型的例子。

當然，特斯拉僅此一家。對於更多車企來說，要完成這樣的任務，需要他們與自動駕駛晶元供應商保持高頻、緊密的聯系，由雙方進行聯合研發。

這一變化，更加考驗供應商對車企需求的快速響應。換句話說，這需要自動駕駛晶元供應商建立一個成規模的現場支持團隊，做到對車企需求的快速反饋、支援。顯然，一個本土的、沒有文化語言隔閡的團隊，能夠更好地勝任。

最後，車企在自動駕駛研發上有更多的功能差異化訴求。

當ADAS功能在汽車產品已經高度標准化或者雷同時，它很難再成為吸引消費者的亮點。對此，有遠見、有能力的車企，紛紛選擇基於場景去開發新的、有差異的自動駕駛功能（比如寶馬的自動循跡倒車），從而獲得新的競爭力。

這一趨勢對自動駕駛晶元供應商提出的要求是，不能再單純採用過往的「黑箱」模式，直接給車企一個完整但「知其然不知其所以然」的功能模塊，而是要賦予車企進行二次開發、深度開發的權利。或者說，這要求自動駕駛晶元供應商轉變思路，去賦能車企的自動駕駛開發。

具體而言，這要求晶元供應商轉變思路，在戰略上開放，為車企的自動駕駛開發賦能；在產品策略上則要為車企分憂解難，通過打造工具鏈，降低車企基於自動駕駛晶元進行差異化功能開發的難度與成本。

從上述三點特徵來看，自動駕駛潮流的到來，將更加考驗自動駕駛供應商的服務意識與快速開發能力。而國外晶元供應商，因為歷史、成本、政治等因素，很少在國內搭建起成規模的研發與現場支持團隊，過往的開放程度與開發速度也難以滿足新的需求。而這，正是中國本土自動駕駛晶元供應商崛起的突破口。

最終，從形勢上來說，國外晶元巨頭產業先天更加成熟、進入汽車行業更早、各自擁有不同的壁壘。對中國本土自動駕駛晶元供應商來說，與他們同台競技並最終突出重圍，並不容易。

但如果本土自動駕駛晶元供應商在晶元算力、功耗等指標上的表現能迎頭趕上，並發揮自己的核心優勢，抓住車企智能化轉型的時代機遇，那麼，中國誕生一個本土自動駕駛晶元巨頭或將是大概率事件。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

6. PoC挖礦中的算力是什麼意思

PoC的本質，用一個普通人也可以理解的話說，就是用硬碟挖礦。沒錯，PoW是用CPU（或者顯卡、ASIC礦機，他們的本質都是更強的計算晶元，與CPU本質上是一樣的）挖礦、PoS是憑借持幣比例挖礦，DPoS是根據投票決定超級節點，而PoC就是憑借硬碟挖礦。
我們可以這么理解：
-在PoW里是誰的晶元計算快、誰就容易挖到礦；
-在PoS里是誰持幣多，誰就容易挖到礦；
-在DPoS里是誰獲得的投票多，誰就能成為超級節點進行挖礦；
-在PoC里就是誰的硬碟容量大，誰就容易挖到礦。
是不是足夠簡單易懂了吧！
要理解PoC的具體原理，我們還是得從比特幣PoW入手（研究區塊鏈，PoW就是你永遠也繞不過去的技術概念）。
PoW的全稱是Proof of Work，即工作量證明。這兒所謂的工作量，就是礦工的CPU（或者顯卡、ASIC晶元，我們前面已經說過，這些硬體只是計算速度更快，本質和CPU並無區別）執行一種叫做哈希演算法的計算工作。簡而言之，誰能夠在單位時間內執行更多次的哈希計算，誰就有更大幾率產生一個符合要求的哈希結果、進而拿到寫入區塊鏈的權利。
可以這么說，比特幣PoW的本質就是算力競爭挖礦。每一個新區塊的產生，就是給礦工出一道「難題」，礦工通過算力競爭，比拼誰能夠先找到符合要求的「答案」。礦工通過購買牛逼的計算晶元，以及持續地消耗電能進行高頻率高強度的哈希計算，去獲得更強的算力佔比，進而獲得更大的找到 「答案」的概率。如果一個比特幣礦工擁有全網20%的算力，理論上他就可以挖出20%的新區塊、進而獲得20%的區塊獎勵（最早每個塊有50個比特幣獎勵，現在已經減少到12.5個，明年還會繼續減半）。
PoW挖礦規則簡單粗暴、算力可以自由進出，因此能建立足夠的安全性，來保證區塊鏈不被篡改的特性。這就是為什麼比特幣雖然技術看似簡單，但是能夠成為幣王之王，占據一半左右的市值。
此外，比特幣的分叉幣（例如BCH和BSV）、萊特幣LTC、以太坊ETH、門羅幣Monero、達世幣Dash也都是全部或部分採用了PoW機制挖礦的幣種，只不過這些幣種可能在一些技術參數上與比特幣有區別，但總體思想是類似的。
我們今天的主角PoC，和比特幣PoW有異曲同工之妙，但是又有一些實質性的區別。我們知道，比特幣PoW要求礦工持續地、反復地執行哈希計算，礦工需要高強度地運行他們的計算晶元，並消耗極為可觀的電力資源。
我們的PoC則是另行開辟了一條極為巧妙的道路：它要求礦工預先計算好數量巨大的哈希結果，並將這些數據存儲在硬碟里；挖礦的時候，礦工也是爭相破解「難題」，不同的是「難題」的答案要在硬碟數據中找，而不是實時地計算。自然而然，誰的硬碟容量更大，誰就有能預先存儲更多的「備選答案」，誰就有更高的概率找到能夠匹配「難題」的那個「正確答案」。
有人可能要問了，在PoC這個機制中，礦工有沒有可能通過晶元去計算答案作弊呢？不可能。PoC的演算法設計決定了它在找「答案」的時候，對存儲空間這一要素非常敏感，而對晶元的計算能力不那麼敏感。強大的算力對礦工挖礦成功率加成並不是很大，而擁有更多的存儲空間倒是能成倍地提高挖礦成功率。PoC的這種特性也被形象地稱為「空間換時間」。

7. 能否用14納米製程做出5納米製程的相同算力的晶元

這個問題比較專業啊，但是據我所了解的知識來看，是有機會完成這件事情的。下面先來介紹一些關於晶元製造領域的基本知識吧。

這樣的問題我想最多還是出自於對我國半導體工業製造的關心和考慮。因為我國的14納米製程已經在國內進行了生產和運營，但相較於台積電這樣的半導體產業巨頭，在五納米和七納米方面，我們還有較大的差距。因此可能就會出現這樣的問題：想用14納米代替5納米，出發點是非常好，但科學的魅力就在於不斷探索極限和未知，只有不斷地攀登才會更加深刻地認識這個世界，提升我們的生產力！

8. 零跑汽車發布自動駕駛晶元：算力4.2TOPS 支持L3級自動駕駛

國家發改委產業發展司機械裝備處處長吳衛

未來，中國製造的汽車將是全球新技術融合最多、創新融合最多的，也必將領跑全球汽車工業。

同時，汽車晶元領域的競爭也異常激烈。相比於消費電子產品的晶元，汽車晶元對安全性、穩定性的要求更高，是晶元行業共同面對的難題，這也是中國晶元公司的機會。

結語：自研技術讓零跑更具競爭力

零跑汽車是中國造車新勢力企業中第一個自主研發汽車自動駕駛晶元的，搭載這款晶元的量產車零跑C11下月就將發布。零跑汽車在自動駕駛領域的飛速進步，也得到了用戶的認可。

統計數據顯示，零跑汽車兩款量產車型從今年7月以來銷量逐步攀升，9月銷量破千，10月銷量有望突破1600輛，大量的自研技術讓零跑這一造車新勢力具備了更強的競爭力。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

9. 吉利牽手Mobileye：2021年量產L2+級自動駕駛，還要一起搞L4

車東西

文?|?六毛

就在昨天，吉利汽車和英特爾子公司、ADAS及自動駕駛解決方案提供商Mobileye正式宣布建立合作關系。雙方合作的宣布，也讓ZEROConcept純電動概念車L2+級自動駕駛系統CoPilot背後的技術提供商浮出了水面。

根據官方公告，吉利汽車和Mobileye的合作將至少涉及兩個方面。

首先是在2021年量產L2+級自動駕駛。領克旗下首款純電動概念車ZEROConcept將在2021年量產。屆時，這款車型會搭載L2+級自動駕駛系統CoPilot。

據了解，CoPilot由兩個EyeQ5高算力晶元以及由基於這兩個晶元打造的MobileyeSuperVision系統進行驅動，支持OTA更新。

其次是雙方就ADAS簽署了一項長期合作協議。未來，吉利汽車集團旗下會有多個子品牌的產品配備上由Mobileye提供支持的包括AEB（緊急自動剎車）、LKA（車道保持）等在內的ADAS功能。

該合作消息發布後，車東西等媒體受到邀請，采訪了吉利汽車研究總院院長胡崢楠，英特爾公司副總裁、英特爾子公司Mobileye產品及策略執行副總裁ErezDagan，就雙方合作的具體細節、對軟硬體解耦等行業趨勢的看法進行了交流。

整體而言，吉利汽車和Mobileye已達成長期戰略合作，雙方合作內容不僅涉及ADAS，也會覆蓋高等級自動駕駛（如robotaxi，即無人計程車）。

一、EyeQ5晶元算力足夠支持多攝像頭加多激光雷達的感知方案

吉利汽車在昨天晚上的ZEROConcept概念車發布會上，公布了自己自動駕駛的規劃時間表。

吉利汽車首先把自動駕駛分成了高級輔助駕駛、高級自動駕駛和完全自動駕駛三個等級。

其中，高級自動駕駛只需人類駕駛員適時監督系統工作，大部分工作可交給系統完成（對應L2級+~L3級自動駕駛）；完全自動駕駛可以將駕駛操作安全地交給系統，方向盤不再是必需品（對應了L4級以上自動駕駛，如無人計程車）。

按照吉利汽車的規劃，針對個人車輛（也就是私家車），將在2021年實現結構道路上的高度自動駕駛，2023年實現開放道路高度自動駕駛。針對無人計程車，計劃2022年實現結構道路完全自動駕駛，2025年實現開放道路完全自動駕駛。

胡崢楠在采訪中表示，在高度自動駕駛和完全自動駕駛方面，Mobileye都是吉利汽車「真正意義上的戰略合作夥伴」。雙方合作不針對某一款車型或某一個品牌，合作內容除技術以外，也將包含生態領域方面。在無人計程車方面，EyeQ5晶元的算力已經足夠支持多攝像頭加多個激光雷達的感知方案。

就具體應用而言，明年，吉利汽車就會推出類似自動變道、自動進出匝道、自動上下匝道和超車（NOP）這這樣的功能。未來2至3年內，基於既有硬體系統，這些體驗會再通過OTA升級，從結構化道路擴展到開放道路。

胡崢楠還談到了L2+級自動駕駛系統CoPilot的技術細節。

CoPilot系統配備兩個EyeQ5高算力晶元。對此，胡崢楠稱這種方式可實現雙冗餘。其中一個晶元會進行包括視覺感知、規劃控制在內的所有演算法的處理，另一個晶元作為備用（冗餘）。

至於與Mobileye合作，會不會對吉利汽車原來的供應商造成影響，胡崢楠的答案是不會。在他看來，和Mobileye合作屬於指定了二級供應商，在一級供應商方面吉利汽車還是會和原有的供應商體系繼續合作。「實際上是多方合作，來提供完整的解決方案。」胡崢楠在采訪中說道。

二、數據資產將成為未來的一個競爭核心

整車廠如何選擇底層晶元？對於這一點，胡崢楠分享了自己的看法。

他表示，從吉利汽車的角度出發，在確定晶元時也需要具備一定的戰略定力。軟體定義汽車的時代，軟體最後的核心一定會回到晶元本身。頻繁變更底層晶元或者底層晶元的架構，事實上也意味著上層內容會不穩定。

長遠看，雖然功能體驗對於整車廠來說很重要，但最重要的還是數據資產。如何保證包括工具鏈在內的數據資產能夠一直穩定地使用，是一個長期的事情，是未來競爭的一個核心。因此吉利汽車並不是很贊成頻繁變更底層晶元這樣一種方式。

對於智能駕駛市場追求高算力的現象，ErezDagan和胡崢楠都認為單以算力大小來評判晶元是否強大，是一個糟糕的方式。

胡崢楠表示，對於晶元來說，除了算力，還要考慮演算法。如果演算法領先，那麼對於高算力的需求其實是沒有那麼大的。他建議以綜合和平衡的角度來衡量這兩者，並強調正確的目標是給最終用戶帶來真正的價值。

針對軟硬體解耦這樣一種行業觀點，胡崢楠認為從技術研發的角度來說，軟體、硬體解耦是一個必然趨勢。

智能汽車在開發過程中需要解除傳統上把硬體和功能強耦合的開發模式。對於整車廠來說，硬體開發可能有一個相對固定的流程和較長的開發、驗證周期，但這種速度無法滿足用戶需求。因此需要將軟體和硬體解耦，然後再用不同的線程來進行開發。

結語：智能化上，車企正在嘗試不同方案

就在吉利汽車和Mobileye宣布聯姻兩天前，國內造車新勢力理想汽車和英偉達、德賽西威剛剛舉行了戰略簽約儀式。

原本選擇Mobileye的理想汽車，因為其系統開放性不太夠，轉身投入了英偉達的懷抱。理想汽車打算在2022年推出一款全尺寸增程式智能SUV，並計劃在這款車上率先使用英偉達的自動駕駛晶元Orin。

然而，理想汽車「嫌棄」的點，並不是吉利汽車最看中的。Mobileye在視覺領域的技術積累，以及能否讓數據資產可以長期穩定地被使用，是吉利汽車認為比較重要的地方。

在汽車智能化加速階段，車企就不同方案進行探索，對於整個行業來說是有益的。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。