根据芯片算力选算法

1. 给人工智能提供算力的芯片有哪些类型

给人工智能提供算力的芯片类型有gpu、fpga和ASIC等。

GPU，是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上图像运算工作的微处理器，与CU类似，只不过GPU是专为执行复杂的数学和几何计算而设计的，这些计算是图形渲染所必需的。

FPGA能完成任何数字器件的功能的芯片，甚至是高性能CPU都可以用FPGA来实现。 Intel在2015年以161亿美元收购了FPGA龙 Alter头，其目的之一也是看中FPGA的专用计算能力在未来人工智能领域的发展。

ASIC是指应特定用户要求或特定电子系统的需要而设计、制造的集成电路。严格意义上来讲，ASIC是一种专用芯片，与传统的通用芯片有一定的差异。是为了某种特定的需求而专门定制的芯片。谷歌最近曝光的专用于人工智能深度学习计算的TPU其实也是一款ASIC。

(1)根据芯片算力选算法扩展阅读：

芯片又叫集成电路，按照功能不同可分为很多种，有负责电源电压输出控制的，有负责音频视频处理的，还有负责复杂运算处理的。算法必须借助芯片才能够运行，而由于各个芯片在不同场景的计算能力不同，算法的处理速度、能耗也就不同在人工智能市场高速发展的今天，人们都在寻找更能让深度学习算法更快速、更低能耗执行的芯片。

2. 智能驾驶芯片争夺战

全球智能驾驶汽车市场正处在爆发的前夜。

根据艾瑞咨询的报告数据显示，到2023年，全球范围内具备智能驾驶功能的车辆将达到约6000万辆，L1/L2级自动驾驶功能的渗透率将接近50%，L3级自动驾驶功能的市场渗透率也会来到7%。

就从眼前来看，全球智能汽车的急先锋特斯拉，凭借着对车辆的智能化和自动化革命，其股价不断创造新高，总市值已突破2000亿美元。

这也体现了整个市场对于智能汽车的发展保持着超高的预期。

1、国内智能驾驶市场蓄势待发

我们将视角转到国内：经过这两年的快速发展，很多合资品牌、自主品牌、造车新势力们在ADAS功能与智能驾驶系统的量产上车上，呈现出你追我赶的态势。

据佐思产研统计，今年前4个月，国内市场的L2级自动驾驶系统的装配率已达10.6%。

其中，丰田、沃尔沃这样的传统品牌，以及吉利、领克、几何，还有长城魏派、奇瑞星途等新兴品牌装配率领先。

造车新势力更不用说，蔚来的NIOPilot、小鹏的XPilot、威马的LivingPilot以及理想的辅助驾驶系统都已经搭载上车并且在持续进化之中。

特别是理想汽车最近拿到美团的融资，未来将大力投入自动驾驶技术的开发和应用。

L3自动驾驶的市场也在不断扩大，自2017年奥迪推出新A8标榜量产全球首个L3自动驾驶系统以来，国内的品牌也纷纷上马L3级自动驾驶功能。

其中就包括了广汽新能源的AionLX/AionV、上汽荣威已上市的MarvelX和待上市的MarvelR，还有今年受到广泛关注的长安U-NIT和比亚迪汉。

不过受限于国内的法律法规还未明确，这些车型上所搭载的L3自动驾驶功能尚未开放，但后市可期。

而针对更高级别的L4自动驾驶，近期有两大比较重磅的行业动态：

其一是沃尔沃与Waymo牵手了，后续沃尔沃品牌、极星品牌以及领克品牌的车型将会集成Waymo的自动驾驶技术；

黑芝麻联合创始人兼CEO单记章（右）黑芝麻联合创始人兼COO刘卫红（左）

黑芝麻的联合创始人兼CEO单记章此前是图像芯片公司OmniVision（OV）的图像算法负责人，在视觉感知领域拥有100多项专利。

联合创始人兼COO刘卫红先后就职通用汽车、博世，曾出任博世底盘制动事业部亚太区总裁，在主机厂和Tier1都有深厚的任职经验。

一个出身自芯片行业，另一个来自汽车制造业，两者相辅相成，未来要在自动驾驶芯片领域创造出一番天地。

针对团队的构成，刘卫红曾经提到，「我们的基因是芯片，团队里有做过车规级芯片研发和车规级芯片验证的尖端人才，想做和做过是不一样的。同时我们还整合了既懂算法，又懂得计算架构的开发人员。」

目前黑芝麻在中美两地都有团队，全球拥有近300名员工，团队成员很多曾就职于OV、安霸、高通、英伟达等芯片公司，平均从业经验超过15年。

4、自动驾驶芯片量产急行军

自动驾驶芯片要实现量产落地，必须要迈过车规级的坎。

自动驾驶芯片的车规级，不但包含了芯片本身的可靠性、稳定性、耐久性等要求，还要满足与车辆系统整合后的系统功能安全。目前市面上很少有供应商能同时满足两方面的要求。

黑芝麻新近推出的A1000芯片，从设计之初就朝着车规级的目标迈进。

它符合芯片AEC-Q100可靠性和耐久性Grade2标准，芯片整体达到了ISO26262功能安全ASIL-B级别。

芯片内部还有满足ASIL-D级别的安全岛，整个芯片系统的功能安全等级为ASIL-D。

为此，A1000芯片采用的是ARM车规级的CPU和GPU。

在代工厂方面，黑芝麻也是按照车规级的要求选择了台积电的16nm产线。这一切的目标都是为了实现这款芯片的车规级设计目标。

此前的6月，黑芝麻的研发团队已经对这款芯片的所有模块进行了性能测试，完全调试通过，接下来就是与客户进行联合测试，为最后的大规模量产做准备。

据悉，搭载这款芯片的首款车型将在2021年底量产。

另外，黑芝麻的华山一号A500芯片也已开启量产，其与国内头部车企针对L2+和L3级别自动驾驶的项目也正在展开。

相较于传统的汽车电子芯片厂商，黑芝麻的规划显然更加快速激进，他们需要更敏捷地把握住时间窗口。

这个时间窗口也就在这两年中，特别是今年，大部分的智能驾驶车型已经在进行芯片选型，而现在能够拿出这样的芯片产品的厂商，无疑将占得先机。

黑芝麻的A1000芯片已于今年6月发布，在量产进程中踏准了市场的节奏。

在全球智能驾驶汽车市场爆发的前夜，针对自动驾驶芯片的市场争夺也更加激烈。

头部是Mobileye、英伟达这样的巨头；还有从移动芯片市场杀出的华为海思和高通等厂商；老牌汽车半导体厂商们也在加快布局。

如黑芝麻一样的AI芯片公司将成为重要的后起之秀。

智能驾驶汽车将是一个拥有巨量增长潜力的市场。

在这样的市场机遇中，黑芝麻这样的国产自动驾驶芯片厂商正在产品层面上与Mobileye和英伟达这样的国际巨头展开角逐，未来就是吸纳客户、建立起生态，修建自己的护城河。

单记章曾在多个场合表露过同一个愿景：PC时代英特尔为代表的处理器企业；智能手机时代有ARM为代表的移动芯片公司；而黑芝麻则希望成为智能驾驶时代的英特尔和ARM。

智能汽车的大势已成，「Bigthingsstartsmall」。

巨大的产业机遇之下，今天的后起之秀能否成为未来的产业巨头？

我们且行且看。

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。

3. 最高280 TOPS算力，黑芝麻科技发布华山二号，PK特斯拉FSD

芯片作为智能汽车的核心「大脑」，成为诸多车企、Tier 1、自动驾驶企业重点布局的领域。
围绕着自动驾驶最为关键的计算单元，国内诞生了诸多自动驾驶芯片创新公司，在该领域的绝大部分市场份额依然被国外厂商控制的当下，他们正在争取成为「国产自动驾驶芯片之光」。
成立于 2016 年的黑芝麻智能科技便是这一名号的有力争夺者。
继 2019 年 8 月底发布旗下首款车规级自动驾驶芯片华山一号（HS-1）A500 后，黑芝麻又在这个 6 月推出了相较于前代在性能上实现跃迁的全新系列产品——华山二号（HS-2），两个系列产品的推出相隔仅 300 余天，整体研发效率可见一斑。
1、国产算力最高自动驾驶芯片的自我修养
华山二号系列自动驾驶芯片目前有两个型号的产品，包括：
应用于?L3/L4?级自动驾驶的华山二号 A1000?；针对?ADAS/L2.5?自动驾驶的华山二号 A1000L。
简单理解就是，A1000 是高性能版本，而 A1000L 则在性能上进行了裁剪。
这样的产品型号设置也让华山二号系列芯片能在不同的自动驾驶应用场景中进行集成。
相较于 A500 芯片，A1000?在算力上提升了近?8 倍，达到了?40 - 70TOPS，相应的功耗为?8W，能效比超过?6TOPS/W，这个数据指标目前在全球处于领先地位。
华山二号 A1000 之所以能有如此出色的能效表现，很大程度是因为这块芯片是基于黑芝麻自研的多层异构性的?TOA 架构打造的。
这个架构将黑芝麻核心的图像传感技术、图像视频压缩编码技术、计算机视觉处理技术以及深度学习技术有机地结合在了一起。
此外，这款芯片中内置的黑芝麻自研的高性能图像处理核心?NeuralIQ ISP?以及神经网络加速引擎?DynamAI DL?也为其能效跃升提供了诸多助力。
需要注意的是，这里的算力数值之所以是浮动的，是因为计算方式的不同。
如果只计算 A1000 的卷积阵列算力，A1000 大致是 40TOPS，如果加上芯片上的 CPU 和 GPU 的算力，其总算力将达到?70TOPS。
在其他参数和特性方面，A1000 内置了 8 颗 CPU 核心，包含 DSP 数字信号处理和硬件加速器，支持市面上主流的自动驾驶传感器接入，包括激光雷达、毫米波雷达、4K 摄像头、GPS 等等。
另外，为了满足车路协同、车云协同的要求，这款芯片不仅集成了 PCIE 高速接口，还有车规级千兆以太网接口。
A1000 从设计开始就朝着车规级的目标迈进，它符合芯片 AEC-Q100 可靠性和耐久性 Grade 2 标准，芯片整体达到了 ISO 26262 功能安全 ASIL-B 级别，芯片内部还有满足 ASIL-D 级别的安全岛，整个芯片系统的功能安全等级为?ASIL-D。
从这些特性来看，A1000 是一款非常标准的车规级芯片，完全可以满足在车载终端各种环境的使用要求。
A1000 芯片已于今年 4 月完成流片，采用的是台积电的 16nm FinFET 制程工艺。
今年 6 月，黑芝麻的研发团队已经对这款芯片的所有模块进行了性能测试，完全调试通过，接下来就是与客户进行联合测试，为最后的大规模量产做准备。
据悉，搭载这款芯片的首款车型将在?2021 年底量产。
随着 A1000 和 A1000L 的推出，黑芝麻的自动驾驶芯片产品路线图也更加清晰。
在华山二号之后，这家公司计划在 2021 年的某个时点推出华山三号，主要面向的是 L4/L5 级自动驾驶平台，芯片算力将超越 200TOPS，同时会采用更先进的 7nm 制程工艺。
华山三号的?200TOPS?算力，将追平英伟达 Orin 芯片的算力。
去年 8 月和华山一号 A500 芯片一同发布的，还有黑芝麻自研的 FAD（Full Autonomous Driving）自动驾驶计算平台。
这个平台演化至今，在 A1000 和 A1000L 芯片的基础上，有了更强的可扩展性，也有了更广泛的应用场景。
针对低级别的 ADAS 场景，客户可以基于 HS-2 A1000L 芯片搭建一个算力为 16TOPS、功耗为 5W 的计算平台。
而针对高级别的 L4 自动驾驶，客户可以将 4 块 HS-2 A1000 芯片并联起来，实现高达 280TOPS 算力的计算平台。
当然，根据不同客户需求，这些芯片的组合方式是可变换的。
与其他大多数自动驾驶芯片厂商一样，黑芝麻也在可扩展、灵活变换的计算平台层面投入了更多研发精力，为的是更大程度上去满足客户对计算平台的需求。
反过来，这样的做法也让黑芝麻这样的芯片厂商有了接触更多潜在客户的机会。
根据黑芝麻智能科技的规划，今年 7 月将向客户提供基于 A1000 的核心开发板。
到今年 9 月，他们还将推出应用于 L3 自动驾驶的域控制器（DCU），其中集成了两颗 A1000 芯片，算力可达 140TOPS。
2、黑芝麻自动驾驶芯片产品「圣经」
借着华山二号系列芯片的发布，黑芝麻智能科技创始人兼 CEO 单记章也阐述了公司 2020 年的「AI 三次方」产品发展战略，具体包括「看得懂、看得清和看得远」。
这一战略是基于目前市面上对自动驾驶域控制器和计算平台的诸多要求提出的，这些要求包括安全性、可靠性、易用性、开放性、可升级以及延续性等。
其中，看得懂直接指向的是?AI 技术能力，要求黑芝麻的芯片产品能够理解外界所有的信息，可以进行判断和决策。
而看得懂的基础是看得清，这指的是黑芝麻芯片产品的图像处理能力，需要具备准确接收外界信息的能力。
这里尤其以摄像头传感器为代表，其信息量最大、数据量也最多，当然传感器融合也不可或缺。
看得远则指的是车辆不仅要感知周边环境，还要了解更大范围的环境信息，这就涉及到了车路协同、车云协同这样的互联技术，所以我们看到黑芝麻的芯片产品非常注重对互联技术的支持。
作为一家自动驾驶芯片研发商，这一战略将成为黑芝麻后续芯片产品研发的「圣经」。
3、定位 Tier 2，绑定 Tier 1，服务 OEM
现阶段，发展智能汽车已经成为了国家意志，在政策如此支持的情况下，智能汽车的市场爆发期指日可待。
根据艾瑞咨询的报告数据显示，到 2025 年全球将会有 6662 万辆智能汽车的存量，中国市场的智能汽车保守预计在 1600 万辆左右。
如此规模庞大的智能汽车增量市场，将为那些打造智能汽车「大脑」的芯片供应商培育出无限的产品落地机会。
作为其中一员，黑芝麻智能科技也将融入到这股潮流之中，很有机会成长为潮流的引领者。
作为一家自动驾驶芯片研发商，黑芝麻智能科技将自己定位为?Tier 2，未来将绑定 Tier 1 合作伙伴，进而为车企提供产品和服务。
当然，黑芝麻不仅能提供车载芯片，未来还将为客户提供自动驾驶传感器和算法的解决方案，还有工具链、操作平台等产品。
凭借着此前发布的华山一号 A500 芯片，黑芝麻智能科技已经与中国一汽和中科创达两家达成了深入的合作伙伴关系，将在自动驾驶芯片、视觉感知算法等领域展开了诸多项目合作。
另外，全球顶级供应商博世也与黑芝麻建立起了战略合作关系。
目前，黑芝麻的华山一号 A500 芯片已经开启了量产，其与国内头部车企关于 L2+ 和 L3 级别自动驾驶的项目也正在展开。
如此快速的落地进程，未来可期。
有意思的是，黑芝麻此番发布华山二号系列芯片，包括中国一汽集团的副总经理王国强、上汽集团总工程师祖似杰、蔚来汽车 CEO 李斌以及博世中国区总裁陈玉东在内的多位行业大佬都为其云站台。
这背后意味着什么？给我们留下了很大的想象空间。
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。

4. L3元年，长安/广汽/吉利/荣威/小鹏，都交出了怎样的答卷

此前，不少业内人士就已经预测：2020年将是L3级自动驾驶大规模出现的元年。确实如此，进入2020年，陆续有企业宣称可以实现L3级自动驾驶车辆的量产。
截止目前，已经有以下自主厂商宣布将推出L3量产车辆：
长安 —— 代表车辆：UNI-T
广汽新能源 —— 代表车辆：埃安 LX、埃安 V
吉利 —— 代表车辆：几何C
荣威 —— 代表车辆：MARVEL X Pro、MARVEL-R
小鹏 —— P7
但同是L3，各家厂商所推出的方案又有何异同？今天我们不妨就逐个“审阅”一下，自主厂商们所交出的不同“答卷”。
我们首先明确一下“L3”的定义。根据汽车驾驶自动化分级国家标准报批稿中的定义，3级驾驶自动化系统应“在其设计运行条件内持续地执行全部动态驾驶任务。”
“全部动态驾驶任务”意味着，包括车辆识别、道路识别、定位在内的环境感知任务，和变道、超车、线路规划等决策任务，都是由系统独立完成的，司机可以完全脱手脱脚脱眼。
但相应地，L3级自动驾驶系统需要在特定环境下工作，一般来讲只能在天气条件良好的高速公路及城市快速路上开启。
当然，3级驾驶自动化依然要求司机保持一定的警觉，在系统发出接管请求或出现车辆机械系统失效时能及时接管。因此，系统也应主动确定司机是否有接管能力，并在其接管能力不足以接管系统前提示其接管并退出。
简单来说，L3的系统在设计运行条件下，全权接管了车辆，驾驶员无需时刻保持注意力，而驾驶责任也由驾驶员部分转移到了系统及厂商。这就对整套系统的感知能力和决策能力提出了更高的要求。
方案解析
长安 —— 以 UNI-T 为例
1、环境感知传感器方案
长安 UNI-T 的L3系统传感器方案配备了 5 个毫米波雷达、6 个摄像头、12个超声波传感器，无激光雷达。
前置主摄像头（×1）
360环视摄像头（×4）
驾驶员监控摄像头（×1）
前置毫米波雷达（×1）
侧置毫米波雷达（×4）
超声波雷达（×12）
2、数据处理单元
长安 UNI-T 的数据处理单元采用了我国自主研发的地平线 Journey 2.0芯片，该芯片基于 TSMC 28nm 制程工艺打造，内建了2个 Cortex A53 核心和2个地平线2代 BPU，在2w的典型功耗下，可得到大于 4TOPS 的等效算力，理论上超过 Mobileye EyeQ4。
据官方说法，地平线 Journey 2.0芯片每TOPS算力可以处理的帧数可达同等算力GPU的10倍以上，识别精度超过99%，延迟少于100毫秒，多任务模式下可以同时跑超过60个分类任务，每秒钟识别目标数可以超过2000个。
3、高精地图
在上面的基础上，长安 UNI-T 还采用了由网络地图提供的高精地图，最高可实时获取 8 公里范围内的道路信息，实现车道级高精定位和精准路径规划，可有效确保自动驾驶任务的准确性。
广汽新能源 —— 以埃安V为例
1、环境感知传感器方案
埃安V的 ADiGO 3.0 自动驾驶系统传感器方案其中包括了6个摄像头、5个毫米波雷达、12个超声波雷达，无激光雷达。
前置主摄像头（×1）
360环视摄像头（×4）
驾驶员监控摄像头（×1）
前置毫米波雷达（×1）最大探测距离210m
侧置毫米波雷达（×4）
超声波雷达（×12）
2、数据处理单元
在这套系统中，前置主摄像头为安波福与 Mobileye 联合研发，内置了 EyeQ4 芯片的智能前视摄像头，最大探测距离超过 200 米，能做到对前车图像任意角度的识别，并行处理可视范围内障碍物，对多目标进行同步追踪。
Mobileye EyeQ4 就是该车的主要感知处理单元，该芯片基于 28nm FD-SOI 工艺制程打造，内建了四个CPU内核，每个内核又拥有四个硬件线程，专为L3级自动驾驶任务设计。
EyeQ4芯片可以满足每秒超过2.5万亿次TOPS浮点运算的要求，还要符合车用系统芯片3瓦左右的低能量消耗标准。提升的运算性能保证基于EyeQ4芯片的高级驾驶员辅助系统可以选用更先进的计算机视觉处理算法，例如深度层次化网络和图像模型，从而实现以每秒36帧的速度，同时处理8个摄像头的影像信息。
此外， ADiGO 3.0 中还采用了安波福提供的多域控制器，多域控制器是自动驾驶的核心处理单元，所有传感器的信号最终都汇入到此处进行分析处理，然后再发出控制命令，起到了一定的决策作用。
3、高精地图
埃安V的 ADiGO 3.0 也搭载了网络的高精地图，精度达10cm，可以实现车道级定位，实时预判前方1km的路径，以在传感器数据缺失时及时补足进行补充计算。
小鹏 —— 以 P7 为例
1、环境感知传感器方案
小鹏P7在感知系统上采用了以视觉感知为主、多种传感器为辅的方案，它的感知系统包含：
前置主摄像头（×3）
前置监控摄像头（×1）
360环视摄像头（×4）
环视智能感知摄像头（×5）
前置毫米波雷达（×1）
侧置毫米波雷达（×4）
超声波雷达（×12）
小鹏 P7 的感知系统很有趣，1个前置三目摄像头和5个增强感知摄像头主要用于自动驾驶的环境感知；而另外的一个前置单目摄像头和4个环视摄像头则主要用于360环影和行车记录。
这两套系统在理论上还可以互为冗余，当其中一套发生故障时，另一套可以通过特殊的算法接任视觉感知的工作，可以说是目前量产车中最复杂的视觉系统，超过特斯拉。
2、数据处理单元
小鹏P7所搭载核心是来自英伟达的 DRIVE Xavier。它拥有超过90亿个晶体管，内建了一颗 Tegra Xavier CPU 和一颗拥有 512 CUDA 核心的 Volta IGPU，在 INT8 精度下的算力可达 30 TFLOPS，也就是可以实现每秒30万亿次运算。
从算力上来看，小鹏P7的 30 TFLOPS 在目前国内的量产车中是最高的，这意味着P7的数据处理单元具备直接升级L4甚至更高级别自动驾驶的潜力。
3、高精地图
在小鹏P7发布会上，小鹏强调了P7将搭载高精地图，并且NGP功能的实现就一定程度上依赖于此。该地图来自于高德，这与小鹏出身阿里系有一定的关系。
吉利 —— 以 几何C 为例
几何C是吉利前不久放出的一个卫星，它的定位很唬人——全球首款量产无人驾驶纯电SUV，自动驾驶是其核心功能。
关键的是，几何C将跳过L3级有条件自动驾驶，直接来到了L4级高度自动驾驶，也就是官方所称的“智感循迹无人驾驶系统”，可以实现除一些复杂的道路情况外的完全自动驾驶。
要知道，目前全球范围内还没有可以实际应用的L4级自动驾驶技术，到今年2020年L3级技术也只是刚刚被拿上台面。个人猜测，可以大规模装机的L4级自动驾驶方案在2025年前不会普及。
所以，即便几何C的量产车型申报图已经曝光，但它在自动驾驶这块依然是个“卫星”，而这套可以实现L4级自动驾驶的方案，依目前的技术也难以进行猜测。
荣威 —— 以 MARVEL X Pro 为例
1、环境感知传感器方案
MARVEL X Pro 称自己是全球首款L3级电动汽车，它的环境感知方案由3个毫米波雷达、6个摄像头、以及12个超声波雷达组成。
前置主摄像头（×1）
前置行车记录摄像头（×1）
环视摄像头（×4）
前置毫米波雷达（×1）
侧置毫米波雷达（×2）
超声波雷达（×12）
2、数据处理单元
MARVEL X Pro 搭载了自行研发的iECU，其算力未知，但其中集成了Mobileye的EyeQ视觉芯片。根据该车可以实现L3级自动驾驶来看，其搭载的芯片应该是市面上普遍采用的EyeQ4，与广汽埃安V相似。
3、高精地图
在目前，要想实现L3级自动驾驶，高精地图是必须的。MARVEL X Pro搭载了来自中海庭数据的高精地图，该公司是上汽的控股公司，主要业务都集中在地图数据的采集与内容制作方面，是全球导航数据标准化联盟成员。
————————————分割线————————————
方案对比
虽然都宣称可以达到L3级别，但拆开来看，各个厂商的方案还是有所不同的。
首先，国标规定了，L3级系统应主动确定司机是否有接管能力，也就是对驾驶员的监控提出了要求，那么不具备驾驶员监控摄像头的荣威 MARVEL X Pro 则较难实现这一点。
同时其侧置毫米波雷达仅有两颗，分别位于左后和右后，而其环视摄像头仅用于360影像的拼接，不参与环境感知，所以该车对于左前和右前两个侧面的感知能力是有不足的。那么，荣威 MARVEL X Pro 如何实现L3级自动驾驶，能实现怎样的L3级自动驾驶，还是值得商榷的。
此外，长安 UNI-T和广汽 埃安V的方案十分相似，比较明显的不同在于数据处理单元的差异和算力差异。
长安 UNI-T和广汽 埃安V所搭载的环视摄像头与荣威一样，不参与ADAS的环境感知，环境感知都是由单目前置ADAS摄像头和5个毫米波雷达负责的，这一方案与蔚来ES8所搭载的 NP 相类似，只不过ES8的前置摄像头为3目，识别能力更强。
但微博大V@电动星球蟹老板 曾指出，蔚来明确表示过ES8搭载的ADAS系统不具备升级L3级自动驾驶的能力，而综合实力略逊一筹的长安 UNI-T如何实现？耐人寻味。
值得一提的是，目前公布的L3量产车都强调了高精地图的意义，长安 UNI-T和广汽 埃安V采用的高精地图来自网络，小鹏P7的来自高德，而荣威的则来自自家的中海庭。
可见，在目前的技术实力下，量产车的感知能力依然存在不足，需要既有的高精地图进行数据补足，从而实现有限条件下的L3级自动驾驶。而关于高精地图这一点，我们之后也会有专门的文章对其深剖细究，请大家持续关注电动知士。
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。

5. 自动驾驶“芯”战争

今年，新冠疫情的爆发、经济的下滑、国际政治环境的恶化，让汽车产业充满了巨大的不确定。多家咨询机构预计，今年全球汽车销量将面临10%-20%的下滑。

然而，在不确定中，汽车行业对未来的方向又十分笃定。自动驾驶集中出现了几则大新闻——

6月23日，刚刚与宝马在自动驾驶领域宣布和平分手的奔驰，宣布与芯片供应商英伟达达成合作，将使用后者的Orin芯片，开发下一代车载计算系统，为奔驰量产车型2024年将全面搭载的L2-L3级自动驾驶功能，以及最高可达L4级的自动泊车功能提供算力支持。

6月25日，沃尔沃汽车集团宣布，沃尔沃将与谷歌旗下自动驾驶公司Waymo达成战略合作伙伴关系，在一个全新的电动汽车平台上，进行L4级自动驾驶技术的合作，探索自动驾驶网约车等商业场景。

6月26日，亚马逊正式收购美国自动驾驶公司Zoox，亚马逊为此付出超过12亿美元。

6月27日，滴滴自动驾驶网约车载人示范运营在上海正式启动，央视对其全过程进行了直播。从这一天开始，滴滴在上海嘉定的自动驾驶测试车将面向公众开放，滴滴在APP中上线了“未来出行”页面，供公众申请自动驾驶网约车试乘。

一时间，大公司近乎开启了一场自动驾驶军备竞赛。毫无疑问，参与其中的企业都意识到，未来的汽车，将是跑在轮子上的超级计算机。高性能的计算芯片，在这场军备竞赛中至关重要的地位，愈发凸显。

一、奔驰另结新欢，只是因为它？

6月23日，在与宝马的自动驾驶合作宣告暂停后4天，奔驰向芯片供应商英伟达投怀送抱，双方达成合作，为奔驰将在2024年量产的自动驾驶车型开发计算平台。

在几天前的公告中，双方还表示，“鉴于建立共享技术平台所需的费用，以及当前的商业和经济状况，现在并不是成功实施合作的一个合适的时机。”太烧钱，看起来是让双方决定暂停技术合作的关键原因。

不过，奔驰随后与英伟达光速结伴的举动，倒是指向了钱以外的因素。通常来说，车企与车企之间的合作，并不会对车企与供应商的合作产生影响，但奔驰与宝马之间的合作不同。在与奔驰达成合作之前，宝马已经与全球最大的ADAS系统供应商Mobileye组建了一个自动驾驶同盟，基于其EyeQ系列芯片研发自动驾驶。

与宝马的合作意味着，奔驰要选用Mobileye的芯片来构建关键的自动驾驶计算单元。而这或许是双方分歧中尤为重要的那一个。国外咨询机构Guidehouse首席分析师SamAbuelsamid称，“我怀疑这两家汽车制造商无法就使用的平台达成共识，现在，与英特尔/Mobileye的产品相比，Orin看起来是更强大的解决方案。”

从公开的信息来看，Sam的分析不无道理。Mobileye规划的下一代自动驾驶芯片EyeQ5，其算力为24TOPS（每秒运算24万亿次），而英伟达去年底发布的Orin，算力则高达200TOPS。此外，Mobileye过去在与车企的合作中一贯表现强势（尽管承诺EyeQ5将会更加开放），其提供的功能模块对主机厂常常是“黑箱”；而英伟达自动驾驶构建的DriveAGX软件平台一开始就走了一条开放的道路，可以支持车厂在其计算平台上自主进行算法开发。

其实在此之前，奔驰探索研发自动驾驶网约车时，因为该技术对芯片算力的高要求，奔驰就选用了来自英伟达的DrivePEGASUS车载电脑。6月23日官宣的信息，意味着奔驰在自动驾驶时代的芯片选择上，全面倒向英伟达，将双方的合作扩展到奔驰的量产车型中。

而与沃尔沃达成自动驾驶战略合作的Waymo，则是依托谷歌在AI领域的技术实力，使用自研的TPU。虽然Waymo用于车辆端的TPU算力并未公布，但据Waymo官方的透露，在使用TPU后，其自动驾驶系统的性能提升了15倍。

芯片在自动驾驶中的地位，可以用“隐形冠军”来形容。从车辆外观你看不见它的存在，但一台自动驾驶汽车能够顺利运行，它绝对是头号功臣。

二、自动驾驶竞赛，亦是一场芯片竞赛

无论是奔驰弃宝马牵手英伟达，还是沃尔沃与Waymo高达战略级别的联盟，又或者是滴滴的自动驾驶网约车发车，上周集中发生的大新闻说明，汽车公司与科技公司都将自动驾驶放在了至关重要的位置：从近期看，自动驾驶功能是汽车产品力的重要组成部分；从长远看，L4级自动驾驶投入大规模应用后，可能会彻底改变汽车行业的商业模式。

推动这一切变化的基础，是一枚小小的芯片。为了在自动驾驶能力上获取竞争优势，参与这场竞赛的企业或独立研发，或合纵连横，只为寻得一块高性能的自动驾驶芯片。行业内有个非常典型的例子：特斯拉。

作为智能电动汽车的领头羊，特斯拉和当前市场上的两家主流自动驾驶芯片厂商都有过合作经历。但是由于Mobileye的强势和封闭，英伟达降不下来的功耗和高昂的开发成本，合作都未能长远。特斯拉为了发挥软硬件一体在自动驾驶中的优势，率先在车企中独立研发了自动驾驶计算平台的FSD，其算力达到144TOPS。FSD对自动驾驶的算力支持主要来自两块AI芯片，其单芯片算力约72TOPS。

迄今为止，特斯拉的FSD仍然保持着量产车自动驾驶算力纪录。而特斯拉认为，FSD足以为其将推出的完全自动驾驶（FullSelf-Driving）功能提供支持。

毫无疑问，自动驾驶的竞赛，同样也是芯片的竞赛。整个汽车行业向自动驾驶的重视乃至全面转向，将创造巨大的自动驾驶芯片需求。如果哪家企业在自动驾驶芯片市场占据了可观的份额，那么对应的或许是千亿美元市值的想象空间。

当前，在巨大市场的吸引下，自动驾驶芯片领域已经出现了或新或老的四种势力：

第一类，是Mobileye等老牌的ADAS芯片/自动驾驶芯片供应商。

这一类企业，是汽车行业开始研发高级辅助驾驶系统（ADAS）时，就参与市场竞争的企业。这些企业面向自动驾驶的竞争策略是，通过在ADAS市场积累的技术以及客户资源，不断向上升级其既有产品，实现向自动驾驶的平滑过渡，典型的就是Mobileye对EyeQ系列芯片的不断迭代。

除了Mobileye，瑞萨、恩智浦、德州仪器、电装等老牌汽车半导体供应商，都有各自的自动驾驶芯片规划。

第二类，是看到自动驾驶芯片机遇，跨领域而来的半导体巨头。

比如上文提到的英伟达，此前其主力业务为属于消费电子的GPU，以及数据中心等，但英伟达洞察到自动驾驶对高性能芯片的需求后，迅速进入了这一市场，目前已经推出DrivePX、DriveAGXXavier、DriveOrin三代产品，并获得了不少车企的订单。

主力业务为通信，制霸基带芯片、手机SoC的高通，则在尝试收购恩智浦获得自动驾驶竞赛入场券的努力告吹后，于今年CES上推出了SnapdragonRide自动驾驶计算平台。根据高通官方的信息，这一基于高通芯片打造的计算平台最高算力可达700TOPS，可支持L4--L5级自动驾驶。

而在高通之前，主力业务同样为通信以及消费电子的华为，就已经发布了自动驾驶计算平台MDC600。这一计算平台由8颗昇腾310AI芯片整合而成，最高算力达到352TOPS。

第三类，是在新机遇下诞生的自动驾驶芯片初创企业。

在国内以地平线为典型代表。

本月，搭载地平线车规级AI芯片征程2的长安UNIT正式上市。借此，地平线实现了国产自动驾驶芯片的率先“上车”。另一方面，算力为4TOPS的征程2，也是中国首款车规级AI芯片。

而在今年晚些时候，地平线还将发布算力达到96TOPS、支持16路高清摄像头信号的征程5，这款芯片算力超越特斯拉的FSD，将面向高等级自动驾驶。

最后一类，则是特斯拉为代表的车企自研派。

由于车企基本没有半导体的制造经验，因此他们通常会向供应商采购芯片。而总部位于硅谷的特斯拉，则有着不同的基因、为了最大程度发挥软硬件一体化的优势，特斯拉依托硅谷的半导体人才资源，自行研发了FSD。

目前来看，车企自研自动驾驶芯片的模式难以复制，特斯拉很可能会是这条路径的独苗。

在国内，无论是传统车企还是造车新势力，目前都无自研自动驾驶芯片的计划。作为全球最大的单一汽车市场，中国顺理成章地成为自动驾驶芯片供应商的兵家必争之地。

三、中国能否催生自动驾驶芯片巨头？

如此多的参赛者，让自动驾驶芯片这个仍待开发的蓝海市场，看上去已经呈现出红海的竞争态势。近两年中美围绕芯片发生的一系列事件，让人们对中国芯片产业的的弱势心有戚戚。从年初国家11部位联合发布的《智能汽车创新发展战略》到“新基建”，都将车载芯片的研发作为战略重点，中国汽车行业都希望能有更多本土芯片企业强势崛起。

如今，在汽车行业进行智能化转型、创造大量自动驾驶芯片需求的态势下，中国芯片能否迎头赶上，培育出一家能够在市场上立足的中国本土自动驾驶芯片供应商？答案并不确定，但6月地平线征程2芯片搭载于长安UNIT的“上车”，至少已经开了一个好头。据了解，在ADAS芯片领域，征程2芯片所展现的感知计算性能已经在多个指标上超越了行业龙头Mobileye的芯片，特别是针对中国的特殊路况，并已经成功签下了来自中国各大汽车集团的十多款定点车型。

地平线创始人余凯在一次媒体采访中如此总结地平线的差异化优势：“在全球范围内，能提供这样功耗和算力水平、且开放赋能的芯片企业，我们是独一家。英伟达在辅助驾驶、智能座舱多模交互等方面完全没有产品，芯片功耗也比较高。我们的功耗和算力可以跟Mobileye正面PK，但Mobileye不开放，而我们能满足车企自主开发的需求”，并表示未来有信心拿到全球1/3的市场。

事实上，当自动驾驶潮流席卷而来，如地平线这样率先瞄准车载AI芯片市场，并已通过前装量产得到市场验证的中国芯片企业确实迎来了最好的时代。中国作为全球最大的汽车市场，再加上自动驾驶技术开发的一些典型特征与需求，为本土自动驾驶芯片企业创造了难得的机遇。

首先，自动驾驶技术有强地域性。

因为世界各地自然条件、交通场景、交通规则乃至是文化传统的差异，所以在一国一地开发的自动驾驶技术很难复用到其他地区。这种影响会直接传导到硬件层面——因为与具体数据、算法高度整合，自动驾驶芯片很难不受地域特征的支配。

在此情况下，一家拥有强大本土研发团队、对中国的数据与场景更加了解的企业，有更大的概率研发出更适合中国场景，且算法与硬件结合更加高效的自动驾驶芯片。

其次，当汽车被越来越多的人们看作电子产品时，人们对其功能迭代的频率与速度，都有了更高的期望，自动驾驶功能也不例外。

此前，主要由国外供应商占据市场主流的ADAS，在功能搭载上车后便永不更新。但当汽车变得智能化，车辆其实可以通过不断地OTA，实现功能的升级，甚至实现从ADAS到半自动驾驶、自动驾驶的跨越。比如特斯拉通过升级实现Model3的NOA（高速公路自动驾驶辅助）功能，就是典型的例子。

当然，特斯拉仅此一家。对于更多车企来说，要完成这样的任务，需要他们与自动驾驶芯片供应商保持高频、紧密的联系，由双方进行联合研发。

这一变化，更加考验供应商对车企需求的快速响应。换句话说，这需要自动驾驶芯片供应商建立一个成规模的现场支持团队，做到对车企需求的快速反馈、支援。显然，一个本土的、没有文化语言隔阂的团队，能够更好地胜任。

最后，车企在自动驾驶研发上有更多的功能差异化诉求。

当ADAS功能在汽车产品已经高度标准化或者雷同时，它很难再成为吸引消费者的亮点。对此，有远见、有能力的车企，纷纷选择基于场景去开发新的、有差异的自动驾驶功能（比如宝马的自动循迹倒车），从而获得新的竞争力。

这一趋势对自动驾驶芯片供应商提出的要求是，不能再单纯采用过往的“黑箱”模式，直接给车企一个完整但“知其然不知其所以然”的功能模块，而是要赋予车企进行二次开发、深度开发的权利。或者说，这要求自动驾驶芯片供应商转变思路，去赋能车企的自动驾驶开发。

具体而言，这要求芯片供应商转变思路，在战略上开放，为车企的自动驾驶开发赋能；在产品策略上则要为车企分忧解难，通过打造工具链，降低车企基于自动驾驶芯片进行差异化功能开发的难度与成本。

从上述三点特征来看，自动驾驶潮流的到来，将更加考验自动驾驶供应商的服务意识与快速开发能力。而国外芯片供应商，因为历史、成本、政治等因素，很少在国内搭建起成规模的研发与现场支持团队，过往的开放程度与开发速度也难以满足新的需求。而这，正是中国本土自动驾驶芯片供应商崛起的突破口。

最终，从形势上来说，国外芯片巨头产业先天更加成熟、进入汽车行业更早、各自拥有不同的壁垒。对中国本土自动驾驶芯片供应商来说，与他们同台竞技并最终突出重围，并不容易。

但如果本土自动驾驶芯片供应商在芯片算力、功耗等指标上的表现能迎头赶上，并发挥自己的核心优势，抓住车企智能化转型的时代机遇，那么，中国诞生一个本土自动驾驶芯片巨头或将是大概率事件。

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。

6. PoC挖矿中的算力是什么意思

PoC的本质，用一个普通人也可以理解的话说，就是用硬盘挖矿。没错，PoW是用CPU（或者显卡、ASIC矿机，他们的本质都是更强的计算芯片，与CPU本质上是一样的）挖矿、PoS是凭借持币比例挖矿，DPoS是根据投票决定超级节点，而PoC就是凭借硬盘挖矿。
我们可以这么理解：
-在PoW里是谁的芯片计算快、谁就容易挖到矿；
-在PoS里是谁持币多，谁就容易挖到矿；
-在DPoS里是谁获得的投票多，谁就能成为超级节点进行挖矿；
-在PoC里就是谁的硬盘容量大，谁就容易挖到矿。
是不是足够简单易懂了吧！
要理解PoC的具体原理，我们还是得从比特币PoW入手（研究区块链，PoW就是你永远也绕不过去的技术概念）。
PoW的全称是Proof of Work，即工作量证明。这儿所谓的工作量，就是矿工的CPU（或者显卡、ASIC芯片，我们前面已经说过，这些硬件只是计算速度更快，本质和CPU并无区别）执行一种叫做哈希算法的计算工作。简而言之，谁能够在单位时间内执行更多次的哈希计算，谁就有更大几率产生一个符合要求的哈希结果、进而拿到写入区块链的权利。
可以这么说，比特币PoW的本质就是算力竞争挖矿。每一个新区块的产生，就是给矿工出一道“难题”，矿工通过算力竞争，比拼谁能够先找到符合要求的“答案”。矿工通过购买牛逼的计算芯片，以及持续地消耗电能进行高频率高强度的哈希计算，去获得更强的算力占比，进而获得更大的找到 “答案”的概率。如果一个比特币矿工拥有全网20%的算力，理论上他就可以挖出20%的新区块、进而获得20%的区块奖励（最早每个块有50个比特币奖励，现在已经减少到12.5个，明年还会继续减半）。
PoW挖矿规则简单粗暴、算力可以自由进出，因此能建立足够的安全性，来保证区块链不被篡改的特性。这就是为什么比特币虽然技术看似简单，但是能够成为币王之王，占据一半左右的市值。
此外，比特币的分叉币（例如BCH和BSV）、莱特币LTC、以太坊ETH、门罗币Monero、达世币Dash也都是全部或部分采用了PoW机制挖矿的币种，只不过这些币种可能在一些技术参数上与比特币有区别，但总体思想是类似的。
我们今天的主角PoC，和比特币PoW有异曲同工之妙，但是又有一些实质性的区别。我们知道，比特币PoW要求矿工持续地、反复地执行哈希计算，矿工需要高强度地运行他们的计算芯片，并消耗极为可观的电力资源。
我们的PoC则是另行开辟了一条极为巧妙的道路：它要求矿工预先计算好数量巨大的哈希结果，并将这些数据存储在硬盘里；挖矿的时候，矿工也是争相破解“难题”，不同的是“难题”的答案要在硬盘数据中找，而不是实时地计算。自然而然，谁的硬盘容量更大，谁就有能预先存储更多的“备选答案”，谁就有更高的概率找到能够匹配“难题”的那个“正确答案”。
有人可能要问了，在PoC这个机制中，矿工有没有可能通过芯片去计算答案作弊呢？不可能。PoC的算法设计决定了它在找“答案”的时候，对存储空间这一要素非常敏感，而对芯片的计算能力不那么敏感。强大的算力对矿工挖矿成功率加成并不是很大，而拥有更多的存储空间倒是能成倍地提高挖矿成功率。PoC的这种特性也被形象地称为“空间换时间”。

7. 能否用14纳米制程做出5纳米制程的相同算力的芯片

这个问题比较专业啊，但是据我所了解的知识来看，是有机会完成这件事情的。下面先来介绍一些关于芯片制造领域的基本知识吧。

这样的问题我想最多还是出自于对我国半导体工业制造的关心和考虑。因为我国的14纳米制程已经在国内进行了生产和运营，但相较于台积电这样的半导体产业巨头，在五纳米和七纳米方面，我们还有较大的差距。因此可能就会出现这样的问题：想用14纳米代替5纳米，出发点是非常好，但科学的魅力就在于不断探索极限和未知，只有不断地攀登才会更加深刻地认识这个世界，提升我们的生产力！

8. 零跑汽车发布自动驾驶芯片：算力4.2TOPS 支持L3级自动驾驶

国家发改委产业发展司机械装备处处长吴卫

未来，中国制造的汽车将是全球新技术融合最多、创新融合最多的，也必将领跑全球汽车工业。

同时，汽车芯片领域的竞争也异常激烈。相比于消费电子产品的芯片，汽车芯片对安全性、稳定性的要求更高，是芯片行业共同面对的难题，这也是中国芯片公司的机会。

结语：自研技术让零跑更具竞争力

零跑汽车是中国造车新势力企业中第一个自主研发汽车自动驾驶芯片的，搭载这款芯片的量产车零跑C11下月就将发布。零跑汽车在自动驾驶领域的飞速进步，也得到了用户的认可。

统计数据显示，零跑汽车两款量产车型从今年7月以来销量逐步攀升，9月销量破千，10月销量有望突破1600辆，大量的自研技术让零跑这一造车新势力具备了更强的竞争力。

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。

9. 吉利牵手Mobileye：2021年量产L2+级自动驾驶，还要一起搞L4

车东西

文?|?六毛

就在昨天，吉利汽车和英特尔子公司、ADAS及自动驾驶解决方案提供商Mobileye正式宣布建立合作关系。双方合作的宣布，也让ZEROConcept纯电动概念车L2+级自动驾驶系统CoPilot背后的技术提供商浮出了水面。

根据官方公告，吉利汽车和Mobileye的合作将至少涉及两个方面。

首先是在2021年量产L2+级自动驾驶。领克旗下首款纯电动概念车ZEROConcept将在2021年量产。届时，这款车型会搭载L2+级自动驾驶系统CoPilot。

据了解，CoPilot由两个EyeQ5高算力芯片以及由基于这两个芯片打造的MobileyeSuperVision系统进行驱动，支持OTA更新。

其次是双方就ADAS签署了一项长期合作协议。未来，吉利汽车集团旗下会有多个子品牌的产品配备上由Mobileye提供支持的包括AEB（紧急自动刹车）、LKA（车道保持）等在内的ADAS功能。

该合作消息发布后，车东西等媒体受到邀请，采访了吉利汽车研究总院院长胡峥楠，英特尔公司副总裁、英特尔子公司Mobileye产品及策略执行副总裁ErezDagan，就双方合作的具体细节、对软硬件解耦等行业趋势的看法进行了交流。

整体而言，吉利汽车和Mobileye已达成长期战略合作，双方合作内容不仅涉及ADAS，也会覆盖高等级自动驾驶（如robotaxi，即无人出租车）。

一、EyeQ5芯片算力足够支持多摄像头加多激光雷达的感知方案

吉利汽车在昨天晚上的ZEROConcept概念车发布会上，公布了自己自动驾驶的规划时间表。

吉利汽车首先把自动驾驶分成了高级辅助驾驶、高级自动驾驶和完全自动驾驶三个等级。

其中，高级自动驾驶只需人类驾驶员适时监督系统工作，大部分工作可交给系统完成（对应L2级+~L3级自动驾驶）；完全自动驾驶可以将驾驶操作安全地交给系统，方向盘不再是必需品（对应了L4级以上自动驾驶，如无人出租车）。

按照吉利汽车的规划，针对个人车辆（也就是私家车），将在2021年实现结构道路上的高度自动驾驶，2023年实现开放道路高度自动驾驶。针对无人出租车，计划2022年实现结构道路完全自动驾驶，2025年实现开放道路完全自动驾驶。

胡峥楠在采访中表示，在高度自动驾驶和完全自动驾驶方面，Mobileye都是吉利汽车“真正意义上的战略合作伙伴”。双方合作不针对某一款车型或某一个品牌，合作内容除技术以外，也将包含生态领域方面。在无人出租车方面，EyeQ5芯片的算力已经足够支持多摄像头加多个激光雷达的感知方案。

就具体应用而言，明年，吉利汽车就会推出类似自动变道、自动进出匝道、自动上下匝道和超车（NOP）这这样的功能。未来2至3年内，基于既有硬件系统，这些体验会再通过OTA升级，从结构化道路扩展到开放道路。

胡峥楠还谈到了L2+级自动驾驶系统CoPilot的技术细节。

CoPilot系统配备两个EyeQ5高算力芯片。对此，胡峥楠称这种方式可实现双冗余。其中一个芯片会进行包括视觉感知、规划控制在内的所有算法的处理，另一个芯片作为备用（冗余）。

至于与Mobileye合作，会不会对吉利汽车原来的供应商造成影响，胡峥楠的答案是不会。在他看来，和Mobileye合作属于指定了二级供应商，在一级供应商方面吉利汽车还是会和原有的供应商体系继续合作。“实际上是多方合作，来提供完整的解决方案。”胡峥楠在采访中说道。

二、数据资产将成为未来的一个竞争核心

整车厂如何选择底层芯片？对于这一点，胡峥楠分享了自己的看法。

他表示，从吉利汽车的角度出发，在确定芯片时也需要具备一定的战略定力。软件定义汽车的时代，软件最后的核心一定会回到芯片本身。频繁变更底层芯片或者底层芯片的架构，事实上也意味着上层内容会不稳定。

长远看，虽然功能体验对于整车厂来说很重要，但最重要的还是数据资产。如何保证包括工具链在内的数据资产能够一直稳定地使用，是一个长期的事情，是未来竞争的一个核心。因此吉利汽车并不是很赞成频繁变更底层芯片这样一种方式。

对于智能驾驶市场追求高算力的现象，ErezDagan和胡峥楠都认为单以算力大小来评判芯片是否强大，是一个糟糕的方式。

胡峥楠表示，对于芯片来说，除了算力，还要考虑算法。如果算法领先，那么对于高算力的需求其实是没有那么大的。他建议以综合和平衡的角度来衡量这两者，并强调正确的目标是给最终用户带来真正的价值。

针对软硬件解耦这样一种行业观点，胡峥楠认为从技术研发的角度来说，软件、硬件解耦是一个必然趋势。

智能汽车在开发过程中需要解除传统上把硬件和功能强耦合的开发模式。对于整车厂来说，硬件开发可能有一个相对固定的流程和较长的开发、验证周期，但这种速度无法满足用户需求。因此需要将软件和硬件解耦，然后再用不同的线程来进行开发。

结语：智能化上，车企正在尝试不同方案

就在吉利汽车和Mobileye宣布联姻两天前，国内造车新势力理想汽车和英伟达、德赛西威刚刚举行了战略签约仪式。

原本选择Mobileye的理想汽车，因为其系统开放性不太够，转身投入了英伟达的怀抱。理想汽车打算在2022年推出一款全尺寸增程式智能SUV，并计划在这款车上率先使用英伟达的自动驾驶芯片Orin。

然而，理想汽车“嫌弃”的点，并不是吉利汽车最看中的。Mobileye在视觉领域的技术积累，以及能否让数据资产可以长期稳定地被使用，是吉利汽车认为比较重要的地方。

在汽车智能化加速阶段，车企就不同方案进行探索，对于整个行业来说是有益的。

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。