芯片行業失落的老大何以引領汽車產業
2017-04-11 20:03:57 n最近，自動駕駛領域一片看不見的刀光血影。
但這一次的主角，不再是知名車企或創業項目，而是在芯片行業呼風喚雨的英特爾、英偉達。
先是英特爾大手筆并購 Mobileye，留下一陣驚愕之聲；緊接著，英偉達與博世共同推出基于 Xavier 芯片的自動駕駛平臺，不留下一片云彩。
繼續討論之前，一個顯而易見的疑問是，為什么推動自動駕駛的這一輪力量換成了汽車配件供應商？
為什么是配件供應商？
如同波音不生產飛機的所有零件一樣，大型車企并不生產汽車的所有零件。
蘋果不生產任何零件卻能主宰整個手機市場，整車廠商的做法也類似。它們不會去一股腦地生產方向盤、輪胎、座椅、車窗、儀表、導航等各種零部件，而是把它們交給效率更高的供應商來做，自己則專注于把控整車與整個產業鏈的效率。
事實上，僅靠最核心的動力總成（發動機、變速器）技術，它們就可以賺得盆滿缽滿。而經銷商們通過維修燃油發動機、濾油器以及更換機油，也能夠大賺特賺。
若非近年來后起之秀特斯拉的步步緊逼，它們對電動汽車、自動駕駛實在是感冒不來。畢竟，丟掉燃油發動機，就相當于掀翻它們正在享受的滿漢全席，而改喂殘羹冷炙——換作是你，你也不肯乖乖入甕的。
而配件供應商則不會有這樣的后顧之憂，它們的輪胎、座椅、車窗、空調、音響等設備還是一樣能賺錢。這就說到了自動駕駛相關的傳感器、導航、自動巡航等技術，這里面實打實的技術累積，很大程度上是屬于相關的配件供應商的。比如，Mobileye 的自動輔助駕駛，博世的導航系統，等等。
自動駕駛上路，則意味著這些配件供應商將擁有新汽車上最為核心、最有影響力的技術。而有著數百零部件的燃油發動機，因其無法被芯片控制且維護上過于繁雜，幾乎不可能在自動駕駛汽車上風光下去。換句話說，在自動駕駛的催化下，當前由燃油發動機所主導的汽車行業將要重新洗牌，而勤勤懇懇在支撐整個產業鏈的供應商們，肯定最先感受到風向的變動。
而由人工智能所控制的汽車，其零部件上必定要嵌入可以被編程的芯片才能被可靠地控制，特別是電動機和電池。雖說當前的關鍵是跟自動駕駛密切相關的各式傳感器、導航芯片、車載計算機，但隨著整個汽車產業鏈的升級，其他零部件的芯片化程度只會越來越高，最完美的就是達到電子星上的“柱子哥”那水平。
這樣一來，芯片行業失落的老大——英特爾，即便是錯過了整個智能手機時代、甚至當前的機器學習硬件，依然還有機會重返巔峰。前提自然是它能進入自動駕駛行業，并且能站穩腳跟，而大手筆買下一個現成的配件供應商，自然會立竿見影：正如高通花470億美元拿下 NXP，英特爾用160億美元買來 Mobileye。
但這里的巨資仍無法保證自動駕駛所承諾的未來，不過是確保這兩大芯片巨頭的正式入場而已。
技術鏈條能告訴我們什么？
用 Mobileye CTO 的話說，自動駕駛汽車需要整個技術鏈條的所有玩家來通力合作，而僅自動駕駛系統就需要傳感器感知技術、高精度地圖定位，以及人工智能的自動駕駛策略這三大領域的支撐。
傳感器
具體的感知技術，就是攝像頭、超聲波傳感器、毫米波雷達、激光雷達……用以幫助車輛理解其周遭環境的一切傳感器。接下來，讓我們一一來說。
攝像頭最容易理解。眾所周知，采用 Mobileye 技術的特斯拉 Autopilot 一代硬件，僅有一個前視攝像頭。在爭議極大的佛羅里達車禍中，Autopilot 在側面感知上的固有盲區，差點葬送了行將起步的自動駕駛技術。
好在 Autopilot 二代硬件的改進足夠大，僅前視攝像頭就增至3個，分別用于遠近視角，最遠可達250米；另外，兩側前、后方各一對，正后方還有一個后視攝像頭，實現360度無死角覆蓋；所感知到的視覺信息，將被渲染成實時路況的 3D 影像，用于決定駕駛策略。
超聲波傳感器可用于補充視覺信息。如 Autopilot 二代用了12個超聲波傳感器來監測車輛周圍的軟、硬物體，從而更好地區分行人和車輛。
毫米波雷達是傳統配件供應商的強項。但 Autopilot 二代僅配備了一臺長距離雷達用于感知前方路況，而新款奧迪 A4 則是采用 1 臺長距離雷達 + 4 臺短距離雷達來實現全功能自動輔助駕駛。
激光雷達是傳統無人駕駛技術的核心，它的 3D 建模與同步繪圖能力，原本是用給軍方的高精度導彈的。Google 無人汽車所用的激光雷達，是 Velodyne 的 HDL-64E，單價約8萬美元，相當于一輛特斯拉的 Model S。
而采用相控陣技術的固態激光雷達，Quanergy 說它的 S3 產品售價可降至250美元，但其量產上市還需要一個過程。
定位技術
高精度定位技術的硬件，需要 GPS 結合慣性傳感器共同來實現，除了具體的位置和速度，它們還能提供出車輛的加速度、姿態和方向等額外信息。這就需要專門的定位技術供應商。
定位相關的軟件技術，就涉及到地圖數據了。Mobileye 的 REM（Road Experience Management）就是通過攝像頭來捕捉路面上的標識進行輔助定位的，從而獲取更多全新的地圖信息，并持續更新云端的地圖數據庫。
目前，由于任何傳感器都有其明顯的局限性，任何自動駕駛的感知與定位功能均不可能由某個傳感器或某種技術獨立來完成。因而，用于處理所有這些行駛數據的計算平臺，就顯得額外重要了。
自動駕駛策略
如前面所說，Autopilot 二代是把傳感器搜集到的所有信息重新渲染成實時的 3D 模型，這里所用的計算平臺就是英偉達的 GPU，原因就是 GPU 架構在深度學習上的固有優勢。要知道最新一代的 GPU 核心，英偉達甚至都沒有用在一般顯卡上，而是優先用于人工智能。
而 Mobileye 的 EyeQ3 平臺，則是其基于 ASIC 架構自行開發的。不過，高性能芯片的研發，不是開一個高調的發布會就能做出來的。這應該就是 Mobileye 去年宣布跟意法半導體合作研發下一代 EyeQ5 芯片后，今年又倒向英特爾的一個重要原因。畢竟，芯片巨頭的技術底蘊不是吹牛就能吹來的。
另一種基于 FPGA 的計算平臺，則是奧迪無人車所用的方案，具體說來是 Altera 的產品 Cyclone V。然而，身為 FPGA 業界老大的 Altera，早在2015年就被英特爾用167億美元納入麾下了。
僅自動駕駛系統本身的技術鏈條，就已經異常復雜了，這還沒有說到車輛自身的各個控制系統。這里的復雜程度剛好印證了幾天前吳恩達離開百度時所說的那句話：
“我們是一家數據公司”“……我希望人工智能可以將人類從重復性腦力勞動，比如忙亂的交通駕駛中，解放出來。這項工作不是任何一家公司可以獨立完成的，這是全世界的人工智能研究者和工程師的共同課題。”
收購 Mobileye 后，英特爾 CEO 科再奇向員工這么解釋，
“為什么自動駕駛對英特爾的未來如此重要？答案是數據。”
自動駕駛的道路，是需要車輛對街道周邊進行360度無間斷的實時監控，這就意味著一個關于全球路網的實時的高精度 3D 地圖數據庫。有了它，L3 級別的自動駕駛很快就能上路。
對于靜態地圖，直接使用當前地圖供應商的現成數據，就能省下相應的研發時間。
對于高精度地圖數據，Mobileye 的想法是聯合各方共同打造一個覆蓋全球的地圖體系，正在就相關的細節同各方積極溝通。
而英偉達 CEO 黃仁勛則認為，深度學習還能進一步挖掘現有傳感器及高精度地圖的潛力，并能在一定程度上打破 L3 級別自動駕駛對激光雷達的依賴。這與特斯拉的思路倒是一致的，這兩家能走到一起也就不奇怪了。
據此，黃仁勛預計，今年底到明年，我們間就有可能實現 L3 級別的自動駕駛；明年底到 2019 年則能實現 L4 級別。
這一切都需要數據來驅動。
想一想 Google，它只是把網頁加以標識并挖掘其中的數據，其賺錢機器就能像印鈔機般自動運行；而自動駕駛的結果，則是把實體世界掃描成實時數據，其中能挖掘出什么樣的機會，如今還沒人能給出確定的答案，但規模上遠超 Google 想必是沒什么懸念。
而僅采用 Google 街景的數據，李飛飛教授通過深度學習測算出了相應地區人口的特征與構成，這一成果寫在她最新的一篇論文中。而相比于 Google 街景所拍的照片，自動駕駛數據的及時性、精細程度則能好上幾個數量級，其效果往往意味著某些質的變化。
對于自動駕駛數據，英特爾預計，到2020年，一天就能生成 4000GB 新數據。
“我們聚焦的業務、我們解決方案的提供方向，都在于創造、使用和分析海量的數據。”
從比特回到原子，自動駕駛的意義要遠超出汽車本身：交通系統轉化成數據的必然影響，是社會物資的自行流動，其效果將類似于互聯網令信息自由流動所促成的社會效率升級。
所以，相關的各巨頭均能從中看到對自己有利的機會，這樣的機會在行業內部表現為競爭，比如這兩大芯片巨頭：
但成就自動駕駛，根本離不開芯片、汽車及相關行業的通力合作，如同 ARPANET 轉變到 Internet 過程的那種技術合作。當時，為組建和鋪設網絡，各大巨頭和機構也是拉幫結派、磨刀霍霍。但最后，連接成統一協議的 Internet 明顯對各方更有好處。
同互聯網的影響一樣，自動駕駛的未來，可能也是幾個相互關聯的行業——幾個規模更大的十萬億美元行業。相形之下，當前這些巨頭的體量，絕對不足以主導如此龐大的行業。
