就在今年9月，我們@皆電體驗了蔚來NOP（Navigate on Pilot）功能。捏指一算，這是繼特斯拉FSD（NoA）之後第二款能基於導航規劃路線實現自動進出閘道，自動變道超車的輔助駕駛功能了。
NOP目前已經通過FOTA的形式推送給用户，支持蔚來全部車型。儘管是“老掉牙”的ES8，其內置Mobileye EyeQ4芯片的算力冗餘已經能完全滿足NOP的需求。
提及到高級輔助駕駛，除了高清攝像頭、各種雷達之外，芯片可以説是最重要，也是車企最難攻克的部分，目前除了特斯拉能實現自研之外，包括奔馳、寶馬、蔚來、小鵬都選擇了外購芯片。而能提供這類芯片的ADAS廠商也不少，像Mobileye、博世、德州儀器以及英偉達，看到這裏可能有人會問：
“英偉達不是做顯卡GPU的那個嗎？”
與博世、德州儀器這些熟悉的面孔相比，英偉達確實足夠“跨界”，但做GPU就不能做自動駕駛了嗎？顯然不是，現在Mobileye不也是英特爾的嘛…
GPU為什麼能做自動駕駛
至於為什麼你用來打遊戲的顯卡能應用到自動駕駛，那我得先從自動駕駛得以實現的流程來説。
自動駕駛主要由感知、決策以及執行三個流程組成，攝像頭/傳感器感知路況、路況信息傳給自動駕駛芯片進行決策，決策信息再傳給方向盤/發動機執行具體動作，而GPU就參與到“決策”那個流程。
“決策”實際上就是深度學習，而深度學習則是一個模擬了人腦神經系統而建立的數學網絡模型，這個模型的特點是數據量大（路況信息多），當中包含了大量且無邏輯關聯的數據，這和GPU的日常工作（渲染畫面）很相似（每一幀畫面上的像素都是獨立、無邏輯關聯的），因此並行計算能力更出色的GPU自然就能勝任深度學習這份工作了。
雖然GPU天生適合做深度學習，但編寫一個能讓GPU高效運轉的程序則相當困難，直到2007年英偉達發佈了CUDA編程工具包，方便程序員利用JAVA、C++寫代碼之後，搭載GPU的超級計算機才開始遍地開花。（全球超算TOP500中，前 10名有8家用的都是英偉達GPU）
NVIDIA DRIVE AGX Orin
DRIVE AGX Orin是英偉達最新一代用於自動駕駛和機器人的軟件定義平台，它由新架構的GPU、Arm Hercules CPU、深度學習和計算機視覺加速器組成，性能是上一代DRIVE Xavier的7倍，算力可達200Tops。
AGX Orin可以處理自動駕駛中同時運行的大量應用以及深度神經網絡，作為一個軟件定位平台，AGX Orin兼容從L2級到L5級的自動駕駛，方便OEM開發應用於不同領域的產品系列，另外，值得一提的是這套平台預計在2022年實現SOP，至於為什麼選擇2022年？看看大眾、吉利想要在2022年幹嘛就一清二楚了。
“打造安全的自動駕駛汽車，也許是當今社會所面臨的最大計算挑戰。實現自動駕駛汽車所需的投入呈指數級增長，面對複雜的開發任務，像Orin這樣的可擴展、可編程、軟件定義的AI平台不可或缺。”——英偉達創始人黃仁勳
英偉達與它的自動駕駛帝國
20年前，英偉達重新定義了現代計算機圖形技術，並推動了PC遊戲市場的發展，而20年後的今天，英偉達已經搖身一變成為一家在AI技術、雲計算領域處於領先的頭部企業。
2015年——Drive PX，算力（單精度浮點計算能力）2Tops，支持L2級自動駕駛
2016年——Drive PX2，算力8Tops，支持L3級自動駕駛
2017年——Drive Xavier，算力30Tops，支持L4級自動駕駛
2019年——DRIVE AGX Orin，算力200Tops，支持L5級自動駕駛併兼容L2～L4級自動駕駛
僅5年時間，NVIDIA DRIVE自動駕駛平台的算力就有了將近100倍的提升，再看看隔壁Mobileye最新的EyeQ5僅有12Tops，算力上都不知道差了多少個華萊士了。當然，NVIDIA DRIVE上的GPU屬於通用型計算芯片， 所以算力高的同時也帶來更高的功耗與搭建成本。而Mobileye EyeQ4則基於定製的ASIC架構，因此能耗表現比NVIDIA DRIVE好太多。
NVIDIA DRIVE的“朋友圈”
在自動駕駛領域還沒出現壟斷型企業的今天，生態的豐富程度似乎比硬件（算力）來得更重要。在文章的開頭我們提及到特斯拉FSD是一套封閉的輔助駕駛系統，其實Mobileye與之對比起來，也只是“相對”開放而已，Mobileye可以把整套自動駕駛解決方案賣給不同的車企，但並不會針對車企的需求進行定製（或許是因為ASIC架構的緣故？不過現在英偉達也在迫使Mobileye的技術體系走向開放，例如EyeQ5已經支持多達20個包括激光雷達在內的傳感器），而作為後起之秀的英偉達則採用開放的技術體系，他們不僅賣芯片/平台、軟件開發包、應用工具等等，還會主動和車企進行深度合作來研發較高級別的自動駕駛技術，也正因如此，目前不少車企、Tier 1的產品都基於NVIDIA DRIVE，例如博世在BCW發佈的自動駕駛系統、奧迪的zFAS等等。
在我們那身邊也有一個例子，那就是搭載了XPILOT 3.0的小鵬P7，XPILOT 3.0應用到NVIDIA Drive Xavier自動駕駛芯片，已經具備支持L4級別自動駕駛的能力，而對於獲取高精地圖數據涉及到的基帶以及車輛定位技術，XPILOT 3.0則應用了高通驍龍820A芯片，這種讓主機廠根據功能整合不同供應商解決方案的做法同樣也是NVIDIA Drive足夠開放的體現。
在上年GTC China大會上，英偉達還宣佈了滴滴將使用英偉達的GPU開發自動駕駛和雲計算解決方案。包括在雲端（數據中心）採用了其GPU訓練機器學習算法，在車端也搭載了NVIDIA DRIVE平台。
事實上，在國內除了滴滴之外，還有包括小鵬汽車、文遠知行、小馬智行、美團、菜鳥、京東以及高德地圖、百度地圖等企業宣佈了與英偉達合作，在某種程度上，因為NVIDIA DRIVE足夠開放，它已經獲得了不少主機廠、Robotaxi公司以及Tier 1的青睞。
大手筆買買買
縱觀海外那些處於行業第一梯隊的半導體廠商，外延式併購是它們提升競爭力的主要手段，為此在近1年內英偉達也開啓了瘋狂剁手模式。
（1）488億元收購Mellanox Technologies
在今年4月底，英偉達完成了對Mellanox Technologies的收購，可能大家對Mellanox Technologies比較陌生，事實上這是一家在1999年就成立的公司，主營業務包括服務器以及存儲端到端連接方案，是一家在InfiniBand以及以太網互聯產品深耕數十年的廠商。
目前數據中心業務已經佔據了英偉達總收入的1/3，而收購Mellanox Technologies這一舉動讓英偉達除了擁有從人工智能計算到網絡的端到端技術之外，還擁有了從處理器（GPU）到軟件的全堆棧產品。隨着全球互聯網服務需求的激增，應用到人工智能技術和加速計算的落地場景將變得更多。
（2）2733.2億元收購Arm
*中國監管機構還沒批准（反壟斷的原因）
收購完Mellanox之後，英偉達在今年9月又表示打算將ARM收入囊中。因為移動平台的Tegra系列處理器已經摺戟，所以英偉達在智能手機、平板電腦或是IoT等市場幾乎沒有份額，而這些領域又剛好是ARM的強項。
要是這樁收購能成的話，英偉達的短板一下子就給補全了。試想了一下，英偉達的人工智能計算平台與ARM龐大的生態系統相結合會是一件多麼“恐怖”的事，屆時我們生活中能接觸到的幾乎所有電子產品都離不開英偉達，估計英特爾、高通、AMD都會被嚇到“鼻哥窿都冇肉”。
至於在汽車領域，NVIDIA DRIVE平台和基於ARM的車機也可以在功能上做更多打通，從而形成一套完整的車機娛樂/導航/自動駕駛系統解決方案，再打包賣出去。
自動駕駛的未來，真的屬於GPU嗎？
人工智能算法是核心，硬件是基礎，隨着最近幾年深度學習需求量增多，FPGA、ASIC芯片開始陸續浮出水面，甚至有人説，人工智能、自動駕駛的硬件之爭，歸根到底就是GPU、FPGA以及ASIC芯片之爭。
正如我們本文的主角英偉達是GPU的擁躉，而佔據高級別輔助駕駛系統大半市場的Mobileye又一直沿用ASIC架構芯片一樣，究竟誰才是自動駕駛的未來呢？
看來只有時間才能證明了。
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。