量子位 編輯 | 公眾號 QbitAI
從這個月開始，特斯拉終於跌破30萬，進入補貼行列，與國產汽車展開正面競爭。
在國產汽車和特斯拉之間該如何選擇，除了續航里程外，最重要的可能就是智慧駕駛系統了。
智慧駕駛系統該怎麼比較？攝像系統、鐳射雷達、毫米波雷達這些硬體，都是自動駕駛系統的耳和眼，在選購的時候固然不可忽略。另外，和選購手機電腦要看CPU一樣，車載計算平臺也是絕對不可忽視的一項引數，甚至還可能是決定因素。
車載計算平臺有多重要？
簡單來說，車載計算平臺是一切智慧駕駛功能的實現基礎。大部分智慧駕駛/駕駛輔助功能的實現原理都是透過處理車載感測器所收集的資料判斷場景，再依據場景提供相應的功能。
而車載計算平臺就是處理這些資料並作出相應判斷的核心單元，其之於車載感測器以及車載控制系統的關係，類似於人腦之於五官以及四肢的關係。
換句話說，沒有車載計算平臺的支撐，為系統增加再多的感測器或再精準的控制系統都將是徒勞。
由於汽車駕駛場景的複雜程度極高，車輛就需要數量更多、精度更高的感測器來覆蓋足夠全面的複雜場景，這就使得車企對車載計算平臺算力的需求進一步增強。
與消費電子領域的計算平臺不同，車載計算平臺在功耗，安全性以及穩定性上都有著極其嚴苛的要求，這就使得研發高算力產品的難度進一步提高。
為了攻克這一難題，特斯拉想盡了一切辦法，甚至選擇了自主研發計算晶片。
眾所周知，特斯拉是全球智慧駕駛領域的標杆，其Autopilot系統無論是在功能開放程度還是實際使用體驗上都要優於其它傳統車企的產品。
不過，如果單看Autopilot系統的感測器佈局，你會發現其並沒有太多出彩的地方，既沒有搭載奧迪A8上的鐳射雷達，也沒有使用通用Supercruise上的高精地圖，而是僅僅靠著最傳統的攝像頭 毫米波雷達來完成資料採集。
其中既有出於整車成本的考量，也有對計算晶片能力的自信。
事實上，Autopilot的出色表現來自於其所使用的AI深度學習演算法，支撐這整套複雜演算法正是特斯拉自研的高效能車載計算平臺。
早在Autopilot 1.0的時代，馬斯克就敏銳的發現了車載計算平臺的重要性，而當時為Autopilot提供計算平臺的供應商Mobileye已經無法提供讓馬斯克所滿意的產品了。
因此在2016年，我們首次看到了搭載基於NVIDIA Drive PX2定製計算平臺的特斯拉量產車，這就是Autopilot 2.0。
1年後，NVIDIA按照特斯拉的要求對這套計算平臺進行了進一步的更新，也就是業內所說的Autopilot 2.5。
然而NVIDIA的更新步伐仍然無法滿足特斯拉對於高算力計算平臺的需求，最終，馬斯克選擇了邀請傳奇晶片架構師Jim Keller出山，帶領特斯拉團隊自主研發了新一代的車載計算平臺晶片，這就是目前特斯拉Autopilot 3.0系統上所搭載的FSD（Full Self-driving）晶片。
從算力上來看，Autopilot 2.5的計算平臺搭載兩顆NVIDIA Tegra Parker SoC和一顆Pascal架構GPU，平臺算力在10 TOPS左右，而Autopilot 3.0搭載兩個特斯拉自研FSD晶片，平臺算力則高達72 TOPS，這要比小鵬P7上所搭載的NVIDIA最新一代Xavier SoC的算力（30 TOPS）還要高出一倍多。
高算力所帶來的效能提升直接體現在了Autopilot 3.0系統的視覺感知能力上，雖然Autopilot 2.5與Autopilot 3.0 所搭載的感測器佈局基本一致，但前者由於算力的限制，車外所有攝像頭中，只有前視三目中的一個攝像頭能夠在高幀數下運轉，而其餘攝像頭均只能執行在10幀/秒的幀數以下。
反觀Autopilot 3.0，其算力可以支撐全部8個攝像頭均在36幀/秒的速度運轉。高幀數所帶來的直接效果就是車輛所能感知到的環境資訊更加豐富，這也使得人工智慧演算法能夠更準確的識別並標註道路上的物體，從而達到更高的智慧駕駛系統表現。
車載計算平臺是車企的阿喀琉斯之踵
特斯拉的晶片自研策略足以說明車載計算平臺的重要性，但是，馬斯克和特斯拉畢竟只有一個，晶片自研之路也不是誰都可以走的，因此，絕大部分車企在整合車載計算平臺時仍然要依賴晶片廠商提供解決方案。
令人遺憾的是，目前車載計算平臺的供應鏈被少數幾家強勢的Tier 2廠商所壟斷，包括前面提到的Mobileye以及NVIDIA，這意味著上述幾個廠商牢牢控制著智慧駕駛領域最核心零部件的研發與迭代節奏。
不管車企和Tier 1對高算力平臺的需求多麼迫切，也都只能把自己的精力與資源全部押寶於現有的這幾家供應商。也正是市場上車載計算平臺可選擇性的匱乏，導致了眾多車企的智慧駕駛系統出現差異性不強，研發成本高，更新迭代速度慢等問題。
如果我們把目光聚焦於國內，更會發現車載計算平臺是我國發展智慧駕駛的阿喀琉斯之踵。由於上面提到的計算平臺的壟斷供應商全部是海外企業，其核心研發部門均不在國內，且在國內所提供的產品也都是與全球其它市場同步的標準化解決方案，因此國內車企在選擇車載計算平臺時就會面臨三大難題：
國外供應商提供的計算平臺解決方案較為封閉，沒有給國內車企流出足夠多的演算法定製與自研空間。
由於國外供應商的核心技術團隊都在海外，其在國內提供的本土化技術支援十分有限，響應速度也遠無法達到國內車企的需求。
國外供應商提供的解決方普遍價格較高，議價空間也十分有限。這對本就主打國內主打價效比，利潤空間相對較小的國內車企來說是一大挑戰。
以最近小鵬釋出的P7為例，為了達成中央計算平臺所需要的高算力，小鵬汽車不惜血本，在P7的車載計算平臺當中首次使用了NVIDIA的最新一代Drive平臺晶片Xavier SoC，據說Xavier的官方價格達到500美金。
由於確乏本土的供應商，車載計算平臺領域已經成為了中國發展智慧駕駛的最大瓶頸。在這個背景下，國內智慧駕駛產業的上下游，均在期盼著有國內的公司能夠提供有競爭力的車載計算平臺解決方案。
中國汽車晶片迎來機會
針對這樣一個關鍵的市場缺口，從2018年開始，國內浮現了一批提供相關解決方案的創業公司，晶片的自主可控近幾年也呼聲頗高。
但車載計算晶片的產品門檻極高，不單單需要企業具備充足的半導體相關軟硬體研發經驗，同時在產品的定義與生產等環節上還要與汽車行業的標準嚴格接軌。這就導致了國內的“自主晶片”呼聲雖高，但鮮有成熟的產品問世，目前在量產車市場當中實現產品落地的，只有地平線一家創業公司。
作為國內最早的一家專注於AI晶片開發的創業公司，地平線在智慧駕駛領域同樣定位於Tier 2。但是與國際廠商不同的是，地平線立足於國內，擁有著海外公司所不具備的本土化優勢——既地平線能夠更加快速地響應國內客戶的需求，並提供符合本土使用者使用習慣的自動駕駛解決方案。
當然，僅依靠本土化能力還遠遠不夠，車載計算平臺開發的最大難點在於如何在低功耗，高安全性和高穩定性的基礎之上實現高算力和高表現。今年，地平線在智慧駕駛領域的核心產品征程2晶片實現了首次聯產專案落地，搭載在了長安UNI-T上。
作為國內首款車規級AI晶片，征程2的效能絲毫不遜色於同級別的海外產品，得益於與Mobileye類似的軟硬結合研發模式，征程2可在典型功耗僅2瓦的情況下，提供4 TOPS等效算力。
不過，與Mobileye軟硬結合所產生的封閉產品策略不同，地平線為了保持自身產品的開放性，特意為其征程晶片配備了一套名為“天工開物”的AI開發平臺，其中的工具鏈和演算法IP給了客戶充足的空間去開發以及定製符合其自身差異化需求的系統。
在征程2取得市場肯定的基礎之上，地平線正在全力研發其下一代產品——征程5。據悉，預計在今年正式推出的征程5將面向高級別自動駕駛市場，其算力將超過特斯拉自研的FSD晶片，達到96 TOPS AI算力。
這也使其有能力驅動最多16路高畫質攝像頭同時在高幀數情況下進行感知。與特斯拉的FSD一樣，征程5的設計也嚴格遵循著“軟體定義硬體”的思路，旨在能夠最大化的將其晶片算力應用於智慧駕駛和視覺感知相關的AI演算法，可以說征程5 “天工開物”的組合未來將成為中國車企對標特斯拉的必備解決方案。
雖然疫情給2020年的汽車市場蒙上了一層陰影，但是新能源、自動駕駛仍是汽車行業未來的長期趨勢，對於從事前沿技術研發來說，目前這個階段提升技術內功的絕佳時期。
年初我國發布了《智慧汽車創新發展戰略》和《汽車駕駛自動化分級》兩個推薦性國家標準，也從側面印證了國家對汽車行業的重視。
國內智慧汽車在今年的發展也並沒有任何因疫情而放緩的跡象，國內車企對於高級別自動駕駛系統的渴求甚至不降反升，這是包括地平線在內的國產汽車晶片公司發展的一個重要機遇。
來源：量子位