自动驾驶领域迎来了“芯”战争

计算芯片这一自动驾驶的大脑，被再度推上了风口浪尖。尽管不慎放出“假消息”的格罗方德出面否认了，但坊间的极大关注也表明，芯片，是众自动驾驶公司的一块心病。

做平台的计算巨头如英伟达、英特尔、高通，“自古以来”为车厂供货的半导体商，以及做单点技术的初创公司，都在不断地试图制造属于自己的自动驾驶芯片，以在自动驾驶竞赛中掌握绝对制高点。

一、特斯拉“寻新欢”是假?

上周，从AMD拆分出来的晶圆厂格罗方德(GlobalFoundries，GF)无意间透露出来消息：特斯拉、AMD、GF三方，正在自动驾驶上“搞事情”。消息一出，自动驾驶圈子炸了锅。AMD股价应声而涨，英伟达股价则小幅下挫。

对于合作，报道称特斯拉将在AMD的芯片IP基础上，开发自己的自动驾驶芯片，格罗方德则是代工厂。

然而第二天，GF就跳出来否认，称“与特斯拉没有直接合作关系”。但是，这个说法很有意思，仅仅是撇清了自己和特斯拉的“直接关系”。而特斯拉与AMD两方，对此消息则是不予置评，既不否定，也不承认。

特斯拉当然不会承认，因为：

1、现在特斯拉的车型还装着英伟达家的Drive PX 2自动驾驶车载电脑到处跑呢。

2、英伟达CEO黄仁勋的车库里还停着特斯拉Model S和Model X。

3、英伟达今年那款性能爆棚的深度学习利器DGX-1，老黄直接送了马斯克资助的OpenAI一台，还是亲自交到后者的手中。

但是从马斯克的经历中就可以看出，他并不是一个安分的人。和Mobileye的分手已是前车之鉴，和英伟达现在虽然你侬我侬，但也架不住特斯拉的目标是星辰大海。

基于三点原因，特斯拉会热衷于研发自己的自动驾驶芯片：

1、对核心硬件有更强的掌控力。

2、研发自己的自动驾驶芯片，能够在硬件加速上形成差异，更有可能建立起自动驾驶技术的优势。

3、Drive PX 2功耗为250W，而价格则直接是1.5万美元。如果特斯拉选择自己造自动驾驶芯片，那么成规模之后，有助于降低成本。

因此，出于提升对核心硬件掌控力、拥有更强计算竞争力以及成本等因素的考虑，自研自动驾驶芯片对特斯拉来说确实是一个可选项。

直接的证据就是特斯拉作为一家汽车公司(至少目前来看是这样)，所拥有的50余人的芯片团队，以及团队的带头人——去年年初加入的吉姆·凯勒。

凯勒早年任职于AMD，参与缔造了X86-64架构(AMD为桌面端处理器作出的伟大的贡献)，拿出了能和英特尔正面抗衡的K8架构;后又进入苹果，负责了A4与A5处理器;再一个回马枪杀回AMD，奉献了Zen架构——锐龙正是在Zen架构的基础上，逼得今年的英特尔不再挤牙膏。

特斯拉的芯片团队由这样一位在行业功勋出色的传奇人物坐镇，必然是有所布局的。

昨日，英伟达CEO黄仁勋在GTC China上接受采访时，面对“如果特斯拉与其他厂商做了自动驾驶芯片，你是否还会买特斯拉”这一问题，也并未在回答中急于澄清和特斯拉的合作关系。

这次把格罗方德牵扯进去，则说明特斯拉的自动驾驶芯片至少已经到了流片测试的阶段。

不过特斯拉不太可能去挑战英伟达的GPGPU(通用计算型GPU)在深度学习中的地位，因此这枚芯片大概率会是一款针对自动驾驶的专用计算芯片。

二、三大巨头决战自动驾驶芯片

特斯拉与英伟达的分分合合只是自动驾驶芯片大战中的冰山一角。在这个关键领域中，自动驾驶芯片延续了与其高度相关的深度学习所采用的几类硬件技术路线：GPU、FPGA、ASIC，引来全球各方公司同台竞技。

首先不得不提的是英特尔、英伟达、高通三大芯片巨头，它们带领的竞争为这场芯片战争奉献了绝大多数戏码。而且，他们也恰好反映了自动驾驶芯片的不同技术路线之争。

1、英特尔：豪掷320亿美元，买出一片天

在深度学习兴起的这两年，英特尔颇有些哀伤。因为CPU天生擅长串行与通用计算，在面对需要大规模并行计算的深度学习时，暂时处于被GPU压制的状态。因此，英特尔绕过GPU，在2016年以167亿美元完成了对世界第二大FPGA公司Altera的收购。

FPGA，现场可编程门阵列，是一种处于CPU、GPU和ASIC之间的芯片。相较于CPU、GPU的通用计算属性(没错，GPU虽然比CPU“专业”不少，但仍属于通用计算)，FPGA的功能更加专一，并且更加接近底层I/O，运算实时性比CPU/GPU更高，一旦完成编程，就能进行特定的运算，比CPU、GPU更加高效。同时，它又比专用芯片ASIC更加灵活——芯片可以被反复编程，以满足不断变化的计算需求。

高实时，低功耗，可灵活编程，这全都切中了自动驾驶对计算芯片的要求。英特尔在年初推出的自动驾驶计算平台Intel Go中，也使用了FPGA芯片。奥迪新A8自动驾驶所仰赖的核心计算单元zFAS，也使用了Altera的FPGA芯片，内建被英特尔收购的Movidius视觉算法，负责物体数据和地图数据的融合，与自动停车功能的实现。