自动驾驶芯片大战好戏还在后头

自动驾驶领域的芯片竞赛已经迈入白热化阶段。英特尔最近宣布计划收购小型芯片制造商eASIC，这是继2015年以167亿美元收购Altera之后，英特尔在FPGA领域的又一重要动作。面对英伟达的GPU压力，英特尔志在将传统CPU处理器与FPGA集成于同一芯片上，以激发更强大的计算性能。

英特尔预计，相较于传统的处理器和分立FPGA器件，新的一体化芯片将带来30%至50%的性能提升，最终可能实现2到3倍的性能飞跃。这种强大的计算能力对于人脸识别、自动驾驶等视觉计算任务具有至关重要的作用。

自动驾驶尚处于发展初期，对于快速开发新功能的需求日益迫切。在此背景下，使用低功耗、低成本的可编程逻辑器件成为了众多ADAS及自动驾驶公司的理想选择之一。毕竟，英伟达高性能芯片的高价仍然让许多公司望而却步。

虽然eASIC的经营状况并不理想，2016年全年营收为4550.7万美元，净亏损642万美元；2017年上半年营收1714万美元，亏损还在进一步扩大，但收购eASIC被视为英特尔在半定制芯片领域的重要布局。英特尔希望通过收购eASIC进一步巩固其在半定制芯片市场的地位，并加速其在FPGA领域的创新和发展。此次收购对于英特尔来说，不仅是一次战略布局，更是一次技术上的创新与突破。ASIC芯片的计算能力和效率都是根据特定的算法量身定制的，因此它具有体积小、功耗低、高可靠性、保密性强、计算性能高以及成本低等显著优势。eASIC公司不甘于标准单元ASIC和FPGA的现状，探索出另一条定制芯片的道路，推出了半成品结构化ASIC。

全球FPGA领域的领军企业赛灵思也采用了类似的策略。在2018年，Victor Peng接任赛灵思CEO时，他将其在CPU、GPU和FPGA领域的丰富经验带入赛灵思，并带领公司超越FPGA的局限。为了应对不同技术和应用的需求，Peng引导赛灵思推出了一系列高度灵活且自适应的全新处理器及平台产品。

赛灵思公司推出的ACAP技术，代表着新一代FPGA架构的巅峰之作。它将分布式存储器与硬件可编程的DSP模块、多核SoC以及一个或多个兼具软件可编程性和硬件灵活性的计算引擎融为一体，并通过高效的片上网络（NoC）实现互连。这一创新技术的核心，旨在为广泛的应用提供加速支持。

视频转码、数据库管理、数据压缩、搜索、AI推断、基因组学、机器视觉，以及计算存储和网络加速等领域，都将受益于ACAP技术的强大性能。这一技术不仅为软硬件开发人员提供了在端点、边缘和云应用中设计产品的能力，而且为他们打开了无限的创新可能。

作为ACAP技术的首款产品系列，采用台积电7纳米工艺技术的“Everest”（珠穆朗玛峰）系列，将于今年年底实现流片，这无疑是业界的一大盛事。

与此赛灵思也在积极寻找更多的市场细分领域“桥头堡”，类似于它收购汽车视觉领域的Mobileye那样。最新消息显示，赛灵思公司已经完成了对深鉴科技的收购。从2017年开始，赛灵思就已经成为深鉴科技的主要投资者之一。深鉴科技自成立以来，一直基于赛灵思的技术平台开发机器学习解决方案，双方的合作可谓是相得益彰，共同推动着行业的发展。这一收购将进一步巩固赛灵思在业界的领先地位，并为其带来更多的市场机会。在人工智能领域大放异彩的深鉴科技，除了人脸识别和语音识别等热门市场外，今年6月更是进军自动驾驶市场，推出自主研发的ADAS辅助驾驶系统——DPhiAuto。这一创新产品已经赢得了日本和欧洲一线车企厂商以及Tier 1的订单，即将投入量产。

深鉴科技创始人兼CEO姚颂曾预测，人工智能行业的发展趋势将从单纯的技术追求逐渐转向实际应用落地。他表明，人工智能的关注度已从技术的热度逐渐转移到实际应用的落地效果上。

赛灵思公司在汽车视觉处理市场上已稳坐第二把交椅，仅次于Mobileye。尽管与领头羊Mobileye存在差距，但赛灵思依然凭借其技术实力在汽车视觉处理市场上占据重要地位。

当谈及与英伟达和英特尔的竞争时，Victor Peng明确表示：“我们并不打算做出比英特尔CPU更出色的CPU，也不打算做出比英伟达GPU更出色的GPU。”赛灵思专注于提供更适合神经网路加速的运算能力。他们利用FPGA的DSP与平行架构，开发出更专用的架构，用于AI加速（深度学习）。这一创新策略使得赛灵思在该领域具有强大的竞争力。

值得一提的是，赛灵思的产品在成本和功耗方面表现出强大的市场竞争力。FPGA的灵活适应性使其能够持续适应汽车自动驾驶功能的不断变化和需求。这使得赛灵思在自动驾驶领域具有巨大的发展潜力。要了解的是，赛灵思在国内与一家汽车ADAS领域的合作伙伴MINIEYE紧密合作。今年年初，MINIEYE推出了搭载赛灵思FPGA的前装ADAS产品X1。这款新产品现已进入多家车厂及Tier1供应商体系，预计很快将在量产车型中亮相。

MINIEye团队透露，他们选择使用FPGA芯片是因为其具备高性能计算能力，特别适用于深度学习。FPGA芯片是车规级已量产的产品，研发更为成熟，成本具有竞争力，同时功耗大幅降低，实现了性能、成本与功耗之间的最佳平衡。

除了MINIEye之外，另一家国内自动驾驶初创公司环宇智行也分享了他们的最新动态。他们正在计划推出基于赛灵思新一代FPGA的控制器版本。相较于已经发布的基于英伟达芯片的L4级别自动驾驶域控制器，新控制器在保持相同计算能力的功耗只有英伟达的一半。

随着英伟达在L4级自动驾驶领域的持续领跑，身后留给英特尔和赛灵思在ADSA及L3级自动驾驶市场份额的争夺空间愈发明显。尽管目前赛灵思在具体市场份额数字上暂时落后，但他们正积极追赶。

还有其他两大巨头也在这一领域展开竞争：NXP和高通。NXP正在加速推进面向ADAS和自动驾驶汽车的车辆视觉平台（基于S32V汽车视觉处理器），而高通则专注于C-V2X芯片的研发。

人工智能、机器学习和自动驾驶等未来趋势无疑将在芯片制造领域引发新一轮的竞争。“目前我们仅处于比赛的上半场，未来的变化难以预测。”一位业内人士如此表示。在这个赛道上，那些已经占据优势的大玩家可能会变得更大。在人工智能和机器学习迅猛发展的驱动下，英伟达等企业的营收正在飞速增长。以英伟达为例，其人工智能和机器学习市场的年营收已经从三年前的几乎可以忽略不计，飙升至今年的30亿美金。这种惊人的增速预示着整个行业的巨大潜力。

这个行业也并非毫无变数。芯片制造成本的上升和产能的受限，可能会给规模较小的芯片制造商带来不小的压力。面对这样的市场环境，他们需要找到应对之策。

与此随着汽车内部半导体元件数量的不断增加，汽车芯片的使用量也在激增。随着ADAS等先进技术的普及，汽车对芯片的需求越来越严格。预计未来两年内，半导体行业对汽车行业的产能分配不会有大幅度的增长。这可能会导致汽车芯片供不应求的局面。

在这样的情况下，汽车客户对芯片潜在故障率的关注也在提升。为了确保芯片的质量，代工厂需要花费更多的时间和精力进行芯片的检查、测试和模拟。这些额外的步骤无疑会增加工艺的成本。为了保证汽车的安全和性能，这些投入都是值得的。

人工智能和机器学习的发展正在推动芯片行业的飞速发展，但同时也面临着诸多挑战。无论是芯片制造商还是汽车客户，都需要在这个快速变化的市场环境中找到适合自己的策略，以确保自身的利益和发展。