自动驾驶芯片大战“好戏还在后头”

自动驾驶的芯片竞争正在加剧。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领域的又一布局。在NVIDIA GPU的压力下，英特尔一直希望将传统的CPU处理器和FPGA集成到同一芯片中，从而带来更强大的计算性能。

根据英特尔此前的估计，与传统处理器和FPGA分立器件相比，新型集成芯片将带来约30%至50%的性能提升，最终性能提升将达到2至3倍。这样的计算性能对于人脸识别和自动驾驶等视觉计算任务非常重要。同时，在自动驾驶仍处于早期阶段的背景下，通过低功耗、低成本的可编程逻辑设备快速开发新功能也是许多ADAS和自动驾驶公司的选择之一。毕竟，NVIDIA高性能芯片的价格仍然很高。EASIC的运营状况不容乐观。2016年全年营收4550.7万美元，净亏损642万美元。2017年1-6月，营收为1714万美元，似乎有所下降，但净利润亏损进一步扩大至708.6万美元。然而，收购eASIC被认为是英特尔进一步增加半定制芯片的主要布局。eASIC芯片的计算能力和效率是根据特定算法的需求直接定制的，因此可以实现体积小、功耗低、可靠性高、保密性强、计算性能高、计算效率高、成本低的优点。EASIC公司试图找到除标准单元ASIC和FPGA之外的另一种定制芯片的方法。因此，eASIC引入了一种半成品结构的ASIC。这一策略也是另一家全球FPGA巨头赛灵思的布局思路。2018年1月29日，57岁的Victor Peng成为赛灵思历史上的第四位首席执行官。这位首席执行官在过去几十年的职业生涯中只跨越了三种不同形式的处理器产品：CPU、GPU和FPGA，他给Xilinx带来了新的思维：超越了FPGA的局限。根据彭的计划，赛灵思推出了一系列新的高度灵活和自适应的处理器和平台，以支持用户在从端点到边缘再到云的许多不同技术方面的快速创新。这个名为ACAP的高度集成的多核异构计算平台可以根据各种应用和工作负载的需要从硬件层进行更改。SoC完全集成在可编程芯片上，这是Xilinx的“阵列变化”。

ACAP的核心是新一代FPGA架构，它将分布式存储器与硬件可编程DSP模块、多核SoC和一个或多个具有软件可编程和灵活硬件适应性的计算引擎相结合，所有这些都通过片上网络（NoC）互连。ACAP适用于加速广泛的应用，包括视频转码、数据库、数据压缩、搜索、人工智能推理、基因组学、机器视觉、计算存储和网络加速。软件和硬件开发人员将能够为端点、边缘和云应用程序设计基于ACAP的产品。第一个ACAP产品系列将是由台积电的7纳米工艺技术开发的代号为“Everest”的产品系列，该产品将于今年年底推出。当然，与英特尔此前在汽车视觉领域收购Mobileye类似，赛灵思也需要寻找更多的“桥头堡”细分市场。今天，赛灵思宣布已完成对神剑科技的收购。自2017年以来，赛灵思已成为神剑科技的主要投资者之一。自2016年成立以来，神剑科技一直在基于赛灵思的技术平台开发机器学习解决方案。除了在人脸识别、语音识别等人工智能领域的市场布局外，今年6月，神剑科技宣布进军自动驾驶市场，其自主研发的ADAS辅助驾驶系统-DPhiAuto已获得日本和欧洲一线汽车制造商和tier 1的订单，并将很快实现量产。神剑科技创始人兼首席执行官姚松此前表示，“我认为，自今年下半年以来，人工智能行业可能会逐渐降低追求新技术的热情，并在……

产品的实际应用。“根据Xilinx的数据，该公司在汽车视觉处理市场份额方面排名第二，仅次于Mobileye。尽管Mobileye和目前市场份额最大的Xilinx之间存在巨大差距。在谈到ACAP与NVIDIA和英特尔的竞争时，Victor Peng表示，“我们不打算制造比英特尔CPU更好的CPU，我们也不打算制造比NVIDIA GPU更好的GPU。“在过去的几年里，使用FPGA进行人工智能加速（深度学习）已经成为许多企业的选择之一。因此，Xilinx可以在此基础上开发一种更专业的架构，利用其DSP和并行架构，可以提供非常适合神经网络加速的计算能力。成本和功耗被认为是其最大的市场竞争力。FPGA的灵活性和适应性可以随着自动驾驶功能的不断变化而不断调整。要知道，赛灵思在中国汽车ADAS领域也有一个合作伙伴——MINIEYE，该公司也在今年年初推出了搭载赛灵思FPGA的预装ADAS产品X1。目前，该产品已进入多家车厂和Tier1的供应商体系，并将在今年的生产车型上搭载。MINIEYE表示，之所以选择FPGA芯片，是因为它具有较高的计算性能，更适合深度学习；

同时，它也是一款研发更成熟、成本有竞争力、功耗大幅降低的量产芯片，实现了性能、成本和功耗的最佳平衡。另一家国内自动驾驶初创公司环宇智行最近透露，在基于NVIDIA芯片的L4级自动驾驶控制器的基础上，下一代产品准备使用Xilinx的新一代FPGA作为控制器版本，在相同的计算能力下，功耗仅为NVIDIA的一半。一路冲刺L4级自动驾驶的英伟达，为英特尔和赛灵思争夺ADSA和L3级自动驾驶市场份额留下了空间。尽管如此，就具体的市场份额数字而言，赛灵思仍处于相对落后的地位。当然，另外两家公司也是强大的竞争对手：恩智浦和高通，前者为ADAS和自动驾驶汽车加速车辆视觉平台（基于S32V车辆视觉处理器），后者专注于C-V2X芯片。人工智能、机器学习和自动驾驶等未来趋势将在芯片制造领域产生新的赢家和输家。一位业内人士表示：“这只是游戏的前半部分，那些大玩家可能会变得更大。”。

此外，该行业的增长率可能会翻倍。以英伟达为例。去年，人工智能和机器学习的市场收入达到30亿美元，而三年前（2014年）这个数字还很小。然而，该行业接下来的变量是芯片制造成本的上升和产能的有限，这可能会给小型芯片制造商带来压力。在过去的几年里，汽车中的半导体元件数量与日俱增。随着ADAS的加入，汽车芯片的使用量激增。同时，与其他市场应用相比，汽车对芯片的要求更为严格。目前，半导体行业对扩大芯片产能仍持谨慎态度，预计未来两年分配给汽车行业的产能不会大幅增加，因此可能会出现供不应求的局面。同时，汽车客户希望能够确定芯片的潜在故障率。这需要铸造厂使用更多的检查、测试和模拟，所有这些都需要时间，并增加了工艺成本。自动驾驶的芯片竞争正在加剧。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领域的又一布局。在NVIDIA GPU的压力下，英特尔一直希望将传统的CPU处理器和FPGA集成到同一芯片中，从而带来更强大的计算性能。

根据英特尔此前的估计，与传统处理器和FPGA分立器件相比，新型集成芯片将带来约30%至50%的性能提升，最终性能提升将达到2至3倍。这样的计算性能对于人脸识别和自动驾驶等视觉计算任务非常重要。同时，在自动驾驶仍处于早期阶段的背景下，通过低功耗、低成本的可编程逻辑设备快速开发新功能也是许多ADAS和自动驾驶公司的选择之一。毕竟，NVIDIA高性能芯片的价格仍然很高。EASIC的运营状况不容乐观。2016年全年营收4550.7万美元，净亏损642万美元。2017年1-6月，营收为1714万美元，似乎有所下降，但净利润亏损进一步扩大至708.6万美元。然而，收购eASIC被认为是英特尔进一步增加半定制芯片的主要布局。eASIC芯片的计算能力和效率是根据特定算法的需求直接定制的，因此可以实现体积小、功耗低、可靠性高、保密性强、计算性能高、计算效率高、成本低的优点。EASIC公司试图找到除标准单元ASIC和FPGA之外的另一种定制芯片的方法。因此，eASIC引入了一种半成品结构的ASIC。这一策略也是另一家全球FPGA巨头赛灵思的布局思路。2018年1月29日，57岁的Victor Peng成为赛灵思历史上的第四位首席执行官。首席执行官，他的关怀……

在过去的几十年里，刚刚跨越了CPU、GPU和FPGA三种不同形式的处理器产品，给Xilinx带来了新的思维：超越了FPGA的局限。根据彭的计划，赛灵思推出了一系列新的高度灵活和自适应的处理器和平台，以支持用户在从端点到边缘再到云的许多不同技术方面的快速创新。这个名为ACAP的高度集成的多核异构计算平台可以根据各种应用和工作负载的需要从硬件层进行更改。SoC完全集成在可编程芯片上，这是Xilinx的“阵列变化”。

ACAP的核心是新一代FPGA架构，它将分布式存储器与硬件可编程DSP模块、多核SoC和一个或多个具有软件可编程和灵活硬件适应性的计算引擎相结合，所有这些都通过片上网络（NoC）互连。ACAP适用于加速广泛的应用，包括视频转码、数据库、数据压缩、搜索、人工智能推理、基因组学、机器视觉、计算存储和网络加速。软件和硬件开发人员将能够为端点、边缘和云应用程序设计基于ACAP的产品。第一个ACAP产品系列将是由台积电的7纳米工艺技术开发的代号为“Everest”的产品系列，该产品将于今年年底推出。当然，与英特尔此前在汽车视觉领域收购Mobileye类似，赛灵思也需要寻找更多的“桥头堡”细分市场。今天，赛灵思宣布已完成对神剑科技的收购。自2017年以来，赛灵思已成为神剑科技的主要投资者之一。自2016年成立以来，神剑科技一直在基于赛灵思的技术平台开发机器学习解决方案。除了在人脸识别、语音识别等人工智能领域的市场布局外，今年6月，神剑科技宣布进军自动驾驶市场，其自主研发的ADAS辅助驾驶系统-DPhiAuto已获得日本和欧洲一线汽车制造商和tier 1的订单，并将很快实现量产。神剑科技创始人兼首席执行官姚松此前表示，“我认为，自今年下半年以来，人工智能行业可能会逐渐降低追求新技术的热情，更加注重产品的实际应用。”据赛灵思介绍，该公司在汽车视觉处理市场份额排名第二，仅次于Mobileye。尽管目前市场份额最大的Mobileye和赛灵思之间存在巨大差距。在谈到ACAP与NVIDIA和英特尔的竞争时，Victor Peng表示，“我们不打算制造比英特尔CPU更好的CPU，也不打算制造比NVIDIA GPU更好的GPU。”在过去几年中，使用FPGA进行AI加速（深度学习）已成为许多企业的选择之一。因此，Xilinx可以在此基础上开发一种更专业的架构，利用其DSP和并行架构，可以提供非常适合神经网络加速的计算能力。成本和功耗被认为是其最大的市场竞争力。FPGA的灵活性和适应性可以随着自动驾驶功能的不断变化而不断调整。要知道，赛灵思在中国汽车ADAS领域也有一个合作伙伴——MINIEYE，该公司也在今年年初推出了搭载赛灵思FPGA的预装ADAS产品X1。目前，该产品已进入多家车厂和Tier1的供应商体系，并将在今年的生产车型上搭载。MINIEYE表示，之所以选择FPGA芯片，是因为它具有较高的计算性能，更适合深度学习；

同时，它也是一款研发更成熟、成本有竞争力、功耗大幅降低的量产芯片，实现了性能、成本和功耗的最佳平衡。另一家国内自动驾驶初创公司环宇智行最近透露，在基于NVIDIA芯片的L4级自动驾驶控制器的基础上，下一代产品准备使用Xilinx的新一代FPGA作为控制器版本，在相同的计算能力下，功耗仅为NVIDIA的一半。一路冲刺L4级自动驾驶的英伟达，为英特尔和赛灵思争夺ADSA和L3级自动驾驶市场份额留下了空间。尽管如此，就具体的市场份额数字而言，赛灵思仍处于相对落后的地位。当然，另外两家公司也是强大的竞争对手：恩智浦和高通，前者为ADAS和自动驾驶汽车加速车辆视觉平台（基于S32V车辆视觉处理器），后者专注于C-V2X芯片。人工智能、机器学习和自动驾驶等未来趋势将在芯片制造领域产生新的赢家和输家。一位业内人士表示：“这只是游戏的前半部分，那些大玩家可能会变得更大。”。

此外，该行业的增长率可能会翻倍。以英伟达为例。去年，人工智能和机器学习的市场收入达到30亿美元，而三年前（2014年）这个数字还很小。然而，该行业接下来的变量是芯片制造成本的上升和产能的有限，这可能会给小型芯片制造商带来压力。在过去的几年里，汽车中的半导体元件数量与日俱增。随着ADAS的加入，汽车芯片的使用量激增。同时，与其他市场应用相比，汽车对芯片的要求更为严格。目前，半导体行业对扩大芯片产能仍持谨慎态度，预计未来两年分配给汽车行业的产能不会大幅增加，因此可能会出现供不应求的局面。同时，汽车客户希望能够确定芯片的潜在故障率。这需要铸造厂使用更多的检查、测试和模拟，所有这些都需要时间，并增加了工艺成本。

标签：DSMINI

汽车资讯热门资讯