搭载Intel芯的国产自动驾驶车年底路测，我们从中看到了几点趋势

前几天，英特尔对外公开并展示了位于美国亚利桑那州钱德勒市的自动驾驶事业部（ADG）， 视频曝光 了工作环境、自动驾驶原型车以及目前的一些研究成果。

3月8日英特尔的自动驾驶活动上，中国ADG的信息也进一步揭晓，部门涉及的内容包括5G、算法，以及高性能计算。ADG中国区市场总监徐伟杰还在活动中透露，今年下半年，国内就会有基于英特尔测试平台的样车上路测试了。

近两年，英特尔试图在汽车行业重现PC领域的辉煌，开始陆续通过一系列投资收购布局汽车电子生态。芯片公司作为自动驾驶产业链上的一环，又见证了整个领域的变革与发展。在活动与专访中，车云菌收获了一些观点和趋势，和大家分享如下。

▲Intel ADG中国区市场总监徐伟杰

汽车产业所需的芯片和PC、消费电子产业所需的芯片相比，在设计思路上有很大不同。

雷达、摄像头会产生多种数据，自动驾驶的感知和决策规划部分，需要进行大量高性能运算。目前看来，自动驾驶主控芯片主要有两种方案：

CPU（决策） GPU（加速）的方案，有97%-98%的企业采用；

CPU（决策） FPGA（加速）的方案，有2%-3%的企业采用。

现在产业界公认，基于FPGA的方式，单位功耗性能是最佳的。英特尔在CPU上已经有了很强的积累，2015年年初并购可编程逻辑芯片（FPGA）巨头Altera，就是想采用“CPU（决策） FPGA（加速）”的方案进军自动驾驶市场。另一家芯片公司英伟达则采用了GPU加速的方案。

两种方案在技术上没有优劣之分，反而大家都在解决一个共同的问题——因为大数据的运算可能会带来功耗提高，车上供电的电瓶又电量有限，所以一款既满足高运算量又满足低功耗的平台，才能让自动驾驶汽车安全上路，并且真正实现产业化。

汽车产业所需的芯片和PC、消费电子产业所需的芯片相比，在设计思路上有很大不同——设计思维要从专注于功能，转化成关注可靠度。

自动驾驶在不同温度、湿度的环境下，必须保证系统的安全、稳定。只有满足车规级要求，才能确保你的芯片解决方案能够满足无人驾驶苛刻环境下的安全要求。

而且自动驾驶汽车要满足ISO26262功能安全的要求。既要对可以预测的故障或失效情况，提前设计安全保障，还要为发生无法预设的故障失效，进行有效的阻绝或做好备选方案设计。英特尔在2016年买下了半导体功能安全服务商Yogitech，就是出于满足汽车行业 “功能安全”的考虑。

随着SAE自动驾驶等级越来越高，自动驾驶开始考虑本地 云端的解决方案，并且云端的比重在逐渐增加。

自动驾驶从SAE L1向SAE L5发展，需要加入V2X和高精度地图，因此在计算上开始强调“本地 云端”的能力：

本地传感器产生了大量数据，需要本地大脑做高性能运算，感知车的状态，做出停车还是拐弯的动作，来确保时效性；

一些本地产生的数据还需要传输到云端，比如本地传感器采集的数据和高精度地图交换，因此要强调管道能力；

数据到云端后需要做一些学习的模型训练和大数据分析，也需要云端运算处理。

英特尔在今年CES上推出了首款自动驾驶平台——Intel GO平台，是上面各个部分最关键的“大脑”，包括车辆本地的高性能计算平台（包含从Atom一直到Xeon各种处理器，也包含比如各种做数据整合、感知的FPGA加速，或者做图像整合的ESP）、中间联接的部分（英特尔目前正在紧密地开发基于5G的Modem，原型已经有了），还有数据中心的大数据处理的计算平台。

“本地 云端”的产品服务组合里，英特尔的服务器业务已经非常成熟了，因此一些技术可以富用到自动驾驶业务中，竞争对手英伟达虽然也在做云端布局，但是还没有大规模的服务器积累，是一个新玩家，从这一点看英特尔在云端具备竞争优势。

不过FGPA开发门槛很高，研发人员既要懂软件也要懂硬件，而且技术门槛太高意味着相关项目数量也很少，无法吸引更多的开发者加入进来，人才储备就成为了隐忧。相比而言，传统GPU和CPU的编程要容易不少，人才储备也充足一些。

芯片公司开始频繁地和算法公司、主机厂直接对话，共同定制自动驾驶方案。

2017年年初，宝马和英特尔、Mobileye公布了合作消息，三家公司要开发定义一个平台，让共同研发的自动驾驶汽车在2021年上路。英特尔主要提供的，就是上面提到的Intel Go产品。此外，今年拉斯维加斯CES上，地平线提供处理器架构IP，在英特尔的FPGA平台上展示了深度学习的计算性能。

芯片公司、算法公司、主机厂这种联盟组建，可能有以下几个原因：

一方面，这种合作形式可以保证推出的产品会更新，让汽车产品的开发周期更短。上汽通用泛亚汽车技术中心智能驾驶系统开发驾驶员信息及安全系统经理朱晓华觉得，整个自动驾驶产业链上，芯片公司驱动了很多新技术的发展。主机厂希望第一时间了解，并和Tier1一起分析有多大的应用场景，以便更早介入共同开发。以往是芯片公司完成资格认证，然后由Tier1开发模块，主机厂再整车开发。现在可以保证芯片量产没多久，就能上车。

另一方面，是为了满足用于自动驾驶的深度学习算法，对硬件的计算性能、功耗、以及成本把控提出的更高要求。以自动驾驶需要的视觉算法为例，这些传统汽车行业没有积累的，但在互联网公司已经很成熟的技术，所以有很多算法公司有机会参与到合作中去。而在开发一款高性能低功耗的芯片时，除了要有一款低功耗平台做基础，算法本身的优化也是很关键的，软硬件结合才能最好提升性能。

不过我们看到，主机厂始终是其中的主导地位，掌握了所有供应商的筛选权利，并且想要在其中占据更多的部分，免于沦为互联网公司的代工厂。事实上，自动驾驶给了不同领域相对公平的机会，因为它需要的各项子技术垂直而专业，产业链正在逐渐细分，每个角色都会找到一个合适的位置。