晟騰310算力

㈠ 升騰310處理器可適用於哪些機型

升騰310是一款高效、靈活、可編程的AI處理器。基於典型配置，八位整數精度（INT8）下的汪嘩嘩性能達到22TOPS，16位浮點數（FP16）下的性能達到11 TFLOPS，而其功耗僅為8W。升騰310晶元採用華為自研的達芬奇架構，集成了豐富的計算單元，在各個領域得到廣泛應蘆橘用。隨著全AI業務流程的加速，升騰310晶元能夠使智能系統的性能大幅提升，部署成本大幅降低。
適應大部分機型。
升騰310在功耗和計算能力等方面突破了傳統設計的約束。隨著能效比的大幅提升，升騰310將人工智慧從數據中心延伸到邊緣設備，為平安城市、自動駕駛、雲服務和IT智能、智能製造、機器人等應用場景提供了全新的解決方案，使能智慧未困行來。

㈡ 華為不造汽車，但自動駕駛汽車人工智慧晶元這片陣地必須拿下

[汽車之家新鮮技術解讀]華為成立於1987年，是一家製造通訊設備起家的中國企業。經過30多年的積累，華為已經發展成為全球最大的5G設備供應商。隨著人工智慧晶元市場的快速增長，華為藉助中科寒武紀的晶元IP，成功在2017年推出了全球首款搭載人工智慧加速單元的手機處理器晶元——麒麟970。該晶元的成功讓華為進一步堅信人工智慧技術的發展潛力，加速了其自研人工智慧處理器的步伐。而自動駕駛系統的域控制器正是人工智慧晶元大派用場的地方。究竟華為的人工智慧晶元性能有多強？它又是如何賦能自動駕駛汽車的呢？今天我們一起來看一看。

●編輯總結：

華為在行業中的影響力毋容置疑，從技術到產品都走在世界的前列。樹大招風，華為近年來就一直受到美國的制裁。如果現狀長期持續的話，對於本文聚焦的華為人工智慧晶元影響不小。如何解困是擺在華為面前的一道難題，從目前的一些信息來看，華為在英國建設晶元工廠、開發RISC-V架構處理器、培育HMS雲服務生態等舉措都是其突圍關鍵，我們也將持續關注事態的進一步發展情況。（圖/文/汽車之家常慶林）

㈢ EAIDK-310的算力怎麼樣，做基礎AI應用用EIADK-310還是EAIDK-610

其實如果說只是做開發學習的話，EAIDK-310應該就夠用了。這里簡單說下EAIDK-310和EAIDK-610的區別：EAIDK-310用的是RK的3228H處理器，是4核A53；EAIDK-610用的是RK3399,4核A53和2核A72。算力來說，EAIDK-610要比EAIDK-310高很多，但如果只是做一些開發學習的話，其實拿EAIDK-310就夠用了，並且EAIDK-310更方便，因為EAIDK-310足夠小，名片盒大小，電源用的是5v 2A的USB供電，直接插在電腦上的USB口就可以供電了，使用起來更方便一些。

㈣ 【汽車人】國產晶元「上車」路線圖

因此，在車載算力晶元領域，華為瞄準的是未來，而非眼下。而地平線、黑芝麻、寒武紀、深鑒科技、飛步科技等創業公司的產品，已經應用到自主整車產品當中。在車載算力領域，中企正取得局部突破。當然，博世等跨國一線Tier1，擁有完整的ADAS解決方案。從長遠看，華為「全向」解決方案，可能更適應未來對車聯網、車機、新能源和ADAS的綜合要求。

傳統力量

在算力晶元中的功能晶元，譬如MCU（微控單元，特別是燃油車動力系統控制），還有感測器晶元領域，傳統巨頭仍然牢牢把持，中企也有類似的產品，但參與度很低，大致只有4.5%左右。

這一塊暫時還看不到突破跡象，只能是從小單做起、從備胎做起，磨練車規級穩定性水平，逐漸積累向巨頭挑戰的資本。不過，是否還要繼續投資燃油車有關的功能MCU，中企其實左右為難。但有些技術儲備在新能源時代，照樣可以獲得長遠應用，譬如這次缺貨的ESP（車身穩定控制）晶元。認為傳統MCU晶元市場萎縮，看法未免過於粗糙。

從動態角度看，情況就不那麼令人憂慮，因為現在晶元中企參與度正在提升。「新四化」浪潮對新玩傢具備天生的友好度，中企不能浪費歷史機遇。（文/《汽車人》黃耀鵬）【版權聲明】本文系《汽車人》獨家原創稿件，版權為《汽車人》所有。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

㈤ 華為是如何率先推出ai處理器的

引入到手機終端並非易事。無論是普通的AI功能還是場景化AI服務，都需要手機完成復雜、密集的深度學習演算法模型運算。與此同時，手機要具備強大的算力，不僅需要一定的運行環境，還對功耗、內存、存儲空間有較高要求。

經過漫長的研發和測試，華為最終在2017年9月的柏林電子消費展上，正式發布了全球首款移動端AI晶元麒麟970，這也是全球首款內置了獨立神經網路處理單元（即NPU）的人工智慧晶元，其內置NPU性能大幅優於CPU、GPU和DSP這些通用計算單元。相比CPU，內置NPU擁有約50倍能效和25倍性能優勢。這也就意味著，麒麟970晶元可以用更少的能耗更高效地完成AI計算任務。

一個月後，華為發布了搭載麒麟970的旗艦手機Mate 10，率先將專用NPU AI晶元引入手機。此後，蘋果、三星等廠商紛紛跟進，到今天，AI晶元已成為眾多手機廠商的旗艦配置。

據了解，有了NPU加持，手機的功能也會變得更加強大。例如，使用語音功能時，AI會對當前語境和內容做細致的分析，將語音識別的成功率提升到更高的級別，為用戶帶來精準的識別體驗。未來，智能語音助手將能替代傳統的手工輸入，在人們的生活中扮演更重要的角色。或許，以後你在大街上再也見不到邊玩邊走「低頭族」，而是會看到更多人對著手機「自言自語」了。

而在用戶十分關心的拍照方面，AI的出現同樣為喜歡手機攝影的用戶帶來不少福利。麒麟970搭載雙通道ISP圖像信號處理器，在動態影像捕捉和低光拍照上有很大的提升。雙攝鏡頭+雙ISP軟硬體優化，再配合人工智慧的計算機視覺分析，能幫助手機自動分析畫面內的物體，選擇最佳的拍照模式；甚至，還可以進行物體追蹤對焦並預測拍照時機，為用戶帶來前所未有的拍照體驗。

也就是說，麒麟970的推出，是傳統智能手機和未來AI手機的重要分水嶺，標志著AI手機的發展已從單純的演算法優化進入了硬體能力的真·人工智慧比拼階段。

2018年8月，同樣是在柏林電子消費展上，華為又發布了全球首款7nm人工智慧手機晶元——麒麟980。7nm是什麼概念？要知道，一根頭發絲的直徑約為0.1毫米，7nm是頭發絲的萬分之一，相當於70個原子直徑。而就是在這個不到1平方厘米的麒麟980晶元內部，布局有超過69億個晶體管，這幾乎逼近了硅基半導體工藝的物理極限，麒麟980真正實現了在針尖上翩翩起舞。

華為消費者業務CEO余承東表示，麒麟980的7nm工藝是由超過1000多名半導體工程師組成的團隊歷時3年、經歷超過5000多次的工程驗證精心打磨的成果。

相對於麒麟970，麒麟980有移動端雙NPU強大算力加持，在性能上全面升級。以圖像識別速度為例，麒麟970每分鍾可識別約2005張圖像，而麒麟980每分鍾可識別4500張，速度提升120%。此外，麒麟980也給人臉識別、語音助手、AI拍照，及各類智能美拍P圖等手機APP帶來了全面升級。

除此之外，華為還推出了麒麟710、麒麟810晶元，意在讓更多消費者享受到人工智慧帶來的體驗升級。其中，後者是華為首款採用自研達芬奇架構NPU，第二款採用7nm工藝的手機晶元。

至此，華為完成了第一輪在手機端的AI晶元布局（麒麟970、麒麟980、麒麟710、麒麟810），帶領著手機全行業正式走入了AI時代。

㈥ 華為造什麼車

也就是說，華為MDC智能駕駛平台可針對不同級別的自動駕駛演算法，用一套軟體架構，不同硬體配置，就能夠支持L2+~L4自動駕駛演算法的平滑演進升級。

徐直軍說，華為最大的優勢就是AI與雲的能力，以昇騰晶元＋智能操作系統為基礎，打造MDC智能駕駛平台，華為還通過開放API(,應用程序介面)，希望跟廣大的部件提供商、集成商、應用開發商等合作夥伴，共同打造三個生態——感測器生態、智能駕駛應用生態和執行部件生態，最終促進整個汽車產業走向智能駕駛，也就是華為所言的通過?「平台+生態」戰略，使能智能駕駛進入快車道。

其一是感測器生態，包括激光雷達、毫米波雷達、攝像頭等等，讓這些感測器方便與MDC連接在一起。徐直軍表示，MDC智能駕駛平台必須構築一個生態，因為它是大腦，所有感測器的東西都要連過來，要相互認識。

當然，作為選擇之一，華為也會利用自己的5G技術來開發毫米波雷達，實現全天候的成像，同時我們也會充分利用全球領先的光電子技術，開發激光雷達，真正解決激光雷達面臨的成本問題與性能問題。

目前，全球毫米波雷達領域大致形成了ABCD（奧托立夫Autoliv、博世Bosch、大陸Continental、德爾福Delphi）控場的局面，但即便是頻率最高的77G毫米波雷達，解析度仍然過低，不僅無法對行人和障礙物進行精準的建模，在感測器融合和同步、AI演算法處理上，毫米波雷達的原始數據也不夠友好。而激光雷達的高成本也讓眾多玩家苦惱不堪。華為如果在這兩個方面有突破，對於智能駕駛的感測器領域可以說是重大突破。

其二是智能駕駛應用生態。華為的MDC智能駕駛平台，包括硬體平台（自研CPU/AI晶元）和自研車控操作系統。華為的自動駕駛操作系統是一個開放系統，就像智能手機的安卓或者類似於鴻蒙，要支持所有的車企、Tier1和應用開發商，讓他們基於這個操作系統開發各種各樣的智能駕駛演算法、應用，支持汽車產業來不斷提供智能駕駛創新功能和服務。

其三是執行部件生態。智能駕駛最重要是指揮，它是一個大腦，它要指揮最終執行部件怎麼動，這里也要有介面，接入任何廠商的電驅、電動等各種執行部件。「我們把介面的標准打造好，讓MDC跟所有的執行部件容易配合。」徐直軍說，但華為還面臨著一系列的法律、法規、政策、標准等問題和挑戰，需要建立廣泛的生態聯盟，凝聚共識，來推動標准建立。

那麼，華為的MDC智能駕駛平台在整個汽車業自動駕駛進程中，它占的分量到底有多重？到底它現在能夠推進自動駕駛進程到什麼地步？

徐直軍這樣回答汽車商業評論的提問：「為什麼叫智能駕駛，沒有講自動駕駛呢？完全自動駕駛、無人駕駛是終極追求。自動駕駛是一個漸進的過程，終極目標是實現徹底的無人駕駛，但是走向這個終極目標過程中，它能夠創造價值。特斯拉已經給大家創造了價值。」

比如特斯拉做了幾個智能駕駛的功能，消費者很喜歡。他提出了中國道路交通情況下，三種功能大家都會喜歡，分別是自動泊車功能、車自己找停車位功能還有交通擁堵情況下的跟車功能。

目前，華為已把MDC智能駕駛平台開發版提供給了合作夥伴，合作夥伴在這個平台上做智能駕駛應用。

智能全場景出行體驗

智能座艙不只是屏多屏少問題，華為CDC智能座艙平台怎麼干？

關於智能座艙，最近兩年來在汽車業界也是非常時髦的話題，但是要真正做好甚至談好，很不容易，因為這也是一個不斷演進中的汽車未來。

現在，汽車中的屏越來越大似乎是智能座艙的一個標志，但顯然，大多數承載的生態和傳統車沒有太多區別，我們對華為CDC智能座艙到底有什麼期盼？

汽車商業評論認為，智能座艙是由不同的座艙電子組合成完整的體系，不是簡單地以液晶儀表、HUD、中控屏及中控車載信息終端、後座HMI娛樂屏、車內外後視鏡等為載體，而是將人工智慧、AR、ADAS、VR等技術融入未來的座艙布局之中，提升用戶的用車體驗，給之以傳統汽車所沒有的服務。

智能駕駛艙產業鏈，以中控平台為基礎，逐漸向液晶儀表、抬頭顯示和後座娛樂延伸，實現多層次信息的處理操作和獨特的人車交互。

車載信息娛樂系統(IVI)是智能駕駛艙信息交互的重要載體，IVI能夠實現包括三維導航、實時路況、IPTV、輔助駕駛、故障檢測、車輛信息、車身控制、移動辦公、無線通信、基於在線的娛樂功能及TSP服務等一系列應用，極大地提升了車輛電子化、網路化和智能化水平。

駕駛艙升級路徑可類比智能手機，相比ADAS，駕駛艙電子產品形態更加豐富，全球競爭格局較為分散，且一切都還在演變之中，並無真正的寡頭。

回到華為的CDC智能座艙平台。所謂CDC，即CockpitDominController，座艙域控制器。它可實現智能汽車與智能手機在硬體、軟體和應用生態等全產業鏈的無縫共享，建立起的以汽車場景為主的數據中心。

這種共享有三：其一，於智能手機Kirin晶元構建IVI模組，發揮產業鏈協同的規模效應，降低硬體成本；其二，基於鴻蒙OS，共享華為「1+8」生態，實現跨終端的全無感互聯；其三，享智能手機豐富APP生態提升用車體驗開放API，使能跨終端夥伴發展智能座艙應用。

這其中，與傳統的多晶元方案相比，單晶元方案驅動智能座艙，類似於座艙域控制器的方案，可以精簡座艙處理器布局，極大地降低系統成本，並能提供多屏互動等全方位的智能互聯體驗。

一芯多屏的智能座艙已經成為趨勢。比如2018年8月7日安波福宣布將為長城汽車全新一代的哈弗和WEY品牌提供單晶元的智能座艙解決方案，可同時驅動全彩液晶儀表、抬頭顯示和中控娛樂等車載電子系統的所有功能。再比如，2019年初華陽集團推出了新一代車規級晶元i.MX8以及最新車載操作系統AndroidP信息娛樂方案。

與此同時，在智能座艙方面，車載硬體也向模塊化方向發展，軟體系統的比重不斷增加。一些汽車廠商開始將IVI進行模塊化布局，能夠減少不同車型配置的復雜程度、加大單品模塊的重復利用率。

但華為的CDC智能座艙平台看起來更勝一籌，按照徐直軍的說法就是要把華為智能終端積累的硬體生態、軟體生態、應用生態帶入到智能座艙。除了提供娛樂服務，未來自動駕駛實現後，會有更多的乘客服務和安全服務。

他說：「我們在中國、在全球都擁有大量的智能手機用戶，整個產業界建立了廣泛的智能終端生態，真正實現了規模化、低成本。智能座艙是在車上，我們最大的優勢就是智能終端和智能座艙平台共享一個生態。」

徐直軍說，華為跟車企溝通CDC智能座艙想法，大家最歡迎把華為智能終端的生態搬到車上，共享智能手機生態。同時，開發API，使能跨終端夥伴發展智能座艙應用。

比如不光整個娛樂系統，未來儀表盤AR顯示，以及判斷駕駛員沒有自動駕駛之前是不是睡覺、是不是分心，也就是駕駛員監控系統（DMS），等等，都可以通過智能座艙平台來解決。

華為希望通過晶元+OS+生態，使能數字座艙，構建智能全場景出行體驗。這些體驗包括智能護駕、信息娛樂/車家互控、全生命周期服務、智真辦公和家庭影院。它提供的智能服務引擎包括座艙感知、決策和控制，多模態實時交互、人車家無感互聯和服務找人。

華為最終構建起的智能座艙的生態，硬體是可以更換的，應用是不斷更新的，軟體也是可以不斷升級的。獨立的賬號體系、雲服務和整車OTA能力，成為汽車座艙智能化所趨的大勢。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

㈦ 自動駕駛「芯」戰爭

今年，新冠疫情的爆發、經濟的下滑、國際政治環境的惡化，讓汽車產業充滿了巨大的不確定。多家咨詢機構預計，今年全球汽車銷量將面臨10%-20%的下滑。

然而，在不確定中，汽車行業對未來的方向又十分篤定。自動駕駛集中出現了幾則大新聞——

6月23日，剛剛與寶馬在自動駕駛領域宣布和平分手的賓士，宣布與晶元供應商英偉達達成合作，將使用後者的Orin晶元，開發下一代車載計算系統，為賓士量產車型2024年將全面搭載的L2-L3級自動駕駛功能，以及最高可達L4級的自動泊車功能提供算力支持。

6月25日，沃爾沃汽車集團宣布，沃爾沃將與谷歌旗下自動駕駛公司Waymo達成戰略合作夥伴關系，在一個全新的電動汽車平台上，進行L4級自動駕駛技術的合作，探索自動駕駛網約車等商業場景。

6月26日，亞馬遜正式收購美國自動駕駛公司Zoox，亞馬遜為此付出超過12億美元。

6月27日，滴滴自動駕駛網約車載人示範運營在上海正式啟動，央視對其全過程進行了直播。從這一天開始，滴滴在上海嘉定的自動駕駛測試車將面向公眾開放，滴滴在APP中上線了「未來出行」頁面，供公眾申請自動駕駛網約車試乘。

一時間，大公司近乎開啟了一場自動駕駛軍備競賽。毫無疑問，參與其中的企業都意識到，未來的汽車，將是跑在輪子上的超級計算機。高性能的計算晶元，在這場軍備競賽中至關重要的地位，愈發凸顯。

一、賓士另結新歡，只是因為它？

6月23日，在與寶馬的自動駕駛合作宣告暫停後4天，賓士向晶元供應商英偉達投懷送抱，雙方達成合作，為賓士將在2024年量產的自動駕駛車型開發計算平台。

在幾天前的公告中，雙方還表示，「鑒於建立共享技術平台所需的費用，以及當前的商業和經濟狀況，現在並不是成功實施合作的一個合適的時機。」太燒錢，看起來是讓雙方決定暫停技術合作的關鍵原因。

不過，賓士隨後與英偉達光速結伴的舉動，倒是指向了錢以外的因素。通常來說，車企與車企之間的合作，並不會對車企與供應商的合作產生影響，但賓士與寶馬之間的合作不同。在與賓士達成合作之前，寶馬已經與全球最大的ADAS系統供應商Mobileye組建了一個自動駕駛同盟，基於其EyeQ系列晶元研發自動駕駛。

與寶馬的合作意味著，賓士要選用Mobileye的晶元來構建關鍵的自動駕駛計算單元。而這或許是雙方分歧中尤為重要的那一個。國外咨詢機構Guidehouse首席分析師SamAbuelsamid稱，「我懷疑這兩家汽車製造商無法就使用的平台達成共識，現在，與英特爾/Mobileye的產品相比，Orin看起來是更強大的解決方案。」

從公開的信息來看，Sam的分析不無道理。Mobileye規劃的下一代自動駕駛晶元EyeQ5，其算力為24TOPS（每秒運算24萬億次），而英偉達去年底發布的Orin，算力則高達200TOPS。此外，Mobileye過去在與車企的合作中一貫表現強勢（盡管承諾EyeQ5將會更加開放），其提供的功能模塊對主機廠常常是「黑箱」；而英偉達自動駕駛構建的DriveAGX軟體平台一開始就走了一條開放的道路，可以支持車廠在其計算平台上自主進行演算法開發。

其實在此之前，賓士探索研發自動駕駛網約車時，因為該技術對晶元算力的高要求，賓士就選用了來自英偉達的DrivePEGASUS車載電腦。6月23日官宣的信息，意味著賓士在自動駕駛時代的晶元選擇上，全面倒向英偉達，將雙方的合作擴展到賓士的量產車型中。

而與沃爾沃達成自動駕駛戰略合作的Waymo，則是依託谷歌在AI領域的技術實力，使用自研的TPU。雖然Waymo用於車輛端的TPU算力並未公布，但據Waymo官方的透露，在使用TPU後，其自動駕駛系統的性能提升了15倍。

晶元在自動駕駛中的地位，可以用「隱形冠軍」來形容。從車輛外觀你看不見它的存在，但一台自動駕駛汽車能夠順利運行，它絕對是頭號功臣。

二、自動駕駛競賽，亦是一場晶元競賽

無論是賓士棄寶馬牽手英偉達，還是沃爾沃與Waymo高達戰略級別的聯盟，又或者是滴滴的自動駕駛網約車發車，上周集中發生的大新聞說明，汽車公司與科技公司都將自動駕駛放在了至關重要的位置：從近期看，自動駕駛功能是汽車產品力的重要組成部分；從長遠看，L4級自動駕駛投入大規模應用後，可能會徹底改變汽車行業的商業模式。

推動這一切變化的基礎，是一枚小小的晶元。為了在自動駕駛能力上獲取競爭優勢，參與這場競賽的企業或獨立研發，或合縱連橫，只為尋得一塊高性能的自動駕駛晶元。行業內有個非常典型的例子：特斯拉。

作為智能電動汽車的領頭羊，特斯拉和當前市場上的兩家主流自動駕駛晶元廠商都有過合作經歷。但是由於Mobileye的強勢和封閉，英偉達降不下來的功耗和高昂的開發成本，合作都未能長遠。特斯拉為了發揮軟硬體一體在自動駕駛中的優勢，率先在車企中獨立研發了自動駕駛計算平台的FSD，其算力達到144TOPS。FSD對自動駕駛的算力支持主要來自兩塊AI晶元，其單晶元算力約72TOPS。

迄今為止，特斯拉的FSD仍然保持著量產車自動駕駛算力紀錄。而特斯拉認為，FSD足以為其將推出的完全自動駕駛（FullSelf-Driving）功能提供支持。

毫無疑問，自動駕駛的競賽，同樣也是晶元的競賽。整個汽車行業向自動駕駛的重視乃至全面轉向，將創造巨大的自動駕駛晶元需求。如果哪家企業在自動駕駛晶元市場占據了可觀的份額，那麼對應的或許是千億美元市值的想像空間。

當前，在巨大市場的吸引下，自動駕駛晶元領域已經出現了或新或老的四種勢力：

第一類，是Mobileye等老牌的ADAS晶元/自動駕駛晶元供應商。

這一類企業，是汽車行業開始研發高級輔助駕駛系統（ADAS）時，就參與市場競爭的企業。這些企業面向自動駕駛的競爭策略是，通過在ADAS市場積累的技術以及客戶資源，不斷向上升級其既有產品，實現向自動駕駛的平滑過渡，典型的就是Mobileye對EyeQ系列晶元的不斷迭代。

除了Mobileye，瑞薩、恩智浦、德州儀器、電裝等老牌汽車半導體供應商，都有各自的自動駕駛晶元規劃。

第二類，是看到自動駕駛晶元機遇，跨領域而來的半導體巨頭。

比如上文提到的英偉達，此前其主力業務為屬於消費電子的GPU，以及數據中心等，但英偉達洞察到自動駕駛對高性能晶元的需求後，迅速進入了這一市場，目前已經推出DrivePX、DriveAGXXavier、DriveOrin三代產品，並獲得了不少車企的訂單。

主力業務為通信，制霸基帶晶元、手機SoC的高通，則在嘗試收購恩智浦獲得自動駕駛競賽入場券的努力告吹後，於今年CES上推出了SnapdragonRide自動駕駛計算平台。根據高通官方的信息，這一基於高通晶元打造的計算平台最高算力可達700TOPS，可支持L4--L5級自動駕駛。

而在高通之前，主力業務同樣為通信以及消費電子的華為，就已經發布了自動駕駛計算平台MDC600。這一計算平台由8顆昇騰310AI晶元整合而成，最高算力達到352TOPS。

第三類，是在新機遇下誕生的自動駕駛晶元初創企業。

在國內以地平線為典型代表。

本月，搭載地平線車規級AI晶元征程2的長安UNIT正式上市。藉此，地平線實現了國產自動駕駛晶元的率先「上車」。另一方面，算力為4TOPS的征程2，也是中國首款車規級AI晶元。

而在今年晚些時候，地平線還將發布算力達到96TOPS、支持16路高清攝像頭信號的征程5，這款晶元算力超越特斯拉的FSD，將面向高等級自動駕駛。

最後一類，則是特斯拉為代表的車企自研派。

由於車企基本沒有半導體的製造經驗，因此他們通常會向供應商采購晶元。而總部位於矽谷的特斯拉，則有著不同的基因、為了最大程度發揮軟硬體一體化的優勢，特斯拉依託矽谷的半導體人才資源，自行研發了FSD。

目前來看，車企自研自動駕駛晶元的模式難以復制，特斯拉很可能會是這條路徑的獨苗。

在國內，無論是傳統車企還是造車新勢力，目前都無自研自動駕駛晶元的計劃。作為全球最大的單一汽車市場，中國順理成章地成為自動駕駛晶元供應商的兵家必爭之地。

三、中國能否催生自動駕駛晶元巨頭？

如此多的參賽者，讓自動駕駛晶元這個仍待開發的藍海市場，看上去已經呈現出紅海的競爭態勢。近兩年中美圍繞晶元發生的一系列事件，讓人們對中國晶元產業的的弱勢心有戚戚。從年初國家11部位聯合發布的《智能汽車創新發展戰略》到「新基建」，都將車載晶元的研發作為戰略重點，中國汽車行業都希望能有更多本土晶元企業強勢崛起。

如今，在汽車行業進行智能化轉型、創造大量自動駕駛晶元需求的態勢下，中國晶元能否迎頭趕上，培育出一家能夠在市場上立足的中國本土自動駕駛晶元供應商？答案並不確定，但6月地平線征程2晶元搭載於長安UNIT的「上車」，至少已經開了一個好頭。據了解，在ADAS晶元領域，征程2晶元所展現的感知計算性能已經在多個指標上超越了行業龍頭Mobileye的晶元，特別是針對中國的特殊路況，並已經成功簽下了來自中國各大汽車集團的十多款定點車型。

地平線創始人余凱在一次媒體采訪中如此總結地平線的差異化優勢：「在全球范圍內，能提供這樣功耗和算力水平、且開放賦能的晶元企業，我們是獨一家。英偉達在輔助駕駛、智能座艙多模交互等方面完全沒有產品，晶元功耗也比較高。我們的功耗和算力可以跟Mobileye正面PK，但Mobileye不開放，而我們能滿足車企自主開發的需求」，並表示未來有信心拿到全球1/3的市場。

事實上，當自動駕駛潮流席捲而來，如地平線這樣率先瞄準車載AI晶元市場，並已通過前裝量產得到市場驗證的中國晶元企業確實迎來了最好的時代。中國作為全球最大的汽車市場，再加上自動駕駛技術開發的一些典型特徵與需求，為本土自動駕駛晶元企業創造了難得的機遇。

首先，自動駕駛技術有強地域性。

因為世界各地自然條件、交通場景、交通規則乃至是文化傳統的差異，所以在一國一地開發的自動駕駛技術很難復用到其他地區。這種影響會直接傳導到硬體層面——因為與具體數據、演算法高度整合，自動駕駛晶元很難不受地域特徵的支配。

在此情況下，一家擁有強大本土研發團隊、對中國的數據與場景更加了解的企業，有更大的概率研發出更適合中國場景，且演算法與硬體結合更加高效的自動駕駛晶元。

其次，當汽車被越來越多的人們看作電子產品時，人們對其功能迭代的頻率與速度，都有了更高的期望，自動駕駛功能也不例外。

此前，主要由國外供應商占據市場主流的ADAS，在功能搭載上車後便永不更新。但當汽車變得智能化，車輛其實可以通過不斷地OTA，實現功能的升級，甚至實現從ADAS到半自動駕駛、自動駕駛的跨越。比如特斯拉通過升級實現Model3的NOA（高速公路自動駕駛輔助）功能，就是典型的例子。

當然，特斯拉僅此一家。對於更多車企來說，要完成這樣的任務，需要他們與自動駕駛晶元供應商保持高頻、緊密的聯系，由雙方進行聯合研發。

這一變化，更加考驗供應商對車企需求的快速響應。換句話說，這需要自動駕駛晶元供應商建立一個成規模的現場支持團隊，做到對車企需求的快速反饋、支援。顯然，一個本土的、沒有文化語言隔閡的團隊，能夠更好地勝任。

最後，車企在自動駕駛研發上有更多的功能差異化訴求。

當ADAS功能在汽車產品已經高度標准化或者雷同時，它很難再成為吸引消費者的亮點。對此，有遠見、有能力的車企，紛紛選擇基於場景去開發新的、有差異的自動駕駛功能（比如寶馬的自動循跡倒車），從而獲得新的競爭力。

這一趨勢對自動駕駛晶元供應商提出的要求是，不能再單純採用過往的「黑箱」模式，直接給車企一個完整但「知其然不知其所以然」的功能模塊，而是要賦予車企進行二次開發、深度開發的權利。或者說，這要求自動駕駛晶元供應商轉變思路，去賦能車企的自動駕駛開發。

具體而言，這要求晶元供應商轉變思路，在戰略上開放，為車企的自動駕駛開發賦能；在產品策略上則要為車企分憂解難，通過打造工具鏈，降低車企基於自動駕駛晶元進行差異化功能開發的難度與成本。

從上述三點特徵來看，自動駕駛潮流的到來，將更加考驗自動駕駛供應商的服務意識與快速開發能力。而國外晶元供應商，因為歷史、成本、政治等因素，很少在國內搭建起成規模的研發與現場支持團隊，過往的開放程度與開發速度也難以滿足新的需求。而這，正是中國本土自動駕駛晶元供應商崛起的突破口。

最終，從形勢上來說，國外晶元巨頭產業先天更加成熟、進入汽車行業更早、各自擁有不同的壁壘。對中國本土自動駕駛晶元供應商來說，與他們同台競技並最終突出重圍，並不容易。

但如果本土自動駕駛晶元供應商在晶元算力、功耗等指標上的表現能迎頭趕上，並發揮自己的核心優勢，抓住車企智能化轉型的時代機遇，那麼，中國誕生一個本土自動駕駛晶元巨頭或將是大概率事件。

本文來源於汽車之家車家號作者，不代表汽車之家的觀點立場。

㈧ 未來算力，華為升騰 910和阿里含光 800誰更強

九月，開學季，註定是不平凡的一月，10號馬總退休，18號地表最強華為AI晶元集群「Atlas 900」問世，這2天阿里又不服了，達摩院上古三大神器「含光 800」問世。

各大科技巨頭頻繁秀肌肉，先後發布智能AI晶元，都希望在人工智慧物聯網時代先人一步，這無疑是翻開了歷史的新篇章，我們正在邁向數字新世界。

1.下面我們先來介紹一下阿里旗下號稱世界最強的「平頭哥半導體公司含光800"到底有多厲害？

目前含光800已經應用於阿里巴巴集團內多個場景，未來還將應用於醫療影響，無人駕駛等領域，研發這款晶元只用了半年時間，這是阿里巴巴邁向晶元領域的一次突破，未來阿里巴巴一定是一家軟體硬體一體化的企業。(這話和華為公司的發展戰略類似)

在業界標準的Res Net-50測試中，含光800推理性能達到78563 IPS，比目前業界最好的AI晶元性能高4倍；能效比500 IPS/W，是第二名的3.3倍。

2.下面我們來介紹一下地表最強的華為晶元升騰910：（不能和華為AI訓練集群Atlas 900對比，小兵怎麼能打得過部隊）

華為晶元升騰910半精度 (FP16)算力達到256 Tera-FLOPS，整數精度 (INT8) 算力達到512 Tera-OPS，重要的是，達到規格算力所需功耗僅310W，明顯低於設計規格的350W。

升騰910總體技術表現超出預期，作為算力最強AI處理器，當之無愧。我們已經把升騰910用於實際AI訓練任務。比如，在典型的ResNet50 網路的訓練中，升騰910與MindSpore配合，與現有主流訓練單卡配合TensorFlow相比，顯示出接近2倍的性能提升。面向未來，針對不同的場景，包括邊緣計算、自動駕駛車載計算、訓練等場景，華為將持續投資，推出更多的AI處理器，面向全場景持續提供更充裕、更經濟、更適配的AI算力。

面對世界最強的上古神器」含光800「和地表最強的」升騰910「到底哪個強，大家應該可以判斷出來吧。

其實我想告訴大家的是： 未來科技拼的是算力。

【感謝閱讀關注】