晟腾310算力

㈠ 升腾310处理器可适用于哪些机型

升腾310是一款高效、灵活、可编程的AI处理器。基于典型配置，八位整数精度（INT8）下的汪哗哗性能达到22TOPS，16位浮点数（FP16）下的性能达到11 TFLOPS，而其功耗仅为8W。升腾310芯片采用华为自研的达芬奇架构，集成了丰富的计算单元，在各个领域得到广泛应芦橘用。随着全AI业务流程的加速，升腾310芯片能够使智能系统的性能大幅提升，部署成本大幅降低。
适应大部分机型。
升腾310在功耗和计算能力等方面突破了传统设计的约束。随着能效比的大幅提升，升腾310将人工智能从数据中心延伸到边缘设备，为平安城市、自动驾驶、云服务和IT智能、智能制造、机器人等应用场景提供了全新的解决方案，使能智慧未困行来。

㈡ 华为不造汽车，但自动驾驶汽车人工智能芯片这片阵地必须拿下

[汽车之家新鲜技术解读]华为成立于1987年，是一家制造通讯设备起家的中国企业。经过30多年的积累，华为已经发展成为全球最大的5G设备供应商。随着人工智能芯片市场的快速增长，华为借助中科寒武纪的芯片IP，成功在2017年推出了全球首款搭载人工智能加速单元的手机处理器芯片——麒麟970。该芯片的成功让华为进一步坚信人工智能技术的发展潜力，加速了其自研人工智能处理器的步伐。而自动驾驶系统的域控制器正是人工智能芯片大派用场的地方。究竟华为的人工智能芯片性能有多强？它又是如何赋能自动驾驶汽车的呢？今天我们一起来看一看。

●编辑总结：

华为在行业中的影响力毋容置疑，从技术到产品都走在世界的前列。树大招风，华为近年来就一直受到美国的制裁。如果现状长期持续的话，对于本文聚焦的华为人工智能芯片影响不小。如何解困是摆在华为面前的一道难题，从目前的一些信息来看，华为在英国建设芯片工厂、开发RISC-V架构处理器、培育HMS云服务生态等举措都是其突围关键，我们也将持续关注事态的进一步发展情况。（图/文/汽车之家常庆林）

㈢ EAIDK-310的算力怎么样，做基础AI应用用EIADK-310还是EAIDK-610

其实如果说只是做开发学习的话，EAIDK-310应该就够用了。这里简单说下EAIDK-310和EAIDK-610的区别：EAIDK-310用的是RK的3228H处理器，是4核A53；EAIDK-610用的是RK3399,4核A53和2核A72。算力来说，EAIDK-610要比EAIDK-310高很多，但如果只是做一些开发学习的话，其实拿EAIDK-310就够用了，并且EAIDK-310更方便，因为EAIDK-310足够小，名片盒大小，电源用的是5v 2A的USB供电，直接插在电脑上的USB口就可以供电了，使用起来更方便一些。

㈣ 【汽车人】国产芯片“上车”路线图

因此，在车载算力芯片领域，华为瞄准的是未来，而非眼下。而地平线、黑芝麻、寒武纪、深鉴科技、飞步科技等创业公司的产品，已经应用到自主整车产品当中。在车载算力领域，中企正取得局部突破。当然，博世等跨国一线Tier1，拥有完整的ADAS解决方案。从长远看，华为“全向”解决方案，可能更适应未来对车联网、车机、新能源和ADAS的综合要求。

传统力量

在算力芯片中的功能芯片，譬如MCU（微控单元，特别是燃油车动力系统控制），还有传感器芯片领域，传统巨头仍然牢牢把持，中企也有类似的产品，但参与度很低，大致只有4.5%左右。

这一块暂时还看不到突破迹象，只能是从小单做起、从备胎做起，磨练车规级稳定性水平，逐渐积累向巨头挑战的资本。不过，是否还要继续投资燃油车有关的功能MCU，中企其实左右为难。但有些技术储备在新能源时代，照样可以获得长远应用，譬如这次缺货的ESP（车身稳定控制）芯片。认为传统MCU芯片市场萎缩，看法未免过于粗糙。

从动态角度看，情况就不那么令人忧虑，因为现在芯片中企参与度正在提升。“新四化”浪潮对新玩家具备天生的友好度，中企不能浪费历史机遇。（文/《汽车人》黄耀鹏）【版权声明】本文系《汽车人》独家原创稿件，版权为《汽车人》所有。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

㈤ 华为是如何率先推出ai处理器的

引入到手机终端并非易事。无论是普通的AI功能还是场景化AI服务，都需要手机完成复杂、密集的深度学习算法模型运算。与此同时，手机要具备强大的算力，不仅需要一定的运行环境，还对功耗、内存、存储空间有较高要求。

经过漫长的研发和测试，华为最终在2017年9月的柏林电子消费展上，正式发布了全球首款移动端AI芯片麒麟970，这也是全球首款内置了独立神经网络处理单元（即NPU）的人工智能芯片，其内置NPU性能大幅优于CPU、GPU和DSP这些通用计算单元。相比CPU，内置NPU拥有约50倍能效和25倍性能优势。这也就意味着，麒麟970芯片可以用更少的能耗更高效地完成AI计算任务。

一个月后，华为发布了搭载麒麟970的旗舰手机Mate 10，率先将专用NPU AI芯片引入手机。此后，苹果、三星等厂商纷纷跟进，到今天，AI芯片已成为众多手机厂商的旗舰配置。

据了解，有了NPU加持，手机的功能也会变得更加强大。例如，使用语音功能时，AI会对当前语境和内容做细致的分析，将语音识别的成功率提升到更高的级别，为用户带来精准的识别体验。未来，智能语音助手将能替代传统的手工输入，在人们的生活中扮演更重要的角色。或许，以后你在大街上再也见不到边玩边走“低头族”，而是会看到更多人对着手机“自言自语”了。

而在用户十分关心的拍照方面，AI的出现同样为喜欢手机摄影的用户带来不少福利。麒麟970搭载双通道ISP图像信号处理器，在动态影像捕捉和低光拍照上有很大的提升。双摄镜头+双ISP软硬件优化，再配合人工智能的计算机视觉分析，能帮助手机自动分析画面内的物体，选择最佳的拍照模式；甚至，还可以进行物体追踪对焦并预测拍照时机，为用户带来前所未有的拍照体验。

也就是说，麒麟970的推出，是传统智能手机和未来AI手机的重要分水岭，标志着AI手机的发展已从单纯的算法优化进入了硬件能力的真·人工智能比拼阶段。

2018年8月，同样是在柏林电子消费展上，华为又发布了全球首款7nm人工智能手机芯片——麒麟980。7nm是什么概念？要知道，一根头发丝的直径约为0.1毫米，7nm是头发丝的万分之一，相当于70个原子直径。而就是在这个不到1平方厘米的麒麟980芯片内部，布局有超过69亿个晶体管，这几乎逼近了硅基半导体工艺的物理极限，麒麟980真正实现了在针尖上翩翩起舞。

华为消费者业务CEO余承东表示，麒麟980的7nm工艺是由超过1000多名半导体工程师组成的团队历时3年、经历超过5000多次的工程验证精心打磨的成果。

相对于麒麟970，麒麟980有移动端双NPU强大算力加持，在性能上全面升级。以图像识别速度为例，麒麟970每分钟可识别约2005张图像，而麒麟980每分钟可识别4500张，速度提升120%。此外，麒麟980也给人脸识别、语音助手、AI拍照，及各类智能美拍P图等手机APP带来了全面升级。

除此之外，华为还推出了麒麟710、麒麟810芯片，意在让更多消费者享受到人工智能带来的体验升级。其中，后者是华为首款采用自研达芬奇架构NPU，第二款采用7nm工艺的手机芯片。

至此，华为完成了第一轮在手机端的AI芯片布局（麒麟970、麒麟980、麒麟710、麒麟810），带领着手机全行业正式走入了AI时代。

㈥ 华为造什么车

也就是说，华为MDC智能驾驶平台可针对不同级别的自动驾驶算法，用一套软件架构，不同硬件配置，就能够支持L2+~L4自动驾驶算法的平滑演进升级。

徐直军说，华为最大的优势就是AI与云的能力，以昇腾芯片＋智能操作系统为基础，打造MDC智能驾驶平台，华为还通过开放API(,应用程序接口)，希望跟广大的部件提供商、集成商、应用开发商等合作伙伴，共同打造三个生态——传感器生态、智能驾驶应用生态和执行部件生态，最终促进整个汽车产业走向智能驾驶，也就是华为所言的通过?“平台+生态”战略，使能智能驾驶进入快车道。

其一是传感器生态，包括激光雷达、毫米波雷达、摄像头等等，让这些传感器方便与MDC连接在一起。徐直军表示，MDC智能驾驶平台必须构筑一个生态，因为它是大脑，所有传感器的东西都要连过来，要相互认识。

当然，作为选择之一，华为也会利用自己的5G技术来开发毫米波雷达，实现全天候的成像，同时我们也会充分利用全球领先的光电子技术，开发激光雷达，真正解决激光雷达面临的成本问题与性能问题。

目前，全球毫米波雷达领域大致形成了ABCD（奥托立夫Autoliv、博世Bosch、大陆Continental、德尔福Delphi）控场的局面，但即便是频率最高的77G毫米波雷达，分辨率仍然过低，不仅无法对行人和障碍物进行精准的建模，在传感器融合和同步、AI算法处理上，毫米波雷达的原始数据也不够友好。而激光雷达的高成本也让众多玩家苦恼不堪。华为如果在这两个方面有突破，对于智能驾驶的传感器领域可以说是重大突破。

其二是智能驾驶应用生态。华为的MDC智能驾驶平台，包括硬件平台（自研CPU/AI芯片）和自研车控操作系统。华为的自动驾驶操作系统是一个开放系统，就像智能手机的安卓或者类似于鸿蒙，要支持所有的车企、Tier1和应用开发商，让他们基于这个操作系统开发各种各样的智能驾驶算法、应用，支持汽车产业来不断提供智能驾驶创新功能和服务。

其三是执行部件生态。智能驾驶最重要是指挥，它是一个大脑，它要指挥最终执行部件怎么动，这里也要有接口，接入任何厂商的电驱、电动等各种执行部件。“我们把接口的标准打造好，让MDC跟所有的执行部件容易配合。”徐直军说，但华为还面临着一系列的法律、法规、政策、标准等问题和挑战，需要建立广泛的生态联盟，凝聚共识，来推动标准建立。

那么，华为的MDC智能驾驶平台在整个汽车业自动驾驶进程中，它占的分量到底有多重？到底它现在能够推进自动驾驶进程到什么地步？

徐直军这样回答汽车商业评论的提问：“为什么叫智能驾驶，没有讲自动驾驶呢？完全自动驾驶、无人驾驶是终极追求。自动驾驶是一个渐进的过程，终极目标是实现彻底的无人驾驶，但是走向这个终极目标过程中，它能够创造价值。特斯拉已经给大家创造了价值。”

比如特斯拉做了几个智能驾驶的功能，消费者很喜欢。他提出了中国道路交通情况下，三种功能大家都会喜欢，分别是自动泊车功能、车自己找停车位功能还有交通拥堵情况下的跟车功能。

目前，华为已把MDC智能驾驶平台开发版提供给了合作伙伴，合作伙伴在这个平台上做智能驾驶应用。

智能全场景出行体验

智能座舱不只是屏多屏少问题，华为CDC智能座舱平台怎么干？

关于智能座舱，最近两年来在汽车业界也是非常时髦的话题，但是要真正做好甚至谈好，很不容易，因为这也是一个不断演进中的汽车未来。

现在，汽车中的屏越来越大似乎是智能座舱的一个标志，但显然，大多数承载的生态和传统车没有太多区别，我们对华为CDC智能座舱到底有什么期盼？

汽车商业评论认为，智能座舱是由不同的座舱电子组合成完整的体系，不是简单地以液晶仪表、HUD、中控屏及中控车载信息终端、后座HMI娱乐屏、车内外后视镜等为载体，而是将人工智能、AR、ADAS、VR等技术融入未来的座舱布局之中，提升用户的用车体验，给之以传统汽车所没有的服务。

智能驾驶舱产业链，以中控平台为基础，逐渐向液晶仪表、抬头显示和后座娱乐延伸，实现多层次信息的处理操作和独特的人车交互。

车载信息娱乐系统(IVI)是智能驾驶舱信息交互的重要载体，IVI能够实现包括三维导航、实时路况、IPTV、辅助驾驶、故障检测、车辆信息、车身控制、移动办公、无线通信、基于在线的娱乐功能及TSP服务等一系列应用，极大地提升了车辆电子化、网络化和智能化水平。

驾驶舱升级路径可类比智能手机，相比ADAS，驾驶舱电子产品形态更加丰富，全球竞争格局较为分散，且一切都还在演变之中，并无真正的寡头。

回到华为的CDC智能座舱平台。所谓CDC，即CockpitDominController，座舱域控制器。它可实现智能汽车与智能手机在硬件、软件和应用生态等全产业链的无缝共享，建立起的以汽车场景为主的数据中心。

这种共享有三：其一，于智能手机Kirin芯片构建IVI模组，发挥产业链协同的规模效应，降低硬件成本；其二，基于鸿蒙OS，共享华为“1+8”生态，实现跨终端的全无感互联；其三，享智能手机丰富APP生态提升用车体验开放API，使能跨终端伙伴发展智能座舱应用。

这其中，与传统的多芯片方案相比，单芯片方案驱动智能座舱，类似于座舱域控制器的方案，可以精简座舱处理器布局，极大地降低系统成本，并能提供多屏互动等全方位的智能互联体验。

一芯多屏的智能座舱已经成为趋势。比如2018年8月7日安波福宣布将为长城汽车全新一代的哈弗和WEY品牌提供单芯片的智能座舱解决方案，可同时驱动全彩液晶仪表、抬头显示和中控娱乐等车载电子系统的所有功能。再比如，2019年初华阳集团推出了新一代车规级芯片i.MX8以及最新车载操作系统AndroidP信息娱乐方案。

与此同时，在智能座舱方面，车载硬件也向模块化方向发展，软件系统的比重不断增加。一些汽车厂商开始将IVI进行模块化布局，能够减少不同车型配置的复杂程度、加大单品模块的重复利用率。

但华为的CDC智能座舱平台看起来更胜一筹，按照徐直军的说法就是要把华为智能终端积累的硬件生态、软件生态、应用生态带入到智能座舱。除了提供娱乐服务，未来自动驾驶实现后，会有更多的乘客服务和安全服务。

他说：“我们在中国、在全球都拥有大量的智能手机用户，整个产业界建立了广泛的智能终端生态，真正实现了规模化、低成本。智能座舱是在车上，我们最大的优势就是智能终端和智能座舱平台共享一个生态。”

徐直军说，华为跟车企沟通CDC智能座舱想法，大家最欢迎把华为智能终端的生态搬到车上，共享智能手机生态。同时，开发API，使能跨终端伙伴发展智能座舱应用。

比如不光整个娱乐系统，未来仪表盘AR显示，以及判断驾驶员没有自动驾驶之前是不是睡觉、是不是分心，也就是驾驶员监控系统（DMS），等等，都可以通过智能座舱平台来解决。

华为希望通过芯片+OS+生态，使能数字座舱，构建智能全场景出行体验。这些体验包括智能护驾、信息娱乐/车家互控、全生命周期服务、智真办公和家庭影院。它提供的智能服务引擎包括座舱感知、决策和控制，多模态实时交互、人车家无感互联和服务找人。

华为最终构建起的智能座舱的生态，硬件是可以更换的，应用是不断更新的，软件也是可以不断升级的。独立的账号体系、云服务和整车OTA能力，成为汽车座舱智能化所趋的大势。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

㈦ 自动驾驶“芯”战争

今年，新冠疫情的爆发、经济的下滑、国际政治环境的恶化，让汽车产业充满了巨大的不确定。多家咨询机构预计，今年全球汽车销量将面临10%-20%的下滑。

然而，在不确定中，汽车行业对未来的方向又十分笃定。自动驾驶集中出现了几则大新闻——

6月23日，刚刚与宝马在自动驾驶领域宣布和平分手的奔驰，宣布与芯片供应商英伟达达成合作，将使用后者的Orin芯片，开发下一代车载计算系统，为奔驰量产车型2024年将全面搭载的L2-L3级自动驾驶功能，以及最高可达L4级的自动泊车功能提供算力支持。

6月25日，沃尔沃汽车集团宣布，沃尔沃将与谷歌旗下自动驾驶公司Waymo达成战略合作伙伴关系，在一个全新的电动汽车平台上，进行L4级自动驾驶技术的合作，探索自动驾驶网约车等商业场景。

6月26日，亚马逊正式收购美国自动驾驶公司Zoox，亚马逊为此付出超过12亿美元。

6月27日，滴滴自动驾驶网约车载人示范运营在上海正式启动，央视对其全过程进行了直播。从这一天开始，滴滴在上海嘉定的自动驾驶测试车将面向公众开放，滴滴在APP中上线了“未来出行”页面，供公众申请自动驾驶网约车试乘。

一时间，大公司近乎开启了一场自动驾驶军备竞赛。毫无疑问，参与其中的企业都意识到，未来的汽车，将是跑在轮子上的超级计算机。高性能的计算芯片，在这场军备竞赛中至关重要的地位，愈发凸显。

一、奔驰另结新欢，只是因为它？

6月23日，在与宝马的自动驾驶合作宣告暂停后4天，奔驰向芯片供应商英伟达投怀送抱，双方达成合作，为奔驰将在2024年量产的自动驾驶车型开发计算平台。

在几天前的公告中，双方还表示，“鉴于建立共享技术平台所需的费用，以及当前的商业和经济状况，现在并不是成功实施合作的一个合适的时机。”太烧钱，看起来是让双方决定暂停技术合作的关键原因。

不过，奔驰随后与英伟达光速结伴的举动，倒是指向了钱以外的因素。通常来说，车企与车企之间的合作，并不会对车企与供应商的合作产生影响，但奔驰与宝马之间的合作不同。在与奔驰达成合作之前，宝马已经与全球最大的ADAS系统供应商Mobileye组建了一个自动驾驶同盟，基于其EyeQ系列芯片研发自动驾驶。

与宝马的合作意味着，奔驰要选用Mobileye的芯片来构建关键的自动驾驶计算单元。而这或许是双方分歧中尤为重要的那一个。国外咨询机构Guidehouse首席分析师SamAbuelsamid称，“我怀疑这两家汽车制造商无法就使用的平台达成共识，现在，与英特尔/Mobileye的产品相比，Orin看起来是更强大的解决方案。”

从公开的信息来看，Sam的分析不无道理。Mobileye规划的下一代自动驾驶芯片EyeQ5，其算力为24TOPS（每秒运算24万亿次），而英伟达去年底发布的Orin，算力则高达200TOPS。此外，Mobileye过去在与车企的合作中一贯表现强势（尽管承诺EyeQ5将会更加开放），其提供的功能模块对主机厂常常是“黑箱”；而英伟达自动驾驶构建的DriveAGX软件平台一开始就走了一条开放的道路，可以支持车厂在其计算平台上自主进行算法开发。

其实在此之前，奔驰探索研发自动驾驶网约车时，因为该技术对芯片算力的高要求，奔驰就选用了来自英伟达的DrivePEGASUS车载电脑。6月23日官宣的信息，意味着奔驰在自动驾驶时代的芯片选择上，全面倒向英伟达，将双方的合作扩展到奔驰的量产车型中。

而与沃尔沃达成自动驾驶战略合作的Waymo，则是依托谷歌在AI领域的技术实力，使用自研的TPU。虽然Waymo用于车辆端的TPU算力并未公布，但据Waymo官方的透露，在使用TPU后，其自动驾驶系统的性能提升了15倍。

芯片在自动驾驶中的地位，可以用“隐形冠军”来形容。从车辆外观你看不见它的存在，但一台自动驾驶汽车能够顺利运行，它绝对是头号功臣。

二、自动驾驶竞赛，亦是一场芯片竞赛

无论是奔驰弃宝马牵手英伟达，还是沃尔沃与Waymo高达战略级别的联盟，又或者是滴滴的自动驾驶网约车发车，上周集中发生的大新闻说明，汽车公司与科技公司都将自动驾驶放在了至关重要的位置：从近期看，自动驾驶功能是汽车产品力的重要组成部分；从长远看，L4级自动驾驶投入大规模应用后，可能会彻底改变汽车行业的商业模式。

推动这一切变化的基础，是一枚小小的芯片。为了在自动驾驶能力上获取竞争优势，参与这场竞赛的企业或独立研发，或合纵连横，只为寻得一块高性能的自动驾驶芯片。行业内有个非常典型的例子：特斯拉。

作为智能电动汽车的领头羊，特斯拉和当前市场上的两家主流自动驾驶芯片厂商都有过合作经历。但是由于Mobileye的强势和封闭，英伟达降不下来的功耗和高昂的开发成本，合作都未能长远。特斯拉为了发挥软硬件一体在自动驾驶中的优势，率先在车企中独立研发了自动驾驶计算平台的FSD，其算力达到144TOPS。FSD对自动驾驶的算力支持主要来自两块AI芯片，其单芯片算力约72TOPS。

迄今为止，特斯拉的FSD仍然保持着量产车自动驾驶算力纪录。而特斯拉认为，FSD足以为其将推出的完全自动驾驶（FullSelf-Driving）功能提供支持。

毫无疑问，自动驾驶的竞赛，同样也是芯片的竞赛。整个汽车行业向自动驾驶的重视乃至全面转向，将创造巨大的自动驾驶芯片需求。如果哪家企业在自动驾驶芯片市场占据了可观的份额，那么对应的或许是千亿美元市值的想象空间。

当前，在巨大市场的吸引下，自动驾驶芯片领域已经出现了或新或老的四种势力：

第一类，是Mobileye等老牌的ADAS芯片/自动驾驶芯片供应商。

这一类企业，是汽车行业开始研发高级辅助驾驶系统（ADAS）时，就参与市场竞争的企业。这些企业面向自动驾驶的竞争策略是，通过在ADAS市场积累的技术以及客户资源，不断向上升级其既有产品，实现向自动驾驶的平滑过渡，典型的就是Mobileye对EyeQ系列芯片的不断迭代。

除了Mobileye，瑞萨、恩智浦、德州仪器、电装等老牌汽车半导体供应商，都有各自的自动驾驶芯片规划。

第二类，是看到自动驾驶芯片机遇，跨领域而来的半导体巨头。

比如上文提到的英伟达，此前其主力业务为属于消费电子的GPU，以及数据中心等，但英伟达洞察到自动驾驶对高性能芯片的需求后，迅速进入了这一市场，目前已经推出DrivePX、DriveAGXXavier、DriveOrin三代产品，并获得了不少车企的订单。

主力业务为通信，制霸基带芯片、手机SoC的高通，则在尝试收购恩智浦获得自动驾驶竞赛入场券的努力告吹后，于今年CES上推出了SnapdragonRide自动驾驶计算平台。根据高通官方的信息，这一基于高通芯片打造的计算平台最高算力可达700TOPS，可支持L4--L5级自动驾驶。

而在高通之前，主力业务同样为通信以及消费电子的华为，就已经发布了自动驾驶计算平台MDC600。这一计算平台由8颗昇腾310AI芯片整合而成，最高算力达到352TOPS。

第三类，是在新机遇下诞生的自动驾驶芯片初创企业。

在国内以地平线为典型代表。

本月，搭载地平线车规级AI芯片征程2的长安UNIT正式上市。借此，地平线实现了国产自动驾驶芯片的率先“上车”。另一方面，算力为4TOPS的征程2，也是中国首款车规级AI芯片。

而在今年晚些时候，地平线还将发布算力达到96TOPS、支持16路高清摄像头信号的征程5，这款芯片算力超越特斯拉的FSD，将面向高等级自动驾驶。

最后一类，则是特斯拉为代表的车企自研派。

由于车企基本没有半导体的制造经验，因此他们通常会向供应商采购芯片。而总部位于硅谷的特斯拉，则有着不同的基因、为了最大程度发挥软硬件一体化的优势，特斯拉依托硅谷的半导体人才资源，自行研发了FSD。

目前来看，车企自研自动驾驶芯片的模式难以复制，特斯拉很可能会是这条路径的独苗。

在国内，无论是传统车企还是造车新势力，目前都无自研自动驾驶芯片的计划。作为全球最大的单一汽车市场，中国顺理成章地成为自动驾驶芯片供应商的兵家必争之地。

三、中国能否催生自动驾驶芯片巨头？

如此多的参赛者，让自动驾驶芯片这个仍待开发的蓝海市场，看上去已经呈现出红海的竞争态势。近两年中美围绕芯片发生的一系列事件，让人们对中国芯片产业的的弱势心有戚戚。从年初国家11部位联合发布的《智能汽车创新发展战略》到“新基建”，都将车载芯片的研发作为战略重点，中国汽车行业都希望能有更多本土芯片企业强势崛起。

如今，在汽车行业进行智能化转型、创造大量自动驾驶芯片需求的态势下，中国芯片能否迎头赶上，培育出一家能够在市场上立足的中国本土自动驾驶芯片供应商？答案并不确定，但6月地平线征程2芯片搭载于长安UNIT的“上车”，至少已经开了一个好头。据了解，在ADAS芯片领域，征程2芯片所展现的感知计算性能已经在多个指标上超越了行业龙头Mobileye的芯片，特别是针对中国的特殊路况，并已经成功签下了来自中国各大汽车集团的十多款定点车型。

地平线创始人余凯在一次媒体采访中如此总结地平线的差异化优势：“在全球范围内，能提供这样功耗和算力水平、且开放赋能的芯片企业，我们是独一家。英伟达在辅助驾驶、智能座舱多模交互等方面完全没有产品，芯片功耗也比较高。我们的功耗和算力可以跟Mobileye正面PK，但Mobileye不开放，而我们能满足车企自主开发的需求”，并表示未来有信心拿到全球1/3的市场。

事实上，当自动驾驶潮流席卷而来，如地平线这样率先瞄准车载AI芯片市场，并已通过前装量产得到市场验证的中国芯片企业确实迎来了最好的时代。中国作为全球最大的汽车市场，再加上自动驾驶技术开发的一些典型特征与需求，为本土自动驾驶芯片企业创造了难得的机遇。

首先，自动驾驶技术有强地域性。

因为世界各地自然条件、交通场景、交通规则乃至是文化传统的差异，所以在一国一地开发的自动驾驶技术很难复用到其他地区。这种影响会直接传导到硬件层面——因为与具体数据、算法高度整合，自动驾驶芯片很难不受地域特征的支配。

在此情况下，一家拥有强大本土研发团队、对中国的数据与场景更加了解的企业，有更大的概率研发出更适合中国场景，且算法与硬件结合更加高效的自动驾驶芯片。

其次，当汽车被越来越多的人们看作电子产品时，人们对其功能迭代的频率与速度，都有了更高的期望，自动驾驶功能也不例外。

此前，主要由国外供应商占据市场主流的ADAS，在功能搭载上车后便永不更新。但当汽车变得智能化，车辆其实可以通过不断地OTA，实现功能的升级，甚至实现从ADAS到半自动驾驶、自动驾驶的跨越。比如特斯拉通过升级实现Model3的NOA（高速公路自动驾驶辅助）功能，就是典型的例子。

当然，特斯拉仅此一家。对于更多车企来说，要完成这样的任务，需要他们与自动驾驶芯片供应商保持高频、紧密的联系，由双方进行联合研发。

这一变化，更加考验供应商对车企需求的快速响应。换句话说，这需要自动驾驶芯片供应商建立一个成规模的现场支持团队，做到对车企需求的快速反馈、支援。显然，一个本土的、没有文化语言隔阂的团队，能够更好地胜任。

最后，车企在自动驾驶研发上有更多的功能差异化诉求。

当ADAS功能在汽车产品已经高度标准化或者雷同时，它很难再成为吸引消费者的亮点。对此，有远见、有能力的车企，纷纷选择基于场景去开发新的、有差异的自动驾驶功能（比如宝马的自动循迹倒车），从而获得新的竞争力。

这一趋势对自动驾驶芯片供应商提出的要求是，不能再单纯采用过往的“黑箱”模式，直接给车企一个完整但“知其然不知其所以然”的功能模块，而是要赋予车企进行二次开发、深度开发的权利。或者说，这要求自动驾驶芯片供应商转变思路，去赋能车企的自动驾驶开发。

具体而言，这要求芯片供应商转变思路，在战略上开放，为车企的自动驾驶开发赋能；在产品策略上则要为车企分忧解难，通过打造工具链，降低车企基于自动驾驶芯片进行差异化功能开发的难度与成本。

从上述三点特征来看，自动驾驶潮流的到来，将更加考验自动驾驶供应商的服务意识与快速开发能力。而国外芯片供应商，因为历史、成本、政治等因素，很少在国内搭建起成规模的研发与现场支持团队，过往的开放程度与开发速度也难以满足新的需求。而这，正是中国本土自动驾驶芯片供应商崛起的突破口。

最终，从形势上来说，国外芯片巨头产业先天更加成熟、进入汽车行业更早、各自拥有不同的壁垒。对中国本土自动驾驶芯片供应商来说，与他们同台竞技并最终突出重围，并不容易。

但如果本土自动驾驶芯片供应商在芯片算力、功耗等指标上的表现能迎头赶上，并发挥自己的核心优势，抓住车企智能化转型的时代机遇，那么，中国诞生一个本土自动驾驶芯片巨头或将是大概率事件。

本文来源于汽车之家车家号作者，不代表汽车之家的观点立场。

㈧ 未来算力，华为升腾 910和阿里含光 800谁更强

九月，开学季，注定是不平凡的一月，10号马总退休，18号地表最强华为AI芯片集群“Atlas 900”问世，这2天阿里又不服了，达摩院上古三大神器“含光 800”问世。

各大科技巨头频繁秀肌肉，先后发布智能AI芯片，都希望在人工智能物联网时代先人一步，这无疑是翻开了历史的新篇章，我们正在迈向数字新世界。

1.下面我们先来介绍一下阿里旗下号称世界最强的“平头哥半导体公司含光800"到底有多厉害？

目前含光800已经应用于阿里巴巴集团内多个场景，未来还将应用于医疗影响，无人驾驶等领域，研发这款芯片只用了半年时间，这是阿里巴巴迈向芯片领域的一次突破，未来阿里巴巴一定是一家软件硬件一体化的企业。(这话和华为公司的发展战略类似)

在业界标准的Res Net-50测试中，含光800推理性能达到78563 IPS，比目前业界最好的AI芯片性能高4倍；能效比500 IPS/W，是第二名的3.3倍。

2.下面我们来介绍一下地表最强的华为芯片升腾910：（不能和华为AI训练集群Atlas 900对比，小兵怎么能打得过部队）

华为芯片升腾910半精度 (FP16)算力达到256 Tera-FLOPS，整数精度 (INT8) 算力达到512 Tera-OPS，重要的是，达到规格算力所需功耗仅310W，明显低于设计规格的350W。

升腾910总体技术表现超出预期，作为算力最强AI处理器，当之无愧。我们已经把升腾910用于实际AI训练任务。比如，在典型的ResNet50 网络的训练中，升腾910与MindSpore配合，与现有主流训练单卡配合TensorFlow相比，显示出接近2倍的性能提升。面向未来，针对不同的场景，包括边缘计算、自动驾驶车载计算、训练等场景，华为将持续投资，推出更多的AI处理器，面向全场景持续提供更充裕、更经济、更适配的AI算力。

面对世界最强的上古神器”含光800“和地表最强的”升腾910“到底哪个强，大家应该可以判断出来吧。

其实我想告诉大家的是： 未来科技拼的是算力。

【感谢阅读关注】