2018年10月16日 | Mobileye能否让Intel在智能驾驶领域里东山再起？

固守X86芯片架构的英特尔错过了整个移动互联网时代。现在，它打算在5G和自动驾驶上卷土重来，重装再战。然而，距离5000亿美金巅峰市值仅一半不到的英特尔像极了中国足球队——留给他们的时间已经不多了。

英特尔全面布局汽车领域

汽车产业正在经历深刻变革，汽车将成为下一个智能平台已是板上钉钉。和智能手机相比，汽车未来所需的芯片数量更多，难度更大，功能更繁多，涉及到的商业生态也更复杂。毫无疑问，汽车产业未来将会是全球半导体巨头们角逐的焦点。

围绕汽车展开的自动驾驶、车联网、智能座舱将会是英特尔及其竞争对手不能错失的发展良机。在移动智能时代表现不佳的英特尔更是在紧密布局，希望重现PC时代的辉煌。

为了不再与时代擦肩而过，欲求抢占自动驾驶先机的英特尔，这几年来一直在不停地买买买。

当然，英特尔在汽车领域的布局不仅仅是收购，在自主开发方面也做了很多努力。

2016年10月，英特尔联合东软研发出了软件定义驾驶舱（SDC）平台解决方案——C-AIfus。

2016年底，英特尔成立了自动驾驶事业部。在2017年收购Mobileye后，英特尔将自动驾驶事业部与之合并。

2017年，英特尔推出Intel Go平台，包括自动驾驶车内开发平台、智能驾驶5G车载通信平台和智能驾驶软件开发工具包。

在5G车联网方面，英特尔在20 17年初发布了5G调制解调器，并与2017年底推出了5G基带芯片XMM 8060。

另外，英特尔已经组建了一支由100辆汽车组成的测试车队。

今年7月，英特尔推出了OpenVINO工具包，这一工具包主要用于加快高性能计算机视觉和深度学习视觉应用开发。

此外，英特尔还十分重视中国这一全球最大的汽车市场，竭力加强和中国本土企业的合作。

在智能驾驶舱方面，英特尔和一汽、北汽、长城等车企建立合作。在今年初的CES展上，英特尔宣布和上汽、四维图新合作开发自动驾驶技术。在今年的百度AI开发者大会上，英特尔披露了和百度在自动驾驶、人工智能领域的深度合作。此外，英特尔目前正在和华为进行5G相关技术的测试。

历数英特尔近年来的动作，可以看出英特尔在汽车领域的布局十分全面——从传感器到高精地图，从车联网到测试车队，从软件开发到核心芯片，智能座舱、自动驾驶、车联网，英特尔一个也没有缺位——除了没有自己下场参与造车，基本上涉及了汽车产业变革的所有焦点。

英特尔仅有的王牌Mobileye

虽然在汽车领域进行了广泛的布局，但是相比于英伟达、高通等同体量的半导体巨头，英特尔最大的竞争优势只有大手笔收购的Mobileye。

Mobileye是目前全球最大的ADAS技术提供商，有超过2700万台汽车采用Mobileye的产品。目前，大部分前装领域的高级驾驶辅助系统中使用的都是Mobileye 的方案。

当初英特尔高价收购Mobileye正是看中了其在ADAS领域的优势。在收购之后，英特尔将原先的自动驾驶事业部与之合并。

现在，英特尔的自动驾驶路线实际上就是Mobileye之前的路线，

英特尔采取的路线是重视觉技术。英特尔选择这一路线在收购Mobileye之前就有端倪。之前，被英特尔收购的Itseez、Movidius都与计算机视觉处理有关。

Mobileye靠ADAS 崛起，在这一领域已经具备良好的市场和客户基础。多数车企目前还没有部署高级别（L4、L5）自动驾驶的能力，英特尔把重心放在ADAS上，既可以扬长避短，又符合传统车企逐步推进自动驾驶的策略。

英特尔的重视觉方案依靠成本较低的摄像头感知汽车驾驶环境。重视觉方案的优势不仅在于成本低，还有利于推广高精地图众包模式，而高精地图是实现无人驾驶不可或缺的条件。

英特尔已经与宝马、大众、日产、四维图新等达成合作，今年将会有至少200万辆车搭载EyeQ4 芯片，正式开始收集道路数据。

庞大的用户量使得英特尔在获取地图数据方面具备优势。目前英特尔已经利用数据优势和车企形成大数据联盟。这一方面巩固了英特尔和车企之间的合作关系，提高了后来者的破局难度；另一方面英特尔可以利用车企分享的数据改进自身技术，向更高级别的自动驾驶技术进发。

在自动驾驶处于领先地位的Waymo 则采取了激光雷达的方案。激光雷达在性能上确实要优于摄像头，可以提供相对于摄像头更全面的信息。这就降低了对于人工智能技术的要求，开发速度也会更快。但是激光雷达不菲的造价限制了这一方案的推广。

虽然激光雷达目前价格昂贵，但是随着技术的进步和应用规模的扩大，价格仍有很大的下降空间。哪种方案谁能笑到最后仍是未知。

留给英特尔的时间不多了

凭借对Mobileye的收购，英特尔在ADAS市场暂时领先。但在高级别自动驾驶领域，英伟达依靠GPU抢占了先机。

CPU是英特尔的优势所在，但在深度学习方面，效率比不上英伟达擅长的GPU。而深度学习对于自动驾驶十分关键。通过深度学习，自动驾驶系统可以获得图像识别能力，可以对路径、行人、信号灯、障碍物等物体进行识别、区分，进而为汽车提供判断、决策的依据。

英伟达率先将GPU集群应用于深度学习数据处理，在深度学习领域处于领先地位。英伟达的GPU加快了AI技术的发展，同时也让英伟达的GPU成为AI计算芯片的首选。英伟达也因此获得了诸如特斯拉、奥迪、沃尔沃、奔驰、丰田、本田、大众、菲亚特等重量级客户。

特斯拉最初用的是Mobileye的辅助驾驶芯片EyeQ3。但特斯拉不满足于ADAS，希望更进一步，实现更高等级的自动驾驶。Mobileye应对ADAS绰绰有余，但其EyeQ3的算力不足以承担高级自动驾驶的运算任务。于是，特斯拉抛弃Mobileye，选择了英伟达。

从ADAS进化为真正的自动驾驶，英特尔面临着很大的挑战。

从L2到L3虽然只提升了一个等级，但实际上发生了质的变化。L2仍然是辅助人类进行驾驶，驾驶员一直拥有主导权。而L3需要车辆在一定条件下接管整个驾驶任务，这就对车辆的能力就提出了非常高的要求，对于车载芯片算力的要求也在急剧上升。目前市场上有很多支持L2级别自动驾驶的方案，但是L3的解决方案就很少了。如果车企想更进一步发展L4 级别以上的产品，英伟达几乎是唯一的选择。

Mobileye 在ADAS领域十分得意，但以视觉计算为主的方案在策略推理方以及算力面没有优势。这限制了英特尔向更高级别自动驾驶发展。为了弥补这方面的劣势，英特尔在2015年收购了已具备FPGA的AI芯片解决方案的Altera。

FPGA具有低功耗、高实时，可灵活编程等优势，十分适合承担自动驾驶相关的计算任务。英特尔此前推出的自动驾驶计算平台Intel Go中，已经应用了FPGA芯片。

在FPGA领域的布局让英特尔获得了和英伟达竞争的机会。不过FPGA在自动驾驶领域最终能否与GPU分庭抗礼乃至于超越，还是一个未知数。

自动驾驶芯片领域的玩家不仅仅只是半导体企业。特斯拉自动驾驶部分采用的是英伟达的芯片，但与AMD合作自研自动驾驶芯片的消息表明特斯拉并不甘心受人摆布。

如果自研芯片成功，特斯拉对于核心硬件就有更强的掌控力，就有望在硬件加速等方面形成独特的优势。更重要的规模化生产后，特斯拉可以借此降低成本。不过，并不是每一家车企都有这个魄力和实力。

5G技术的快速推进，给车联网的实现提供了条件。虽然英特尔在5G车联网也有布局，但是高通显然更具备优势。

高通在移动智能时代十分辉煌，但是其采用的ARM架构以低功耗而是不是高算力为核心竞争力。虽然汽车仍然要考虑能耗，但相比于手机而言，对于能耗要求并不苛刻。相反，自动驾驶、车联网对汽车的算力要求很高。而高通的芯片在算力方面，处于劣势。

英特尔通过收购Mobileye取得了ADAS领域的优势，而收购恩智浦的失败对于高通无疑是一个重大打击。不过高通在通信领域的巨大优势，有望帮助其在车联网领域扳回一城。

高级别自动驾驶实际上离不开车联网。车联网可以帮助车辆突破传感器盲区，实现车辆与其他车辆、行人、交通设施的沟通，可以减轻车辆对于传感器、人工智能、芯片算力的要求。虽然高通在车辆终端计算方面处于劣势，但车联网的应用可以让高通在未来获得发展空间。

实际上，距离真正意义上的自动驾驶实现还有很长的距离。未来几年，市场上主流的自动驾驶仍然是ADAS。接下来几年，英特尔在自动驾驶领域日子会比较好过。但是如果英特尔不能在芯片算力和车联网领域迎头赶上，在更远的未来很可能重蹈移动智能时代的覆辙。