车企加速入场「造芯」，芯片厂商觊觎「开放」稳住基本盘

智能汽车的高性能芯片之争，似乎还未有定论。

近日，百度控股的昆仑芯（北京）科技有限公司发生工商变更，新增比亚迪股份有限公司等为股东；官网显示，昆仑芯深耕人工智能芯片领域，此前主要应用于百度自有业务。

昆仑芯前身为百度智能芯片及架构部，于2021年4月完成独立融资，首轮估值约130亿元。2017年，该公司正式发布自研的、面向通用AI计算处理器芯片核心架构——昆仑芯XPU。

截至目前，昆仑芯已成功推出两代通用AI计算处理器产品：昆仑芯1代AI芯片、昆仑芯2代AI芯片，及多款基于自研芯片的AI加速卡：K100、K200、R200系列，以及AI加速器组R480-X8。

其中，昆仑芯2代AI芯片基于7nm工艺制造，2021年8月量产，基于最新一代昆仑XPU-R架构，配备GDDR6高速VRAM，内存带宽512GB/s。公开信息显示，这款芯片已经应用于百度自家的RoboTaxi自动驾驶系统。

此前，该公司CEO欧阳剑曾表示，未来车载计算系统必须是相对开放的，同时还能满足客户的定制化需求。未来，公司将考虑设计一款针对高端自动驾驶汽车的高性能汽车SoC。

目前，昆仑芯SDK可以提供从底层驱动环境到上层模型转换等全栈的软件工具。目前，昆仑芯已实现两代通用AI芯片的量产及数万片规模部署，并已建立起支持云端训练、云端推理、边缘推理的昆仑芯AI加速卡产品矩阵。

此次，比亚迪的入股，意味着，该公司的车用SoC进度将会加速。按照计划，昆仑芯第三代AI芯片将于2024年初量产。而目前，比亚迪正在开发的智驾计算平台主要是英伟达、地平线和TI。

有意思的是，去年就有知情人士透露，比亚迪内部正计划自主研发智能驾驶专用芯片，项目由比亚迪半导体团队牵头，已经向设计公司发出需求，同时也在招募相关的技术团队。

此外，比亚迪还参与了地平线的C3轮投资，也成为首批官宣搭载地平线征程5芯片的车企之一。事实上，和地平线类似，昆仑芯的背后，也有自己的底层视觉感知能力，也是百度Apollo自动驾驶系统的核心之一。

比如，百度去年也对视觉感知框架进行了升级，推出了第二代纯视觉感知系统Lite++，通过Transformer把前视特征转到BEV，在特征层面对相机观测进行前融合后，直接输出三维感知结果，并在模型设计层面，基于transformer结构，实现时空特征融合。

事实上，从Mobileye开始，到特斯拉，都是以视觉感知为核心竞争力。而对于大部分车企来说，具备功能定义、规控的自研能力（更多考虑到系统的体验），但感知，需要一套快速、高质量并且差异化的上车方案。

在过去，Mobileye的方案，因为「黑盒子」的模式，导致最终的上车体验差异并不大。因为车企和Tier1供应商都无法灵活加入自己的一些算法。

比如，理想汽车创始人、董事长兼CEO李想就明确指出，此前和Mobileye的合作是一个“黑盒子”，很多自家工程师的算法和技术无法进行扩展。而，后来与地平线的合作，才实现了定制化开发。

而从英伟达上车开始，不管是特斯拉、小鹏，都跑出了一条差异化体验的自动驾驶道路。其中，特斯拉更是通过自研FSD芯片，让这种差异化体验再上一个台阶。

事实上，感知也是全栈智能驾驶方案自主可控的源头和关键。一些行业人士也坦言，相比于感知算法的不断变化迭代和技术研发投入，车企在规划、控制算法上的自研，更加务实。同时，未来线控底盘方案商也会提供一部分能力给到车企。

但前提是，感知必须能够实现开放。

“我们的客户需要灵活性和自建能力，他们需要通过软件来区分和定义他们的品牌。”Mobileye总裁兼首席执行官Amnon Shashua承认。就在去年7月，Mobileye正式宣布推出EyeQ Kit™，这是该公司针对EyeQ®芯片的首个软件开发工具包(SDK)，为汽车制造商提供开放的软件部署和人机界面设计。

而在行业人士看来，汽车制造商也在不断平衡与供应商之间的关系，能否在黑盒和白盒之间找到最佳的结合点，成为关键。而在英伟达看来，有了集中式高性能计算，汽车制造商可以把更多的精力放在设计越来越智能的汽车。对于芯片厂商来说，这又是新的市场机会。

比如，英伟达推出了DRIVE Concierge，这是一个座舱人工智能平台，提供随时处于开启状态的智能服务，基于NVIDIA DRIVE IX和Omniverse Avatar实现实时对话AI、主动推荐、提醒等功能。

同时，DRIVE Concierge还可以满足自主泊车服务（比如召唤车辆、搜索停车位以及重建车辆3D环视等功能），并且基于内部摄像头和多模态互动，以确保驾驶员注意力处于系统可控的状态。

最终，英伟达希望通过向主机厂直接提供DRIVE Hyperion 8（基于Orin以及参考传感器）+DRIVE Concierge+DRIVE Chauffeur（基于NVIDIA DRIVE AV SDK的AI辅助驾驶平台），接近于一款交钥匙自动驾驶系统。

就在去年4月，高通收购汽车零部件供应商Veoneer旗下的Arriver（软件业务资产）子公司业务，包括感知软件和驾驶策略软件两块核心软件资产。高通首席财务官Akash Palkhiwala表示，Arriver的ADAS软件部门将成为高通迅速发展的汽车业务的重要组成部分。

而高通表示，Snapdragon Ride平台不仅包括硬件，还将为芯片提供“安全中间件、操作系统和驱动程序”。此外，高通还将提供定位、感知和决策软件，这是自动驾驶系统的三个关键部分。

在高工智能汽车研究院看来，目前主机厂对于核心计算平台的选择更加多元化。英伟达、高通、地平线、TI、黑芝麻智能等等都是可选项。同时，尽管很多计算平台也提供软件架构及算法支持，但考虑到Mobileye的黑盒模式带来的后遗症，二次开发、灵活可定制成为了主旋律。

比如，高通就向所有合作伙伴提供开放、可扩展、模块化计算机视觉软件栈（包括系统架构、硬件设计以及软件源代码），同时，独特的模块化架构，为车企提供扩展灵活性，能够集成地图众包、驾驶员监测系统（DMS）、泊车系统、蜂窝车联网（C-V2X）技术和定位模组，从而支持更优的定制化和向上集成。

与此同时，智能驾驶相关视觉AI芯片市场仍处于快速增长周期。

高工智能汽车研究院监测数据显示，2022年中国市场（不含进出口）乘用车前装标配前视一体机视觉SoC交付807.76万颗，同比增长24.48%；同时，域控制器架构（含主动安全控制器，用于融合控制）交付114.70万台，同比增长81.26%，首次突破百万台大关。

同时，统一计算平台，是大趋势，至少对于手握每年百万辆，甚至数百万辆新车交付规模的车企来说，这意味着规模化「降本」效应。

目前，汽车行业刚刚进入第一个阶段，就是基于集中式的电子架构+软件中间件（比如，SOA架构）来实现。不过，车企和一级供应商仍需要在不同的计算平台（对于车企来说，只能按照特定规格进行系统开发）之间进行选择，在这之上，还需要匹配不同的操作系统、中间件、应用层算法等。

同时，过去芯片硬件和软件是不可互换的。“至少，你不能在短时间用一个换另一个，他们不兼容。并且，硬件或者软件的更换，还需要大量时间的测试验证。”这意味着，在不同层级都需要实现开放。

接下来，汽车芯片赛道的格局也将开始进入分化阶段。

特定软件或内置感知算法的SoC，在短期内主要受益车企智能化上车，中长期随着车企市场格局的集中化（自研能力），开放生态、软件可定制甚至IP可定制的芯片供应商将持续收益。

而更大的变革来自开发模式。

一些开发工具供应商表示，目前部分头部车企正在加快通过硬件虚拟平台（比如，HIL硬件在环）进行软件的前置开发，从大局来看，汽车行业正在从一个非常线性的模式转向一个更加协作的模式，而具备自研能力的主机厂正在半导体和软件领域进行更深入的布局，从而形成新的生态系统。

比如，全球芯片EDA供应商之一的Cadence，此前公开表示，在过去的几十年时间里，公司的大多数客户都是传统半导体公司。但，如今这些客户的客户，正在成为该公司的主要收入来源。