加入星计划,您可以享受以下权益:

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入
  • 正文
    • 产品技术:硬件实力是根本
    • 商业模式:Tier1 or Tier2,黑盒or白盒
    • 市场验证:落地量产是王道
  • 推荐器件
  • 相关推荐
  • 电子产业图谱
申请入驻 产业图谱

3-5年黄金窗口期,本土汽车AI芯片厂商如何角力

2021/12/17
1150
阅读需 17 分钟
加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

“去年开始的一轮芯片荒,加之中美博弈的因素,让大家认识到当全球产能紧缺,中国厂商在全球厂商分配的份额列表里永远是最低优先级;同时,中国智能电动汽车产业发展比全球快,需要更符合它技术迭代速度的供应商,能够全方位贴身服务,这些都是本土车规芯片的机会。但这个机会的窗口期不会太长,3-5年的时间,就是现在重塑供应链体系的一个窗口,一旦新的供应链体系成熟了,有了一条尽可能本土化的体系,这个窗口也就关了。”近日,在黑芝麻智能的一次深度媒体交流会上,该公司CMO杨宇欣如是说。

黑芝麻智能CMO杨宇欣

这里的车规芯片理论上涵盖智能电动汽车核心的功率器件传感器控制器,以及本文重点讨论的AI芯片等。众所周知,随着高级别智能驾驶的到来,智能汽车需要处理大量的图片/视频等非结构化数据,仅依靠传统MCU芯片不能满足运算需求,具备AI能力的主控芯片成为主流,汽车主控芯片结构形式也由MCU向SoC异构芯片方向发展。东吴证券研究数据就显示,2020年我国汽车AI芯片市场规模为14亿美元,预计2025年我国汽车AI芯片市场超92亿美元,未来5年CAGR 45.0%。而这一领域因为目前玩家不多属于蓝海,伴随车规芯片的这场国产化浪潮,也让汽车AI芯片成为一条黄金赛道,近几年快速涌现了包括黑芝麻智能、地平线、寒武纪、芯驰、芯擎等在内的多家本土造芯新势力。

虽然上面提到汽车AI芯片目前仍属蓝海,但深层原因也是因为汽车AI芯片这种异构SoC芯片的技术门槛和开发难度更高,需要企业有深厚的技术功底和开发经验,且因为汽车市场技术迭代的特殊性,芯片厂商design in、design win的周期相对更长,前期就需要更多的资金投入。这些本土汽车AI芯片厂商面临巨大的挑战,一方面有相对成熟的技术和占据绝对市占的国际大厂如英伟达、英特尔,另一方面是汹涌而来的本土同行之间的内卷,头顶还笼罩着3-5年的窗口期这块乌云。

无疑,伴随目前汽车自动驾驶技术从L2级逐渐向L2+和L3级迁移,汽车整车电气架构将发生一次深度的技术变革,本土汽车AI芯片厂商的机会是有的,但竞争同样焦灼,而各玩家的主要角力点包括:

产品技术:硬件实力是根本

虽然自动驾驶不断扩展的功能和应用场景对于软件和算法的要求越来越高,汽车AI芯片厂商大多也都强调自己兼具硬件和软件、算法的全栈能力,但因为软件和算法毕竟还有外部开放的产业生态可以部分支持,同时作为自动驾驶汽车尤其是未来域控制器的核心处理和控制单元,对汽车AI芯片厂商的基本要求肯定还是硬件实力,即产品要过硬。如杨宇欣所说,“如果把自动驾驶比喻成大家要一起唱一台戏的话,芯片其实是舞台,芯片的边界决定了舞台的大小,所以为什么大家去争夺大算力,是因为我们现在不知道这个戏要唱成什么样,因为自动驾驶还在不断地增加场景、不断在探索,我们只能竭尽所能把舞台搭得更大。”

从芯片产品的技术路径上,L2级之前的自动驾驶领域,可以说是Mobileye横扫市场,一家占据70%左右的市场份额,但是到了L2级以上,Mobileye的技术受到挑战,因为它的技术路线来自于多年积累的传统的机器视觉算法。而到了L2级以上,传统的机器视觉算法已经不能满足,需要人工智能技术的导入,整个技术体系将被颠覆,包括硬件和软件。

而本土的几家汽车AI芯片厂商,从产品定义初期就选择了面向未来自动驾驶的发展的具有可扩展性的AI芯片的方向,在SoC芯片中引入神经网络和机器学习运算单元,并灵活采用包括CPU、GPU、DSPISP等不同组合的多核架构。

根据汽车智能化的分级标准,目前一般认为,L2级自动驾驶需要的计算力<10TOPS,L3级需要的算力为30~60TOPS,L4级的算力需求>100TOPS,L5需要的算力目前未有明确定义(有预测需要至少1000TOPS),自动驾驶等级每增加一级,算力需求增长一个数量级。如果考虑功能安全的冗余备份,算力需求还要翻倍。根据行业推算,全自动驾驶时代,每辆汽车每天产生的数据量高达4000GB,为了更好的智能驾驶表现,计算平台成为汽车设计重点,针对算力不足的核心瓶颈,汽车行业掀起算力军备竞赛,但对汽车AI芯片厂商而言,通常大家理解的算力只是一个基本的入门门槛,同时也有更深层的含义。

杨宇欣就提到,“其实讲算力,不仅仅是大家理解的TOPS即每秒钟能进行多少万亿次的计算,我们认为算力是综合计算能力,自动驾驶对芯片的性能要求不简单只是需要算力。自动驾驶本身是一个系统,支持不同的传感器需要更完整的算力,包括CPU、GPU、NPU、DSP等等综合的算力,所以我们认为其实计算能力的提升是对整个芯片完整的计算能力体现,所以我们很少讲我们的产品是汽车AI芯片,而是定位为一颗计算芯片。”

同时因为前面提到的汽车整车电气架构仍在不断变革,对其中核心芯片的技术要求仍存在很大变数,汽车AI芯片在整个SoC架构上的灵活可扩展性对整车厂未来的技术迭代和系统升级至关重要。对此,黑芝麻智能应用工程副总裁邓堃表示,“的确汽车AI芯片架构还在不断变化和迭代调整过程中,还没有形成定论。我们在产品定义之初会和主机厂伙伴进行深入沟通和调研,看整个行业当前的发展趋势,判断未来三年之内需要的CPU、GPU和NPU算力,确定芯片研发的重点;同时我们在生产一代芯片的同时会规划下一代,这时已有的主机厂和合作方的经验也只能作为参考而没有太多的指导意义,我们会同时调研包括国际和国内的市场,首先对标国际最高的算力平台,针对这个算力平台再做一定的扩展,即对标TOP1的平台来做两代芯片的迭代。”

黑芝麻智能应用工程副总裁邓堃

而相比于采用第三方IP模块,具备自研能力的一个好处是可以继续提升性能,而不是受制于外部供应商的通用性能限制。从这一点也可以看出未来汽车AI芯片的竞争,IP核的自研能力或许是一个典型的差异化竞争点。这里面最核心两个功能模块的是图像信号处理单元ISP和AI运算单元NPU(也有厂商如地平线叫BPU)。可以说,ISP是解决看得清的问题,通过传感器获取的图像信息,通过ISP的数字图像处理后,降低噪声,获得更好的动态平衡,从而让车辆在机器视觉方面看得更清楚。NPU则解决看得懂的问题,来监测、识别物体或者车道线、车辆、红绿灯这些信息。

邓堃强调,“黑芝麻智能两项技术优势是,ISP和NPU这两个自主研发的核心IP,其他同行并不完全具备这两类IP,更多采用购买的形式。”

商业模式:Tier1 or Tier2,黑盒or白盒

特斯拉发布首款纯电动跑车Model S,到国内以“蔚小理”为代表的一波造车新势力奔跑入场成为传统汽车市场的颠覆者,并且加速带动汽车产业的电动化、智能化,也不过10来年的时间。由此也引发了整个汽车产业链的一次重构,从Tier2、Tier1到OEM都有大批新玩家入场,尤其因为智能化改造让OEM对车内电子系统设计以及核心芯片的依赖度逐渐提高,从而让相对已经固化的汽车供应链上的商业模式出现了一些不同的可能性,Tier2和Tier1之间的界限似乎变得有些模糊,也出现了所谓的Tier1.5的模式,即有些芯片厂商跳过Tier1,为部分OEM直供芯片。

这种方式看似更加灵活,但却不是所有Tier1和OEM都会买账,因为现在OEM之间的竞争也非常激烈,各家对供应商选择的敏感度极高,因此更多的芯片厂商还是选择界限清晰的Tier2模式。就此,杨宇欣提到,“产业链环节有商业逻辑在里面,车厂短期内不会直接和芯片公司采购芯片,还是通过Tier1来采购。因为这次芯片荒给大家造成了很多困扰,有的车厂在探讨是否要直接购买芯片,但目前更多的还是Tier1来采购。当然整个产业链重构仍然在发生,边界的重新界定现在还没有固化下来。我们黑芝麻智能的定位肯定是Tier2,因为从芯片到应用落地一定是要和所有人合作的。”

除了Tier1、Tier2的定位之外,汽车AI芯片领域一直也有关于黑盒、白盒的争论。Mobileye就因为黑盒策略而备受诟病,Mobileye 一直采用传感器+芯片+算法绑定的一体式解决方案,这种封闭模式也导致客户开发灵活度下降,短期有利于提升市场占有率,受到转型较晚或者 AI 投入少的 OEM 厂商欢迎。但长期会导致定制差异化产品的能力欠缺,快速迭代升级产品的造车新势力或对转型速度要求较快的OEM 厂商很难接受 Mobileye 的“黑盒”方式,它的数据对OEM也是完全封闭的,如果OEM需要做一些方案的调整时无法得到支持。

例如小鹏汽车曾短暂地用 Mobileye芯片做过测试后决定在P7上改用英伟达,主要原因在于小鹏希望把芯片和算法剥离开,采用可编程的芯片,在芯片上进行算法研发和定制化,跟场景结合,而英伟达提供芯片+开放软件生态,提供包括 Drive AV、Drive IX、Drive Sim 等软件在内的完整的开发者套件。

与对芯片厂商在供应链上将扮演Tier1、Tier2还是Tier1.5的身份定义还存在很多变数没有定论不同,关于黑盒和白盒模式的争论已经被验证,更开放的白盒模式才是大趋势。更多的本土芯片厂商也都采用这种策略,如邓堃介绍,“黑芝麻智能提供软硬解耦的方式,采用硬件预埋、算力预埋的形式达到比较高的算力,但是软件算法可以利用工具链来独立于硬件的开发,可以继续采用快速的可持续迭代开发的形式,来根据客户的需求调整自己的软件和算法,实现更多的功能。同时我们现在在国内有大量的生态合作伙伴,包含算法还有一些软件、地图、定位,以及一些硬件的合作伙伴”。

市场验证:落地量产是王道

L2级以下的自动驾驶市场是Mobileye一家独大,到了L2~L2+级英伟达有后来居上之势,目前虽然国内政策层面对L3级自动驾驶的标准并不清晰,并未允许L3级的自动驾驶车辆上路,但众整车厂已经打响了卡位战,纷纷布局更高级别的自动驾驶功能,前面也提到,到了L3级以上的自动驾驶对芯片算力的要求大幅提高,整车厂可能迎来一波换芯潮,本土汽车AI芯片厂商要抢入市场,机会就在这一轮换芯的短暂窗口期。毕竟归根结底,能尽快落地量产、抢占客户和市场才是王道。

而目前市场上可达到量产级别的大算力汽车AI芯片中,英伟达最新的算力高达每秒254 TOPS的Orin X芯片已经送样,据英伟达相关发言人表示目前已经签了国内好几个车企的订单,第一款车应该是在2022年量产。据悉最新的Orin X不仅算力提升显著,而且成本也降低不少。

前面也提到,另一大厂Mobileye因为受限于自身技术路径和黑盒商业模式的弊端,逐渐失去在更高级别自动驾驶领域的优势,虽然该公司近几年也开始尝试作出调整拥抱开放的生态,但市场是否买账、能否成功转型还是未知数。而该公司虽然2年前就宣布推出最新EyeQ5自动驾驶芯片,但目前市场上除了吉利,还没有其他车厂确认采用这款产品。

回到国内的汽车AI芯片厂商,地平线是目前市场前装导入出货量最多的一家,征程系列实现超过80万颗的出货量,与长城、上汽、广汽等多家本土汽车制造商已经达成合作,应该说在design in中有一定先发优势,但最新消息是,地平线面向L3级以上自动驾驶的大算力芯片还未送样。

另一家黑芝麻智能的大算力AI芯片已经向整车厂送样,杨宇欣介绍,“自动驾驶领域国内现在真正做出芯片能拿给客户的不多,仅就大算力芯片而言,目前只有我们能给客户供样,大概明年年中六七月份的时候可以实现量产。”

而面对国际大厂在中高端市场的冲击,谈及本土企业的机会点,邓堃表示,“国际大厂有多年的技术和行业积累,造就了他们目前在汽车领域的领导地位,值得我们学习和借鉴。但是我觉得并不会一直这样持续下去,现在国内像包括黑芝麻智能在内的多家优秀的芯片公司都是近几年才创办的,相对而言在技术实力包括芯片规格和能力上已经赶超先进水平,未来预计我们的下一代芯片A2000的算力会比国际一线品牌还要高一个量级。在未来,整车厂客户会有更多国产化芯片的选择。”

相信大多数人都认同,因为产业固有的属性,最终汽车产业链各环节的玩家还是会逐渐收敛到少数几家,而正如开篇所说,本土车规芯片包括AI芯片厂商能否在这次供应链重塑的窗口期占得一席之地,相信2022-2023年是最关键的冲刺期。

推荐器件

更多器件
器件型号 数量 器件厂商 器件描述 数据手册 ECAD模型 风险等级 参考价格 更多信息
A4970SLBTR-T 1 Allegro MicroSystems LLC Brushless DC Motor Controller, 1A, PDSO24, LEAD FREE, MS-013AD, SOIC-24

ECAD模型

下载ECAD模型
$4.16 查看
ADF4106BRUZ-R7 1 Analog Devices Inc 6 GHz integer-N PLL

ECAD模型

下载ECAD模型
$4.12 查看
ADG1636BRUZ 1 Rochester Electronics LLC DUAL 1-CHANNEL, SGL POLE SGL THROW SWITCH, PDSO16, ROHS COMPLIANT, MO-153AB, TSSOP-16
$5.2 查看
黑芝麻智能

黑芝麻智能

黑芝麻智能科技有限公司成立于2016年,是行业领先的车规级自动驾驶计算芯片和平台研发企业,专注于大算力计算芯片与平台等技术领域的高科技研发。 黑芝麻智能能够提供完整的自动驾驶、车路协同解决方案包括基于车规级设计、学习型图像处理、低功耗精准感知的自动驾驶感知计算芯片和自动驾驶计算平台,支撑自动驾驶产业链相关产品方案的快速产业化落地。

黑芝麻智能科技有限公司成立于2016年,是行业领先的车规级自动驾驶计算芯片和平台研发企业,专注于大算力计算芯片与平台等技术领域的高科技研发。 黑芝麻智能能够提供完整的自动驾驶、车路协同解决方案包括基于车规级设计、学习型图像处理、低功耗精准感知的自动驾驶感知计算芯片和自动驾驶计算平台,支撑自动驾驶产业链相关产品方案的快速产业化落地。收起

查看更多

相关推荐

电子产业图谱

与非网总编。所知有限,不断发现。抱持对技术、产业的热情和好奇,以我所知、所见,真实还原电子产业现状和前沿趋势。

微信公众号