不少分析认为，“软件定义汽车”，将会是新能源汽车“箭在弦上的产业变革”。
既然“软件定义汽车”，所以自动驾驶的安全性，也取决于软件的质量。由于大众关注自动驾驶的安全性，因此车厂对汽车软件的要求，自然远比电脑或手机更高。可是，如何才能写出安全可靠而又高质量的自动驾驶软件？这时候，很多人就会想起著名计算机科学家 Allen Kay 的名言：
认真写软件的人，应该自己做硬件。
毕竟众所周知，苹果设备体验比别人要好、系统比别人稳定，也是因为苹果往往能按着自家的芯片，打造自己的作业系统。因此，小鹏汽车的何小鹏就曾公开表示：
（汽车）一定要做软硬一体，像苹果一样的东西，才有可能最终有效率和有壁垒。
可见，尽管我们都在说“软件定义汽车”，但只有软件和硬件完美结合，才能实现更理想的自动驾驶效果。换言之，自动驾驶的计算平台，将会又反过来定义了汽车软件的质量。因此中金证券就认为：
汽车芯片，特别是自动驾驶芯片，将处于自动驾驶浪潮的制高点。
上回我们从目前自动驾驶赛道的基本布局入手，为大家讲解了目前汽车产业背后的的“技术联盟”特质。这一回我们会再借着分析自动驾驶芯片，探讨以下内容：
自动驾驶的芯片有什么特性？
不同种类的芯片，对目前汽车产业在自动驾驶布局上，带来多大的影响？
面对不同的芯片和计算平台，投资者又应该采用怎样的策略？
什么是自动驾驶芯片？
什么是自动驾驶芯片？它与一般汽车用的芯片有什么不同？
虽然近十年来，一般市售的汽车已经引入多种传感器，并高度电子化；但它们依旧采用俗称“单片机”的微控制器 (Master Control Unit, MCU) 芯片 ，而微控制器则主要由传统电脑常用、CPU（中央处理器）的单一架构芯片所构成。
图片来源：中金证券。
可是，自动驾驶汽车进行大量的人工智能计算，因此，它需要像手机一样，集成在 CPU 之外，进一进集成针对人工智能算法的特殊架构，当中包括 GPU（图像处理器）、FPGA（现场可编程逻辑门阵列）、ASIC（专用集成电路）等三类与 CPU 架构完全不同的芯片（上图），组成多模块的 SoC （系统级芯片）。
勉强打个比喻：传统汽车用的是类似传统电脑用的芯片，而自动驾驶汽车用的是类似手机用的芯片。
这些加入人工智能模块的异构芯片，向来不是传统车企、甚至传统汽车芯片厂商所专长的项目。此外，由于传统车用的 MCU 芯片设计比较简单，业内指每块芯片售价仅为 5 美元左右，再根据 IC Insight 的数据指，2019 年全球车用 MCU 市场才 64 亿美元左右。因此，传统车企向来并不太重视汽车芯片的业务，仅作为次级供应商 (Tier 2) 看待。
图片来源：富途。
但近年人工智能大为流行，因此像英特尔 (Intel)、英伟达 (Nvidia)、高通 (Qualcomm) 和华为等公司纷纷加入战场。也由于车用人工智能芯片的设计，远比传统 MCU 复杂，据指单价一般在 100 美元以上，如果高性能的人工智能芯片，更可能高达 1,000 美元以上。因此，观研天下预测自动驾驶芯片市场规模，在 2022 年可以高达 102 亿美元。
可见自动驾驶芯片背后，是一块逾百亿美元的全新市场。也由于自动驾驶芯片变得越来越重要，有分析指出，英特尔等芯片企业在汽车供应链的地位，将取代传统博世 (Bosch) 等主要的汽车供应商，会摇身一变成为一级供应商 (Tier 1)。
怎样才算是好的自动驾驶芯片？
一般衡量自动驾驶芯片质量的指标，主要为“算力”和“功耗”。
自动驾驶芯片的算力衡量单位为 TOPS（Tera Operations Per Second，每秒万亿次操作），据业界说法，目前业界最常使用的 L2 级别自动驾驶技术（即高级辅助驾驶功能，ADAS） ，只需大约 10 TOPS 的算力就能实现。但要实现被视为真正自动驾驶的 L4 级别水平，算力需要超过 100 TOPS 或以上；而马斯克每天唠叨着很快实现的 L5 级别？更需要达到 1,000 TOPS 以上。
图片来源：富途。
那现在已付运的汽车芯片，又有多少算力呢？很抱歉，一般有 10 TOPS 以上就很好，最多勉强实现 L2 级别而已（上图）。什么 L5 级别吗？就散了吧。
等一下，英伟达早前推出由两块 Xavier 芯片、两块 GPU 组成的 Drive AGX Pegasus 计算平台，算力更高达 320 TOPS，不香吗？可惜的是，真的不怎么香。无疑，这些芯片厂商要通过狂堆硬件搭成计算平台，也能轻易增加算力，但却要付出更高的成本、以及更高的功耗作为代价。
虽然汽车不像手机一样，芯片跑几小时游戏就会花光电池；但汽车也不像手机一样，重启一下系统就没事。毕竟高功耗的芯片，发热也严重；如果这些芯片真的热到死机，你的车子可能会在自动驾驶期间突然死机，想起都觉得可怕。换言之，产业勉强要提高算力，实现 L4 级别自动驾驶，将会出现严重安全隐患。所以，只有同时兼具高性能、低功耗的芯片，才算得上是好的自动驾驶芯片。
可是，芯片问题更不止于此。在算力和功耗背后，还有一个影响自动驾驶布局的神秘因素：耦合度。
英特尔方案：软硬结合的典范
先前我们提到，好的自动驾驶软件，必须与自动驾驶平台完美匹配。我们也提到，高性能且低功耗的芯片，才是好的自动驾驶芯片。有这样的芯片平台吗？有的，那就是被英特尔收购了的 Mobileye。
英特尔与人工智能芯片公司 Mobileye 的结合，向来被视为是“软硬结合”的最佳典范，原因是Mobileye 把相关的自动驾驶算法，直接刻在针对汽而设的的专用集成电路芯片 (ASIC)（详情请参考这篇内容，此处不赘）。
更要命的是，英特尔更收购了视觉芯片公司 Movidius、视觉算法公司 Itseez、协助训练算法的 FPGA 芯片公司 Altera 等等，借此搭建多传感器数据融合的全栈方案，成为目前少数从感知端（视觉感知）到控制端（行车决策和规划）全盘整合的公司，也是少数能提供从软件到硬件的全栈方案的公司。因此，英特尔与 Mobileye 的全栈方案，被视为目前耦合紧密度最高的自动驾驶方案，没有之一。
用中国人工智能芯片企业地平线的说法：
英特尔将算法和芯片进行协同设计，可以轻易地获得超过 10 倍的性能提升、10 倍的功耗下降和 10 倍的成本下降，并且缩短了客户导入时间，由此获得的商业竞争优势，想想就觉得恐怖。
况且，Mobileye 进入自动驾驶领域，比不少竞争对手也更要早，所以他们在技术上也更为成熟、更为可靠。因此，尽管 Mobileye 的芯片，在单纯的算力上没有足够优势，仍然能实现与竞争对手媲美的高等级自动驾驶水平。
图片来源：Mobileye。
不少初次涉足自动驾驶、但又没有相关技术积累的的传统车企，最初也只能先采用英特尔的全栈方案；新能源汽车领导者特斯拉，最初也使用 Mobileye 的方案（当时英特尔尚未收购 Mobileye）。因此，英特尔在自动驾驶芯片市场获得了巨大的成功：Mobileye 在 2020 年的 CES 里曾表示，他们目前累计已卖出 5,400 万枚芯片、目前占了全球辅助驾驶汽车市场的 70% 以上的份额（上图）。
让人又爱又恨的紧耦合
既然如此美好，英特尔不该早就垄断市场了吧？为什么这么多车企，最后选择蝉过别枝，采用其它公司的方案？
问题是：英特尔成也紧耦合、败也紧耦合。
左边是紧耦合示意图，右边是松耦合示意图，图片来源：Nordic APIs。
英特尔的紧耦合方案，虽然在效率和成本上有着巨大的优势，但由于软件和硬件紧密结合，导致各种因素一环接一环，只要当中任一环节出了转变，本来高度紧密的系统就很容易出现问题。用个简单说法，车企要在要在英特尔的紧耦合方案里作出任何改动，原理上相当困难（上图）。
诚然，采用了英特尔方案的车企，很难进在系统上进行任何差异化的调整；但更可怕的是据消息指出，Mobileye 并不会向车企提供原始数据。我们先前提过目前的自动驾驶汽车竞赛，实际上是数据竞赛；但车企没有原始数据，又怎可能自研？他们的汽车只能乖乖听话，成为英特尔的“扯线木偶”。
可是，既然说自动驾驶是未来汽车的核心竞争力所在，车企理所当然地不甘心受英特尔摆布。所以，尽管不少车企和技术平台为了尽快进场，均采用英特尔的全栈方案；但他们实际上都在“先上车、后补票”，在进入自动驾驶赛道后就暗地里另起炉灶，加速自主研发，摆脱英特尔的控制。
结果到了 2017 年，特斯拉就率先弃用 Mobileye，转投英特尔在自动驾驶的最大竞争对手：英伟达。后来奔驰、蔚来、小鹏、理想等车企，也因为英特尔的方案过于封闭，纷纷宣布转投英伟达的怀抱。
问题是，为什么是英伟达？
英伟达平台：汽车界的 Android？
英伟达最初是一家做屏幕显示卡的公司，后来由于 3D 影像开始流行，他们开始将重心由显示卡，转变至全新的异构处理器架构：GPU（图像计算单元）。后来，他们基于 GPU 拥有海量核心、能同时处理海量任务的特性，推动平行计算概念，进一步推动开发者使用他们的异构计算，成为电脑产业里一员核心玩家。
在 2010 年开始，人工智能的重要性越来越高，恰好相关算法需要进行大量的平行计算（上图），英伟达乘势而起，一跃而成人工智能界别的领导者地位。而自动驾驶功能涉及大量的人工智能算法，GPU 也成为了自动驾驶开发者最常使用的开发平台。
结果，英伟达也很自然地成为了继英特尔之后，另一个最重要的自动驾驶芯片玩家。
更重要的是，由于目前自动驾驶技术远远叫不上成熟，还有巨大的改进空间；但英特尔与 Mobileye 的的人工智能算法，被烧死在专用的 ASIC 芯片之上，难以通过软件升级来改良相关算法。但是，英伟达的 GPU 方案，却是更灵活、更具弹性的通用计算方案，开发者可以轻松通过软件，为自动驾驶系统快速实现迭代。因此，GPU 平台更受那些在竞争激烈的自动驾驶赛道里拼博的车企青睐。
图片来源：First Mile。
英特尔的方案虽然简单而可靠，但更封闭而僵化的开发环境，让人想起苹果的 iOS。而英伟达的方案不但更开放、也更具弹性，看起来就像 Android 一样。事实上，目前在自动驾驶芯片领域里，也像 iOS 与 Android 一样，已分为英特尔和英伟达两大派系，构成两雄争霸的局面（上图）。
没想到也由于英伟达太像 Android 了，它还是当不成汽车界别的 Android。
让人又爱又恨的开放性
毕竟苹果虽然不够开放，但相当好用；英特尔的方案也因为封闭，所以效率相当高。Android 虽然开放，但开放性也使 Android 手机带来不少问题；同样地，GPU 平台的开放设计，也不可能实现英特尔那种“软硬结合”的高度紧耦合水平，严重影响其软件效率。
故此，转投英伟达 GPU 方案的车企，必须使用比英特尔方案更高的算力，以及比 Mobileye 芯片更高的功耗，才能实现接近的功能。但偏偏由于 GPU 方案需要更高的算力，成本也因而更高，功耗也自然大得惊人。
2017 年英伟达就曾推出 Drive PX2 计算平台，算力高达 320 TOPS，能满足 L4 级自动驾驶需要，英伟达号称得到全球三百余家车企采用。但据国金证券指出，让 Drive PX2 平台售价竟高达 16,000 美元（作者注：一台低端汽车的价格相若，也比 5 美元一块的传统汽车芯片，贵上的 3,200 倍），功耗也高达 425 瓦，根本无法满足车规条件，按功耗和功本看，仅仅足以作小规模测试之用。
因此，不少车企在使用英伟达的 GPU 方案来开发自家技术，也不得不脚踏两只船，继续采用英特尔更方案的全栈方案。
此外，不少车企相信软硬件协同才是出路，所以在使用 GPU 通用计算平台的同时，更混搭英特尔旗下 Altera 的 FPGA （现场可编程逻辑门阵列）芯片。FPGA 芯片与 Mobileye 等 ASIC 一样，可以把算法直接记录在芯片之上，加强系统的耦合度，增强执行的效率，并降低计算平台的功耗；但与此同时，它又容许开发者在芯片上多次编程，车企未来要迭代改进，也更为方便。
上述对不同芯片平台的分析均属主观印象，不一定反映平台的实际情况，仅供参考。
不过，FPGA 虽然同时具备一定的效率和灵活性，但量产成本远远比 ASIC 更高，效率却远低于 ASIC（上图）。所以一般来说，GPU+FPGA 的搭配，只限于在云端平台、或是在研发初期小规模使用；未来要在汽车上大规模部署自动驾驶芯片，车企仍然要指望专用的 ASIC 芯片。
为什么车企都要自研芯片？
所以不少分析都指出，未来的自动驾驶芯片，仍然是属于 ASIC 芯片的世界。
但车企要回归 ASIC，不又是要向英特尔投降吗？找英特尔又怎能自研自动驾驶技术？方法还是有的，那就是自研 ASIC 芯片，然后把自家的算法，写在自研的专用芯片之上。
事实上，特斯拉在一边使用英伟达的通用 GPU 平台的同时，也一边开发自家的 ASIC 专用芯片：FSD 芯片。随着特斯拉之后，不少车企赶紧说要抄作业，相继宣布要自研芯片，当中包括中国的蔚来、小鹏、零跑；就连 Google Waymo、百度、阿里非车企的技术平台，也准备要自研 ASIC 人工智能芯片，加入战场。
当然，上述这些车企的“造芯”大计，也就停留在“计划”阶段，个中原因，还是自研芯片难度本来就相当高。毕竟小米的雷军就曾说过，芯片行业 10 亿起步、10 年结果，他们在 2014 年开始造芯片，现在才准备推出第二代澎湃芯片，难度多高，可想而知。
但问题并不仅如此。
自研芯片真正的最大问题，是巨大的前期研发投入。车企要自研芯片，就必须确保能生产一定的数量，分摊研发费用，才能降低成本。换言之，自研芯片的产量愈少，其成本将会按几何级数暴增。试想想：小米手机每年数以千万计的出货量，自研芯片时依旧非常吃力的话，那大型车企每年 100~300 万不到的出货量，更难以降低成本。
当我们再考虑到目前自动驾驶汽车的发展，还处于萌芽阶段，车企更难以大规模铺货，产量自然就更少，成本自然更高（上图）。换言之，尽管不少车企老是在吹牛皮，说自己有足够技术可以自研芯片，但他们真的有足够的资金和出货量，来支持自研芯片的高昂成本吗？
国产芯片企业的突破口
办法当然也不是没有的。理想汽车的王凯就曾表示，汽车芯片需要有三年的使用周期，可见车企为了要降低芯片的量产成本，只能把芯片的使用时间尽量延长就好。
不过，这些车企这回要自研的，偏偏是缺乏灵活性、难以通过软件迭代的 ASIC 专用芯片，而偏偏自动驾驶技术目前尚未成熟，仍处于高速迭代时期。再试想想：倘若竞争对手的自动驾驶算法有了大幅改进，但你的车企却因为自研芯片无法追上？无论你手上的芯片再强、技术再牛，也是动弹不得，眼白白被对手超越。
换言之，除非像特斯拉这种资金雄厚的车企，否则他们在现阶段不可能真正造到自研 ASIC 芯片。但既然 ASIC 芯片是自动驾驶芯片的未来，但自研 ASIC 芯片又如此困难，那车企可以怎么办？
目前在国内还有第三条路线，就是半开放、半定制的 ASIC 芯片路线。
虽然这些国产人工智能芯片，仍然像 Mobileye 的 ASIC 芯片一样，能效比虽高、但灵活性偏低，但这些国产人工智能芯片并不仅只有全栈方案，而是给予车企一定的开放性，让他们按着自家的 ASIC 芯片，打造自己的软件。事实上，这些国产人工智能芯片供应商，目前也尚未能实现英特尔同级的紧耦合水平；但他们会与车企分享各种数据，并为车企提供大量的软件开发支持。
因此，尽管车企仍然无法像使用英伟达平台一样，完全由自己掌握整个自动驾驶技术，但尚不至于像使用英特尔平台一样，只能仰别人鼻息（上图）。也由于如此，在海外企业雄霸自动驾驶芯片的情况下，国产芯片企业仍然存有一定的发展空间。
投资建议：英特尔
既然自动驾驶芯片赛道是如此复杂，那我们应该采用怎样的投资策略？
目前全球的车企与供应链首选的平台，仍然只有英特尔与英伟达两大平台。我们先来分析一下这两家公司的前景，以及相关的投资策略。
近年，虽然英特尔 (NASDAQ:INTC) 被英伟达抢了不少风头，原因是他们的系统耦合度过高，不利车企自主研发。毕竟英特尔自己不造车，只能依赖车企和供应商采用他们的方案，虽然 Mobileye 曾作出一定程度“开放”，但业界普遍持质疑态度。随着车企加深自动驾驶布局，长期而言将会有越来越多车企，像特斯拉一样转投英伟达、弃用英特尔方案。
但正如先前所述，他们仍然是自动驾驶芯片的行业领导者。传统车企和供应商在这数年间加紧向智能汽车转型；但他们往往缺乏相关技术，只能通过“先上车、后补票”的策略，先找英特尔的全栈方案，快速实现智能功能，然后才慢慢自主研发。早前吉利与英特尔的合作，就是一个典型例子。可见在在短期而言，英特尔与 Mobileye 在自动驾驶领域上，仍然能有相当大的增长潜力。
但投资英特尔的真正风险，其实并不在自动驾驶领域的封闭策略，而是他们自身的发展问题。
图片来源：英特尔。
笔者先前曾提及英特尔在 PC 芯片以及数据中心等多个业务，均受到竞争对手严重的威胁。他们在去季财报里，虽然 Mobileye 继续保持强劲增长，业绩更创出历史新高，但汽车板块以外的各项业务，表现均不太理想（上图）。可见，尽管英特尔目前股价处于历史高位，但约 13 倍的市盈率，反而处于近二十年的低位，反映市场并不看好其未来前景，这将会成为短期的潜在风险。
简言之，笔者建议现阶段绝不宜仓促投资，但持续关注英特尔在新 CEO 上任后，是否能力挽狂澜。
投资建议：英伟达
海外的另一个自动驾驶芯片巨头，是英伟达 (NASDAQ: NVDA)。
先前我们就一直提及，近年不少车企为了开发自家的自动驾驶技术，也陆续采用英伟达的 GPU 方案，使他们在自动驾驶芯片赛道上快速冒起，并有望取代英特尔原来的领导地位。诚然，车企在自动驾驶赛道上的竞争，只会越来越激烈，而且人工智能的重要性也越来越高，相关商机只会越来越多。
讽刺的是，英伟达除了在自动驾驶芯片上与英特尔在竞争，他们更通过 GPU 搭建服务器给的人工智能加速器，迅速扩大自己在数据中心的势力，并持续威胁英特尔在数据中心上的统治地位。可见只要考虑到 GPU 对开发人工智能的重要性，再考虑到目前英伟达在 GPU 技术上的领先地位，大家就能理解英伟达的未来增长潜力，实在是大得惊人。
然而，投资英伟达也并非没有风险。毕竟全地球人也知道，英伟达未来前景光明，所以股价也早被炒起来。目前英伟达的股价也处于历史高位，市盈率最高可达 80 倍（目前约 74 倍）；以此与英特尔约 13 倍、AMD 约 38 倍、高通约 23 倍、赛灵思约 49 倍、博通约 56 倍市盈率相比，明显可见英伟达的股价，已有一定程度的过热迹象。
图片来源：东吴证券。
况且，英伟达的 GPU 架构，在功耗上先天有着巨大限制，所以车企未来路线图的终点，只有 ASIC 主导的人工智能芯片、而不是 GPU。另一方面，英特尔在数据中心市场上，也早布署了能效比更佳、灵活性更好的 FPGA 方案，来应对英伟达的威胁；毕竟数据中心仅需小量 FPGA 芯片，其部署成本也比动辄以十万计的自动驾驶汽车上要低。
换言之，英伟达目前股价略为过热，长远发展会有一定的风险。不过，考虑到以 CEO 黄仁勋为首的管理团队，善于洞察未来科技趋势，笔者对英伟达在未来三年的前景审慎乐观，建议可持续关注。
投资建议：国产芯片企业
最后，我们必须承认在 3~5 年的时间维度下，国产芯片企业几乎不可能获得快速的发展空间。
虽然有不少分析师看好华为的发展，但他们毕竟比英特尔更迟进入自动驾驶赛道，所以缺乏足够的积累。尽管我们相信，华为拥有能与英特尔抗衡的技术水平，但华为走的是与英特尔类似的全栈路线，毕竟全栈方案非常依赖供应商的支持。
但华为近年受到实体清单的影响，难以保证后续的稳定支持，车企自然不敢押注在他们身上。所以据业界消息指出，车企对与华为全栈合作方案，也相当谨慎。
除了华为之外，其它处于这条赛道上的国产芯片企业，均只能在 ASIC 方案上站队。先前我们多次提过，目前自动驾驶术仍然相当不成熟，仍然在不断地快速迭代；偏偏 ASIC 芯片灵活性不足，难以配合车企的迭代步伐，所以车企在短期之内，几乎不会大规模部署 ASIC。
主要国产人工智能芯片净利润。注意：寒武纪的数据为扣除非经常性损益后归母数据，地平线 2020 年仅为半年数据。
因此，这些以 ASIC 为主的国产企业，均难以接得大额订单；但芯片研发前期投入巨大，接不到足够的订单，就只能烧钱度日（上图）。以 AI 芯片第一股寒武纪 (SHA: 688256) 为例，他们在 2020 年就亏损 4.36 亿元；另一家人工智能芯片企业黑芝麻（未上市），也在 2020 年净亏损 3,500 万元；情况稍一丢丢的地平线 (NEEQ:831740)，在 2020 年上半年盈利仅 49 万元，同比下跌 83%。
Odin 估计这样的烧钱情况，在 3~5 年之内也不会有显著改善。
当然，这并不代表国产芯片企业完全没有投资价值。毕竟产业早已认定 ASIC 才是未来，加上国产替代因素，长期而言，这些国产芯片企业仍然值得期待。更重要的是，不少画了大饼的国产车企，根本无力生产芯片，只能通过投资或收购这些公司，来获取技术上的支持；早前长城汽车战略投资汽车地平线，就是典型例子。
可见，投资者在短期内仍然有一定机会，通过在各种融资与并购活动里，获取一定的回报。但关键是芯片产业吃本极重，而且必须通过大规模铺货，才能降低成本，带来利润；因此，ASIC 在未来必然会经历残酷的汰弱留强情况，出现明显的马太效应。因此，投资专研 ASIC 国产企业，风险极高，投资者切勿 All-in 少数公司，而需要把投资分散在多家公司之上，降低投资风险。
－－－－－－－－－－－－－－－－
上述内容仅供参考，对任何因直接或间接使用本内容涉及的信息、或者据此进行投资所造成的一切后果或损失，作者不承担任何法律责任。
评论