據外媒報道，美國電動汽車品牌特斯拉CEO伊隆•馬斯克(Elon Musk)日前在推特上表示，公司下一代Autopilot自動駕駛系統有望于明年年初正式亮相，系統將采用獨立研發的人工智能處理器。特斯拉三年前便開始研發用于自動駕駛的人工智能處理器，馬斯克這一表態，意味著該款處理器已經取得了重大進展。自動駕駛被認為是除數據中心之外，人工智能期待的應用市場之一，目前業界基本采用英偉達的GPU等通用處理器作為解決方案，特斯拉自研芯片的開發進程受到業界普遍關注。

特斯拉自研AI 處理器取得重大進展

特斯拉一直在自主研發用于自動駕駛汽車的人工智能處理器，而不是依賴于英偉達等廠商。在日前的財報會議中，馬斯克表示特斯拉為自動駕駛汽車而打造的人工智能 AI 處理器已基本準備就緒。按照馬斯克的說法，基于該芯片未來將會被運用到 Model3、Model X 和 Model S 的 Autopilot 自動駕駛系統之中。這也是特斯拉自主研發的人工智能處理器。

根據Gartner研究總監盛陵海的介紹，自動駕駛系統主要包括前端與后端兩個部分，前端為感知端，包括攝像頭、毫米波雷達等，主要進行數據采集，市場上以日前被英特爾并購的Mobileye公司提供的解決方案為主。后端為主控平臺，主要執行數據處理、深度學習等功能，主要采用英偉達基于GPU開發的Drive PX 2等處理平臺。特斯拉的Autopilot 2.0硬件套件即由英偉達GPU支持。

然而，有消息稱，特斯拉早在三年前就已開始進行自動駕駛定制人工智能處理器的開發。公開資料上，馬斯克提到這款自動駕駛AI處理器則是在去年12月。當時特斯拉公布了一項重要人事任命，原AMD芯片架構師Jim Keller擔任特斯拉負責硬件開發的副總裁，其將領導一個小組為特斯拉開發AI 處理器。

特斯拉近期的另一項舉動也同樣備受關注。8月7日馬斯克在其推特上發布一則簡短信息：“正在考慮以每股420美元的價格將特斯拉私有化。資金有保障。”對此有專家認為，特斯拉此舉有幾種意圖。一是真心想退市，避險于崩盤之前。作為快速發展的特斯拉不斷做更大的布局，需要更多資金，包括擴大產能，而股東有可能無法忍受其燒錢的速度，特斯拉不斷股市融資，股票存在崩盤的可能性。此外，也有人認為是在炒高自己的股價。馬斯克善于炒作，以退市來炒高股價和華爾街做空者進行博弈。

特斯拉退市究竟是真是假？這需要飛一段時間才能見真偽。但是目前特斯拉的資金狀況不容樂觀卻是事實。根據彭博社的測算，此前特斯拉在資本市場上融到的錢，平均每分鐘消耗6500美元，特斯拉的資金或將在2018年年底耗盡。在此情況下，依然投入重金自研AI芯片，可見對其的重視程度。

特斯拉之所以如此重視這款芯片開發，是由于相比于通用處理器而言，AI處理器在性能上將獲得巨大的提升，進而改善使用者的整體駕駛體驗。目前，特斯拉使用Autopilot2.0硬件套件采用英偉達Drive PX 2處理平臺，每秒鐘能夠處理200幀數據。而據馬斯克透露，特斯拉的“hardware 3”（也就是Autopilot 3.0）每秒鐘能夠處理2000幀數據，性能大幅提升。此外，自研芯片的開發也將大幅提升特斯拉對于產業生態的掌控力。“特斯拉早于2016年即與Mobileye分手，自行開發相關產品。目前又自主研發了AI處理器，顯然是希望將自動駕駛的前端與后端結合，將自動駕駛系統平臺*置于自身體系之下。”盛陵海說。

通用處理器解決方案仍為市場主流

特斯拉走上自研AI芯片之路。與此同時，許多AI公司也早早將目光集中在自動駕駛市場，如國內主要嵌入式AI芯片公司地平線機器人就在去年年底發布了一款面向智能駕駛的嵌入式人工智能視覺芯片“征程1.0處理器”。該芯片基于地平線此前已經推出的高斯架構，支持高性能的L2ADAS系統；能夠同時對行人、機動車、車道線、交通標示牌、紅綠燈等8類目標進行準備的實時檢測與識別。

然而就目前整體市況而言，采用通用處理器解決方案的自動駕駛廠商仍為主流。優步、采埃孚、Aurora等公司均與英偉達保持著密切合作。優步 AdvancedTechnologies Group 的自動駕駛汽車及貨運車隊將借助英偉達的技術進行AI視覺運算，使車輛能夠感知周圍世界，并預測下一步動向。采埃孚的ProAI 車載計算機基于英偉達Xavier處理器運作。Aurora則與英偉達合作打造基于NVIDIA DRIVE Xavier處理器的L4和L5級自動駕駛硬件平臺。

“自動駕駛AI芯片的開發并不容易，首先需要建立在大量數據積累與算法開發的基礎上，這是一個長期的過程。英偉達為了Drive PX 2平臺的開發，每年做了大量數據與軟件方面的工作，通過駕駛訓練積累了大量數據。特斯拉之所以有底氣自研AI芯片，也是認為經過這么多年的發展，無論在軟件算法的開發，還是路測數據的積累上都已經有了較大進展，可以開發一款適合自身的AISC芯片了。現在有很多初創AI公司進行自動駕駛芯片的開發，然而這些芯片仍然缺少大數據量的測試，很難確定它們能夠真正滿足自動駕駛的需求。”盛陵海表示。

地平線市場拓展和戰略規劃副總裁李星宇也指出，自動駕駛的設計首先面臨的挑戰就是計算構架，面對人工智能算法的高速演進，深厚的算法積累對芯片設計非常重要。此外，成套技術的開發難度高。不同的環境對系統架構的需求不同，因此需要開放的平臺來支撐。但開放的平臺需要完整的工具鏈，從云端的訓練平臺到端上的編譯器，一套技術開發的難度可能是研發芯片的5倍甚至10倍。

初期通用為主，后期將走向芯片？

那么，未來自動駕駛市場是否將會如處理器一樣，逐步走向自研芯片的道路呢？

盛陵海認為，要做到這一點很難，至少需要一個漫長的過程。自動駕駛不同。智能產業已經十分成熟，芯片開發也有了較為標準的路徑。但是自動駕駛現在沒有人真正走通，即便特斯拉現在也沒有*成功。

西井科技CEO譚黎敏則表示，自動駕駛是非常適合使用邊緣計算的場景。云的延時性使之無法達到自動駕駛的安全保證要求，自動駕駛的計算不能放到云端。ASIC有非常好的功效，比起傳統的處理器要更理想，功耗更低，處理特定任務的表現更好。另外，當ASIC穩定之后，可以將其和其它的處理器一起做成SOC，這樣協調的效率也會做得更好。

李星宇認為，在自動駕駛系統部署的初期，大家不會在意成本，這時候使用GPU有利于搶時間、卡位，所以它的*比較高。但是在產業化的后期，成本成為比拼的重點，這時候ASIC的市場占有量就會上去。