半導體巨頭逐鹿自動駕駛，收購了Mobileye的英特爾還有多少機會？

固守X86晶元架構的英特爾錯過了整個移動互聯網時代。現在，它打算在5G和自動駕駛上捲土重來，重裝再戰。然而，距離5000億美金巔峰市值僅一半不到的英特爾像極了中國足球隊——留給他們的時間已經不多了。

//

英特爾全面布局汽車領域

//

汽車產業正在經歷深刻變革，汽車將成為下一個智能平台已是板上釘釘。和智能手機相比，汽車未來所需的晶元數量更多，難度更大，功能更繁多，涉及到的商業生態也更複雜。毫無疑問，汽車產業未來將會是全球半導體巨頭們角逐的焦點。

圍繞汽車展開的自動駕駛、車聯網、智能座艙將會是英特爾及其競爭對手不能錯失的發展良機。在移動智能時代表現不佳的英特爾更是在緊密布局，希望重現PC時代的輝煌。

為了不再與時代擦肩而過，欲求搶佔自動駕駛先機的英特爾，這幾年來一直在不停地買買買。

當然，英特爾在汽車領域的布局不僅僅是收購，在自主開發方面也做了很多努力。

2016年10月，英特爾聯合東軟研發出了軟體定義駕駛艙（SDC）平台解決方案——C-AIfus。

2016年底，英特爾成立了自動駕駛事業部。在2017年收購Mobileye後，英特爾將自動駕駛事業部與之合併。

2017年，英特爾推出Intel Go平台，包括自動駕駛車內開發平台、智能駕駛5G車載通信平台和智能駕駛軟體開發工具包。

在5G車聯網方面，英特爾在20 17年初發布了5G數據機，並與2017年底推出了5G基帶晶元XMM 8060。

另外，英特爾已經組建了一支由100輛汽車組成的測試車隊。

今年7月，英特爾推出了OpenVINO工具包，這一工具包主要用於加快高性能計算機視覺和深度學習視覺應用開發。

此外，英特爾還十分重視中國這一全球最大的汽車市場，竭力加強和中國本土企業的合作。

在智能駕駛艙方面，英特爾和一汽、北汽、長城等車企建立合作。在今年初的CES展上，英特爾宣布和上汽、四維圖新合作開發自動駕駛技術。在今年的百度AI開發者大會上，英特爾披露了和百度在自動駕駛、人工智慧領域的深度合作。此外，英特爾目前正在和華為進行5G相關技術的測試。

曆數英特爾近年來的動作，可以看出英特爾在汽車領域的布局十分全面——從感測器到高精地圖，從車聯網到測試車隊，從軟體開發到核心晶元，智能座艙、自動駕駛、車聯網，英特爾一個也沒有缺位——除了沒有自己下場參與造車，基本上涉及了汽車產業變革的所有焦點。

//

英特爾僅有的王牌Mobileye

//

雖然在汽車領域進行了廣泛的布局，但是相比於英偉達、高通等同體量的半導體巨頭，英特爾最大的競爭優勢只有大手筆收購的Mobileye。

Mobileye是目前全球最大的ADAS技術提供商，有超過2700萬台汽車採用Mobileye的產品。目前，大部分前裝領域的高級駕駛輔助系統中使用的都是Mobileye 的方案。

當初英特爾高價收購Mobileye正是看中了其在ADAS領域的優勢。在收購之後，英特爾將原先的自動駕駛事業部與之合併。

現在，英特爾的自動駕駛路線實際上就是Mobileye之前的路線，

英特爾採取的路線是重視覺技術。英特爾選擇這一路線在收購Mobileye之前就有端倪。之前，被英特爾收購的Itseez、Movidius都與計算機視覺處理有關。

Mobileye靠ADAS 崛起，在這一領域已經具備良好的市場和客戶基礎。多數車企目前還沒有部署高級別（L4、L5）自動駕駛的能力，英特爾把重心放在ADAS上，既可以揚長避短，又符合傳統車企逐步推進自動駕駛的策略。

英特爾的重視覺方案依靠成本較低的攝像頭感知汽車駕駛環境。重視覺方案的優勢不僅在於成本低，還有利於推廣高精地圖眾包模式，而高精地圖是實現無人駕駛不可或缺的條件。

英特爾已經與寶馬、大眾、日產、四維圖新等達成合作，今年將會有至少200萬輛車搭載EyeQ4 晶元，正式開始收集道路數據。

龐大的用戶量使得英特爾在獲取地圖數據方面具備優勢。目前英特爾已經利用數據優勢和車企形成大數據聯盟。這一方面鞏固了英特爾和車企之間的合作關係，提高了後來者的破局難度；另一方面英特爾可以利用車企分享的數據改進自身技術，向更高級別的自動駕駛技術進發。

在自動駕駛處於領先地位的Waymo 則採取了激光雷達的方案。激光雷達在性能上確實要優於攝像頭，可以提供相對於攝像頭更全面的信息。這就降低了對於人工智慧技術的要求，開發速度也會更快。但是激光雷達不菲的造價限制了這一方案的推廣。

雖然激光雷達目前價格昂貴，但是隨著技術的進步和應用規模的擴大，價格仍有很大的下降空間。哪種方案誰能笑到最後仍是未知。

//

留給英特爾的時間不多了

//

憑藉對Mobileye的收購，英特爾在ADAS市場暫時領先。但在高級別自動駕駛領域，英偉達依靠GPU搶佔了先機。

CPU是英特爾的優勢所在，但在深度學習方面，效率比不上英偉達擅長的GPU。而深度學習對於自動駕駛十分關鍵。通過深度學習，自動駕駛系統可以獲得圖像識別能力，可以對路徑、行人、信號燈、障礙物等物體進行識別、區分，進而為汽車提供判斷、決策的依據。

英偉達率先將GPU集群應用於深度學習數據處理，在深度學習領域處於領先地位。英偉達的GPU加快了AI技術的發展，同時也讓英偉達的GPU成為AI計算晶元的首選。英偉達也因此獲得了諸如特斯拉、奧迪、沃爾沃、賓士、豐田、本田、大眾、菲亞特等重量級客戶。

特斯拉最初用的是Mobileye的輔助駕駛晶元EyeQ3。但特斯拉不滿足於ADAS，希望更進一步，實現更高等級的自動駕駛。Mobileye應對ADAS綽綽有餘，但其EyeQ3的算力不足以承擔高級自動駕駛的運算任務。於是，特斯拉拋棄Mobileye，選擇了英偉達。

從ADAS進化為真正的自動駕駛，英特爾面臨著很大的挑戰。

從L2到L3雖然只提升了一個等級，但實際上發生了質的變化。L2仍然是輔助人類進行駕駛，駕駛員一直擁有主導權。而L3需要車輛在一定條件下接管整個駕駛任務，這就對車輛的能力就提出了非常高的要求，對於車載晶元算力的要求也在急劇上升。目前市場上有很多支持L2級別自動駕駛的方案，但是L3的解決方案就很少了。如果車企想更進一步發展L4 級別以上的產品，英偉達幾乎是唯一的選擇。

Mobileye 在ADAS領域十分得意，但以視覺計算為主的方案在策略推理方以及算力面沒有優勢。這限制了英特爾向更高級別自動駕駛發展。為了彌補這方面的劣勢，英特爾在2015年收購了已具備FPGA的AI晶元解決方案的Altera。

FPGA具有低功耗、高實時，可靈活編程等優勢，十分適合承擔自動駕駛相關的計算任務。英特爾此前推出的自動駕駛計算平台Intel Go中，已經應用了FPGA晶元。

在FPGA領域的布局讓英特爾獲得了和英偉達競爭的機會。不過FPGA在自動駕駛領域最終能否與GPU分庭抗禮乃至於超越，還是一個未知數。

自動駕駛晶元領域的玩家不僅僅只是半導體企業。特斯拉自動駕駛部分採用的是英偉達的晶元，但與AMD合作自研自動駕駛晶元的消息表明特斯拉並不甘心受人擺布。

如果自研晶元成功，特斯拉對於核心硬體就有更強的掌控力，就有望在硬體加速等方面形成獨特的優勢。更重要的規模化生產後，特斯拉可以藉此降低成本。不過，並不是每一家車企都有這個魄力和實力。

5G技術的快速推進，給車聯網的實現提供了條件。雖然英特爾在5G車聯網也有布局，但是高通顯然更具備優勢。

高通在移動智能時代十分輝煌，但是其採用的ARM架構以低功耗而是不是高算力為核心競爭力。雖然汽車仍然要考慮能耗，但相比於手機而言，對於能耗要求並不苛刻。相反，自動駕駛、車聯網對汽車的算力要求很高。而高通的晶元在算力方面，處於劣勢。

英特爾通過收購Mobileye取得了ADAS領域的優勢，而收購恩智浦的失敗對於高通無疑是一個重大打擊。不過高通在通信領域的巨大優勢，有望幫助其在車聯網領域扳回一城。

高級別自動駕駛實際上離不開車聯網。車聯網可以幫助車輛突破感測器盲區，實現車輛與其他車輛、行人、交通設施的溝通，可以減輕車輛對於感測器、人工智慧、晶元算力的要求。雖然高通在車輛終端計算方面處於劣勢，但車聯網的應用可以讓高通在未來獲得發展空間。

實際上，距離真正意義上的自動駕駛實現還有很長的距離。未來幾年，市場上主流的自動駕駛仍然是ADAS。接下來幾年，英特爾在自動駕駛領域日子會比較好過。但是如果英特爾不能在晶元算力和車聯網領域迎頭趕上，在更遠的未來很可能重蹈移動智能時代的覆轍。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！