编者按：本文来自微信公众号“汽车之心”（ID:Auto-Bit），作者：张竹，未来汽车日报经授权发布。

全球智能驾驶汽车市场正处在爆发的前夜。

根据艾瑞咨询的报告数据显示，到 2023 年，全球范围内具备智能驾驶功能的车辆将达到约 6000 万辆，L1/L2 级自动驾驶功能的渗透率将接近 50%，L3 级自动驾驶功能的市场渗透率也会来到 7%。

就从眼前来看，全球智能汽车的急先锋特斯拉，凭借着对车辆的智能化和自动化革命，其股价不断创造新高，总市值已突破 2000 亿美元。

这也体现了整个市场对于智能汽车的发展保持着超高的预期。

国内智能驾驶市场蓄势待发

我们将视角转到国内：经过这两年的快速发展，很多合资品牌、自主品牌、造车新势力们在 ADAS 功能与智能驾驶系统的量产上车上，呈现出你追我赶的态势。

据佐思产研统计，今年前 4 个月，国内市场的 L2 级自动驾驶系统的装配率已达 10.6%。

其中，丰田、沃尔沃这样的传统品牌，以及吉利、领克、几何，还有长城魏派、奇瑞星途等新兴品牌装配率领先。

造车新势力更不用说，蔚来的 NIO Pilot、小鹏的 XPilot、威马的 Living Pilot 以及理想的辅助驾驶系统都已经搭载上车并且在持续进化之中。

特别是理想汽车最近拿到美团的融资，未来将大力投入自动驾驶技术的开发和应用。

L3 自动驾驶的市场也在不断扩大，自 2017 年奥迪推出新 A8 标榜量产全球首个 L3 自动驾驶系统以来，国内的品牌也纷纷上马 L3 级自动驾驶功能。

其中就包括了广汽新能源的 Aion LX/Aion V、上汽荣威已上市的 Marvel X 和待上市的 Marvel R，还有今年受到广泛关注的长安 U-NIT 和比亚迪汉。

不过受限于国内的法律法规还未明确，这些车型上所搭载的 L3 自动驾驶功能尚未开放，但后市可期。

而针对更高级别的 L4 自动驾驶，近期有两大比较重磅的行业动态：

其一是沃尔沃与 Waymo 牵手了，后续沃尔沃品牌、极星品牌以及领克品牌的车型将会集成 Waymo 的自动驾驶技术；

其二则是滴滴自动驾驶终于宣告落地，在上海嘉定开启试运营。

在这之前，包括百度、Pony.ai、文远知行以及 AutoX 在内的诸多自动驾驶厂商都已经落地了 Robotaxi 服务，其规模还将持续扩大。

全球咨询管理公司麦肯锡在 2018 年曾发布过一份自动驾驶研究报告，其指出中国未来很有可能成为全球最大的自动驾驶汽车市场。

至 2030 年，中国自动驾驶相关的新车销售及出行服务创收将超过 5000 亿美元。

从高级辅助驾驶功能到 L3 级自动驾驶乘用车再到 L4 级的 Robotaxi，如此规模庞大的智能汽车增量市场，给各类新兴的供应商培育出无限的产品落地机会。

无论是算法、传感器，还是芯片等领域，势必有一批供应链新星强势崛起。

算法让位于芯片，市场格局亟待突破

自动驾驶最早期的一批玩家主要是在算法层面进行开发和改进，特别是以深度学习为核心的人工智能技术的发展，加快了汽车自动化的进程。

Waymo 之所以在自动驾驶领域走在全球最前列，很大程度上得益于其自 Google 无人车创立以来多年的算法积累。

近 5 年内，国内也诞生了一大批自动驾驶算法公司，BAT、滴滴、小马智行、文远知行、Momenta 等等，这些企业都开发出了自己的算法体系。

即使起步稍晚，但这些公司正迎头赶上，尝试将以往与国外企业间的算法鸿沟逐渐填平。

近 2 年内，很多国内的 OEM 也纷纷建立起创新中心、人工智能技术中心，不断从算法层攻克自动驾驶难题。

可以肯定的是，目前国内的自动驾驶算法实力已经处在全球领先的水平，算法已不再是制约自动驾驶技术发展的高墙。

在算法之外，则是自动驾驶的传感器配套。

面向低级别的自动驾驶，毫米波雷达+摄像头的组合已经足够支撑，这类传感器已有很多国际 Tier 1 和国内供应商保障供给。

而应用于高级别自动驾驶的激光雷达，这个市场也已经从几年前的一枝独秀发展至百花齐放，包括大疆 Livox、禾赛科技以及速腾聚创等等。

各家的产品都已开始广泛部署在自动驾驶车型上。

目前整体的传感器成本还有下降空间，但大规模量产已经指日可待。

总体来看，自动驾驶研发中来自传感器部分的短板正在逐步被修复。

这样，未来自动驾驶发展的重点还在于计算硬件上，也就是我们常说的自动驾驶芯片。

自动驾驶车辆上有大量的传感器，而算法精进正需要这些传感器不断收集外部数据，遍历各种极端情况，不断进化。

自动驾驶系统除了需要解决大流量数据传输问题，还需要快速处理这些海量数据，而强大的自动驾驶芯片正是那把钥匙。

业内一般认为，实现 L2 自动驾驶需要的计算力在 10 TOPS 左右，L3 需要的计算力为 30 – 60 TOPS，L4 需要的计算力大于 100 TOPS，L5 需要的计算力至少为 1000 TOPS。

足够高的算力只是对自动驾驶芯片的一部分要求，其在功耗表现以及安全性、稳定性方面还必须满足车载环境的需求，这里涉及的内容很广，包括了温度、湿度、振动、粉尘以及电磁兼容性等等。

大家都知道芯片设计的门槛颇高，现在广泛应用在消费电子设备中的芯片，在全球也只有少数的企业能够设计并大规模制造，而车规级芯片的开发难度又远高于消费电子芯片。

更进一步看，应用于自动驾驶的感知芯片，其设计难度又要比普通的车规芯片要高。

毫不夸张地说，应用于自动驾驶的车规级感知芯片，可以称得上是芯片设计领域的「珠峰」。

迄今为止，全球能够实现量产的具备大算力的自动驾驶芯片也就只有 Mobileye、英伟达以及特斯拉等几家大厂。

根据 Mobileye 公布的最新数据，其 EyeQ 芯片已经售出超过 5400 万片，被搭载在全球超 5000 万辆汽车上，其客户包含了 BBA 在内的顶级车企。

特斯拉曾经很长一段时间采用的是 EyeQ 系列芯片来驱动 Autopilot 系统。

在国内，蔚来 ES6/ES8、理想 One、广汽新能源 Aion LX 等车型也纷纷采用了 EyeQ4 作为其驾驶辅助系统的核心。

Mobileye 这样的战绩在市面上基本难逢敌手，这也是英特尔为何要在 2017 年斥巨资收购这家公司的原因。

GPU 霸主英伟达这几年也凭借其推出的高性能计算平台收获诸多客户，国内包括滴滴、Pony.ai、文远知行、AutoX 在内的 Robotaxi 运营商都采用了英伟达的自动驾驶计算平台。

最近上市的小鹏 P7 上还搭载了其与德赛西威联合开发的基于英伟达Xavier的自动驾驶域控制器 IPU 03。

特斯拉自不必说，正是认识到自动驾驶芯片本身的重要性，马斯克才狠下心来不惜投入重金研发出了 FSD。

可以肯定的是，FSD 不会对外供应，毕竟 FSD 将是特斯拉未来的核心竞争力，而且特斯拉自己的需求就完全可以养活其芯片开发团队。

在这样的市场格局之下，车企们都要认真思考未来如何构建自己的自动驾驶芯片供应链。

目前看来，Mobileye 的芯片和其算法是紧密耦合的，并且是打包出售，车企的自主权很小，若想用自行开发的算法几乎不太可能，所以业内对 Mobileye 的评价就是过于封闭。

而车企们要使用英伟达的芯片，门槛也很高，高昂的入会费用和联合开发费用并非一般企业承受得了。

据说小鹏汽车和和德赛西威为了开发 P7 上的自动驾驶域控制器，向英伟达支付了近 8 位数美金的会员费。

口口声声要在汽车智能化以及自动驾驶领域实现全球领先的中国汽车产业，如今在自动驾驶芯片上受制于人、仰人鼻息。

「国产自动驾驶芯片」需要加速走上舞台，成为真正的主角。

好在，国内企业中不乏这样的进取者。

国产自动驾驶芯片的突围

这些年，国内也涌现出了很多深耕自动驾驶芯片领域的优秀企业，他们都希望在中国这个庞大的智能汽车市场里分得一杯羹。

巨头之中，华为已经确认将依托旗下海思半导体，进军智能驾驶计算芯片和平台领域，其推出的昇腾 AI 芯片以及 MDC 将担起国产智能驾驶芯片崛起的重责。

而在诸多创新公司中，黑芝麻智能科技也称得上是自动驾驶「国产芯」的典型代表。

黑芝麻相继在 2019 年 8 月和 2020 年 6 月推出了两代自动驾驶芯片「华山一号」和「华山二号」，而且在性能与能效比上已经可以与国外竞争对手抗衡。

以今年 6 月黑芝麻最新推出的华山二号 A1000 芯片为例，其在算力上达到了 40 - 70 TOPS，相应的功耗为 8 W，能效比超过 6 TOPS/W，这个数据指标目前在全球范围处于领先水平。

之所以能实现如此高的算力，离不开黑芝麻自研的核心 IP——DynamAI NN 引擎。

这个引擎采用大算力的架构，支持多形态、多精度运算；具备可适配量化、结构化剪裁以及支持稀疏加速等优势，同时还配备了自动化开发工具。

感知技术是黑芝麻引以为傲的核心优势，而A1000 是一款非常典型的感知芯片。

这颗芯片内置了 8 颗 CPU 核心，包含 DSP 数字信号处理和硬件加速器，支持市面上主流的传感器接入，包括激光雷达、毫米波雷达、4K 摄像头、GPS 等等。

非常值得一提的是，A1000 因为集成了黑芝麻自研的 NeuralIQ ISP 流水线，可支持多达 12 路高清摄像头接入。

这对于严重依赖视觉感知的自动驾驶系统来说是非常大的助益。

在芯片架构层面，黑芝麻还打造了多层异构性 TOA 架构。

这个架构将黑芝麻核心的光控技术、图像传感技术、图像视频压缩编码技术、计算机视觉处理技术以及深度学习技术有机地结合在了一起。

TOA 架构具备可扩展性，支持多芯片级联扩展，这也是为什么以华山二号芯片为基础打造的 黑芝麻 FAD 计算平台能够兼容从 L2 自动驾驶到 L4 级自动驾驶的原因。

目前，针对低级别 ADAS 场景，客户可以基于低算力版本芯片 A1000L 搭建一个算力为 16 TOPS、功耗为 5W 的计算平台。

而针对高级别 L4 自动驾驶，客户可以将 4 块 A1000 芯片并联起来，实现高达 280 TOPS 算力的计算平台。

可扩展模式也是目前大多数主流自动驾驶芯片厂商所采用的策略，英伟达的 Drive AGX Pegasus、采埃孚的 Pro AI 也都是采用这样的模式。

在华山二号之后，黑芝麻还计划在 2021 年的某个时点推出华山三号，主要面向的是 L4/L5 级自动驾驶平台，其算力将超越 200 TOPS，同时会采用更先进的 7nm 制程工艺。200 TOPS 的算力水平将追平英伟达的 Orin 芯片。

而在软实力层面，相比于 Mobileye 的封闭以及英伟达高昂的入会门槛，黑芝麻的体系更加开放且更具性价比。

这体现在：黑芝麻的华山芯片拥有完善的工具链、开放的软硬件平台，支持车企进行自主可控的创新。

这一点也许能让「苦 Mobileye 久矣」的 OEM 们看到曙光。

整体来看，黑芝麻已经开发出了自动驾驶所需的感知算法、核心 IP、芯片系统架构以及工具链等等，形成了成熟的产品体系。

而这些产品背后的关键，当然还是团队。

自动驾驶芯片产品涵盖的是两大重要产业：芯片产业和汽车产业。

一个团队要打造出这样的尖端产品，少不了汽车背景和芯片背景两方面人才的加持，黑芝麻的团队正好形成了这样的良性互补。

黑芝麻联合创始人兼 CEO 单记章（右）黑芝麻联合创始人兼 COO 刘卫红（左）

黑芝麻的联合创始人兼 CEO 单记章此前是图像芯片公司 OmniVision（OV）的图像算法负责人，在视觉感知领域拥有 100 多项专利。

联合创始人兼 COO 刘卫红先后就职通用汽车、博世，曾出任博世底盘制动事业部亚太区总裁，在主机厂和 Tier 1 都有深厚的任职经验。

一个出身自芯片行业，另一个来自汽车制造业，两者相辅相成，未来要在自动驾驶芯片领域创造出一番天地。

针对团队的构成，刘卫红曾经提到，「我们的基因是芯片，团队里有做过车规级芯片研发和车规级芯片验证的尖端人才，想做和做过是不一样的。同时我们还整合了既懂算法，又懂得计算架构的开发人员。」

目前黑芝麻在中美两地都有团队，全球拥有近 300 名员工，团队成员很多曾就职于 OV、安霸、高通、英伟达等芯片公司，平均从业经验超过 15 年 。

自动驾驶芯片量产急行军

自动驾驶芯片要实现量产落地，必须要迈过车规级的坎。

自动驾驶芯片的车规级，不但包含了芯片本身的可靠性、稳定性、耐久性等要求，还要满足与车辆系统整合后的系统功能安全。目前市面上很少有供应商能同时满足两方面的要求。

黑芝麻新近推出的 A1000 芯片，从设计之初就朝着车规级的目标迈进。

它符合芯片 AEC-Q100 可靠性和耐久性 Grade 2 标准，芯片整体达到了 ISO 26262 功能安全 ASIL-B 级别。

芯片内部还有满足 ASIL-D 级别的安全岛，整个芯片系统的功能安全等级为 ASIL-D。

为此，A1000 芯片采用的是 ARM 车规级的 CPU 和 GPU。

在代工厂方面，黑芝麻也是按照车规级的要求选择了台积电的 16nm 产线。这一切的目标都是为了实现这款芯片的车规级设计目标。

此前的 6 月，黑芝麻的研发团队已经对这款芯片的所有模块进行了性能测试，完全调试通过，接下来就是与客户进行联合测试，为最后的大规模量产做准备。

据悉，搭载这款芯片的首款车型将在 2021 年底量产。

另外，黑芝麻的华山一号 A500 芯片也已开启量产，其与国内头部车企针对 L2+ 和 L3 级别自动驾驶的项目也正在展开。

相较于传统的汽车电子芯片厂商，黑芝麻的规划显然更加快速激进，他们需要更敏捷地把握住时间窗口。

这个时间窗口也就在这两年中，特别是今年，大部分的智能驾驶车型已经在进行芯片选型，而现在能够拿出这样的芯片产品的厂商，无疑将占得先机。

黑芝麻的 A1000 芯片已于今年 6 月发布，在量产进程中踏准了市场的节奏。

在全球智能驾驶汽车市场爆发的前夜，针对自动驾驶芯片的市场争夺也更加激烈。

头部是 Mobileye、英伟达这样的巨头；还有从移动芯片市场杀出的华为海思和高通等厂商；老牌汽车半导体厂商们也在加快布局。

如黑芝麻一样的 AI 芯片公司将成为重要的后起之秀。

智能驾驶汽车将是一个拥有巨量增长潜力的市场。

在这样的市场机遇中，黑芝麻这样的国产自动驾驶芯片厂商正在产品层面上与 Mobileye 和英伟达这样的国际巨头展开角逐，未来就是吸纳客户、建立起生态，修建自己的护城河。

单记章曾在多个场合表露过同一个愿景：PC 时代英特尔为代表的处理器企业；智能手机时代有 ARM 为代表的移动芯片公司；而黑芝麻则希望成为智能驾驶时代的英特尔和 ARM。

智能汽车的大势已成，「Big things start small」。

巨大的产业机遇之下，今天的后起之秀能否成为未来的产业巨头？

我们且行且看。