自動駕駛的兩大「技術門派」分別是哪兩派？

汽車自動駕駛技術的複雜程度非常之高，它並不是某一家整車廠（例如賓士、寶馬），或者某一家供應商（例如Mobileye、德爾福）就能夠獨立研發完成的。自動駕駛技術的不斷推進，需要的是全行業的共同努力、共同進步。因此，這其中的聯盟與合作並不會少。一些互聯網公司以及晶元供應商已經積極加入進來，許多初創公司也獲得了風險投資的青睞。之所以採取聯盟的形式，都是為了能在未來的技術發展潮流中佔據一席之地。

---

一，寶馬，英特爾和Mobileye一派

寶馬，英特爾和Mobileye的這一聯盟迅速吸引了其他夥伴的加入。不久，世界排名前三的汽車零部件供應商大陸（Continental）集團和美國汽車零部件巨頭德爾福（Delphi）也宣布加入此聯盟。

8月份，菲亞特-克萊斯勒汽車公司（FCA）和這一聯盟共同簽署諒解備忘錄，共同開發全球最先進的自動駕駛平台。

在這個聯盟中，有整車廠，有Tier1供應商（即一級供應商，給整車廠直接供貨），有晶元以及解決方案的供應商英特爾和Mobileye。我來介紹一下他們之間的分工——英特爾和Mobileye提供環境感知以及自動駕駛的演算法軟體以及硬體加速晶元， Tier1供應商大陸和德爾福負責控制器的和底層軟體的開發以及部分的系統集成工作，確保產品符合汽車行業嚴苛的設計和質量標準（達到車規級）。寶馬和FCA等整車廠提供實驗車輛，因為實路測試對於驗證自動駕駛技術非常重要，所有的合作夥伴也都會共同參與到車輛實驗和標定的環節中去。

在這個聯盟中，英特爾和Mobileye無疑是佔據領導地位的。Mobileye是汽車自動駕駛領域的急先鋒，它擁有領先的機器視覺演算法技術，能夠對周圍的環境進行有效的識別，包括車輛、行人，交通指示牌、紅綠燈等。

晶元方面，它和意法半導體（ST）合作開發EyeQ系列硬體加速晶元，第三代晶元EyeQ3已經可以達到Level 2水平的自動駕駛水平，在當今ADAS（Advanced Driving Assistance System高級駕駛輔助系統）領域中佔據統治地位。把上述的軟體演算法集成在該晶元中賣給整車廠，是Mobileye最主要的盈利模式。幾乎所有的整車廠都成為了Mobileye的客戶。

第四代和第五代的EyeQ晶元也在研發過程中，其中EyeQ4可以達到L3的自動駕駛水平，預計在2019年初量產。 EyeQ5是為全自動駕駛L5（完全自動駕駛，即車輛必須可以應對所有工況，包括在激烈駕駛等極限情況下，也能夠順利過關。）研發的晶元，預計在2020年流出樣片用於測試。

儘管Mobileye在自動駕駛領域一直發展得順風順水，但它也逐漸感覺到來自一個競爭對手實實在在的威脅，這甚至促成了Mobileye義無反顧地投入了英特爾的懷抱。

說起汽車自動駕駛技術，不得不提到人工智慧AI（Artificial Intelligence），而人工智慧又不得不提到神經網路（Neural Network）。

神經網路被廣泛應用在對物體的識別環節中。一個神經網路包含若干個層次，在每一層上有若干個節點，每個節點的數值是由前一層上節點的數值通過一定的數學運算得到的。這些節點的工作模式很像神經元，信息就像通過這些神經元一樣一層一層地向後傳遞，整個網路就像是人的大腦，彷彿具有一定的智能，「人工智慧」這個名詞就是由此而產生。

原始輸入，例如圖像或者聲音，被輸入到這個神經網路中，輸出就是對圖像或者聲音的解讀，比如識別出圖像中有一個人，有一輛車，有一匹馬等等。

早期由於晶元速度的限制，神經網路層數比較少，一般不會超過三層，這時候的方法被稱為「機器學習」。要達到優秀的識別效果，機器學習必須擁有非常優秀的演算法，用以對被識別的物體進行特徵的提取和處理，比如物體的輪廓線條，顏色的分布等等。

隨著的晶元處理速度的提高，神經網路的層數可以大幅度提高，可以達到幾百上千，此時的方法就被稱為「深度學習」。

和「機器學習」不同，「深度學習」不需要對特徵的人工提取，特徵提取工作在學習過程中自動完成。所以深度學習也常被稱為端到端的學習，一端是輸入，一端是輸出（正確答案），自己學習就行了。每經過一次學習，神經網路里的參數都會通過輸出結果和正確答案的比對來調整。只要樣本的數量足夠多，就能實現相當高的準確率。

在汽車自動駕駛領域，目前佔據領先地位的Mobileye使用的主要是「機器學習」的演算法，通過對特徵的提取和處理識別出車輛自行車，行人等等路上的物體。

然而可以想見，效率更高的 「深度學習」 在人工智慧中會佔據越來越重要的位置，它不但能顯著提高對環境感知的識別率，而且還能用於自動駕駛的控制演算法中。深度學習需要硬體系統短時間內完成大數據量的計算，僅僅依靠CPU就比較吃力了。

CPU是中央處理器，英文Central Processing Unit，是一台計算機的運算核心和控制核心。Intel的廣告中「每台電腦都有一顆奔騰的心」說的就是CPU。CPU擅長邏輯控制和串列的數據運算，儘管速度很快，但只適合處理小批量的數據。

大規模的並行運算則是GPU的強項。GPU的英文全稱Graphic Processing Unit，中文翻譯為「圖形處理器」。GPU是顯卡的大腦，對大型3D遊戲例如「英雄聯盟LOL」，玩家們就需要一個高性能的顯卡，否則幀數少刷新慢那就吃虧了。

GPU的架構特別適合深度學習演算法對大規模的並行運算的要求，相對於CPU，GPU的效率能夠提高几十倍，CPU需要幾個星期才能訓練好的神經網路，用GPU幾個小時就能搞定了。

二，英偉達，采埃孚（ZF）和奧托立夫

2015年初，英偉達發布了第一代 Drive PX， 只經過一年的時間第二代 Drive PX2就誕生了，它的強大性能震驚了業界，據說擁有 150 台 蘋果MacBook Pro 的運算能力。Drive PX 2採用12核CPU，包含兩顆新一代NVIDIA Tegra處理器（共8個A57核心和4個Denver核心）和兩顆基於NVIDIA Pascal架構的新一代GPU，採用16nm FinFET工藝。有著 8 萬億次單精度浮點運算能力，在深度學習方面更是強大，每秒可以完成24 萬億次神經網路運算。不過這台怪獸級的超級電腦的功率有些大，達到250W，只能用水冷的方式來解決散熱問題。

Drive PX2的性能被譽為「原子彈」，但現在「氫彈」也馬上出來了。代號為「Pegasus（神馬）」的全新AI計算平台計劃在2018年中推出，在深度學習的運算能力達到驚人的每秒320萬億次浮點運算，超出NVIDIA DRIVE PX 2性能10倍以上。Pegasus的AI性能相當於擁有100台伺服器的數據中心。

可以說，在AI深度學習的性能上，英偉達已經遠遠領先與Mobileye。 Mobileye計劃在2020年推出的EyeQ5晶元的AI運算能力只能達到每秒12萬億次，即使放到現在也已經被英偉達遠遠甩在了身後。

英偉達在AI上的領先優勢已經吸引一些重量級合作夥伴加入到自己的陣營當中，包括著名的汽車零部件供應商（Bosch），采埃孚（ZF），奧托立夫（Autoliv）等等。在整車廠中，特斯拉的第二代Autopilot系統採用的就是英偉達的Drive Px2，另外奧迪，賓士，福特，豐田，沃爾沃也都已經和英偉達達成戰略合作關係，共同研發下一代的自動駕駛技術。

可以看到，在英偉達的陣容中也包含了三種不同類型的合作夥伴，晶元及解決方案供應商、Tier1汽車零部件供應商和整車廠。他們的分工和Intel&Mobileye陣營的分工是一樣的，但和Mobileye對於合作夥伴的封閉態度不同，英偉達更加開放，願意和合作夥伴分享技術細節，對此合作夥伴們都非常歡迎。

綜上所述，在當今的汽車自動駕駛領域， 英特爾（Mobileye）和英偉達分別引領2大聯盟，未來也會有越來越多的合作夥伴加入到其中。但這兩大聯盟也是鬆散的，因此不排除有些成員會轉換陣營，或者兩大陣營都加入。不管Intel&Mobileye和英偉達在技術上已經展開了激烈競爭，誰在技術研發上領先？誰就將佔據最終的主導地位。