記者 | 吳洋洋
編輯 | 王姍姍
大概用不了多久，購車者區分一台車的標準將會發生變化：「使用汽油還是電力」不再重要，重要的是智能水平——它是一台需要司機點一下才動一下的「功能機」，還是只要輸入目的地，剩下一切可以完全交給車自動解決的「智能機」？
智能化程度，未來將決定一台車的價格和熱銷程度。
你可能會認為這樣的判斷過於樂觀，畢竟不久前還有很多人對「自動駕駛到底能不能實現」的問題垂頭喪氣。
他們的理由是，只要自動駕駛系統的算法基於深度學習（Deep Learning），車企就無法解決這種深度神經網絡帶來的「黑盒」問題，即沒有人知道系統是根據什麼作出決策的——它自己也不知道，因此就無法實現人為干預，從過去的錯誤中學習、改進。這樣的自動駕駛系統聽起來是致命的——字面意義上的致命。此外，一台車在地球上可能遭遇的駕駛場景遠比一個系統接受訓練時的數據更豐富，以深度學習為底層算法的系統如何應對複雜長尾場景仍是疑問。
一項技術需要等到多成熟才能被投入商用？特斯拉給出了答案。從採購第三方晶片產品到實現自主設計研發，特斯拉為其他廠商做出了重要的戰略轉型示範。
自2019年以來，越來越多的車企聲稱要自研晶片，特別是自動駕駛晶片。據36氪報導，2020年10月，蔚來汽車就計劃自研晶片，並將ADAS（L2級自動駕駛）等業務重心從北美研發分部收回國內。晚點LatePost的消息稱，截至2022年10月，蔚來已經組建了近300人的晶片團隊，研發自動駕駛晶片和雷射雷達晶片。
與蔚來一同被視為「造車新勢力」的另兩家新能源車企也有相似動作。據媒體報導稱，2021年4月，小鵬汽車的自研晶片項目已啟動數月，方向是研發自動駕駛晶片。2022年5月，理想汽車在四川成立了一家晶片設計公司，名為理想智動科技有限公司。
如果大批車企效仿特斯拉實現晶片戰略轉型，不僅會加速推進自動駕駛技術的整體進步，同時也將改變整個產業的供應鏈結局和商業模式。
不過，這些公司未來幾年仍需要從Mobileye、英偉達、地平線等晶片供應商那裡採購晶片，再在上面加載自主開發的自動駕駛軟體系統。而車企的晶片自研計劃，更多是在晶片設計層面，並不涉及製造環節。
押注晶片轉型，將意味著巨大的投入。對於年輕的車企來說，當下更現實的任務，是在交付規模上確保實現穩定增長，才能長久支撐起晶片自研計劃。
01
特斯拉路徑
特斯拉是全球第一家自己設計自動駕駛晶片的廠商。它的理由簡單直白：來自第三方供應商的晶片算力不夠。
2014年，特斯拉最初是從Mobileye採買EyeQ3晶片。2016年，一輛搭載這款晶片的特斯拉Model S在行進中啟用了特斯拉Autolipot輔助自動駕駛系統，與一輛正在轉彎的白色半掛卡車發生碰撞，Model S卡在貨櫃下方導致駕駛員身亡。
隨後這一年，特斯拉把晶片供應商從Mobileye換成了英偉達，但幾乎同時，它也啟動了自研晶片計劃，把負責過蘋果A4、A5處理器設計的吉姆·凱勒（Jim Keller）招募進公司。凱勒還在AMD負責過晶片架構設計，主導研發了全新的處理器架構「Zen」，幫助AMD重返高效能計算的市場核心位置。
2019年的Autonomous Day上，特斯拉CEO伊隆·馬斯克發布了自研的FSD（Full Self-Driving，完全自動駕駛）晶片，算力達到73.7 TOPS（Tera Operations Per Second，一種算力單位，1 TOPS代表處理器每秒鐘可完成1萬億次運算），是Mobileye EyeQ3的將近300倍。
FSD在算力上的提升，靠的並不是製程（指半導體的製作工藝），而主要來自於架構升級。它與Mobileye在開發模式上是完全不同的兩代方案。EyeQ3的架構基於ADAS（Advanced Driver-Assistance Systems，高級駕駛輔助系統），而FSD架構基於自動駕駛——雖然其現有能力達不到所聲稱的「完全自動駕駛」。
「ADAS都有一個非常明確的功能邊界和場景邊界，其實是用傳統的工程方法去開發的。但是真正的自動駕駛，面臨的道路狀況千變萬化。」元戎啟行合伙人兼副總裁劉念邱告訴《第一財經》YiMagazine，自動駕駛要求開發者回到智能的「第一性原理」——從感知和決策的角度先感知周圍環境，再根據感知預測其他車輛的運行軌跡，作出自動駕駛車輛的行為規劃和決策，完成系統級開發。ADAS則是按照一個個具體任務做模塊化開發，比如，要實現車道保持，就開發出一個車道保持模塊；需要自動泊車，就再開發一個模塊實現這個功能……最後組裝在一起，很多功能甚至不在一塊晶片上。二者之間大概相當於功能機與智能機的差別。
按照美國汽車工程師學會（SAE）對自動駕駛等級的劃分，ADAS開發模式只能實現L2級別的自動駕駛——輔助智能，即司機必須待在車內，手、腳、眼睛和大腦都要保持在線，偶爾才可以放鬆一下。而更高階的自動駕駛水平，比如L4，駕駛員既不需要動手、動腳，也不需要動腦，可以完全放鬆地待在椅子上，這需要FSD那樣平台化、系統級的開發。
和蘋果在手機領域證明「軟硬一體化」策略的成功一樣，特斯拉也想證明將這一策略複製到新能源車生產上的可行性以及必要性——與手機相比，車的自動駕駛晶片架構需要與其算法更大程度地適配，甚至將一些高頻使用的計算在晶片線路設計中固定下來。這意味著，自動駕駛時代的核心競爭力不只是自動駕駛的軟體系統，還包括晶片。
2022年10月的AI Day上，馬斯克展示了更新版本的汽車自動駕駛晶片FSD，算力達到210 TOPS，為上一代的3倍。他表示，這款晶片還將用於人形機器人Optimus（擎天柱），兩者共用一套AI系統。言下之意，能夠自動駕駛的車與自由行動的機器人沒什麼兩樣。沒有什麼比這樣的聯想更令硬體愛好者們激動了。即便很難評估晶片自研戰略對特斯拉銷量的直接影響，但「自動駕駛訂閱模式」已經開始為這家公司創收。
特斯拉的FSD Beta自動駕駛測試版在2021年只有2000名訂閱客戶，但到了2022年10月已積累16萬名客戶，2022年年末，FSD訂閱人數再次躍升，從16萬漲至28.5萬——兩個月的時間裡差不多翻倍。
按照FSD每個月199美元的包月價格計算，現有訂閱規模可為特斯拉貢獻5670萬美元的單月營收。這意味著，用戶開始主動為特斯拉的自動駕駛軟體服務付費。買車買的只是這個智能產品的硬體部分，現在他們每個月都會向特斯拉的帳戶打199美元，購買它的軟體服務。
此外值得注意的是，2021年全球車企普遍因缺芯而大幅減產，特斯拉的全年交付量則大漲87.4%。摩根史坦利的一份報告提及，特斯拉因掌握晶片技術，自研團隊通過迅速改寫軟體升級固件，找到了晶片替代方案，最大程度減少缺芯影響。特斯拉的整車開發已經完整疊加於晶片和作業系統以及自動駕駛軟硬體開發之上，這種模式讓它成為供應鏈垂直整合程度最高的車企，實現了更高的協同性和自主性，因而更早知曉晶片供應鏈的產量變化，更快組織自研團隊尋找對策。
從自動駕駛系統到自研晶片，從產品組合到商業模式，特斯拉向其他車企展示了未來至少10年的發展路徑。看到特斯拉的車已經裝上L4級別的系統和晶片（雖然很多市場都還沒有發給它L4的上路牌照），其他車企除了追隨已沒有更優的選擇，不進則退。
02 新摩爾定律
對這些車企來說，好消息是，自動駕駛晶片的算力並不像手機晶片那樣幾乎完全由「製程」決定。
對比各大晶片供應商的最新產品就可以發現，華為昇騰910、英偉達的Orin與Mobileye的EyeQ Ultra達到的算力分別為640 TOPS、254 TOPS和176 TOPS，差異明顯。此外，從「每秒準確識別幀率」這個指標看，華為昇騰與英偉達Orin分別為208 FPS（Frames Per Second）和829FPS。
這些晶片都是基於7納米的製程工藝，而決定這些指標差異的最大因素是算法。
「人工智慧在模型創新方面非常活躍，來自算法方面的創新，開創了計算晶片行業的『新摩爾時代』。」地平線生態發展與戰略規劃副總裁李星宇指出，過去10年時間裡，差不多每年都有新的深度學習模型推出，新的算法專利大約每14個月就能將計算效率提升一倍。晶片公司面臨的最大挑戰，是晶片本身的演進速度比算法的演進慢很多。
算法創新意味著晶片創新更多來源於架構，這對晶片設計公司是有利的，但想在新的遊戲規則中取勝，按照李星宇的說法，「晶片公司也必須對算法的發展趨勢有前瞻性的預判，而不是說等到算法出來了以後你才去跟進。」
英偉達和地平線之所以能在巨頭壟斷的晶片領域獲得立足之地，都與其算法創新能力相關。英偉達是圖形處理器（GPU）時代的開創者，能夠實現並行計算，同時處理圖片中的多個像素，因此主導了圖文、遊戲、短視頻流行的新媒體終端。智能汽車也會產生大量並行運算需求，繼續為英偉達的GPU提供用武之地。地平線團隊也多具有算法背景，創始人余凱在創業前是百度深度學習研究院副院長。地平線與英偉達研發自動駕駛晶片，均起步於2018年前後。直到2022年，地平線最新一代晶片征程5在FPS指標上超過英偉達，但在算力指標上，地平線依然弱於後者。
蔚來、小鵬和理想的自動駕駛系統都是自己研發的，這讓它們自研晶片時有了軟體基礎。不過，這三家公司目前使用的仍是L2自動駕駛系統，採用的是ADAS開發模式。
從ADAS模式的L2升級到L4，是地平線過去7年走過的升級打怪歷程。決心要自研晶片的車企們，大概也都要沿著這樣的路逕自己走一遍。很難說它們在自研之路上可以表現得更好，或者在短時間內趕上。
03
戰略押注的十字路口
從2016年項目啟動到2019年產品發布，特斯拉自研晶片只用了3年時間，但不是誰都可以成為特斯拉。
2019年之前，特斯拉在投資人眼中並不是個多有價值的標的。那時，「新能源汽車」這一賽道能不能成型甚至都還令人懷疑，每個人都在擔心電池根本不能讓車子跑太遠，更不要提自動駕駛。
2019年年底上海超級工廠投產改變了這一切。特斯拉的股票在2020年年初開始瘋漲。2017年全球只賣出10萬輛的特斯拉，2020年的全球交付量接近50萬台，此後它的交付規模幾乎每年都以遞增40萬台的速度不斷增長。
事實上，與其說是自動駕駛成就了特斯拉，不如說是其穩定可靠又低成本的上海工廠讓它第一次證明了自己，讓它有了更雄厚的資本可以投入到自動駕駛的軟硬體開發上。
「車企自研晶片要麼為了掌握領先一代的技術，要麼它有足夠的出貨量保證，否則，自研對於車企在成本上是不利的。」李星宇說。
2022年特斯拉交付了131萬台車，蔚來、小鵬和理想的交付量分別只有12.25萬、12.08萬和13.32萬台，只比特斯拉2016年決定自研晶片時的7.62萬輛多一些。但倘若特斯拉沒有等到後面的銷量爆發，很難說它以創業公司的身份把大筆資金花在自研晶片上是否算是好主意。
「電動車行業的制高點在哪裡，大家一直在尋找。是晶片嗎？是電池嗎？是電機嗎？還是軟體？這個答案今天並沒有固定。影響未來10年的電動汽車產業鏈的戰略價值關鍵點在哪裡？各家都在形成自己的看法。非常坦白地說，今天的判斷會決定10年以後大家的好與壞，生與死。既是戰略支點，也是一個很大的押注，是百億元級別的（投入）。」2022年12月的媒體溝通會上，蔚來聯合創始人秦力洪曾感慨於國內車企在這一輪戰略抉擇上的兩難。
出於對深度學習的不信任，L4級別的自動駕駛技術目前在很多國家只被允許在封閉的工業園區等場景中商用，不允許應用於車流狀況複雜的城市道路上。中國目前只允許L2級別的車輛上路行駛，簡單說，就是車上必須有司機，且司機的雙手不能長時間離開方向盤。於是，悖論出現了：沒有數據，深度學習就無法得到驗證和成熟；不讓更高級別的自動駕駛車輛上路，深度學習就沒有數據。
業界解決這個悖論的普遍方法，是把L4級別的能力加載到L2級別的車上。「比如你只要告訴車你的目的地，整個過程它都可以自動去完成駕駛過程，這是L4的能力，L4的技術也可以賦能到L2++的產品上，實現多個L2++產品的功能，這樣也能獲得L4需要的數據。未來我們會看到越來越多這樣的做法。」劉念邱指出，是否採取這種做法，在用戶體驗上也會產生很大差別。
目前，沒有人知道L5級別（車內不需要司機）的自動駕駛如何實現，可以肯定的一點是，目前的深度學習架構不足以解決這個終點問題。同樣沒人知道的是，未來解決這個問題的過程將會是漸進式的，還是突變式的。
「所以大家會焦慮，有的車企非常激進，下一步規劃直接上馬中央計算平台，也有的車企相對保守，第一步先把域控制器做出來，確保基礎穩定，再小步快跑地疊代。」李星宇說，經過行業孕育期，業界都意識到智能汽車肯定是未來的趨勢，但是實現路徑高度不確定。
最終的自動駕駛到底是純視覺方案穩定，還是要加上雷射雷達，是不是一定要高精地圖，是存算分離還是存算一體……這些都會影響自動駕駛的晶片設計思路。
在這種十字路口，晶片自研更好，還是藉助產業鏈的力量更好，變得越發沒有標準答案。
如果選錯路線，就很難回頭——開發一款自動駕駛晶片的過程相當漫長，設計一款達到業界一流水平的晶片至少需要3年以上的開發周期，隨著算法複雜度的提升，這個開發周期未來還會更長。
而且，與傳統汽車不同，智能車市場的遊戲規則會更加像智慧型手機。在這種生態決定生死的市場，馬太效應決定一切，一旦有廠商通過快速鋪貨獲得市場，就能迅速將遊戲內的玩家數量收斂。智慧型手機產業中，上游應用和軟體開發者如今只會為蘋果和安卓兩個大平台做開發，選擇其他作業系統的手機廠商，很快就從市場上消失了。
類似的故事也將在汽車領域上演。對車企而言，一旦在技術路徑上押註失敗，可能會連大規模鋪貨的機會一同失去。
本文版權歸第一財經所有，
未經許可不得轉載或翻譯。
即可購買《公司的秘密》第四輯