作者：苏清涛
尽管 Mobileye 已经愿意推行 「软硬件解耦」，但由于车企自己目前还没有能力搞定算法，Mobileye 便 「不得不」 又回到软硬一体化的老路上。
随着软件能力越来越强，在跟车企的合作中，英伟达就有机会把 「Nvidia Inside」 变成 「Nvidia Outside」 了？
最终，Mobileye 和英伟达、高通、地平线在商业模式上将殊途同归，即车企买芯片也可以，芯片 + 算法也可以。
那些放弃自研自动驾驶芯片的车企，很可能会在不同的车型上选择不同的芯片供应商和解决方案，根据产品力和成本来做选择。
这篇文章的素材，在我的草稿文档里已经躺了一年时间了，可惜我一直没时间整理，直到最近才抽出了一点空挡。
我最早打算使用的标题是 「英伟达正在变软」，事实上，在过去一年里，英伟达乃至华为、地平线等诸多芯片厂商的许多动作都呼应了 「英伟达正在变软」 这个主题。不过，最近，我们了解到，某亚洲车企跟 Mobileye 基于 EyeQ 5 的合作，也没有朝着双方预期的方向进行，于是，就有了标题的前半句。
我并非借一两个个案来 「牵强附会」。实际上，早在去年上半年，一位跟 Mobileye 和英伟达都有过接触的国内造车新势力创始人说：「Mobileye 越来越像英伟达，而英伟达则越来越像 Mobileye」。
这位大佬说 Mobileye 「越来越像英伟达」，是指其在新的竞争形势下不得不变得 「开放」；而他口中的英伟达 「越来越像 Mobileye」，又印证了地平线创始人余凯早在 2017 年就提出的观点：我们看到一个趋势，半导体厂商不仅仅只是做硬件，他们其实越来越多地往上层在走，去构建软件的架构。
Mobileye：我可以开放，但你的能力达到了没？
Mobileye 在商业模式上的 「封闭」（软硬件高度耦合）一直遭车企诟病，而 Mobileye 自己也很清楚，封闭模式会不断遭遇那些打算自研感知算法的客户的挑战。
事实上，Mobileye 也有一颗 「开放的心」，只是由于种种原因，一直未落实到实践中而已。
早在 2016 年 5 月 17 日，Mobileye 和意法半导体共同宣布正在联合开发 EyeQ5（当然，EyeQ 5 的代工后来交给了台积电）时的新闻通稿中，就提到了 EyeQ5 将会被打造成开放平台，采用 「芯片 + 算法」 与 「芯片 only」 两种销售方式，后者即允许客户按照自己的实际需要来写算法。
不过，在那时，除特斯拉外，还没有哪个车企对 「软硬件解耦」 有强烈需求，因此，大家普遍对 Mobielye 的 「开放」 计划 「没什么感觉」。 结果自然是，这一计划在当时并没有引发 「热烈讨论」，以至于后来大家在谴责 Mobileye 「封闭」 的时候似乎都忘了它曾经有过 「开放」 的计划。
Mobileye CEO Shashua 在 2018 年才说，开放原本封闭的 SoC 需要花费大量资源，而此前 Mobileye 根本没有这份精力，直到 2017 年 8 月，当英特尔对 Mobileye 的收购完成、并向 Mobileye 派驻了 200 名专门负责打造 EyeQ5 开放架构的工程师后，EyeQ5 的开放计划才告别了 「纸上谈兵」 的阶段。
2018 年 1 月初的 CES 上，Amnon Shashua 重申了一下那项几乎已经被遗忘的计划：Mobileye 将为 EyeQ 5 的用户提供基于机器学习的 SDK (soft development kit，软件开发套件)，允许后者在此基础上写自己的算法 / 编程。
然而，这一次，Mobileye 的 「开放」 仍未引起太多关注，随后，很快就被淡忘了。
2018 年 10 月，在接受彭博社采访时，Amnon Shashua 再次系统性阐述了 Mobileye 将从 EyeQ 5 开始的 「改革开放」 计划。
11 月，在 EE Time 的报道中，Amnon Shashua 更是特别强调：「Mobileye 很特别，因为我们是唯一一家推行「开放」战略，为一级供应商和汽车厂商预留合作空间的公司。」 全然不顾英伟达早就推行了开放战略、中国芯片公司地平线从一开始就实施开放式商业模式的事实。
但无论如何，对那些采用了 Mobileye 的自动驾驶芯片、却又长期苦于 「算法改不了」 的汽车制造商来说，Mobileye 的 「改革开放」 无疑是一个巨大的福利。理论上，广大汽车制造商们将 「敲锣打鼓」 欢迎 Mobileye 这一举措。
按 Mobileye 原先的计划，其亲密战友宝马会是 EyeQ 5 的第一个客户。不过，在 2020 年下半年，却是一家亚洲车企抢在宝马前面宣布将采用 EyeQ 5。根据双方当时接受媒体采访时对我透露的信息，在这个合作中，Mobileye 正式开始尝试 「软硬件解耦」，即允许车企自己写感知算法。
此后，笔者还从业内人士口中了解中，在该项合作中，Mobileye 已经允许该车企在车上再增加 「额外」 的传感器来跑影子模式 —— 在此之前，Mobileye 严格禁止其 EyeQ 3 与 EyeQ 4 的客户特斯拉与理想等做影子模式。看起来，Mobileye 这次的开放真的是 「蛮有诚意」 的。
不过，对于 EyeQ 5 究竟怎么开放、开放到什么程度，双方高管在接受媒体采访时的措辞却值得仔细琢磨 ——
这家亚洲车企的高管说：「软硬件解耦的核心就在于软件的合作最终会回归到芯片的合作，这也是我们直接与 Mobileye 进行合作的原因之一」，「我们看重的是 Mobileye 在全球领先的视觉技术，而我们在这方面并不太擅长」。
前一句要表达的意思像是 「Mobileye 只卖芯片，算法是我们自己写的」，而后一句又像是在说 「我们对算法的参与程度并不高」。
而 Mobileye 产品及策略执行副总裁 Erez Dagan 的说法则是：「我们看到的行业趋势是除了那些资金充足的公司能够承担风险和失败外，大部分公司已经明白了开发整个堆栈的方案是一场高成本、高风险的游戏。」 「软硬件解耦不会是最优的解决方案。一个紧密结合的系统必然会更有效率，性能也会越来越好。」「我们非常乐观地认为，最大、最著名的主机厂的整合会采用久经测试的具有灵活性的全栈解决方案。 」
可以理解为，Mobileye 虽然做出了开放的姿态，但又不愿意彻底开放，还是希望能保留一定程度的 「软硬件耦合」。
当时，笔者的判断的是：为应对软硬件解耦的大趋势，Mobileye 肯定会履行 「开放」 的承诺，但具体开放到什么程度、客户能参与多少，还需要双方的长期博弈。
最近，笔者从知情人士处得到的消息是：这个项目中的感知算法和决策算法都是由 Mobileye 提供的，该车企自己写的只有控制算法。原因是，项目进度太紧张，根本不允许 「定制化开发」。
这等于是说，尽管 Mobileye 已经愿意推行 「软硬件解耦」，但由于车企自己目前还没有能力搞定算法，Mobileye 便 「不得不」 又回到软硬一体化的老路上。
英伟达：我不能放弃那些 「算法能力不行」 的客户啊
实际上，要不要软硬件解耦，绝不仅仅取决于芯片厂商的态度，车企自己的软件能力如何，也是一个非常关键的因素。这一点，从英伟达 「历届」 自动驾驶芯片的量产客户名单也能看出来。
其面向自动驾驶的第一款自动驾驶计算平台 Drive PX 2，真正的量产客户就特斯拉一家；第二代自动驾驶芯片 Xavier，在全球范围内的第一个量产客户是小鹏，第二个是丰田；第三代的自动驾驶芯片 Orin，在全球范围内的首批量产客户是理想、小鹏、蔚来等中国造车新势力。
尽管产品性能强大，但客户数量远不及 Mobileye 的 EyeQ 系列，原因何在呢？仅仅是因为价格太高吗？
除能提供更高的算力外，英伟达相比于 Mobileye 的最大优势在于便在于 「开放性」，不过，「开放性」 同时也意味着极高的使用门槛 —— 车企必须自己搞定算法（或者跟 Tier 1 合作搞定算法）。然而，现状是，在现阶段，绝大部分车企都没有能力、甚至也没有信心自己搞定算法。
英伟达每代产品的首批量产客户，都仅限于那些有能力或有信心自己搞定感知算法的车企。
自研感知算法的难度极高。
强如特斯拉，在 2016 年底从 Mobileye 的 EyeQ 3 切换成英伟达的 Drive PX 2、并使用自研算法后时也曾一度出现过 AEB 功能降级的问题 —— 只要车速高于 28 英里 / 小时，AEB 便无法发挥作用，而在 Autopilot 1.0 时代，只要车速不超过 85 英里 / 小时，AEB 便可发挥作用。而原因便是：特斯拉当时的算法还不行。
小鹏在用上 Xavier 及自研算法后，也曾体验过这种挑战有多大。不过幸好，跟特斯拉一样，在经过几个月的打磨后，小鹏的自研算法也成熟了。
但毕竟，大部分车企的软件算法能力都没法跟特斯拉或小鹏比，因此，尽管明知英伟达的芯片很牛，他们也不敢大批量采购。博世等 Tier 1 也存在同样的问题。
早在 2017 年 3 月 16 日，博世便跟刚进入自动驾驶产业不久的英伟达宣布了一项战略合作：根据协议，英伟达的芯片将在接下来几年应用到博世设计的自动驾驶域控制器中。在当时，英伟达是带着 「高攀」「抱大腿」 的心态跟博世相处的。
一个月后，博世又跟奔驰合作成立了自动驾驶联盟。看样子，奔驰有可能成为英伟达通过博世 「搞定」 的第一个间接客户。
到了 2018 年 7 月份，英伟达正式宣布了跟博世、奔驰的三方合作。奔驰和博世于 2020 年初在硅谷推出的 Robotaxi 试运营车辆上，搭载的就是英伟达的 Drive Pegasus 平台。
博世希望将这个联盟做成一个开放的平台。2019 年初，在谈到跟奔驰的合作时，博世 CEO Volkmar Denner 说：「我们对其他人成为合作伙伴持开放态度，欢迎洽谈。」
然而，无论博世还是奔驰，都没有办法搞定感知算法。一个在博世德国总部的朋友说：「德国车企及 Tier 1，太专注于机械方面的精益求精，而忽略了软件应用环境的快速更替，将大量软件业务外包。并且，德国以机械和电子开发为烙印的公司的开发流程以及思维模式，也不太适合软件开发。」
当然，英伟达肯定不甘心 「放过」 这些在数量上占绝对多数车企啊。放过了他们，就等于放弃了最大的一块市场。因此，英伟达必须要想办法，让这些算法能力比较弱的车企也敢于大批量采购他们家的芯片。
英伟达的办法很简单：向这些车企提供芯片 + 算法的整体解决方案 —— 这便是 Mobileye 一直在走的路。
结果便是我们看到的，2020 年 6 月底，奔驰跟英伟达达成了一项战略合作：从 2024 年起，奔驰的全系车型上将搭载英伟达的自动驾驶芯片，算法也将由双方联合开发 —— 所谓的「联合开发」，实际上主要是由英伟达开发。这是英伟达首次以 「自动驾驶算法供应商」 的身份进入公众视野。
2021 年初，有媒体问黄仁勋：「英伟达将成为硬件供应商、软件供应商，还是两者都是？」 黄仁勋的答案是：「Robotaxi 想要完全自己开发软件并且经营业务，我们就卖芯片给他们，并提供工具链；也有一些客户希望我们提供包括软件在内的全栈式方案，这样他们就可以在 2022 年之前具备这项能力。」
国内某对英伟达关注较多的新能源车企人士透露，在英伟达也会将跟奔驰合作开发的算法提供给其他车企，而奔驰则会获得一些分成。
当 「汽车制造商自研芯片」 成为趋势
2019 年之前，英伟达在高算力自动驾驶芯片上一骑绝尘，但此后，华为、高通以及正朝着 Tier 1 转型的 Waymo 都开始跟英伟达争抢市场份额。不过，在更长的时间维度上看，不论是英伟达还是华为、高通、Waymo，都要面临来自车企自研芯片的挑战。
英伟达 PX 2 的第一个客户是特斯拉。但在 2017 年下半年，特斯拉正式承认了正在自研自动驾驶芯片，实际上，早在跟英伟达牵手之前，特斯拉已经在为自研芯片做准备工作了。从 2019 年 4 月起，特斯拉的新车上均使用自研的 FSD 芯片，英伟达退场。
特斯拉自研芯片，对其他汽车制造商有很强的示范效应。
早在 2017 年之前，中国造车新势力零跑就开始跟大华威视研发自动驾驶芯片，尽管外界并不看好，但到了 2020 年 10 月，该公司自研的首款自动驾驶芯片凌芯 01 正式发布，该芯片将会搭载在该公司的下一款车型 C11 上；后续，零跑现有的车型 S01、T03 也将在新的年款车中搭载凌芯 01。
2020 年，有多家车企都曝出了自研自动驾驶芯片的计划。
4 月，丰田和电装出资 46 万美元，以 49:51% 的股比成立一个生产 「车半导体」 的合资公司 MIRISE Technologies，尽管注册资金很少，但目标也是自动驾驶芯片的预研。
5 月，北汽跟英国芯片设计公司 Imagination 成立合资公司；10 月，吉利旗下亿咖通跟芯片设计公司 ARM 成立设计公司芯擎科技，这两个合资公司的使命都包括自研自动驾驶芯片。
国内造车新势力中，蔚来曾在 2020 年上半年明确提及自研芯片的事，也有传闻说蔚来已成立了芯片团队 Smart HW（Hardware）。
在 2021 年初跟清华赵福全教授对话时，李斌提到了自研芯片成本过高，并强调 「自研芯片的前提是算法已经定型，并且算法和外购芯片之间的耦合度较差；如果目前算法并不确定，又或者现有芯片已经很好用了，就没有必要自己开发专用芯片」。对此，某芯片厂商高管的解释是：蔚来确实成立了芯片团队，已经在自研自动驾驶芯片了，李斌在接受采访时强调自研的难度，只是为了 「安抚供应商」，因为芯片的开发周期至少需要 3 年。
到了 1 月底，跟中金交流时，李斌又说 「认真做软件的人必须要认真做硬件，软硬件没有明确界限，软件往往固化到硬件，这个趋势不可避免。至于怎么做，是自研还是和别人合作，这个不一定」。
在国内车企中，小鹏对自动驾驶技术的投入力度是最大的，此前在被媒体问及会不会自研芯片时，小鹏汽车自动驾驶负责人吴新宙的答复是：「自研芯片，我们不会说一定不做，我个人实际上也有芯片背景，所以对芯片的理解，我们是 OK 的。」
在 2020 年的第四季度业绩电话会上，小鹏汽车 CEO 何小鹏表示 「2021 年，我们会加大研发投入，包括与自动驾驶紧密相关的硬件。」
而到了 2021 年 4 月份，36 氪报道称，小鹏确实已涉入芯片领域。在北美，芯片项目的牵头人是小鹏汽车北美公司首席运营官 Benny Katibian，国内的负责人是小鹏汽车联席总裁夏珩。报道称，「如果进展顺利，小鹏芯片有望在今年底或者明年初流片。」
理想内部曾在 2020 年探讨自研自动驾驶芯片的计划，但后来考虑到做好芯片的前提是算法高度成熟，因此，态度比较谨慎。不过，在今年 4 月份，理想已宣布计划把自动驾驶功能做成新车标配，考虑到蔚来和小鹏已行动起来，理想大概率也会自研芯片。
而到了 5 月初，大众首席执行官 Herbert Diess 也正式宣布，大众将自主设计和开发高性能芯片，用于其自动驾驶汽车。
这么多车企要自研芯片，除降低成本，保障供应链安全的考虑外，原因还有以下几点：
-
为摆脱芯片厂商产品迭代速度的限制。如吴新宙去年在接受采访时说：「我们现在的 Xavier 还不是性能最强的芯片，但我们其实没有更好的选择，更高性能（的芯片）最早也得到两年后了。但两年后，可能竞争对手又跑到 700 Tops 去了，这是完全有可能的。」
-
智能汽车的硬件需要对特定专门应用及算法进行大量的性能优化，而软件和硬件的分离，会导致性能无法最优化。只有基于专用芯片，才能最大程度发挥软件带来的差异化。
笔者曾问某自动驾驶芯片厂商 CMO，他们今后能否提供像特斯拉的 Hardware 4.0 那样的芯片，做中央超级计算机，即一款 AI 芯片搞定所有域的计算，对方的回答是：「能力上是可以做到，但从商业上考虑，我们不会这么干，因为特斯拉是主机厂，只需要考虑自己的需求，而我们是芯片厂商，要平衡到所欲客户的需求，所以芯片要做得更通用一些。」 看来，这种支持中央超级计算的芯片， 只能通过车企自研来实现了。
此外，为了更好地支持自动驾驶应用，很多车企都打算自研自动驾驶 OS, 然而，已经自研自动驾驶 OS（取得成功）的车企或自动驾驶公司，无论特斯拉还是 Waymo、Mobileye、华为或苹果，都有一个共同点：有自主研发的 ASIC 芯片。这或许意味着，打算自研自动驾驶 OS 的车企，需要同时也抓芯片自研？
而在 「可行性」 层面，车企研发的是 ASIC 芯片，更有可能实现比较强的算力。如英伟达的 Xavier 有 90 个晶体管，特斯拉 FSD 芯片有 60 亿个晶体管，而具体到算力上，后者却是前者的 2.4 倍。有两种可能的原因：1. 特斯拉芯片设计师 Peter Bannon 及其带领的团队比英伟达的设计师更强；2. 特斯拉的软硬结合的方法论（根据软件算法的运行需求来设计硬件）更好。
此外，车企做 ASIC 芯片时，由于可砍掉大量跟特定需求无关的通用接口，因而工艺会更简单，相应地，设计速度也更快，成本也更低。
参照苹果在 PC 芯片中的案例可见，车企自研芯片的性能提升会很快。在苹果自研芯片的早期，其芯片性能与传统的芯片厂商的 SoC 性能有不小差距，但通过系统级的优化，最终的体验差距并不明显。经过多年经验积累以及芯片的迭代，苹果自研的芯片已经强大到能够替换英特尔的 CPU。
有业内人士认为，通用芯片的量要到 100 万片的量级才能盈亏平衡，而据咨询公司 Fraux 计算，假设一家 OEM 在自己的自动驾驶芯片上花费了 1.5 亿美元作为设计成本，而组件价格没有变化，并且年产量可以达到 40 万辆，四年内即可收回成本。而据蔚来此前做过的一项测试，自研自动驾驶芯片的成本大概为 2 亿美元。
因此，头部汽车制造商自研芯片，几乎已成为不可逆转的趋势。对英伟达这样的芯片厂商来说，这显然不是个好兆头。
据《纽约时报》报道，在 2019 年底或 2020 年初，英伟达曾试图收购 Zoox，但最终没有谈拢。如果这笔收购完成，英伟达完全可能成为 Mobileye 一样的 Robotaxi 运营商，可惜没有 「如果」。
当然，跟年销量超过 230 万辆的戴姆勒建立深度合作，也是一个不错的选择。通过这次合作，英伟达可在芯片的基础上再补上算法，形成整体解决方案，并通过跟戴姆勒的约定将该方案向其他车企开放，正好可以对冲掉汽车制造商自研芯片所带来的一部分冲击。
合作敲定后不久，在面向投资者的电话会议上，黄仁勋称，这是该公司历史上 「最大的单一商业模式转变」。英伟达汽车业务高级总监 Danny Shapiro 也说：「不要把此次合作看作是一种产品，而是未来整个产品线所基于的战略和架构的改变。」
英伟达在软件算法上的能力积累
当然，英伟达向车企提供算法，绝非在竞争环境剧变下的 「仓促应战」，而是经过多年积累后 「水到渠成」 的结果。
2007 年，英伟达正式推出 GPU 统一计算架构平台 Cuda，这相当于把复杂的显卡编程包装成了一个简单的接口，造福了广大程序员。英伟达已经在 Cuda 基础上开发和积累了针对不同领域的大量算法与软件，让数不清的开发者不用写一行代码，就能先让一套深度学习的基础模型跑起来，站在巨人的肩膀上升级与优化软件堆栈。
由于开发者数量巨大，NVIDIA DRIVE 在某种程度上已经成为了汽车、卡车制造商、Robotaxi 公司、软件公司和大学所广泛采用的自动驾驶汽车开发的行业标准。CUDA 生态，已成为英伟达最大的护城河。
2017 年初的 CES 上，英伟达发布了自动驾驶平台 NVIDIA DRIVE ，该平台上还搭配了自研的软件架构 Drive AV 和 Drive IX。所谓的 Drive AV 整合了深度神经网络，它能感知原始数据，理解车辆周围情况并预测其它道路参与者的一举一动。至于 Drive IX，则是一款可在 Xavier 上运行的智能座舱软件，它能为驾驶员监督系统及各种用户界面提供工具。
2018 年 3 月，英伟达发布了一款自动驾驶仿真系统 Drive Constellation。沃尔沃跟英伟达合作的项目，便利用 Drive Constellation 模拟平台进行测试。
2019 年 1 月份的 CES 期间，英伟达展示了其高精定位方案 DRIVE Localization（软件模块）。此外，英伟达还在规划高精地图众包方案 NVIDIA MapWorks 。
2019 年 12 月的 GTC 大会上，英伟达并没有推出性能炸裂的芯片，新品反而更多地聚焦在了软件层面，本次发布的 AP2X 9.0、DRIVE Constellation 以及 Safety Force Field 驾驶策略都是软件产品，表明该公司在自动驾驶层面全面转向软件系统。
与此前的版本相比，AP2X 9.0 新增了摄像头 「失明」 预警功能，即用英伟达自己开发的深度神经网络（DNN）ClearSightNet 评估摄像头的可见度进而确定遮挡、障碍以及可见度降低的根本原因。如此一来，在数据被下游模块处理之前，感知系统就能在处理管道中尽早检测到无效数据。有了这一功能，感知数据最终抵达决策端时，车辆可以选择不开启自动驾驶功能，并提醒用户清洁摄像头镜头或挡风玻璃，或者使用 ClearSightNet 输出以通知用户摄像头感知可信度计算结果。进而，在摄像头 「失明」 时能够最大程度低保障安全。
也是在 2019 年 12 月 ，英伟达面向自动驾驶汽车开发者开源了开发深度神经网络。通过这一套 AI 工具，英伟达生态系统内的开发者们可以自由扩展和自定义模型，从而提高其自动驾驶系统的稳健性与能力。
英伟达拥有业界最稳定的工具链。
去年，笔者曾问一位来自芯片厂商的大佬：「研发一款自动驾驶芯片究竟需要多少人？为什么特斯拉只用不到 100 人搞出来了，地平线应该是至少 500 人，而英伟达的 Xavier，据称是用了 2000 人，其中的差异到底在哪里？」 这位大佬说：「特斯拉的芯片仅给自己用，做起来简单，所以不需要投入很多人，相比之下，地平线比较开放，需要投入很多人去做工具链；而英伟达的产品比地平线更加通用，因此，对工具链的要求就更高 —— 英伟达为 Xavier 投入的 2000 多人，绝大多数都是做工具链的。」
去年 9 月份，在理想汽车跟英伟达签约时，理想 CTO 王凯说，他们选择英伟达，有一个关键原因是，英伟达拥有稳定的工具链和丰富的软件生态。「成熟工具链的好处在于，如果出了错，可以很快界定到问题，到底是不稳定的工具链造成的，或者不稳定的硬件造成的，还是程序的不稳定造成的」。
而工具链的背后，其实也是软件能力。
2021 年初，在 「黄氏定律」（即英伟达 AI 芯片的迭代速度远超摩尔定律）一词火起来后，英伟达方面表示，比起半导体制造工艺进步，他们更看重芯片架构的优化。而芯片架构的背后，还是软件能力。
尽管芯片销售仍是英伟达最重要的收入来源，但目前英伟达团队中软件人员远多于硬件人员。2020 年上半年，国内造车新势力高管透露，英伟达的自动驾驶算法工程师已超过 1000 人。
事实上，早在 2019 年 10 月，在 Q3 财报电话会议上，黄仁勋便已经宣布：「英伟达已经成为了一家软件公司。」
随着软件能力越来越强，在跟车企的合作中，英伟达就有机会把 「Nvidia Inside」 变成 「Nvidia Outside」 了。
2021 年初，黄仁勋在接受媒体采访时说 「过去买车，提车那天就是这辆车的「巅峰」。而软件定义的汽车恰恰相反，提车那天将会是这辆汽车的「低谷」。但这之后将会妙不可言。」「未来四年内新车以成本价销售将不再是「天方夜谭」，因为利润将来自软件。如果一家汽车公司每年生产 1000 万辆汽车，并以成本价出售，在软件方面有可能产生 5000 美元的利润，那一年就是 500 亿美元。」
黄仁勋既然已经十分清楚软件算法在汽车产业价值链中的地位，他能不打算去分一杯羹吗？
不过，在被问及 「软件的主导权会掌握在谁手里」 时，黄仁勋表示，汽车与手机的区别在于，车载软件是为汽车定制的。
黄仁勋说：「科技行业将控制车内一切的这个想法毫无根据，更不会发生。原因很简单，车企将成为车队管理者和服务提供者，而不是机械制造商。在很长一段时间内，汽车制造商将在很大程度上拥有软件的主导权，这与手机行业有着根本的不同。」
看来，尽管具备提供算法的能力，但英伟达并不打算去 「控制」 汽车制造商。不知这是英伟达的真实想法，还是为了安抚客户？但无论如何，与一些试图让车企给自己打工的科技公司相比，这种理念显然更容易让车企 「放心」。
对本文的几点补充 ——
- 芯片厂商在硬件能力的基础上提供软件算法服务，不仅英伟达在这么做，华为、高通和地平线也在这么做。
华为的 「全栈式」 方案，大家已经都很熟悉了，我们无需再提。高通在 2020 年推出 Snapdragon Ride 后，也开始整合软件生态，包括与 Veoneer 成立合资公司打造 ADAS 及自动驾驶全栈软件，这个很多人并没有注意到。
地平线就更有意思了。地平线的创始团队以算法背景为主，而在做芯片的过程中，他们始终没强调算法的价值。
2017 年 11 月，地平线创始人余凯在杭州的未来出行论坛上说：「我们看到一个趋势，朝着自动驾驶的趋势走，半导体厂商不仅仅只是做硬件，他们其实越来越多地往上层在走，去构建软件的架构；另一方面，传统的过去只是软件的玩家们现在也朝着向软硬一体的方向去走，比如说谷歌，也在做芯片。我们认为未来要真正去解决人工智能的应用落地，必须从软件到硬件，软硬一体。」
在芯片做出来之后，地平线的 「芯片 + 算法」 的软硬一体化方案供应商身份也越来越清晰了。
这次上海车展上，地平线发布了基于征程 3 打造的 Horizon Matrix Pilot，从 Pilot 的名字就可以看出，这一解决方案对标的是类似特斯拉 NOA、小鹏 NGP、蔚来 NOP 等时下最流行的领航辅助驾驶功能。
在创立初期，地平线的定位是做 「AI 时代的 Intel Inside」，而现在，他们更强调 「AI on Horizon」 了。
做整体解决方案供应商的市场体量，显然要比做芯片供应商大。
- 对车企自研芯片的话题，余凯在 3 月份接受《汽车行业评论》时的回应是：
「这个东西很难说，有些手机厂商也尝试过做手机芯片，后来放弃了。早期很多计算机企业也都尝试自己做芯片，后来要么失败要么放弃了，比如 SUN，IBM 和 PC 时代的苹果。我们觉得汽车企业很难去造芯片的原因，首先一家整车厂的销量没那么大，一般在几十万台到百万台，难以摊薄芯片研发成本；其次自己做芯片会把自己隔离于开放的软件生态之外，因为在业界很难找到熟悉封闭芯片平台的软件人才。」
「对大部分的主机厂来讲现在的竞争焦点在什么地方？首先要把车造好，把车卖好，品牌要建立好，用户要维系好，这些事情都很难，你的对手很强大，你一定要全神贯注。在这些事情之外，你才能有富裕精力把芯片研发出来。老实说，乔布斯不是每个人都能当的。」
- 针对芯片厂商帮车企开发算法，有产业人士的评论如下：
车企与芯片厂商谁来占据主导地位？把芯片厂商算作是车企的供应商吗？不太行，因为核心技术全在芯片厂商手里。那就把车企当成芯片厂商的外设供应商呢？也不太行，因为车企肯定不会乖乖受人辖制。最简单的问题：是车企要主动去配合芯片厂商的迭代速度呢，还是芯片厂商主动配合车企的开发速度？这可是两个完全不一样的方案。
而且，如果两个竞争车型用的是同一家芯片厂商的同一个方案，核心技术都是类似的，要怎么竞争？消费者要怎么选择？这可和手机的芯片镜头什么的不一样 —— 手机设备还要手机厂商自己进行深度适配，才能有差异化的竞争力，这一点车企做得到吗？
再者说，这个合作本质上是将智能化这个任务从车企转移到芯片厂商，一个芯片厂商可能对应数家车企的数十款不同车型，真的能完成差异化的竞争需求吗？就像学校一样，一个老师对应个位数的学生，才有可能做到因材施教，一个老师对应 30、40 个学生，就会很吃力，学生再多，就只能吃大锅饭，特斯拉和新势力推动几款车型就好了，主力集中，做到每款车型都不一样，芯片厂商做得到吗？这需要芯片厂商的实力与精力比特斯拉和新势力强数倍才有可能，而且芯片厂商与车企的沟通能像两个部门一样顺畅吗？
因此，在经过多轮博弈后，芯片厂商的最终策略可能是：只跟少数几家车企深度绑定，对大多数车企，还是只卖芯片。
- 我的同事孙利老师的观点：
那些放弃自研自动驾驶芯片的车企，很可能会在不同的车型上选择不同的芯片供应商和解决方案，根据产品力和成本来做选择。比如长城就同时选了华为和高通作为供应商，用在不同的车上。但是也会选择一家作为主力战略合作商，目的就是打造深度定制和差异化的能力。
既然汽车未来是软硬一体化的，那未来谁能够干得好，就看谁家的战略联盟做得好。
联盟要做好，需要双方各自能力都很强，同时双方的合作能力也很强，一方 「拉跨」 可能就不行了。比如，手机行业中小米和高通的合作关系，对小米的成长影响很大，可以频频拿到 「首发」，在优化上可以先人一步。
具体到奔驰和英伟达的战略合作，从已公开的信息看，对奔驰来说，这种合作是排他性的，即不再和其他芯片厂合作。那对英伟达来说是不是排他性的呢？今后，英伟达是否还会有另一个像奔驰这样的参与研发和分成的全面战略合作伙伴？可能奔驰也对英伟达做了限制，「和其他车企合作可以，但是合作深度不能超过我」？
