撰文 | 郑文
编辑｜周长贤
2 月 8 日，英伟达宣布，对软银旗下 Arm 的收购交易终止。至此，这场为时一年多的芯片行业最大规模收购案以失败告终。
结果并不出人意料。
因为，这并不是一起英伟达和 ARM 达成一致协议就能完成买卖的收购案，涉及到的是整个行业竞争格局的变化，监管机构、竞争对手都不愿看到这桩交易的达成。
如果英伟达成功收购 ARM，就会成为半导体行业中少有的全领域型半导体公司。除了在半导体领域的布局更加完善，更重要的是，英伟达在移动出行领域的实力将会大增，这也刚好是 ARM 主攻的方向。
过去，英伟达的移动处理器 Tegra 系列在图像处理方面的巨大优势，使其在游戏领域获得巨大成功，但在智能手机领域却没能形成潮流，错失了手机行业的红利。
在手机行业风云过后，汽车行业吹起 「智能化」 的风，这个古老且固化的市场开始孕育出新的增量价值和活力。英伟达不能再错过这个风口，它想成为智能汽车芯片领域新的王者。
想当新的王者，绕不开的就是当前的王。在 ADAS 领域盘踞已久的 Mobileye，并非等闲之辈。它创造了太多的第一，第一个车道偏离预警、第一个行人自动紧急制动、第一个前方碰撞预警、第一个自动巡航……
神奇的是，达成这些第一，Mobileye 就用了一颗摄像头和一块芯片，用极小成本实现了强大的功能。凭借摄像头 + 芯片 + 算法的一揽子方案，Mobileye 为车企高效地实现了相关功能，使其几乎成为市面上主流中高端车型的唯一 ADAS 方案提供商。
竞争还未开始，舆论早已喧嚣。风云际会，汽车行业智能化解决方案的市场，硝烟弥漫开来。
时代更替？
Mobileye 的盛世，已经延续了很久。
Mobileye 的 EyeQ 系列芯片及其相应的辅助驾驶解决方案，成为当下 ADAS 市场发展的绝对红利收割者。
从 2007 年推出 EyeQ1，到 2014 年推出 EyeQ3 之后一举成名，Mobileye 在 ADAS 领域所向披靡…… 到 2021 年，Mobileye 在全球拥有超过 30 家汽车厂商 41 款车型的全新 ADAS 项目订单。
与此同时，虽然受近两年疫情及行业不景气的影响，Mobileye 依旧实现了可观的增长。据英特尔公布的数据显示，自 2017 年私有化以来，Mobileye 的营收已经实现了近 3 倍的增长。
然而从另一个维度来看，的确也能看到一些危机。Mobileye 的出货量狂增是从 2012 年开始的，到 2017 年开始增长率下滑。2018-2020 年间，其年增长率从 43% 到 41%，又到 10%。
从市占率方面来看，据 Gartner 研究机构副总裁盛陵海称，Mobileye 在 ADAS 市场的市占率在 2019 年之前一度超过 90%，此后一路下行，到 2019 年底已经跌至 70% 左右。
Mobileye 的问题，业内人所共知。
「黑盒子」 交付模式首当其冲。众所周知，软件定义汽车时代，软硬件解耦是当下行业的核心挑战课题，而 「黑盒子」 交付模式成为这一课题的最直接拦路虎。
在过去的交付形式中，车企会将实际行驶中遇到的问题反馈给 Mobileye，然后由其以色列总部决定是否迭代算法。但这样的方式显然是不切实际的，全球不同路况，不同客户的需求，很难去一一满足，进行有效响应。因此，主机厂非常被动。
算力也是被诟病的点。抛开当下市场应用最广泛的 EyeQ4 不说，Mobileye 在 2020 年发布的 EyeQ5 算力只有 24TOPS，在 2021 年四季度才首次搭载在吉利汽车旗下的极氪 001 车型上。事实上，Mobileye 在 2022CES 上发布的下一代芯片 EyeQ6，也被质疑算力不够大。
与之相比，竞争对手的表现确是相当强劲。2019 年，在 GTC 上英伟达发布了新一代自动驾驶芯片产品 Orin，算力已经达 254TOPS，量级是 EyeQ5 的 10 倍。三年过去了，一位自动驾驶大厂工程师感叹，在算力为王的 L4 领域，仍然是 「英伟达与其它」。
自动驾驶公司轻舟智航称，虽然 Orin 要在 2022 年才正式发行，但该公司已经收到样片。来自工程师的反馈是：「处于金字塔尖水平。Orinx 芯片可以进行海量数据的并发处理，且支持复杂深度神经网络。」
在 2021 年广州车展上，蔚来、理想等新一代车型搭载的芯片几乎都被英伟达承包，宝马、奥迪等品牌则从 Mobileye 换成了高通、华为等供应商。
毋庸置疑，Mobileye 这家以单目视觉起家的供应商，在 ADAS 芯片领域积累的绝对优势遭遇了巨大的挑战。
很遗憾，恰好 Mobileye 在市场端开始走向辉煌时，新的技术变革正在爆发。2012 年 AlexNet 神经网络在 ImageNet 竞赛中获得冠军，此后深度神经网络在图像处理中的应用开始普及、狂热。竞争对手绕开 Mobileye 的图像算法壁垒，采用深度学习迎头赶上。
而 Mobileye 困在了旧的技术架构中，在温床里失去了竞争优势。
盖世汽车分析师王显斌称：「像 Mobileye，如果一代的产品竞争力不足，那么在整个行业中就会失去优势和话语权，以至丢失客户。为了再次赢得优势只能等下一代产品出来，在这个过程中行业却是快速发展的。」
活成了彼此的模样
英伟达创始人黄仁勋曾在公开场合表示，在竞争对手中，他更担心华为这样的企业。甚至都没有把 Mobileye 放在眼里的意思。
不把对手放在眼里，才是最大的蔑视。
2021 年 6 月，英伟达的一次专家电话会议中，在提到 Mobileye 时直称：「一个企业的基因很难改变，现在赚钱容易，远期要放开才能活下去。革自己的命蛮难的。」
火药味十足。
那么，英伟达真的因为 「更开放」，已经以完全压倒性优势，赢得未来的竞争了吗？
或许，言之过早。一位与双方都有过接触的国内造车新势力创始人曾说：「Mobileye 越来越像英伟达，而英伟达则越来越像 Mobileye。」
言外之意，Mobileye 变得越来越开放，而英伟达越来越封闭。
毫无疑问，封闭的 「黑盒子」 交付模式势必会不断遭遇打算自研感知算法的主机厂客户的挑战。
其实，Mobileye 的心态不是没有开放过。
早在 2016 年，Mobileye 就提到过 EyeQ5 将会被打造成开放平台，采用 「芯片 + 算法」 与 「芯片 only」 两种方式销售，第二种方式可以允许客户按照需求自己写算法。但那时除了特斯拉，行业对此感知并不强。
2017 年，英特尔完成对 Mobileye 的收购之后，派驻了 200 位专门负责打造 EyeQ5 开放架构的工程师，对当时提出的销售模式付诸行动。2018 年初，在 CES 上，Mobileye CEO Dr.Amnon Shashua 重申，EyeQ5 可以允许客户基于软件开发套件写入算法。
然而，有一个不能忽略的事实是，很大一部分主机厂其实并没有很强的软件能力。
虽然 EyeQ5 一再强调对主机厂开放算法写入，但是一位知情人士称，EyeQ5 的一个合作项目，在实践中感知算法和决策算法都是由 Mobileye 提供的，车企只写了控制算法。理由是项目进度太紧张，时间根本不允许定制化开发。
Mobileye 产品及策略执行副总裁 Erez Dagan 委婉地表示：「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。」
或许对很多企业来说，软硬件解耦不一定会是最优的解决方案，从实际应用来看，一个紧密结合的系统必然会更有效率，性能也会更好。
在这件事上，开放的英伟达面临的状况是类似的。
从英伟达的自动驾驶芯片量产结果来看，第一款自动驾驶计算平台 Drive PX 2 量产的是特斯拉；第二代 Xavier 则是小鹏和丰田；第三代 Orin 目前首批客户是理想、小鹏、蔚来等中国造车新势力。
每代产品的首批量产客户，相对市场来说，体量都是小的，仅仅局限在那些有能力、有信心自己搞定感知算法的车企。对于大部分车企来说，大批量的采购与合作就意味着风险。
一个很典型的案例：2018 年 7 月公布的英伟达与博世、奔驰的三方合作。在合作过程中，主机厂和 Tier 1 博世，无法搞定感知算法。
后来的结果是，2020 年 6 月底，奔驰与英伟达达成战略合作，从 2024 年起奔驰全系车型将搭载英伟达的自动驾驶芯片，算法由双方联合开发。这也是英伟达首次以 「自动驾驶算法供应商」 的身份进入公众视野。
从商业化角度来看，这大部分的客户，英伟达是绝对不能放弃的。于是，英伟达也走了 Mobileye 的路径，向车企提供芯片 + 算法的整体解决方案。
最终，不管是英伟达，还是 Mobileye，都走向了 「算法 + 芯片」 与 「芯片 only」 两种销售模式。
英伟达向左
在市场端，我们可以看到英伟达和 mobileye 正在趋同，但是在市场竞争的护城河构建上，却走了截然不同的两条路。这是自动驾驶产业链上 Tier 2 供应商的典型路径。
开宗明义，早在 2019 年 10 月的 Q3 财报电话会议中，黄仁勋就宣布，英伟达已经成为一家软件公司。「在自动驾驶平台的迭代逻辑中，有一个关键点就是软件是核心资产、核心能力，一定要具有延续性，累计的算法也可以做更好的优化。」
「你可以想象成一个车变成一个人能够自动开了，它的能力在哪里？是自己的思考能力、自己的决策能力，执行能力都已经成熟了，自动、转向、油门几十年上百年的汽车行业都已经成熟了。关键是软件能力，一个是感测环境、一个是判断环境、一个是规划。」
英伟达一再强调，自动驾驶 AI 芯片的核心能力不在硬件而在软件。于是，英伟达多年来在软件层面下了非常多的苦功。
地平线创始人余凯早前曾观察到一个趋势：半导体厂商不仅仅只做硬件，它们越来越多地往上层走，去构建软件架构。
英伟达经过 Parker、Xavier、Orin 三代产品迭代形成了完整的工具链，对开发者更为友好，非常有助于提升开发效率。
现在我们再回过头来深究一下，大家都声称 Mobileye 太封闭，不够开放。那么这个开放究竟是开放什么？简单来说，就是是否有一个很友好的可编写平台。
Mobileye 不够开放的根本，在于相比英伟达没有更完整的开放软件工具链。工具链的优劣会直接影响芯片的使用体验感的好坏。而英伟达在这方面倾注了非常多的资源。
从 2017 年 CES 上发布自动驾驶平台 NVIDIA DRIVE 以来，英伟达的软件生态和工具链在不断完善。
NVIDIA DRIVE 平台支持以 DRIVE AGX 开发平台为起点，在 DRIVE Constellation 上验证软件算法，充分验证并部署软件后，再通过 DRIVE Hyperion 参考架构进行上路测试，最后用 NVIDIA DGX 进行人工智能 DNN 训练。
通过以上过程，达到量产标准，在此过程中 NVIDIA DRIVE 平台还为开发者提供了丰富的软件开发者套件（SDK）。体贴程度堪比保姆级别。
不得不承认，英伟达与竞争对手相比，在软件层面的优势多了不是一星半点。在桌面端、云端以及车端软件开发平台构建方面有着深厚的积累，开发者可以享受海量 SDK 加持，并且基于 GPU 进行开发，云端开发的软件可以高效无损地直接移植到车端。
一位芯片专家直言，做一款好用的通用产品，对工具链的要求非常高，英伟达为 Xavier 投入的 2000 人中绝大多数都是做工具链的。
这点在合作方理想汽车那儿得到印证。理想 CTO 王凯称，选择英伟达的一个关键原因，就是其稳定的工具链和丰富的软件生态。「成熟的工具链好处在于，如果出错可以很快界定到问题，到底出自哪儿。」
英伟达的软件实力也不是一朝一夕就能达成的，这有赖于在过去长久的积累。
早在 2007 年，英伟达推出的 GPU 统一计算架构平台 Cuda，就把复杂的显卡包装成了一个简单的接口。
Cuda 的整套软件生态做得非常完善，所以有非常多的使用者，早期很多厂家都用 Cuda 快速搭建神经网络加速软件框架。Cuda 生态在经过多年艰苦经营之后，成为人工智能开发者的首选。
在智能汽车领域，英伟达当然也想复刻这样的历史。
在英伟达的规划中，在汽车自动驾驶领域的定位是做到 30% 市占率。彼时，汽车业务在公司三大板块（目前游戏 CPU 占约一半，数据中心服务器占约 40% 以上，汽车占 5%）业务中，可占比 30% 以上。
Mobileye 向右
如果说，英伟达在成为一家软件公司的路上越走越远，那么 Mobileye 就向着另一个方向蒙眼狂奔，正在确立自己的硬件护城河。
这家以色列公司，深信自动驾驶的性能释放效率最高的状态，就是软硬件有效结合达到的最佳平衡。
在 2022 年的 CES 上，Mobileye 展露的新技术，非常具有代表性意义。
过去，Mobileye 的 REM 地图定位技术支撑的高清地图以及视觉感知层面的深厚功底，都不容小觑。而在这一届的 CES 上，Mobileye 在雷达方面有不少值得关注的产品。
其一，4D 成像雷达。相比传统雷达，它可以获得更多的道路信息，甚至获得激光雷达类似的信息。从成像效果来看，物体感知已经有激光雷达的点云感，细节也很丰富。关键是成本还很低，是激光雷达的 1/5～1/10。量产时间是在 2021 年～2025 年期间。
其二，FMCW 激光雷达。过去，TOF 激光雷达的方案无法获取目标物体的速度信息，在一辆快速对向驶来的车此类场景下，TOF 方案下的激光雷达无法预测，要靠近才能有效，此时就很难规避危险。另外，比如轮胎溅起来的水雾在激光雷达上形成的斑点，会让它将其判断成障碍物，造成决策困扰，导致误刹车。
以上问题，FMCW 激光雷达利用混频探测技术都可以规避。但这个方案的难点是制造 FMCW 芯片需要复杂的硅光子芯片制造工艺，此技术别人没有，刚好 Mobileye 的母公司英特尔有。这个产品的量产时间在 2025 年。
Shashua 在 CES 上的演讲中说：「我们激光雷达的性能预计会超过市场上任何已知的解决方案，能够使激光雷达本身成为一个单一的、完整的、独立的感知系统。」
在知乎上，有人问：继英伟达的 GPU 之后，下一个具有划时代意义的产品会是什么？一个比较另类的回答称，也许会是 Mobileye 的新一代 FMCW 激光雷达。
可以说，Mobileye 形成了真正的核心传感器全自研，这样的护城河好处在于可以绕过别的供应端拿到不失真的感知端数据。
在 2022CES 上，面对自动驾驶芯片 EyeQ Ultra 算力不足的质疑，Shashua 犀利地表示：「跟竞争对手的数字相比，176 听上去是一个很小的数字，大概只有竞争对手号称的算力的 1/5，但关键的不仅是算力，更重要的是效率。」
相比大算力，Mobileye 更在意的是，如何高效释放产品性能。
他直接点出了芯片生产商，甚至是很多主机厂也感悟到的痛点。「只有深入认知和了解软硬件之间的相互作用是什么，才清楚到底用什么样的核支持什么样的算法。」
蔚来创始人李斌也曾公开说过：「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。」
Mobileye 在 Robotaxi 运行过程中的经验显示，176TOPS 是相对来说平衡得较好的算力。Shashua 认为，「通过一个单芯片的电子架构就可以驱动 L4，而系统能耗不到 10W，价格是几百美金。在成本和能效方面，这是一个重大进步。」
成本、能效，刚好卡在主机厂最重要的考虑维度。
此外，Mobileye 从软硬件实践过程中还得出一个观点，不想跟随当下主流的摄像头与雷达多传感器做融合处理，而是认为 L4 级真正的冗余概念应该是摄像头、毫米波雷达和激光雷达作为相互完全独立的子系统。
「如果做这样一个由两个子系统组成的冗余系统，不仅能提升鲁棒性和平均故障间隔时间，也更容易验证系统真实的效率。」Shashua 表示。
除了维持对辅助驾驶市场的把控，把系列产品以及动作串起来，Mobileye 还在不断验证，如何在大幅度降低传感器成本，和保持低功率与长寿命的前提下，实现高级别自动驾驶。 这是 Mobileye 在不断探索中找到的路径。
2021 年 12 月 13 日，Mobileye 高调宣布 EyeQ® 系统集成芯片出货量突破 1 亿片。同月，外媒披露英特尔计划在 2022 年年中将旗下自动驾驶子公司 Mobileye 分拆上市，上市后将有助于调整和简化组织架构，加速跟进市场变革。
写在最后
一位供应链上的业内人士评价，英伟达势头虽猛，但并没有撼动 Mobileye 的市场地位。
一位汽车芯片工程师则透露，虽然英伟达的产品的确很强，但是大多数车厂在测试过程中依然出现了各种各样的问题。「拥有软硬件协同与调优能力的工程师其实很少，车企在这方面就更弱了。」
也就是说，车企短期内根本没有足够的人才和能力，把芯片的性能全部释放出来。
而当下，芯片行业的竞争也还没有到零和博弈阶段。除了一些选择自研芯片的车企，其他车企在选择合作伙伴过程中，往往频繁更换芯片供应商，甚至同时选择多家。比如，长城同时选择了华为与高通，不同产品用在不同的车型上。
无论英伟达、Mobileye，还是其他参赛者，大家都在路上，接下来 2～3 年才是关键赛点。
参考资料：
软硬件解耦太难！英伟达竟 「越来越像 Mobileye」
智能自动驾驶六大主流车载芯片及其方案
