隨著汽車智能化、數字化技術的逐漸成熟，汽車自動駕駛芯片這一關鍵市場也成為了汽車行業的焦點之一。近日，在一個人工智能相關大會上，人工智能（AI）芯片公司寒武紀首次披露其車載智能芯片的關鍵數據。據悉，這款芯片采用 7nm 制程，符合車規級標準，其定位為“高等級自動駕駛芯片”，同時，“云邊端車”的概念也再次走入了人們的視野。然而，不僅僅是寒武紀，隨著自動駕駛市場的不斷孵化，自動駕駛芯片似乎已經成為了AI供應商們的必爭之地。

　　AI供應商紛紛涉足自動駕駛芯片

　　近年來，包括寒武紀在內的多家供應商，特別是AI廠商，均開始涉足自動駕駛芯片，智能汽車將成為下一個人工智能落地的重要場景。除了作為科創版AI芯片第一股的寒武紀開始大力開發自動駕駛AI芯片外，致力于打造人工智能核心算法和計算平臺的黑芝麻智能科技如今也在扎根于智能駕駛領域，其發布的黑芝麻華山二號甚至實現了接近特斯拉FSD芯片的算力。

　　可見，比起前幾年國際巨頭車廠的“群雄爭霸”，如今自動駕駛領域的“主角”似乎也已經被AI供應商占據。人們不禁感嘆，汽車產業要“變天了”，供應商已經開始“喧賓奪主”。

　　可以看見，如今AI廠商都“嗅”到了自動駕駛領域的巨大市場商機。據了解，預計到2030年，自動駕駛汽車將占據整體出行里程的40％以上，完全自動駕駛新車滲透率將達到10％。乘用車市場信息聯席會數據顯示，預計未來五年自動駕駛市場規模將持續保持增長態勢，到2024年有望突破1000億元。

　　“隨著自動駕駛與新能源汽車技術的快速發展，未來的汽車將由以車為中心轉變為以人為中心的移動智能空間，智能汽車將成為下一個人工智能落地的重要場景。” 寒武紀創始人、CEO陳天石說道。

　　在巨大的市場紅利驅動下，AI供應商們紛紛開始在“AI賽道”上展開競技，顯示出人工智能技術在出行中的多種可能性。之所以供應商能夠在智能駕駛領域占據如此多的席位，是由于車載AI芯片、自動駕駛系統已經成為定義智能汽車時代的核心技術，亦是未來汽車產業競爭的制高點。

　　自動駕駛軟硬件一體化對AI芯片要求更高

　　隨著自動駕駛業態的加速壯大與成熟，自動駕駛各個技術領域也越愈發細分化。在這種背景之下，汽車芯片也不僅僅是底層支持的硬件產品，而是成為和軟件、系統以及整個生態緊密相連的關鍵一環。

　　據了解，此次寒武紀披露的車載智能芯片已經覆蓋云、邊、端三個領域，包括訓練、推理等不同品類的 AI 芯片，完成了“云邊端一體化”以及軟硬件協同的建設。面對不同場景的算力需求，需要有不同品類的智能芯片產品，以此來覆蓋人工智能領域高度多樣化的應用場景。此外，從某種程度上來說，硬件、軟件、算法等不同參與者之間的融合程度決定了自動駕駛水平的高低。隨著自動駕駛呈軟硬件一體化發展趨勢，對AI芯片多了更多新的需求。

　　賽迪顧問人工智能產業研究中心副總經理鄒德寶同《中國電子報》記者說：“自動駕駛呈軟硬一體化發展，是由于汽車正由分布式架構向中央集中式架構方向發展。傳統分布式硬件架構在智能汽車時代，面臨的是多維感知需求和海量非結構化數據處理的需求，一般每新增一個應用功能，便新增對應的感知傳感器、決策和執行。而中央集中式架構所產生的數據量是呈指數級增長，對AI算力的需求提出了更高要求，需要有更加實時、準確的算力能力和基礎，對AI芯片性能的需求更加嚴苛，因此ASIC、N-SOC等高性能芯片也將成為新的需求產品。”

　　硬件架構的升級也使得芯片的算力需求呈現指數級增長。據了解，傳統汽車功能簡單，與外界交互較少。而對于智能網聯汽車而言，不僅需要與人交互，也需要大量與外界環境甚至云數據中心交互，未來將面臨海量的非結構化數據處理需求，車端中央計算平臺將需要500+百萬條指令/秒的控制指令運算能力、300+TOPS（即為300*1012次每秒）的AI算力，這對于芯片的算力也有著不小的挑戰。

　　AI芯片“上車”還需打破重重枷鎖

　　“智能駕駛是一個復雜的系統，對于車載芯片的算力、云端訓練、邊緣端推理性能都提出了更大的挑戰。” 陳天石說道。因此，盡管如今AI芯片“上車”已經成為了如今AI供應商們的重點努力方向，但是隨著自動駕駛的加速落地，對AI芯片的需求越來越多，也使得各個方面的挑戰隨之而來。

　　“人工智能的首要要素是算力，隨著深度學習的興起，尤其是大模型，像自然語言處理模型，其算力已經達到了一個很高的量級。要對這樣復雜的模型進行訓練，所耗費的時間和能源、設備成本是非常昂貴的。”陳天石說道。如何獲得更加廉價、能效更高的算力是行業中眾多智能芯片廠商關注的焦點，也是智能芯片行業長期努力的方向。

　　同時，車規級AI芯片對于安全性、功耗等方面的要求非常嚴格，這也為AI芯片生態的搭建以及芯片的認證帶來了不小的挑戰。鄒德寶認為，由于車規級AI芯片生態較為封閉，個性化定制特征明顯，因此難以建立完善的生態體系。此外，AI芯片的研發需要投入大量資金，軟硬件開發的成本難以通過大規模使用來降低，導致生態體系難以在短時間內建立。此外，車規級芯片的認證時間較長，一款芯片一般需要2 年左右時間完成車規級認證，進入車企供應鏈后一般擁有5~10 年的供貨周期，這些為AI自動駕駛芯片的落地帶上了很多“枷鎖”。

　　鄒德寶認為，對于車規級AI芯片而言，若想打破這些“枷鎖”，AI供應商可以做兩點工作。鄒德寶告訴《中國電子報》記者：“首先，AI供應商可以廠商構建全棧式綜合解決方案，從而幫助AI生態能夠實現全場景涵蓋，打破如‘孤島’般零碎的功能屬性。其次，供應商也可以嘗試將自我學習的AI技術應用到自動駕駛復雜系統中，持續積累周圍的環境信息和駕駛習慣，使得系統能夠每時每刻都能在自我學習，同時車輛之間也可以對不同的應用進行自動交互，不斷優化算法，若能實現，可有效縮短AI芯片的認證時間。”

　　盡管如今AI芯片“上車”已經是大勢所趨，但是在未來，包括寒武紀在內的AI供應商們能否交出一份亮眼的成績單，還需拭目以待。