未来汽车的发展趋势，有时候可以类比一下手机市场。
如果说手机市场的 2019 已经进入了巨头更巨小厂愈小的后智能时代，那么未来汽车的势头，目前还停留在手机市场的 2012——耀眼的新星已经成为活着的传奇，而后起之秀也正在争夺时代巨轮上的一张直达船票。
也正是汽车市场由于安全、规模、亲民度等等因素，比起消费电子领域，有着一定的滞后性，在这个汽车智能化的前夜，一些手机智能化浪潮中出现的问题，我们可以映射到中控大屏上。而面对未来汽车我们会犯迷糊的情况，则可以从呈现电动星球的小小设备上，找到答案。

智能手机市场最大的特点，是每一个主要参数都已经非常透明。哪怕是一个只认摄像头像素数，只认跑分高低，只认处理器核心数多少的普通消费者，都可以在搜索一番之后，得到详尽的科普。

可智能汽车市场还远没有到这个地步，甚至可以说，智能汽车市场连出现奸商的时机都没有来到，整个产业犹如一片荒野，没人开垦，只有象征生机几缕新芽，揭示着这里无比光明的未来。

所以，我们今晚会从几个最基本的概念聊起，跟大家讨论几个智能汽车里面最基本的，但是以后最容易被厂商设陷阱的概念。


对了，今天可能是春节以来最硬核的更新，大家可以作为睡前读物，有奇效。

智能汽车的大脑到底是什么？
想要了解购买智能汽车会存在什么消费陷阱，我们首先要了解智能汽车是怎样被驱动的。

这里说的不是用油还是用电那种“驱动”，而是“未来汽车的大脑到底会怎样思考”。事实上，2012 年的手机市场也存在过类似的迷思——智能手机的 CPU 到底应该姓 ARM，还是姓 X86？

早已知道故事结局的我们自然可以捧着手里的 ARM 设备感叹 Winner takes it all，但 2012 年的手机芯片市场却依然弥漫着天人交战的硝烟。 ARM 阵营这边是高通苹果联发科，而 X86 阵营则只有英特尔一位独力支撑。


采用英特尔凌动处理器的摩托罗拉 MT788

ARM 之所以最终能赢下这场仗，靠的是天生的优势——基于 ARM 指令集的芯片在超低功耗环境下性能远高于 X86 指令集，这对掌中方寸，极其重视功耗表现的手机来说是至关重要的——不是 X86 不优秀，而是 ARM 本就住在终点上。

回到汽车上，如今的自动驾驶领域也在面临二选一的问题——自动驾驶芯片到底是以 CPU 为重，还是以 GPU 为重？



要回答这个问题，我们需要解答另一个问题：怎样才算是一颗真正的“自动驾驶芯片？”

在 L4/L5 还没有飞入寻常百姓家的今天，严格意义上的“全自动驾驶芯片”是不存在的——即使芯片厂商宣称某款芯片理论上拥有支持全自动驾驶运算的能力，但是目前的法律、软件、传感器、数据量等等条件，都远未达到以 L4/L5 的形式公开运营自动驾驶车辆，从而验证芯片算力的地步。



但这并不代表现在不存在真正的“自动驾驶芯片”，只是当下的我们更应该把那些芯片叫做“辅助驾驶芯片”。而且，辅助驾驶芯片也是有不同类型的，按照它们功能的范围，暂时可以把辅助驾驶芯片分为“专精型辅助驾驶芯片”和“全包型辅助驾驶芯片”两种。

“专精型辅助驾驶芯片”，指的是无法处理所有传感器接收到的图像数据，只能处理部分传感器/某个方向传感器数据的辅助驾驶芯片。“全包型”就很容易理解了，所有摄像头、雷达的数据一股脑塞给它就行。

“专精型”这种辅助驾驶芯片，其实正在随着某种趋势的发展而消亡，而这种趋势，就是上文提及的“自动驾驶到底是以 CPU 为重，还是以 GPU 为重”。

答案很明确：以 GPU 为重，而例子也很生动：Mobileye。

目前 Mobileye 的主力产品是 EyeQ4，最高支持同时处理 8 个传感器的图像数据（7 个摄像头+1 个激光雷达）——听起来很多，但是事实上，目前基于 EyeQ4 的辅助驾驶方案都是以单目前视摄像头的形式工作的。


恒润科技基于 EyeQ4 的后装单目前视摄像头方案

这比起 2016 年大陆和博世提供给奔驰、宝马的双目前视摄像头解决方案，在识别效果上都存在一定的理论差距，更不用说和特斯拉目前采用的英伟达 PX2 高级辅助驾驶平台相比了。而且，EyeQ4 并没有真正成为“在未来汽车的大脑”——这款芯片目前只有一种存在形式，就是与摄像头封装在同一套方案中，而不是像 PX2 一样通过主板连接各个传感器，处于独立的地位。

与其说 EyeQ4 与摄像头共生，不如说是 EyeQ4 的性能不够高，无法统领智能汽车的全局，只能各自为战。“专精型”芯片并不是生来如此，专精是一种结果，而不是目的。
Mobileye 估计也清楚自家芯片的能力，所以他们要用下一代芯片证明自己，同时也进一步证明了 GPU 将会一统未来汽车的大脑。

Mobileye 的下一代芯片叫做 EyeQ5，从 2016 年 5 月底发布开始，这颗芯片已经跳票到了 2020 年（大概率由宝马 PPT 首发）。号称支持 L5 级别的全自动驾驶运算，性能是原来十倍的同时功耗只翻了 3 倍。



上面左右两张分别是 Mobileye EyeQ4 和 EyeQ5 的结构对比图。可以看到，Q5 对比 Q4 最大的区别，是多了一块叫做“Computer Vision Processor”的东东，这个简写为 CVP 的东西，其实有另一个更为通用的名字——GPU。

那难道有了 GPU 就说明 GPU 才是趋势吗？英伟达的方案不也是 CPU 和 GPU 共存吗，就不能说 CPU 才是趋势？别急，慢慢看。



EyeQ5 的结构图里面，“ComputerVision Processor”一共有 18 个单元。目前制造 GPU 的厂商里面，AMD 的结构是 64 个流处理器（Stream Processor）一组，英伟达是 128 个 CUDA 单元为一组，高通从来不公布自己 GPU 的核心规格，ARM 公版的 GPU 架构用的单位是“Core（核心数）”。有且只有英特尔自家的核芯显卡，是以“Unit”为单位的。



EyeQ5 在发布之初宣称会使用 10nm 工艺制作，可是 Mobileye 此前的代工商意法半导体却表示不能透露自家 10nm 工艺的合作伙伴——然后就是英特尔收购 Mobileye。

可是英特尔自己的 10nm 工艺遭遇特斯拉 Model 3 一样的产能地狱，从计划中的 2016 一直跳票到 2019 年，并且产能相当有限，于是EyeQ5便又改口称会使用英特尔 2020 年的 7nm 工艺。

与 7nm 工艺一起于 2020 年登场的，正好就是 CPU 巨人英特尔的首款高性能 GPU——针对 AI 人工智能、自动驾驶，以及发烧游戏爱好者研发的产品。


英特尔的 GPU 原型

最重要的，其实不仅是芯片巨头们纷纷扎堆造 GPU，扎堆依然只是一个结果，而不是原因。真正的原因是——与 7 年前那次手机芯片标准之战类似，GPU 才是住在终点的天生赢家。

实现自动驾驶的基本原理，是两个动词——识别、决策，而这两个动词，又与深度学习的基本原理不谋而合。
首先，GPU 并不是专门为图形处理而研发的芯片，这个依然只是目的，而不是原因——在 2D 时代，个人计算机的图像运算甚至是由 CPU 一手包办的。


MATROX MGA Millenium 2D 加速卡

GPU 这种以多个并行计算的小核心为架构的芯片，正好切中了计算机“以多个简单多边形堆砌复杂图形”的绘图方式，可以实现低功耗大规模的图像运算，这才使 GPU 成为图像处理的标配。

同样地，自动驾驶需要大量的图像运算——这一次不是绘图，而是相反的解构图像，这里同样需要大规模的并行运算能力，比起能够对同一组数据做很多不同操作的 CPU，能够对很多不同数据做同一种操作的 GPU，明显要合适得多。

绕了一大圈，但是道理已经很清楚了——GPU，就是芯片巨头们都认可的未来汽车大脑。而智能汽车最容易出现的消费陷阱，也将围绕这一点做文章。

智能汽车领域最常见的几个概念是什么？
先给昏昏欲睡的大家道个歉，因为我终于点到题了~

如果说我上面写的东西相当无聊，那正好说明了以后汽车厂商在卖车的时候，有着太多可钻的空子。最典型的方法，就是以专业领域基本的概念忽悠不清楚内情的普通消费者。

这一点在智能手机前几年的市场里是屡见不鲜的。“XX 个核心”估计是那些年的手机卖场里，销售们用的最多的话术。不管频率高低，甚至把 CPU 跟 GPU 的核心数一起算，只为了让你觉得“这手机真牛 X ”。



现在普通的消费者已经有了破局的方法——跑分，不管销售吹的震天响，下个跑分软件测试一下，就能知道你花了 4000 块买来照亮你的美的手机，是不是真的全方位吊打隔壁老王 3000 块买来的所谓发烧手机。

但是汽车不能跑分，验证发动机性能还能看个零百加速，验证智能化程度难道还要看哪个语音助手声音更自然？

事实上，我也不能提供一个完美的解决方法。因为现在是未来汽车的前夜，我们能看清楚未来一小段路的方向，但我们不知道当我们走到那里之后会发生什么。

不过，就像上文提到的 GPU 将会是未来汽车的大脑，我可以给大家讲几个基本的相关概念，以后如果有厂商拿着这些概念当卖点，你大可以拿这篇文章呼他们一脸。

首先就是 GPU（GraphicsProcessing Unit，图形处理器）本身。GPU 是一个历史悠久的芯片种类，早在 1985 年，世界上第一款图形处理器就已经上市了。按照现在的趋势，未来常见的高级辅助驾驶/自动驾驶方案，都将依赖 GPU 的运算能力，GPU 将会是自动驾驶的基础，而不是某款车特有的高级配置。


第一款以 GPU 命名的产品——英伟达 Geforce 256

其次是 SOC。有关 SOC，手机领域最常见的销售手法是“将 CPU 和 GPU 融合一体的 SOC 技术”。这种说法本身没有错，SOC（System on Chip，系统级芯片）的定义本就是将系统关键部件集成在一块芯片上。

但 SOC 技术本身并不是什么狂拽炫酷的东西，它只是一种芯片的整合方式。就像你吃饭叫的外卖那个包装盒，里面的黄焖鸡+米饭+青菜是各种不同类型的芯片，而装满了食物的包装盒就叫 SOC。

这个碗就是 SOC，它又大又圆

ASIC/FPGA，这两个概念可以跟 GPU 一起结合着说。ASIC 叫做Application Specific IntegratedCircuits，专用集成电路；FPGA 则是Field－Programmable Gate Array，现场可编程矩阵门。

ASIC的代表作品就是 EyeQ4，它是一种经过编程的，根据确定的算法设计制造的专用电路。而 FPGA 是半定制的，可以适应小幅度修改过的算法。而 GPU 则是完全开放的运算芯片，算法任你改，我只负责干。

如果你看见一款车宣称使用了ASIC技术的自动驾驶芯片（比如EyeQ4）,那么恭喜你，这款芯片所承载的算法几乎是完全不可变的，非常稳定，但是除非换芯片，否则没有任何可升级性。而 FPGA 芯片则可以小幅度升级算法，至于 GPU 嘛，干就完事了。

重点是，ASIC 跟 FPGA 指的都只是一种基础的芯片编程类型，而不是某种核爆级高科技。就像如今的房地产开发商说“我们采用了钢筋混凝土架构”，说出来就知道是句废话，“我们采用了 ASIC 芯片”这句话除了表明“我们的芯片几乎不能升级算法”，其实也相当多余。

结语

我们热爱未来汽车，是因为我们充满对未知的好奇，同时充满对汽车改变人类未来的憧憬。

同时，作为媒体，我们不仅有热爱，更有责任，将智能汽车的原理、概念、猫腻，一一叙说给我们的读者。当然，这不仅是我们的责任，更是所有汽车厂商的责任。

手机市场早期，凭借着营销话术红极一时的厂商并不少见，将产品缺陷形容成窒息黑科技的段子，实际上真的会深刻影响普通消费者的决策，甚至会伤害用户对科技的感情。

拥有巨大滞后性的未来汽车市场，同样有着这样的危险。就是在汽油车时代，也到处充斥着以基础概念蒙骗消费者的例子。

只是简单应用了 1905 年就已经诞生的涡轮增压，直到现在依然能成为部分厂商宣称自己技术程度的标志。更不用说智能汽车时代，厂商们能够在芯片的基本功能上钻研出多少话术了。

我们不希望只有媒体是清醒的，因为不是所有媒体都是清醒的。

篇幅有限，今天就先聊到这里吧。

（完）