文 / 地平线智能驾驶商务总监 李星宇
芯片业老大Intel收购ADAS业界龙头Mobileye，一石激起千层浪！这一重塑行业竞争态势的收购大案背后，折射出怎样的行业趋势？
算法+芯片成为通往人工智能未来的关键路径
凭借十几年的积累，Mobileye在ADAS算法方面的成熟度，无人望其项背，所以即使Mobileye制订了苛刻的排他性商业条款，众客户也只能忍气吞声。
Intel在处理器制程、产能方面也有绝对的优势，相对于高通这样的Fabless公司，可以提供更好的产能和品质保障，对于汽车电子而言，其重要性毋庸置疑，AEC-Q100认证、超过十年的供货周期要求，高低温工作稳定性，这些汽车电子的要求使得Intel的IDM整合模式有天然的优势。
但面对自动驾驶的未来，无论Intel还是Mobileye，都不是无懈可击的。
虽然Intel依然是半导体业界老大，但如果单论人工智能的计算平台，nVidia更加耀眼。在过去一年里，nVidia的股票坐火箭般上升，因其GPU已经成为深度学习业界事实上的标准开发平台，到目前为止，基于CUDA平台，目前已经超过20万个下载，CUDA社区已经拥有30万开发者。
2016年，Mobileye和意法半导体高调宣布，将合作研发Mobileye第五代SoC芯片——EyeQ5，作为2020年实现全自动驾驶(FAD)的处理器平台，预计在2018年上半年可提供EyeQ5的工程样品。但在芯片业界看来，这无疑破坏了行规：按照通常做法，至少要等芯片样品出来之后才能宣布，而Mobileye提前近两年宣布，一度被圈内人笑称PPT造芯。
尴尬的背后，凸显的是Mobileye在高性能计算芯片设计方面的实力不足，毕竟和Intel、NXP、nVidia等一众资深玩家比起来，Mobileye在芯片设计方面还欠缺底蕴，而搭档ST也并非高性能计算构架设计的领导者，它更擅长后端开发。
目前的人工智能商业化应用，绝大部分还集中在云端，而不是嵌入式领域，其主要原因就在于目前基于GPU的系统售价高昂，但汽车其实是一个对成本极度敏感的行业，GPU不菲的售价已经成为量产的关键制约因素，此外，其较大的发热量也对长期工作稳定性带来挑战。如果不能以经济的成本实现人工智能，那么自动驾驶的普及就依然遥不可及。
FPGA被越来越多的公司使用，其计算构架可重构特性能满足深度学习对于专有计算构架的需求，这是Intel收购FPGA巨头Altera的重要原因：灵活、可快速部署。
被收购于Intel的Altera芯片
但FPGA再往上走，计算资源的扩展会让成本上升到很难接受的地步，于是就会轮到ASIC出场了。半导体业界无数的历史都表明，FPGA往往是定制化ASIC的前哨站，一旦某个应用的量足够大，定制化ASIC就会变得更经济。
Intel已经制定了相关的路线图，对于Mobileye的收购，补齐了其战略拼图中缺失的一块：算法以及对应的专用算法处理器IP的设计经验。
将算法和芯片进行协同设计，可以轻易地获得超过10倍的性能提升、10倍的功耗下降和10倍的成本下降，并且缩短了客户导入时间，由此获得的商业竞争优势，想想就觉得恐怖。
同时掌握算法与芯片，已经成为通往人工智能未来的关键路径。
算法与芯片深度整合非一日之功
虽然nVidia是人工智能计算平台的领导者，但一个引人深思的事实是，一开始并非nVidia选择了人工智能，而是人工智能的研究者选择了GPU，进而成就了nVidia。
在2012年，Alex利用深度学习+GPU的方案，一举赢得ImageNet LSVRC-2010图像识别大赛，并奇迹般地将识别成功率从74%提升到85%，nVidia敏锐地觉察到了这一趋势，并大力优化基于GPU的深度学习生态系统，并加速迭代开发，三年时间将GPU性能提升了65倍，从而奠定了目前的王者之位。
