随着汽车制造商和科技公司纷纷投入对自动驾驶汽车技术的开发，市场对汽车芯片数量的需求将会迅速增长。
掘金自动驾驶
在下一波数据驱动技术革命中，Arm将会把计算嵌入到数据的生成决策中，也就意味着需要更多的算力、更低的功耗以及更低的成本来驱动多元化的智能设备发展。从1991年到2017年，Arm用26年实现基于Arm技术的芯片出货1000亿，在接下来的4年（2017年-2021年），将实现第二个1000 亿芯片（目前累计出货1500亿），未来将实现出货1万亿芯片，届时从各种传感器、门禁卡、手机、家电、汽车，到工业机械、通信基站、数据中心、云服务器，基于Arm架构的芯片真的会无处不在。
据相关数据显示，到2020年全球自动驾驶产业规模预计将达到6140亿人民币，其中中国市场将达到2000亿人民币，这是一个充满前景的市场，为自动驾驶提供算力支撑的芯片市场自然也会是掘金地，在这个领域中，Arm绝对大有可为。
华为自动驾驶的核心有怎样地优势？
华为的芯片积累，让其在自动驾驶领域可谓是如鱼得水。经过多年发展，目前华为已经建立起了完善的芯片体系，包括专为5G提供支持的巴龙系列芯片、基于全新达芬奇架构研发的昇腾系列AI芯片、在手机上搭载的CPU处理器芯片麒麟系列，以及服务器级处理器芯片鲲鹏系列。其中，昇腾系列AI芯片主打AI算力需求。
据华为方面介绍，昇腾310使用了华为自研的高效灵活CISC指令集，每个AI核心可以在1个周期内完成4096次MAC计算，集成了张量、矢量、标量等多种运算单元，支持多种混合精度计算，支持训练及推理两种场景的数据精度运算。
作为NPU，昇腾310集成了FPGA和ASIC两款芯片的优点，包括ASIC的低功耗以及FPGA的可编程、灵活性高等特点，从而其统一架构可以适配多种场景，功耗范围从几十毫瓦到几百瓦，弹性多核堆叠，可在多种场景下提供最优能耗比。
相较而言，英伟达使用的GPU是通用AI芯片，算力高但功耗也高。具体来说，英伟达的Xavier 算力为30 TOPS，功耗则达30W，能效为1 TOPS/W，相比之下，华为昇腾310 算力为16 TOPS，功耗仅为8W，能效为2 TOPS/W。
另外，在自动驾驶芯片领域，Mobileye的 EyeQ系列则是典型ASIC芯片的代表，不过，在算力方面，Mobileye EyeQ4的算力为2.5 TOPS，功耗为3W能效0.83 TOPS/W，相比之下，华为昇腾 310的优势也格外明显。而且昇腾310芯片后续还会以每两年一次的速度持续迭代优化。
基于此，不管是昇腾310最优的算力和功耗，还是其统一架构可以适配多种场景，都决定了其必然成为华为自动驾驶MDC智能驾驶计算平台的核心。
自动驾驶芯片：群雄环伺，鹿死谁手难定论
当整车厂开始大规模地投入到自动驾驶的研发中，上游的零部件厂商也不得不在智能化浪潮中求得生存。所以，对于自动驾驶芯片厂商来说，Tier 1既可能是强劲的竞争对手，更可能是最有力的合作伙伴，因此在这个关键的过渡期，拉联盟、统一战队是常态。
博世、采埃孚加入了英伟达自动驾驶联盟，德尔福和Mobileye共同开发“中央传感定位与规划（CSLP）平台”， 博世、电装、大陆牵手恩智浦、英伟达加入Arm主导的计算产业联盟……而诸如地平线这样“势单力薄”的创企，也在以非常成熟的方式打入产业链，推出自动驾驶芯片的同时找好相应的Tier 1厂商和OEM厂商给自己“托底”。
正如业内人士所说，自动驾驶所需要的环节越多，Tier 1的重要性就会越发明显。因为它们是所有环节最终能否落地到量产产品上的关键。任何单一技术供应商，想要跨过Tier 1直接落地到车厂的量产产品上都会十分艰难。
一方面是站队的问题，另一个更为现实的问题是赚钱，连整车厂在面对自动驾驶这个吞金怪兽都要结盟，通过采购体系分摊成本、降低研发成本，更何况初出茅庐的新人们。
对于半导体巨头或者特斯拉这样已经成气候的厂商来说，研发自动驾驶芯片是锦上添花，但依然会影响其他业务的营收表现。而对于那些家底不足的新兴公司来说，还有生存的压力。从实际现状来看，融资之外，有部分厂商会退而求其次，从ADAS或者其他应用场景出发，弥补自动驾驶芯片的漏洞。
同时，那些拥有强算力的技术公司都有可能跨界到自动驾驶领域。以谷歌为例，谷歌Waymo克莱斯勒无人车采用了英特尔的Xeon服务器芯片、Altera的FPGA和英特尔的以太网关芯片，但难以保证谷歌不会在TPU的基础上，研发出适用于自动驾驶的AI芯片。
综上种种，在自动驾驶汽车还停留在路测阶段时，市场无法给出短期的评判结果，现在比拼的是供应链能力，上下游厂商，谁愿意为你的技术买单，提供更多的数据反馈，谁才能在蛰伏期获得更大的赌注。
所以，自动驾驶芯片的战争，鹿死谁手，现在下定论过早。
