當”阿爾法狗”戰勝李世石的那一刻，自動駕駛的風暴到來了。
百年汽車產業走到今天，機器、化工、電氣都登峰造極，賦予了汽車強健的體魄；現在，是該需要一點夢想了，這無關顛覆，公欲善其事，必先利其器。人工智能不過是讓汽車像人一樣思考，賦予其自主意識，但汽車本身不會變成一個外星體。
汽車工業經過一百多年的積累，當他開始像人腦一樣思考時，迸發出來的勢能和動能是巨大的。-
但是，誰來提供“汽車大腦”呢？現階段的汽車大腦能否跟得上自動駕駛發展的需要？
指數級增加的數據
如果問阿爾法狗下棋的風格，這隻狗很可能是吳清源+李昌鎬+聶衛平+眾多圍棋高手的綜合體，因為它是谷歌動用了上萬臺服務器，學習了人類高手對弈的上千萬盤棋局，訓練出來的。它的每次落子，對人類來說可能匪夷所思，但確是它經過千萬次計算後的推理出來的大概率。
滴滴副總裁章文嵩曾說：滴滴的派單算法比阿爾法狗的圍棋算法複雜100倍，結果被打臉，但是這提醒了我們，人工智能比拼的就是計算能力。
論計算的複雜度, 滴滴是比不過圍棋的，目前滴滴日均處理的數據次數是10的11次方，而圍棋僅僅是一局最大會處理10的808次方比特的數據。但對一個完全的自動駕駛來說，圍棋都是小巫見大巫，圍棋是一個具有約束規則的計算，而自動駕駛完全是開放規則的計算。
據英特爾公司保守的估算，一個配備了各種傳感器的自動駕駛汽車，每天要處理的數據量為4000GB，約為10的14次方比特的數據, 這還僅僅只是計算單車環境下的數據量，如果把V2X，車聯網等環境變化考慮進來，複雜度還會呈指數級上升。
一般來說，駕齡在五年的司機才會達到人車合一的境界，要成長為一名老司機，需要5年左右的訓練，才能於各種複雜車況、陌生路況中作出正確判斷。如果不是賽車手，駕駛其實沒有什麼樂趣，訓練和推理才是駕駛的唯一姿勢，從這點來說，人是比不過機器的。
一個正常的出租車司機，5年能訓練的駕駛里程最多約70萬公里，而Waymo自動駕駛車隊自2009年上路以來，總路測里程已達到了1287萬公里。這是一個用計算能力堆砌起來的優勢，人類是無法超越的。
當然了，人類大腦現階段還能秒殺計算平臺，但人類之間的知識無法快速共享；在自動駕駛世界，每一個“機器人司機”的駕駛經驗，都將會得以累計，並共享給每一個“機器人司機”，這才是可怕的。
但在“機器人司機”成為現實之前，機器人的“大腦”，還需要高速迭代。
數據、算法和芯片
人工智能的三大基石：數據、算法和芯片，海量數據是用來餵給芯片，並在算法的指導下進行訓練和推理的，訓練和推理的結果又形成數據迭代反覆，這是一個循環反饋的三角形網絡。關於機器學習和深度學習的算法原理，人工智能大神吳恩達已在互聯網上貢獻了他的教學視頻；目前的主流是深度學習算法，業界也貢獻出了各種開源的深度學習代碼框架。
軟件的開源精神為這場自動駕駛的腦力競賽賦予了靈魂，這是一個開放的賽場，程序員們需要看到的是一個百花齊放的生態。在這裡，系統廠商可以藉助開源的代碼框架搭建自己的自動駕駛OS，比如百度的Apollo,特斯拉的Autopilot; 平臺廠商可以藉助定製的算法框架提供自己的SoC(System on Chip)方案，比如英偉達、英特爾、地平線；軟件集成商可以整合部分算法框架，提供整體解決方案，如微軟、圖森互聯、四維圖新等。
數據是糧食，算法是靈魂，芯片就是決定腦力的關鍵。在這場算力的比拼中，有多條道路通向中央領獎臺，他們的物理性能在特定的場合不分伯仲，從下圖可以看出，單位功耗的算力(TOPS/W)，GPU（圖形處理單元）、FPGA（現場可編程門陣列）, ASIC（專用集成電路）相差無幾，GPU略微領先一點。
（來源：清華大學電子工程系納米集成電路與系統實驗室）
在自動駕駛領域，人工智能芯片要從兩個應用從場景來分解： 雲端場景負責海量數據的訓練，終端場景負責實時推理。這兩種場景對計算能力、功耗和延遲的要求是不同的：雲端因為大量的數據需要超強的計算能力，終端則對低延時有著苛刻的要求。從技術上來看，在雲端場景，GPU和FPGA和ASIC都可應用；對終端來說，自動駕駛要落地，ASIC無疑是最佳選擇，但這一切又要看雲端的訓練結果。
領跑者
雖然說條條大路通羅馬，但是有的人本來就出生在羅馬。在PC時代的計算力比拼中，英特爾和英偉達本就是無可爭議的王者，至今，很多超算的計算單元就是英特爾的至強和英偉達的GPU搭建起來的，這兩家可謂是超算的“核彈工廠”。
以手機為代表的移動計算的興起，曾讓“二英”落寞的了許久。如今，人工智能對算力的召喚，又讓兩家看到了希望，重裝入場開始拉仇恨了：英特爾先後重金收購Altera、Mobileye和Nervana; 英偉達倒是收購不多，但是投資清單上的自動駕駛企業也不少，圖森互聯就是其中之一。
曾經，英特爾只有CPU，英偉達只有GPU，在PC時代算力的比拼中不遑多讓；現在英特爾補齊了FPGA和ASIC，而英偉達仍只靠GPU打天下人，他們的相愛相殺又將延續到自動駕駛領域，只是苦了AMD還在尋找自己的位置。
誰負誰勝出，唯一的裁判就是市場了。前篇所述，從技術上講，在自動駕駛的算法尚未迭代成熟之際，GPU是有天然優勢的，因此英偉達暫時領先半個身位，至少在雲端，與汽車無關，基本上都是數據中心，英特爾是可以和英偉達平分秋色的。
但是在終端，從長遠來看，一切未定的芯片架構在商業化之後都會以極簡、批量化的面貌出現，英特爾擁有廣泛的產品線(尤其是ASIC，這個是降低量產成本的關鍵)和自己的晶圓廠，況且還有Mobileye強悍的軟件平臺能力及良好的車企、Tier1人緣背書，英特爾將加分不少。但是在自動駕駛的市場真正瓜熟蒂落前，兩強間的競賽還看不出結果。
中國流
人工智能的風口讓這場腦力競賽格外熱鬧，說起來，能借此收割全球市場的先手，自動駕駛應排第一位。圖像識別？別逗了，也許整個美國的攝像頭都不如中國的一個城市多。但這點讓中國的人工智能芯片企業有了天然的數據優勢。
首先，羅馬並不是一天建成的，Wintel在PC時代的盟主地位，恐怕在自動駕駛領域還不會復現：強勢的車企，開源的算法軟件，以及海量訓練數據的要求，決定了這並非一場零和的競賽，中國企業是有機會按下搶答器的。
這個表中羅列的是以ASIC為架構的AI芯片企業，可以窺見鮮明的中國特色，基本上所有的企業都會發布針對智能攝像頭的AI芯片。當然，這其中不包括專門面向自動駕駛的百度和深鑑科技，只是這兩家目前以FPGA為主，待自動駕駛的場景和算法成熟後，不排除會遷移到ASIC架構的可能。
一幅百花齊放的場面，我們擁有數據和算法的優勢，已然搶佔了天元位置。只是在自動駕駛的這個開放賽場上，要實現我們彎道超車的夢想，需要更多的誠意，多拿出一點乾貨
傳統汽車電子集體失聲？
這個競賽的舞臺看起來如此擁擠，多少初創企業排著隊也要擠進賽場，但是，傳統汽車電子巨頭恩智浦、瑞薩、英飛凌和意法半導體在這場算力比拼中集體失聲。這是為什麼？
如果說英特爾、英偉達這樣的硅谷芯片巨頭是圍棋九段，講究的是佈局和計算力，那麼傳統的汽車電子巨頭更像是象棋高手，一般是短兵相接，拼完消耗，然後再日拱一卒。傳統汽車電子巨頭誕生於車企本身，生而為車，他們的產品一般長於控制和非計算。
阿爾法狗1.0在打敗李世石後，迭代出來的阿爾法狗2.0，又經過3天490萬盤棋局的自我訓練，就以100：0的比分完勝對陣李世石的那版1.0。短短3天，阿爾法走完了人類千年的圍棋歷史；而另一條狗，波士頓動力(後面也有兩足機器人)自2013年開始亮相，就不斷吸引人們眼球，漫長的5年，從踢不倒的機器狗，到能開門的機器狗，到能實現三連跳，後空翻的仿真人。它彷彿經歷了嬰兒般的進化過程。
這是不同的兩個門派，一個是意識流的俠客，一個是功守道的師傅。
關於算力的比拼，是抽象層的競賽，面對的是數字的、離散的世界；而傳統汽車電子，面對的是模擬的、線性的世界，所要把控的是物理層面的穩定。一個數字電路的工程師，可以在短短几年，往一塊GPU裡塞進更多的計算單元，但一個模擬電路的高手，可能數年都無法找到一個解決信號噪音的好辦法。
況且，為車而生的恩智浦、瑞薩們，在比他們更強勢的車企面前，自然是有點畏手畏腳的。一方面，他們有保帥的顧慮，另一方面，他們還要去將別人的軍，防守和進攻首鼠兩端時，資源已拼耗得差不多了，哪還有錢砸向人工智能的賽場？
這場最強大腦的競賽，並非顛覆汽車和汽車電子格局的收官之戰，恩智浦、瑞薩們也在和車企們一樣，一邊固守著自己的舞臺靜待時機，一邊悄然佈局。
“腦”與“手腳”需要協作
想象可以無邊無際，但是回到現實，我們仍然需要冷靜；算力可以無限迭代，控制只能憑經驗摸索。自動駕駛恁怎麼天馬行空，仍然是四個輪子，”鐵包肉”的機械產品。
坐看雲起時，也須行到水窮盡，雖然人類是意識決定行動，但終歸要雙足行走。人工智能這場風暴來了，但對車企和傳統汽車電子巨頭而言，慢半拍是必然的；況且，一場暴風雨遇到高山也會降低等級。
PC時代，Intel藉助微軟Windows的聯盟崛起，分別成就半導體和軟件行業霸主，但PC製造商們與其蜜月也過得挺好。移動計算時代，在芯片端，雖然有高通這樣的霸權行徑，但也有聯發科，展訊這樣全程呵護的交鑰匙廠商；在軟件端，開源精神興起，雖然iOS和Android理論上只是半開源系統，但好歹整個生態是開放的。況且，網絡的誕生，顛覆了所有產業的觀念: ”沒有一部車是閉門造出來的”。
自動駕駛，不過是更大維度的移動計算時代。在這個時代，開源精神幾乎已成為普世價值，網絡的平行理念已深入人心，這勢必造就一個百花齊放的產業鏈條，沒有人能獨自發號施令。
對於傳統汽車電子巨頭來說，AI競賽的誰負誰勝出，不過是汽車電子供應鏈中又多出幾個硅谷的身影；對於傳統車企來說，人工智能的到來，不過是更多話語權的博弈，以及更多衍生市場的爭奪，如果能看清這點，一切皆可泰然處之。
人工智能，對汽車產業人士來說，也許並沒有那麼可怕；真正可怕的，是背後所用到的軟件和網絡，以及由軟件和網絡所代表的，一種柔軟的思維方式和開放的精神。
閱讀更多 國際科技消息觀察 的文章
