雷锋网(公众号：雷锋网)按：本文作者李星宇，地平线智能驾驶商务总监。毕业于南京航空航天大学，获得了自动化学院测试仪器及仪表专业的学士和硕士学位；曾任飞思卡尔应用处理器汽车业务市场经理，原士兰微电⼦安全技术专家，有13年半导体行业从业经验。在加入飞思卡尔的早期，任职于i.MX应用处理器研发团队，在该领域取得一项NAND Flash存储应用美国专利。在士兰微电子负责安全芯片的公钥加密引擎设计，该引擎的RSA/ECC加解密性能处于国内领先水平。

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ImageNetLSVRC-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。

在GPU设计之初，并非针对深度学习，而是图形加速，在NVIDIA推出CUDA架构之前，GPU并无太强对深度学习运算能力的支持。而如今，NVIDIA可以提供基于其GPU的从后端模型训练到前端推理应用的全套深度学习解决方案，一般的开发人员都可以非常容易地上手使用GPU进行深度学习开发，或者高性能运算。而CUDA架构的开发，耗费了NVIDIA巨大的人力物力。

可以说，是CUDA这个中间层（computing framework）的优化，才使得开发者真正爱上了GPU，NVIDIA胜在软件。而CUDA还不能称之为算法，它只是计算硬件与算法之间的桥梁。

算法的优化更是绝非易事，目前顶尖的人工智能算法人才都是厚积薄发的，板凳坐得十年冷，在人工智能的春天到来之前，他们凭借艰难努力和顽强的意志熬过漫漫寒冬。

更难的是，你很难找到既懂得算法，又懂得计算构架的开发人员。如果他们分别来自两家公司，那么沟通的时间成本是巨大的，沟通的效率也相当地低。

算法和芯片的协同设计，需要极深的整合和优化功力，Intel缺乏针对算法设计芯片的人才,而Mobileye也难以在短时间内提升车规级高性能处理器设计能力。毫无疑问，将两者整合到同一家公司进行开发，是最优路径。

在过去，Intel也在努力加强其在人工智能算法方面的积累，对Nervana和Movidius的收购反映了这一点，并且提供了面向深度学习优化的数学函数库（MKL）。

但远水解不了近渴，自动驾驶需要极高的系统可靠性，这意味着你需要时间。而当下的竞争态势已呈白热化态势，时不我待，在商业竞争中，快人一步就意味着赢者通吃，弥补短板往往不如发挥长处，在高通、NVIDIA、NXP等巨头虎视眈眈的情况下，Intel与Mobileye的整合，无疑是一个强强联手的绝佳组合。

从本质上讲，购买Mobileye，就是买时间优势。

布局自动驾驶全产业链，加速产业化进程 

Intel去年成立自动驾驶事业部（ADG），宣布与宝马合作、收购高精地图供应商Here 15%的股份，到如今收购Mobileye, 可以直接获得其已经极为稳固的客户群，成为其杀入自动驾驶行业最稳固的基石。加上其在云计算平台方面的扎实基础，以及积极投入5G研发，Intel布局自动驾驶全产业链的宏大计划，正逐渐浮出水面。这个统治了PC行业数十年的巨头，在错失了移动互联网时代之后，重装出击，在自动驾驶的时代能否上演王者归来，值得期待。

结语 

图灵奖获得者Alan Kay，曾经说过：如果你要严肃地思考你的软件，就必须做你自己的硬件。Intel对于Mobileye重磅收购案，再次为这一论断加上了浓墨重彩的一笔。

如果说过去是算法根据芯片进行优化设计的时代，那么Intel对于Mobileye收购，预示着一个新时代的到来：算法和芯片协同进化的时代。已经有一批先知先觉者在行动，Google自己已经开发了TPU，用于CNN加速。地平线也在开发BPU，结合高度优化的的深度学习算法构架，打造核心竞争力。

谁能同时掌握算法和芯片，谁就能在产业化方面获得巨大的竞争优势，最终赢得这个人工智能无处不在的时代。

雷锋网特约稿件，未经授权禁止转载。详情见。