高算力、低功耗、神经网络加速已经成为新一代感知处理芯片的关键指标，也是传统汽车零部件制造商的新机会。
两年前，一家名为Recogni的AI视觉芯片公司希望为L2以上自动辅助驾驶系统彻底变革传感器数据处理，并为OEM提供一个完整的感知算法、芯片集成模块。
该公司推出的这款芯片能够识别检测、分割、分类)对象，将深度传感器信息融合到对象中，为决策系统提供16ms以内（城区道路）和8ms以内（高速公路）数据处理延迟。
彼时，这家初创公司拿到了包括丰田、宝马、佛吉亚在内的多家汽车制造商和零部件厂商的资金。短期目标是量产用于L2自动辅助驾驶，同时开始针对L3/L4进行研发。
如今，随着Mobileye、英伟达、高通、瑞萨等芯片厂商在下一代集中式域控制架构领域占据先机（OEM转向与芯片厂商直接合作，一部分OEM甚至自主研发域控制器），包括博世、大陆在内的传统一级汽车零部件制造商想要守住市场地位。
除了传感器硬件、加大软件算法研发投入，芯片也是关键角色。
一、AI芯片投资还在加速
近日，Recogni公司宣布成功完成了4890万美元的B轮融资，包括博世、大陆两家传统Tier1参与投资。对于ADAS以及自动驾驶来说，视觉功能仍然至关重要。
该公司推出的人工智能视觉认知模块VCM)，通过在人工智能、专用集成电路asic)和系统软件方面的创新，承诺在超低功耗下提供突破性的性能，实现多个摄像头同时实时的高分辨率和高帧率图像处理。
Recogni公司负责人表示，与竞争对手的解决方案相比，其视觉处理方案使用一组不同的图像传感器来识别距离较远并且体积较小的物体，同时功耗控制在合理范围内。
识别模块效率高的原因之一是它依赖于被动冷却，这意味着不需要耗电的风扇。另一个原因是，内置芯片与三个内置摄像头的物理距离很近，减少了将传感器数据从摄像头传输到处理芯片的电力消耗。
这套高度集成模块，包括三个被动冷却型图像传感器、一个深度传感器和一个定制芯片。通过以太网连接到外部激光雷达或毫米波雷达，芯片使用其他传感器来补充摄像头感知，识别车辆、行人和其他物体。
其中，核心的芯片每秒能执行超过1000万亿次运算（1000TOPs），以每秒60帧的速度捕捉和分析多达3个800到1200万像素的摄像头产生的未压缩视频流。
更关键的是，在该公司负责人看来，现有市面上的大多数神经网络加速器技术要么是针对性能优化，要么是针对功耗优化——没有一种技术是针对两者都优化的。
一些业内人士指出，对于博世、大陆等传统零部件制造商来说，对于AI芯片初创公司的投资，很大一部分原因是避免未来沦为芯片巨头的“域控制器组装代工”角色。
要知道，汽车电子架构的革命，域控制器将成为未来营收的主要来源。而芯片是其中关键组件之一，同时也是真正价值所在。
与此同时，本轮全球汽车行业的“缺芯潮”也再次引发汽车产业链未来关系的根本性重构，汽车制造商、传统Tier1、芯片厂商三者之间的传统层级关系逐步被打破。
Recogni公司也不是博世投资的唯一一家AI芯片公司，三年前博世和宝马一起投资了一家成立仅两年时间的公司（Graphcore），两家公司合计投资了2亿美元。目前，该公司的最新估值为27.7亿美元。
Graphcore公司开发了一款创新处理器——智能处理单元IPU)，并拥有相应的AI和机器智能算法，处理器是专门为机器智能训练和推理而设计的。据该公司称，它的速度比传统硬件快10到100倍。
此前，微软也对该公司进行了投资，并且正在使用这些芯片为托管在其Azure云计算服务中的人工智能应用提供支持。该公司的首要目标是挑战英伟达在数据中心领域的市场地位。
按照Graphcore公司的说法，AI芯片的新进入者“胜出”的机会在于计算2.0革命，相比较而言，现在行业内更多探讨的是软件2.0（基于传统芯片架构的优化）。
计算2.0时代意味着什么？
不是给机器编程，而是机器学习——也就是机器学习。这从根本上改变了应用程序的开发和行为。构建软件的过程需要被调整，并且软件算法的决策可能是不可解释的行为。
然而，这似乎是未来的发展方向，Graphcore公司负责人指出，有了足够的数据和计算，我们可以建立在模式识别任务中优于人类的模型。也就是通常大家所说的：从数据中学习。
成立Graphcore的想法是由另一位公司合伙人痴情的铅笔Hermann Hauser)提出的，他此前也是芯片IP巨头Arm的联合创始人，“现在是历史上第三次出现对新型微处理器的需求，第一次是Arm低功耗芯片，第二次是GPU，用于高性能视频处理。”
二、未来几年芯片仍有变数
目前，传统的汽车供应链面临着人工智能、机器学习和深度学习算法的计算能力、甚至开发和完善复杂人工智能应用所需的芯片供应等方面的竞争。
过去几十年时间，传统一级供应商已经确立的市场主导地位，无疑正受到来自各种新参与者的挑战，尤其是一些芯片巨头希望重塑全新的商业模式。
Mobileye是第一家实现从芯片到算法一体化的公司，紧接着去年高通公司推出的骁龙Ride自动驾驶平台，开始整合软件生态，包括与Veoneer成立合资公司打造ADAS及自动驾驶全栈软件。
不实现多元化的传统汽车零部件供应商，很可能会错失未来更广阔市场中一个很大且利润丰厚的部分，软件是一部分，芯片自主供应也是关键的另一部分。
高工智能汽车研究院认为，去年开始汽车制造商越来越多地与传统作为二级供应商的半导体公司直接合作，此举可能会挤压一级供应商的营收乃至利润空间。
同时，包括特斯拉在内的电动汽车初创企业，正在不断储备自己的软件研发能力，在这个过程中，他们可能会绕过传统一级供应商，甚至像特斯拉这样布局核心软硬件的垂直整合，忽略传统供应链的存在。
这种急剧变化的产业环境迫使所有参与者重新思考他们在供应链中的角色，坚持旧模式（从传统汽车芯片巨头那里采购）肯定不是一个制胜策略，也无法真正发挥差异化优势。
2020年开始的汽车行业“芯片荒”，凸显了汽车制造商、一级供应商、半导体供应商及其代工厂之间调整产能和采购模式的必要性。
两年前，博世向位于德国东部德累斯顿的新半导体晶圆厂（12英寸晶圆）投入10亿欧元，以支撑其不断增长的汽车电子业务。该公司是全球汽车半导体市场的第六大供应商，“我们的芯片主要用于内部使用，不额外增加利润。”
按照原计划，上述工厂在去年完成工程建设，预计今年底开始投产。“这不是为了盈利，这是为了创造一种成本更有竞争力的更好的终端产品”。同时，这意味着该公司有机会在未来巨大的汽车芯片市场，保证供应安全。
另一方面，大陆集团也在加快与初创公司的商业合作，去年，该公司与中国汽车AI芯片公司地平线正式签署合作备忘录，将以中国市场为重点，在高级驾驶员辅助系统（ADAS）和高等级自动驾驶领域展开深度合作。
双方本次合作，地平线的征程系列车规级AI芯片将被整合到大陆集团一部分ADAS产品中，基于低能耗和高性价比的优势，能够满足中国道路交通情况。
应该说，2020年对汽车行业来说是极为不平凡的一年。持续的疫情给行业带来了很多不确定性的挑战，也间接导致了相当大的供应链压力。
一些行业人士坦言，深入研究问题的关键——现有的汽车解决方案无法实现我们今天预期的未来真正安全、适应全场景、可以不断迭代的自动驾驶方案，因为这些平台都是基于传统通用芯片技术。
突破TOPS/W的算力天花板，同时在低功耗前提下实现实时、精准、高性能计算将是下一轮汽车芯片竞赛的关键。