黑芝麻杨宇欣：谁说自动驾驶芯片比手机芯片简单？

大国间的科技生产力竞争带来了国产替代概念的兴起。贴上了「弯道超车」的智能电动车和「卡脖子」的自研芯片双重标签的自动驾驶芯片公司，开始获得破圈的流量。就像骁龙、英特尔、英伟达那样，一些明星智能汽车供应商也逐渐渗透进 C 端消费者的认知中。

而最近，自动驾驶产业链似乎出现了一个新的趋势：抱团发展。之所以是抱团发展而不是抱团取暖，显然是因为这个赛道的热度持续火热，但是竞争的局势还没有到绝对清晰的地步。 在这样的环境下，自动驾驶行业中有纵向关联的初创公司之间形成某种形式的联盟，或许是一种更高效的扩大影响力的方式。

最近就发生了如地平线和禾赛科技、黑芝麻智能科技与速腾聚创这样的自动驾驶芯片公司和激光雷达厂家达成的战略合作。也有瑞典 ADAS 公司 Veoneer 先后被曝出与麦格纳达成收购协议以及近日高通高价截胡的消息。

就拿上述的黑芝麻智能科技为代表，说一下目前国产自动驾驶 AI 芯片厂商的现状。黑芝麻在 4 月份布的新款芯片 A1000 Pro ，算力最高可达 196 TOPS，典型功耗 25W。这是国内目前能够满足 ISO 26262 ASIL D 级别功能安全要求的算力最大的芯片。这样的数据，无疑是给国内智能驾驶赛道带来了一定的影响力。

随着这些年「全栈自研」的口号在行业内愈演愈烈，第三方自动驾驶芯片公司又是怎样在业内立足？出于对这个行业的好奇以及对一手观点的追求，42 号车库于 2021 年 7 月 30 日下午拜访了黑芝麻智能科技上海总部，并对黑芝麻 CMO 杨宇欣进行了一对一的采访。

这个市场足够大，足够容纳下几家中国的厂商

42 号车库：有一位新势力创始人说过智驾芯片比手机芯片简单，你同意吗？

杨宇欣：可能他不太懂芯片。谁说自动驾驶芯片比手机芯片简单？车规是一个很重要的点。手机一天死几次机可能问题不是很严重，但是汽车死机就意味着事故。另外就是因为自动驾驶芯片很强调它的计算功能，也就是 CPU 的计算能力，特别是 NPU 的计算能力。所以它的芯片架构跟手机芯片是不一样的。一个是 AI 算力，另外一个是通用算力。

手机芯片的架构已经比较成熟，自动驾驶芯片的功能和场景和以前完全不同，它的架构是全新的架构。所以怎么在新的架构下兼顾大量的数据的吞吐是很重要的。AI 的计算数据吞吐非常大，手机芯片就没有那么大的数据吞吐。这就是自动驾驶芯片难的点。手机的难的点在于，第一，它对功耗要求更高。毕竟车上面的电池大，我有要求，但相比手机没有那么严苛。第二就是手机芯片集成通讯，这很复杂的。其实就各有各的难点。

42 号车库：如果新势力车企自研芯片，你怎么看？

杨宇欣：新势力车企自研芯片这件事，其实你回顾一下安卓手机发展的早期，BAT 都尝试做过自己的操作系统来替代。热是很热，但不是市场发展任何阶段上的最优选，谁都想做全球最好的企业，谁都想做全球最好的技术，有这个想法。手机芯片你做一颗可能就有一亿或者五千万的量等着你。汽车的话，可能也就 50 万。但是，投入都是一样大的，都要几千万上亿美金的投入去研发，需要后期的销量让这个账能够算平。当然，想把自己独有的技术放到芯片里，这个逻辑是没错。但仍然要考虑到技术和商业的平衡。

大家现在想自研没问题，尝试去做也没问题，但是你能不能自己维护一套技术，一直领先于全球，这也是一个挑战。比如说我们是第三方芯片公司，随时随刻听到全世界所有客户最新的需求来定义技术发展方向。为什么手机行业苹果只有一家？三星和华为尝试自己做，但是最后华为用的自己的芯片，安卓还是别人的。三星用了自己芯片和存储，屏也是自己的，但是安卓还是别人的。大家只走了一半。

42 号车库：特斯拉全栈自研的壁垒为什么那么高？

杨宇欣：特斯拉现在全套都是自研。我和很多人交流过这个事情，苹果和特斯拉的出现，和时期有关。苹果和特斯拉出现的时候都是一个其他行业进来的一个破局者，一个破坏者。刚出现的时候，行业里的人对他们都是嗤之以鼻的。

诺基亚一看苹果，觉得就垃圾。特斯拉刚做车的时候，车企也看不上眼。而且他们当时都没有量。但是这些人又特别坚信自己的技术，用另外一个技术角度去实现他们想实现的那些东西，所以他得不到传统的供应链的支持，所以没办法就自己干。干成了，所以出来了。

42 号车库：在世界人工智能大会上，华为 ADS 苏箐说他绝对不相信 V2X，你们怎么理解他说的话？

杨宇欣：十几年前和他有打过交道，他还在做手机。他是一个坚持自己定下的技术路线的那种人。我不用去理解别人相不相信，但是我相信，而且大多数人也相信。中国追求的智能驾驶上的发展，因为单车智能在很多情况下没法短时间内迅速达到你要的成果。所以现在 V2X 的发展就是「云边端」三位一体的一个解决方案，能够更好地去实现自动驾驶，就是通过云端和边缘侧来补充终端去获取更多的数据，来让你做出更准确的判断。

黑芝麻也有在做 V2X，是云边端三位一体的方案。云端是云控平台，是整个城市数字城市的智慧交通的平台。汇聚了各种交通的数据、城市的数据、驾驶的数据。通过这个平台，它会有数据的打通的作用。第二就是边缘侧，也就是路侧。需要通过路测的感知系统去弥补单车智能的感知系统的不足。特别在十字路口等地方。这个路段需要有一个相对比较强大的感知系统来做这件事。

其实我们的芯片除了用在车上面，也可以用在路上，因为车和路的这个技术架构是非常类似的，车和路都是多传感器融合。其实我们现在已经的就是基于我们的芯片做的这种路侧的感知。而边缘计算的处理系统感知系统，已经在苏州和无锡等地方在试点了。但是 V2X 的大家都在做，但是还没有真正的形成一套完整统一的标准，因为大家也在试探技术的突破，商业模式突破政策法规的突破也在这个过程中。

42 号车库：那么，你认为 V2X 该如何商业化？

杨宇欣：以我的认知，我认为如果要推行，你必须要有一些 legacy。也就是说你要不就是新的技术，老的商业模式；或者老的技术，新的商业模式。你要有一些需要被验证的东西才更容易被人接受。比如说这个 V2X 就是新的技术，你搭配老的商业模式是有可能快速走通的。但是大家还是在思考到底怎么来解决问题。因为我们跟很多这种运营商讨论这个问题，现在车路协同还是早期，现在先是去验证技术。

商业化方面，我认为无非就是按时长，或者是按里程来收费。比如说我开始上高速以后，手就松开。车辆开始接管了，云端边缘侧加上车，一块儿开始，然后下高速了，计算费用。V2X 靠政府的建设，运营由公路的运营商，或者是电信的运营商来执行。最后肯定是收用户的钱，国家不可能付钱，因为如果不收用户的钱，商业模式不成立。只说现在 V2X 都是试点。先要解决建设的问题，各个城市都在做基建，由政府来出钱进行基建。试点就不需要收钱，真正你要需要转起来的话，它必须有商业的模式去支撑。

42 号车库：智能电动汽车供应链为什么偏偏是在中国遍地开花？

杨宇欣：现在智能汽车产业里，中国的这些上游的供应链这么蓬勃发展的原因在于到这一波中国汽车产业的发展以及中国的车厂在新技术引入上非常快。对于中国来说，这可能是第一次能够直接走在全球的前面。原来中国很多的产业发展，包括过去十年的手机黄金十年的发展，大家都是先从跟、学开始的。

因为汽车的发展更快，国外的上游厂商这些供应链体系也没准备好，那中国的这些上游厂商有机会跟客户的需求更近，然后它们的发展速度更能去贴近汽车厂商的需求，一起成长。其实我们看中的机会就是，国内厂商的强强联合，其实刨去地缘政治原因以外，就是我们能够更好地去帮助国内的整个汽车产业打造自己的闭环，帮助他们领先全球。自动驾驶的普及速度和技术的导入的速度方面，中国厂商和特斯拉差两年，国外厂商跟中国长差很远。

这个市场足够大，足够容纳下几家中国的厂商，大家各有各的特色。继手机后，自动驾驶就是个十万亿的市场，虽然车的量没有手机那么大，手机市场一年15 亿部吧车一年大概一亿台。但是一台车比 15 台手机要贵。然后里面的软件、电子、芯片的占比部分大大增加之后，对我们这种做芯片来讲，是一个巨大的市场。而且手机是一个点，车是一个空间，未来的商业化想象空间更大。

高算力之所以重要，是因为未来未知

42 号车库：摄像头的高像素化是必然的吗？

杨宇欣：从车厂现在趋势来讲，现在都在往 800 万走。现在甚至还有人问我们什么时候支持 1,500 万像素。我们也在做一些技术的验证。现在我觉得的趋势是，800 万算一个卖点。但实际上呢，甚至有些厂商的做法是把 800 像素压缩成 200 万处理。但是也能理解，因为现在的阶段，硬件成本也很重要，主要是芯片跟不上了。这是过渡的阶段。

42 号车库：摄像头的能力越来越强，传感器和中央计算单元的算力分工会如何变化？会集中还是分散？

杨宇欣：从大的趋势来讲，是集中化。因为从成本上来讲，现在一个车上十几个摄像头，如果都变成 800 万像素的话，每个都单独加 ISP 芯片的话，成本会很高。所以只要是主芯片能力强，就会都收回来。如果能力不够强，那一部分收回来，一部分放外面。能力没有的话，全放外面。

所以大的趋势一定是收回来，也更经济。但是这对芯片要求很高。带宽怎么设计，ISP 到底处理能力有多少强。仍然有些模组是把一些计算前置的，就是后边的芯片平台处理不过来，或者因为本来就有算力前置的现成的产品。

十年前的手机里面所有功能都是单独的。Wi-Fi、蓝牙和 FM、射频还有多媒体都有单独的一条线。但是，现在就是一颗。现在所有电子产品的趋势一定是功能往芯片集中，这是对芯片公司的考验，但也是芯片公司的贡献的价值。

42 号车库：现在对于消费者来说，似乎算力就是产品力的终极体现。你们是怎样看待这样的现状？

杨宇欣：回顾 PC 和手机行业，早期的卖点是什么？PC 几个核心？主频多快？手机也是。但现在你买电脑你不那么关注这些，而是考虑价位，因为价位基本上决定了性能，贵的肯定会好一点。当硬件性能发展到一定程度的时候，已经不会成为软件或者应用的瓶颈，因为那个时候软件应用的丰富程度足够足够多，基本能考虑到考虑的差不多了，就是新的东西出现的越来越少的时候。这个时候，硬件的快速迭代的任务，可能就不是最重要的了。

我觉得现在的应用没有那么丰富多彩的时候，对于用户来讲，最直观的就是算力决定了智能程度，或者是它的可持续的能力，因为未来未知。

比如说买一辆 5.6 L 排量的车，其实那么大动力的不是一直都需要，但是真正需要的时候我就可以上。有些人就追求这个。现在一定要说什么性能什么功能要什么算力，还没有人说得清楚。

所以现在这个现在行业发展早期，这个重担首先担在我们这些做芯片的人身上，我得把可能性提供给那些未来做软件做应用去扩展服务的那些人。为什么有人一上车就要 1,000 TOPS ？可能它都不知道该怎么用，但是这个可能性就起码让未来有足够大的舞台，能够慢慢去提升。

42 号车库：特斯拉用 144 TOPS 就开始测试 City NoA 了，为什么承诺类似功能的其他产品将普遍需要更高算力？

杨宇欣：特斯拉 FSD 是 144 TOPS，但实际上是 72 + 72 全冗余的方案，实际上同时在跑的就是 72 TOPS。所以也就是说他现在号称可以达到 L3、L4 的能力，用 72 TOPS 就解决了。但是现在大家普遍认为 72 TOPS 做到 L2、L3 都很吃力。所以，更重要的是你要解决什么样的问题。说白了就是特斯拉的技术好，优化得可以，就是我用最精简的算力消耗来实现最高等级的自动驾驶技术。

当然，假设特斯拉的下一代也要上激光雷达的话，72 TOPS 肯定不够，肯定要加。但实现的功能可能跟现在体验没有太多区别，更多的是在极端情况下，我的冗余更大，或者我能够提高安全系数。现在的这种纯用摄像头的方式，在某种某些极端情况下肯还会有问题。

特斯拉说 L3 只要 72 TOPS 够了，但是别人可能觉得 200 TOPS 都有点悬。这是需要软件硬件搭配的。特斯拉为什么现在把毫米波雷达都干掉，因为特斯拉是视觉自动驾驶全球做得最好的，所以它有信心把这些扔掉。那其他的为什么还没到 L3 就把激光、毫米波、超声波都上了？那是因为用纯视觉技术的话赶不上，只得多加传感器做冗余，但这意味着成本。

42 号车库：最近英国政府阻止英伟达收购 ARM，如果收购了会怎么样？

杨宇欣：关于英伟达收购 ARM 的传闻，从逻辑来讲，行业里边肯定是反对的，声音是一边倒的。除了英伟达和 ARM 可能会希望收购成功，但基本上行业里面都是反对的。那如果发生了会有什么样的后果？全球的芯片产业过去 30 年形成的平衡全部打破。会进入一个可能长达若干年的乱仗，大家只能各自考虑如何解决了，因为这样的话 ARM 就不会成为大家首选的架构。

我们是一帮做了 20 年芯片和一帮做了 20 年车的人

42 号车库：黑芝麻和速腾聚创的战略合作，包含哪些维度？是否具备排他性？

杨宇欣：这个合作主要是因为我们的客户是一致的，我们可以适配它的雷达，它也可以跟我们芯片的匹配。这样可以帮助客户缩短研发周期。然后还有有互相有拉动的作用。

自动驾驶方面，芯片承担的是核心处理和计算能力，相当于大脑。那么传感器，比如激光雷达、毫米波、超声波、摄像头，这些都是五官。黑芝麻和速腾聚创是相互依赖和合作的关系。速腾在国内激光雷达的业务拓展上很快。

客户在做产品选型的时候，会问或者起码会参考我们已经适配过，效果比较好的。当然，合作并不是排他性的。黑芝麻也会支持别的雷达厂商，而速腾聚创也会适配别的芯片厂商。而这种预先的适配的核心目的就是帮助客户节约时间和金钱成本。摄像头和毫米波雷达也有推荐的选型。

42 号车库：怎样评价和一汽的战略合作？现在的进度是？

杨宇欣：我们跟国内一些主流车企都有合作。一汽是走得最快的，也是公开的。中国只有一汽叫中国一汽。不管说是「共和国长子」也好，其他说法也罢，一汽肩负了中国自主品牌车型在技术创新上的一个排头兵的位置。国家对它确实是有一定的期待。所以它比别人更早地在投入以及扶持中国汽车的上游的自主产业。这是我们对他们的看法。所以个一汽的合作对于黑芝麻很重要，19 年就开始推动了。

那么一汽怎么看我们呢？一汽是一定要去找这些能做成的，或者技术上有领先或有特色的企业。然后我们进入它的这个视野范围，也是因为我们技术有自己的特色，也有成为龙头企业或者能领先的趋势。双向的理由促成了我们之间这种合作。我们的目标肯定是红旗车系列，但具体哪款现在还不方便透露。因为我们做的是自动驾驶平台，所以现有的车改款，或者新车都有可能。时间上的话，快的话明年中下旬会有合作车型上市，将会有 L2 级别的产品，也有拥有 L3 能力的产品。

42 号车库：鉴于 CEO/联合创始人单记章是豪威出身，团队在 CIS 以及相关经验想必非常丰富。请问黑芝麻在图像处理和算法上有什么优势？

杨宇欣：我们有全球最好的图像处理技术。原来单总在豪威的时候，Mobileye 和华为最早的图像处理技术都是和豪威买的。华为是花了上千人的团队，用了六年的时间才把自己做出来，因为这个东西非常非常难做。因为图像处理这件事儿，它是技术加经验的多纬度的积累。有些技术，比如 NPU，你只需要特别聪明的人就行。会看 paper，智商很高，就能做出来。但是，图像处理这个东西就需要更多积累。

我们是一帮做了 20 年芯片和一帮做了 20 年车的人。而黑芝麻的核心也落在芯片上。因为芯片决定了整个智能驾驶或者自动驾驶系统的功能和性能的边界。就是你软件再花哨，超出芯片，我芯片支持不了，那也没办法。所以说芯片是最核心的东西，那我们整个核心的团队来自于全球最顶尖的一些芯片公司，高通、ARM、博通、安霸等等。当然也包括像特斯拉、通用、博世来的这些汽车背景的人才。所以，我们的团队既懂芯片也懂车。

42 号车库：黑芝麻如何做出与地平线等同行企业的差异化？

杨宇欣：我们芯片的核心 IP 是自研的。我们和全球最先进的自动驾驶公司一样，芯片里的两个核心 IP 都是自研：图像处理和神经网络加速器。这意味着芯片每年可以迭代，每年的算力都会翻番。如果你都通过买第三方的 IP 的话，如果它不更新，你就更新不了。所以目前是国内做得大的车规芯片厂商里，是唯一一个全部核心 IP 自研的。当然，通用 IP 我们也买别人的。因为你做不出差异化的东西，用人家做好的就好了。能做出差异化的东西，一定要自己做。

比如，地平线的团队背景是算法。我们对算法的看法是：算法非常重要。但是我们最强的能力还是在芯片上。我们虽然提供了全套的方案，但我们仍然是一个开放的体系，可以有非常灵活的商业模式。有的客户他自己有算法，就可以用他自己的。他自己有别的东西，也可以用他自己的。我们很灵活。但是我们更注重芯片技术的芯片的核心技术。因为大家如果都拿第三方的 IP 攒一个芯片，那谁都做的出来。

42 号车库：自动驾驶相关的数据回流对黑芝麻重要吗？

杨宇欣：我们是提供能力的，我们对数据没有诉求，所以我们也不拥有数据。我们自己在做算法的时候，我们自己会采取数据，然后用来训练自己算法。但是真正量产的时候，车里的数据属于车主和车厂，不属于我们。我们最多在合作的过程中，我们拥有数据的使用权，帮助车厂去更新迭代和改善它的算法，但是我们不会拥有这些数据。

最基本的问题是，各家采数据的标准不一样。现在行业里没有标准的数据采集的模式和格式。所以它们的通用性其实并不会那么高。为什么特斯拉的纯摄像头的技术性做到这种程度，确实可能它的单一的数据量足够大。但这个就是一个积累的过程，也是为什么我说特斯拉比大家领先两年的原因。两年之后你再看这中国这些做自动驾驶的，可能能就会不一样，再过两年又不一样了。现在大家都才刚刚开始，数据量是不够大的。格式是不是最适合去训练提高自动驾驶算法精度？大家都还在摸索。

写在最后

随着越来越多的智能电动汽车面世，中国的技术和生产力也开始展现出了颇有颠覆世界造车的格局的趋势。得益于引入头部玩家以及人口基数和互联网的影响力带来的规模效应，国内的智能电动车产业链在一个巨大的共识中迅速发展，形成一个不可忽视的风口。

身处这样一个从跟随到引领的中国工业历史关键节点上，不仅仅是资本的热钱，还有对追求技术的热情和对改变未来出行的热情，正在推动着这行业里的每一个产品和每一个人，向未知的未来迭代。