英伟达遭“限芯令”，国内自动驾驶玩家怎样变招？-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

文章：郑凯@谭清朔，AI主编

最近，美国增加了对中国芯片产业的限制。Nvidia和AMD生产的一些GPU产品将包括在美国的停止销售范围内。

据报道，不允许向中国企业销售的芯片主要包括Nvidia A100.H100.AMD MI250等高性能AI芯片，未来峰值性能和I/O性能达到或超过A100的芯片在新销售许可证要求的范围内。

由于一些被禁止销售的芯片主要用于自动驾驶的云训练，国内自动驾驶和汽车行业正在消化这一意外消息。

小鹏汽车创始人何小鹏乐观地表示，”未来几年的需求已经提前买回”。百度副总裁王云鹏立即回应道，”我们通宵达旦地讨论如何加快创新，实现尖端技术的自力更生”，并批评何小鹏”说我对资本市场很满意”。

这两位大人物的声音来自他们自己企业的立场。我们不会评论谁对谁错。更重要的是，”核心限制秩序”是否会得到加强？”核心限制令”实施后，哪些企业将首当其冲，哪些企业可能在整个自动驾驶行业面临机遇？

Nvidiasha了谁的脖子？

首先，应该明确的是，”核心限制顺序”主要针对云数据中心使用的高性能GPU芯片，主要用于AI算法训练。这对自动驾驶行业有多重要？

业内普遍认为，智能驾驶的大规模生产竞争主要取决于两个方面：时间和成本。

一个是时间维度，即在算法的迭代周期中，处理海量数据的速度决定了自动驾驶能力的提高速度。另一个是成本维度，即在整个算法迭代周期中处理海量数据所消耗的计算.存储.带宽和其他资源的成本。

由于有大量数据的寄主植物不多，因此提取大量数据中包含的”算法营养素”至关重要。

在Nvidia推出大观力芯片之前，数据处理依赖于大量人力，效率太低。这就是为什么这个行业有一个流行的笑话：”所谓的人工智能是指有多少智能就有多少智能。”

从效率比较来看，本地人工智能训练数据处理的效率是人工处理的3到4倍。随着云计算能力的提高，自动云服务数据处理的综合处理效率提高了10倍以上，数据处理成本也比人工处理低50%。

对于原始设备制造商和自动驾驶公司来说，自动驾驶的时间窗口需要计算能力。Nvidia的高性能GPU芯片是前者的生产力。

去年，特斯拉宣布了使用Nvidia A100芯片的云培训集群，并发布了超级计算机Dojo，以构建自动驾驶算法的云基础设施，并构建数据驱动的闭环。

在中国，继特斯拉之后，威来汽车.小鹏汽车和明美智行等公司已经与特斯拉渡过了这条河，并正在建立基于Nvidia A100芯片的自动驾驶培训中心。

“量产汽车产生的海量数据是威莱自动驾驶能力的护城河。NVIDIA的高性能计算解决方案已成为威莱在自动驾驶道路上的加速器。”乌莱AI平台负责人白玉立表示。

小鹏一直是一家颇具影响力的新型汽车企业，拥有非常积极的自动驾驶布局。近日，小鹏汽车基于阿里云打造了一个自动驾驶智能计算中心”福耀”，用于自动驾驶模型培训，何小鹏表示自己没有压力。

从长远来看，如果L4自动驾驶的数据量在增加，未来是否需要升级计算能力仍不得而知。

应该注意的是，特斯拉现在已经用自己开发的D1训练芯片取代了英伟达的A100。此外，从官方发布的性能数据的比较来看，D1比Nvidia的A100更具优势。

所以特斯拉可以说它已经摆脱了对Nvidia计算能力的依赖

首先，从商业化的紧迫姓来看，L4企业不再能够轻易获得高性能AI培训芯片，并将倾向于缩小生存规模。

就像今年机器人出租车公司在融资和上市失败后，他们都”减少维护”，并与原始设备制造商合作，L2开始成为自动驾驶企业家之间的竞争焦点。

其次，从技术成本的角度来看，L2自动驾驶仪程序暂时不需要人工智能芯片。尽管它的商业价值远低于L4的想象，但仍有投资机构愿意用真正的黄金和白银来支持它。

根据天涯茶APP，自动驾驶前装载系统提供商智兴科技最近从HL Klemove获得了战略融资。

这家公司之前没有受到太多关注，但它能够赢得资本的青睐，这不仅仅是因为它已经实现了L2和L2++程序的大规模量产。更重要的是，在产品定位方面，智兴科技的自动化量产计划更加注重BOM成本控制和硬件效率，一开始就采取了相对低调.务实的单目视觉路线。

单目视觉.双目视觉和多摄像机视觉都是不依赖激光雷达的纯视觉方案。这些路线之间的一般差异是：

多摄像机和双目路线的摄像机融合技术难度大，天花板高，成本高。丰田.梅赛德斯-奔驰.华为.博世等汽车企业和供应商都加入了双目立体音响的阵营。可以发现，供应商和OEM都是领先企业。

单目相机是一种低成本.高可靠姓的感知解决方案，可以与其他传感器一起满足L1.L2和一些L3场景中的智能驾驶功能。

事实上，在Nvidia以其计算能力超过Mobileye的市场份额之前，Mobileyee最引以为豪的技术是单眼相机解决方案。然而，Mobileye的”黑箱”合作模式后来在调试迭代方面给OEM带来了许多不便，因此Nvidia对工具链和CUDA生态屏障的依赖将在未来占据主导地位。

还可以看出，使用单眼相机的自动驾驶供应商并不是一个落后和低级的技术解决方案。更重要的是，由于特斯拉的示范效应和人们对L4的高期望，计算能力已成为生产力。

然而，在L4由于缺乏核心而持续延迟着陆的背景下，低水平自动驾驶方案可能会带来批量上车的机会。换言之，在现有的市场环境下，单目相机解决方案可能更有利于汽车企业提高其产品的智能姓价比。

中低端车型的智能市场规模已开始大量释放，这也是原始设备制造商提高生产率的动力。

此外，廉价方案可能听起来很低，通往L4的道路也没有”堵塞”。经过几次迭代和升级，可以升级到使用其他传感器的全自动驾驶。

例如，根据Mobileye提供的方案，其L4系统的硬件配置包括360度环绕摄像头.4D成像雷达，甚至高分辨率前方FMCW激光雷达。也许成熟的单目传感技术与其他”高大”配置相结合也是逐步实现L4的可行方式。

事实上，中国第一辆配备Mobileye SuperVision(纯视觉自动驾驶系统)的车辆是Kikrypton 001，这是一款可以在没有激光雷达的城市地区实现驾驶员辅助驾驶的车辆。

谭清帅认为，如果根据上述推测，也就是说，Nvidia面向算法的自动驾驶方案不再具有姓价比优势，那么越来越多的企业和供应商可能会采用Mobileye的算法。

在过去的几年里，渐进式路线和一步式路线一直是关于自动驾驶的争论话题。事实上，无论是哪条路线，它们都有相同的目标，即客车完全无人驾驶。

在真正的大规模生产到来之前，每个国内自动驾驶公司和汽车企业都可能需要通过不断尝试各种替代品来保持稳定的竞争力，同时继续产卵。