雷鋒網按：本文作者李星宇，地平線智能駕駛商務總監。畢業于南京航空航太大學，獲得了自動化學院測試儀器及儀錶專業的學士和碩士學位；曾任飛思卡爾應用處理器汽車業務市場經理，原士蘭微電⼦安全技術專家，有13年半導體行業從業經驗。在加入飛思卡爾的早期，任職於i.MX應用處理器研發團隊，在該領域取得一項NAND Flash存儲應用美國專利。在士蘭微電子負責安全晶片的公開金鑰加密引擎設計，該引擎的RSA/ECC加解密性能處於國內領先水準。
晶片業老大Intel收購ADAS業界龍頭Mobileye，一石激起千層浪！這一重塑行業競爭態勢的收購大案背後，折射出怎樣的行業趨勢？
演算法+晶片成為通往人工智慧未來的關鍵路徑
憑藉十幾年的積累，Mobileye在ADAS演算法方面的成熟度，無人望其項背，所以即使Mobileye制訂了苛刻的排他性商業條款，眾客戶也只能忍氣吞聲。
Intel在處理器制程、產能方面也有絕對的優勢，相對于高通這樣的Fabless公司，可以提供更好的產能和品質保障，對於汽車電子而言，其重要性毋庸置疑，AEC-Q100認證、超過十年的供貨週期要求，高低溫工作穩定性，這些汽車電子的要求使得Intel的IDM整合模式有天然的優勢。
但面對自動駕駛的未來，無論Intel還是Mobileye，都不是無懈可擊的。
雖然Intel依然是半導體業界老大，但如果單論人工智慧的計算平臺，NVIDIA更加耀眼。在過去一年裡，NVIDIA的股票坐火箭般上升，因其GPU已經成為深度學習業界事實上的標準開發平臺。到目前為止，基於CUDA平臺，目前已經超過20萬個下載，CUDA社區已經擁有30萬開發者。
2016年，Mobileye和意法半導體高調宣佈，將合作研發Mobileye第五代SoC晶片——EyeQ5，作為2020年實現全自動駕駛(FAD)的處理器平臺，預計在2018年上半年可提供EyeQ5的工程樣品。但在晶片業界看來，這無疑破壞了行規：按照通常做法，至少要等晶片樣品出來之後才能宣佈，而Mobileye提前近兩年宣佈，一度被圈內人笑稱PPT造芯。
尷尬的背後，凸顯的是Mobileye在高性能計算晶片設計方面的實力不足，畢竟和Intel、NXP、NVIDIA等一眾資深玩家比起來，Mobileye在晶片設計方面還欠缺底蘊，而搭檔ST也並非高性能計算構架設計的領導者，它更擅長後端開發。
目前的人工智慧商業化應用，絕大部分還集中在雲端，而不是嵌入式領域，其主要原因就在於目前基於GPU的系統售價高昂。但汽車其實是一個對成本極度敏感的行業，GPU不菲的售價已經成為量產的關鍵制約因素，此外，其較大的發熱量也對長期工作穩定性帶來挑戰。如果不能以經濟的成本實現人工智慧，那麼自動駕駛的普及就依然遙不可及。
FPGA被越來越多的公司使用，其計算構架可重構特性能滿足深度學習對於專有計算構架的需求，這是Intel收購FPGA巨頭Altera的重要原因：靈活、可快速部署。
↑ 被收購於Intel的Altera晶片
但FPGA再往上走，計算資源的擴展會讓成本上升到很難接受的地步，於是就會輪到ASIC出場了。半導體業界無數的歷史都表明，FPGA往往是定制化ASIC的前哨站。一旦某個應用的量足夠大，定制化ASIC就會變得更經濟。
Intel已經制定了相關的路線圖，對於Mobileye的收購，補齊了其戰略拼圖中缺失的一塊：演算法以及對應的專用演算法處理器IP的設計經驗。
將演算法和晶片進行協同設計，可以輕易地獲得超過10倍的性能提升、10倍的功耗下降和10倍的成本下降，並且縮短了客戶導入時間，由此獲得的商業競爭優勢，想想就覺得恐怖。
同時掌握演算法與晶片，已經成為通往人工智慧未來的關鍵路徑。
演算法與晶片深度整合非一日之功
雖然NVIDIA是人工智慧計算平臺的領導者，但一個引人深思的事實是，一開始並非NVIDIA選擇了人工智慧，而是人工智慧的研究者選擇了GPU，進而成就了NVIDIA。
在2012年，Alex利用深度學習+GPU的方案，一舉贏得ImageNetLSVRC-2010圖像識別大賽，並奇跡般地將識別成功率從74%提升到85%。NVIDIA敏銳地覺察到了這一趨勢，並大力優化基於GPU的深度學習生態系統，並加速反覆運算開發，三年時間將GPU性能提升了65倍，從而奠定了目前的王者之位。
在GPU設計之初，並非針對深度學習，而是圖形加速，在NVIDIA推出CUDA架構之前，GPU並無太強對深度學習運算能力的支援。而如今，NVIDIA可以提供基於其GPU的從後端模型訓練到前端推理應用的全套深度學習解決方案，一般的開發人員都可以非常容易地上手使用GPU進行深度學習開發，或者高性能運算。而CUDA架構的開發，耗費了NVIDIA巨大的人力物力。
可以說，是CUDA這個中間層（computing framework）的優化，才使得開發者真正愛上了GPU，NVIDIA勝在軟體。而CUDA還不能稱之為演算法，它只是計算硬體與演算法之間的橋樑。
演算法的優化更是絕非易事，目前頂尖的人工智慧演算法人才都是厚積薄發的，板凳坐得十年冷，在人工智慧的春天到來之前，他們憑藉艱難努力和頑強的意志熬過漫漫寒冬。
更難的是，你很難找到既懂得演算法，又懂得計算構架的開發人員。如果他們分別來自兩家公司，那麼溝通的時間成本是巨大的，溝通的效率也相當地低。
演算法和晶片的協同設計，需要極深的整合和優化功力，Intel缺乏針對演算法設計晶片的人才,而Mobileye也難以在短時間內提升車規級高性能處理器設計能力。毫無疑問，將兩者整合到同一家公司進行開發，是最優路徑。
在過去，Intel也在努力加強其在人工智慧演算法方面的積累，對Nervana和Movidius的收購反映了這一點，並且提供了面向深度學習優化的數學函式程式庫（MKL）。
但遠水解不了近渴，自動駕駛需要極高的系統可靠性，這意味著你需要時間。而當下的競爭態勢已呈白熱化態勢，時不我待，在商業競爭中，快人一步就意味著贏者通吃，彌補短板往往不如發揮長處，在高通、NVIDIA、NXP等巨頭虎視眈眈的情況下，Intel與Mobileye的整合，無疑是一個強強聯手的絕佳組合。
從本質上講，購買Mobileye，就是買時間優勢。
佈局自動駕駛全產業鏈，加速產業化進程
Intel去年成立自動駕駛事業部（ADG），宣佈與寶馬合作、收購高精地圖供應商Here 15%的股份，到如今收購Mobileye, 可以直接獲得其已經極為穩固的客戶群，成為其殺入自動駕駛行業最穩固的基石。加上其在雲計算平臺方面的扎實基礎，以及積極投入5G研發，Intel佈局自動駕駛全產業鏈的宏大計畫，正逐漸浮出水面。這個統治了PC行業數十年的巨頭，在錯失了移動互聯網時代之後，重裝出擊，在自動駕駛的時代能否上演王者歸來，值得期待。
結語
圖靈獎獲得者Alan Kay，曾經說過：如果你要嚴肅地思考你的軟體，就必須做你自己的硬體。Intel對於Mobileye重磅收購案，再次為這一論斷加上了濃墨重彩的一筆。
如果說過去是演算法根據晶片進行優化設計的時代，那麼Intel對於Mobileye收購，預示著一個新時代的到來：演算法和晶片協同進化的時代。已經有一批先知先覺者在行動，Google自己已經開發了TPU，用於CNN加速。地平線也在開發BPU，結合高度優化的的深度學習演算法構架，打造核心競爭力。
誰能同時掌握演算法和晶片，誰就能在產業化方面獲得巨大的競爭優勢，最終贏得這個人工智慧無處不在的時代。