即便是“增量部件”，自動駕駛芯片也不存在彎道超車

或許會有疑問，既然是“增量部件”，那么大家都在同一起跑線，可為什么才剛剛開跑，中國玩家就跟不上隊伍了呢？

對此，理想汽車首席技術官王凱在一次接受媒體采訪時，對自研芯片難度的回應可以做一個參照，“自研芯片有個先決條件，一定要把軟件完全吃透，芯片業(yè)有自己的自然周期，真正一款芯片生產(chǎn)出來，一般情況下可以展望六年，三年研發(fā)周期，三年使用周期�！�

這樣一來就很好理解了，除了比亞迪布局較早之外（比亞迪也確實進入了收獲期），其他玩家入局汽車芯片的時間都不長，六年的閉環(huán)周期未到，產(chǎn)品也沒經(jīng)受市場檢驗，拿什么與英偉達、英特爾和高通這些企業(yè)比？要知道他們如今在行業(yè)中的地位也是隨著汽車的演變發(fā)展一點一滴積累而來的。

其二，自動駕駛芯片與普通芯片有很大的差異，就是芯片在進行設計時，要將芯片架構與軟件結合進行深度結合優(yōu)化，從而用更低功耗跑出更好的性能，相當于今天的芯片架構要為3到4年后的軟件算法進行預研和設計。

這要求芯片公司在芯片研發(fā)時具有非常強前瞻性，一旦產(chǎn)品設計路線出現(xiàn)偏差，則意味著幾年時間的努力又打了水漂，國外芯片巨頭可以通過同時啟動多個項目的方法來降低容錯率，而中國涉足汽車芯片的玩家要么是并不具備專業(yè)背景的車企，要么是像地平線這樣的初創(chuàng)企業(yè)，因而在現(xiàn)有條件下，只能像踩鋼絲一樣，戰(zhàn)戰(zhàn)兢兢地穩(wěn)步推進不求錯。

最后，芯片與車企需求之間的適配也是一個無法繞開的長時間博弈過程。

由于自動駕駛面對和處理的場景很多，即便是同一個場景，各個車企根據(jù)自己的理解，其解決方案也各有千秋，因而像英偉達走的通用芯片方案，適用的是一個大場景，嚴格來說只是一個參考平臺，而非面向終端市場的完整產(chǎn)品，車企需要進行二次開發(fā)，對大場景進行細化梳理，以達到智能汽車在這一場景下的功能需求。

而像地平線這樣的玩家，走的是專業(yè)芯片路線，即針對自動駕駛的某項功能推出與之匹配的專業(yè)芯片，與芯片配套的還有通用解決方案，就像“交鑰匙”工程一樣，省去了自動駕駛研發(fā)企業(yè)或者主機廠在某些具體功能或者問題上的二次研發(fā)投入。

像Mobileye的EyeQ系列芯片（ASIC）主要負責視覺數(shù)據(jù)的處理，地平線的征程二代可以對多類目標進行實時檢測和識別，在自動駕駛視覺感知、視覺建圖定位、視覺ADAS等智能駕駛場景都能適用。

看上去輕松了不少，但能讓主機廠接受你的方案，前期溝通尋找到雙方都能接受的折中點就非常關鍵了，這個拉鋸過程在以主機廠為主導的行業(yè)規(guī)則中，芯片企業(yè)能做的其實并不太多。

也正是因為如此，自2015年拿下首輪融資的地平線，即便產(chǎn)品已經(jīng)經(jīng)過了2輪迭代（2019年推出征程二代，2020年推出征程三代），但如今公開的量產(chǎn)項目還只有2個，長安UNI－T和奇瑞新能源螞蟻。

這兩款車在市場上不是熱賣主流，去年全年加起來一共賣了堪堪達到10萬輛，相對于乘用車全年2000萬輛的總銷量，地平線多年的經(jīng)營在行業(yè)中可以說連一片水花都還沒有激起。