比亞迪在新能源下半場，終究還要磕芯片

芯師爺|Core master|

2022-08-11 12:34:53 4

自動駕駛芯片，

被喻為芯片領域的“珠穆朗瑪峰”。

其前景之廣闊、技術之前沿，吸引了一大批芯片廠商和車企的布局，但其研發成本、技術壁壘與同行競爭的“三高”也勸退了無數進軍者。

而就在這個龍爭虎斗的賽道，又要迎來一位野心勃勃的玩家。

有媒體報道，比亞迪正計劃自主研發智能駕駛專用芯片，由比亞迪半導體團隊牽頭，同時也在招募BSP（板級支持包）技術團隊。

回首比亞迪近年的動作：2020年推出刀片電池，火爆車圈，今年已經量產；2021年末，比亞迪以58.4萬臺的銷量，奪得中國新能源廠商零售桂冠；今年4月，比亞迪官宣停產燃油車，宣誓其*進攻新能源領域的決心。

而與自動駕駛芯片有關的事件，集中發生在今年。3月，比亞迪宣布與英偉達合作，將于明年在其部分車型上搭載英偉達DRIVE Hyperion平臺，實現車輛智能駕駛；4月，比亞迪與地平線正式達成定點合作，將在部分車型上搭載地平線高性能、大算力自動駕駛芯片征程5，實現高等級自動駕駛功能。

在綁定英偉達、地平線等龍頭廠商之后，比亞迪仍堅持自研自動駕駛芯片，意欲何為？比亞迪又會遇到哪些機遇和挑戰？

繞不開的自研之路

“新能源汽車的上半場是電動化，下半場是智能化?！蓖鮽鞲Ｕf。

早在2018年，比亞迪就在自身車型元EV中使用了專為純電車開發的e平臺。在e平臺中，通過將自研動力電池、電機、電控系統與中控屏等關鍵部件高度集成，實現成本與性能的*結合。

可以說，在電動化領域，比亞迪作為*實現三電系統全棧自研的主機廠，是中國新能源車企中的佼佼者。

但在智能化方向，比亞迪可打的牌，似乎不多。

自2018年比亞迪推出智能網聯系統DiLink 1.0以來，其一共僅更新過四個版本，相比于新勢力們“幾周一更”的頻率，迭代速度確顯遲緩。對于比亞迪的OTA能力，更有車主吐槽，“買了兩年僅升級了一次”“想更新還要去4S店排隊，算什么OTA”……

而在座艙硬件上，相比于其他車企的中高端車型使用高通旗艦級處理器（8系列），比亞迪在旗艦車型漢的車機上采用的仍是中端處理器（6系列）。

但如果說OTA能力和硬件配置還可以通過縮短開發周期、加大投入來改善，那么自動駕駛短板的解決則不在一朝一夕。

相比于新勢力們對智能駕駛的重視，比亞迪在2020年才推出*版輔助駕駛系統，實現L2級功能，使用的也是博世的整套解決方案。

比亞迪真正在自動駕駛上發力，是從去年開始的。

近兩年，比亞迪投資AI芯片廠商地平線、激光雷達廠商速騰聚創，與自動駕駛公司Momenta合資成立公司。另外，其還與百度、地平線、英偉達在自動駕駛領域達成合作。

（圖源：比亞迪官網）

要實現自動駕駛功能，軟件算法、硬件配置和數據處理三個要素缺一不可。而在三個要素中，芯片作為將算法訓練和數據處理形成閉環的關鍵計算平臺，被認為是智能駕駛汽車生態發展的核心。芯片的性能，即決定了自動駕駛的效率。

王傳福說，“在智能化領域，比亞迪會像在電動化領域一樣，將所有核心技術打通，并進行充分驗證?！?/span>

（圖源：比亞迪官網）

而自動駕駛芯片，正是*個“核心技術”。其動機可以從同行的布局中窺探一二。

國內新勢力中，小鵬于去年被曝啟動自研芯片項目，且在積極招募芯片技術人才；蔚來則是在2020年開始規劃研發芯片，并于去年挖到前賽靈思亞太實驗室主任胡成臣任汽車技術專家；理想則在今年5月成立新公司理想智動，業務包含芯片設計，被認為即將開始自研芯片。

但自研芯片最早、也是目前*量產裝車的，還要屬特斯拉。

最初與中國車廠一樣，特斯拉也用過Mobileye、英偉達的芯片，但最終還是走上了自研之路。用馬斯克的話說，“無論是Mobileye還是Nvidia，都無法滿足我們對于性能、研發進度、成本、功率方面的要求”。

研發進度上，芯片需要與算法和車輛相互配合，而特斯拉既擁有自研算法，又自造汽車，因此這些環節則可實現內部流轉、集成開發，使三者的迭代速度遠高于合作模式。去年，英偉達OrinX芯片延期交付，而當時采用這一路線的上汽、小鵬等車廠的交車就受到了不同程度的影響。

成本上，由于使用自研加自產模式，特斯拉自研HW3.0成本約為1600美元，使用的英偉達HW2.5成本則在2000美元左右，節省了20%。

性能功耗上，據汽車媒體統計，HW3.0的綜合性能表現方面是HW2.5的2.5倍，而功耗水平只漲了26%。

因此，自研芯片不但可以使車企在成本、性能、研發進度上不受制于芯片供應商，避免影響終端；更重要的則是使車企通過服務自身算法和數據，將自動駕駛的自主權牢牢掌握在自己手中。

難度加倍的挑戰

據悉，比亞迪本次自研自動駕駛芯片，由比亞迪半導體團隊牽頭。

自2002年比亞迪成立IC設計部，2004年獨立為比亞迪半導體股份有限公司，這支團隊在造“芯”上，已有20年經驗了。

但比亞迪半導體的誕生其實并非主動選擇，而是“被逼”的。

多年前，無論是王傳福，還是比亞迪半導體高管在接受采訪時都說，“造芯不是因為想造，而是因為買不到”。比亞迪半導體招股書也顯示，其2018-2021年的車規級芯片業務中，除2019年外，自用數量均占到總產量的一半以上。

因此，比亞迪半導體從戰略上就是比亞迪孵化，用以服務于其主營業務的“產業鏈公司”。

而當自動駕駛芯片成為了比亞迪打通新能源汽車下半場的關鍵技術，重擔又落到了比亞迪半導體頭上。

從招股書中可以看出，比亞迪半導體的版圖，是以車規級半導體為核心，同步推動工業、家電、新能源、消費電子等領域的半導體業務發展。而在車規級芯片中，其主要產品是IGBT、SiC器件、IPM、MCU等，用于電機驅動控制、整車熱管理、車身控制系統等，尚未涉足SoC芯片。

（圖源：比亞迪半導體）

其中，IGBT是比亞迪半導體較為擅長的領域。招股書披露，比亞迪IGBT采用IDM模式，能夠自行設計、制造與封裝，在2019年中國新能源乘用車IGBT模塊市場，比亞迪位列全球第二、國內*，2020年繼續維持該排名。

但涉及到“車身控制”，以及自動駕駛所需的計算、存儲等領域，比亞迪半導體能力還未完全覆蓋。例如，2022年3月，比亞迪發布車規級8位MCU BS9000AMXX系列，主打通用MCU場景，可滿足車內飾燈、門把手、空調觸摸面板、各類傳感器應用、電機控制等需求，定位偏中低端。

進一步，如果把目光轉向自動駕駛芯片市場，難度又上升了不止一個量級。

放眼全球，自動駕駛芯片按技術路徑劃分，可分為三大陣營：

最*的陣營，以英偉達、特斯拉為代表，采用CPU+GPU+ASIC方案，難度最高、風險最大；

其次，Mobileye、地平線等新興科技公司，多采用CPU+ASIC方案；

以Waymo、百度為代表的公司，則采用CPU+FPGA方案為主。

從CPU、GPU、FPGA 到ASIC，通用性越來越差，效率越來越高。

特斯拉作為最*的新能源汽車公司，在馬斯克“*性原理”驅動下，一上來就選擇了最為hard的芯片技術路徑——不僅要自研ASIC，還將技術側重點都押注在ASIC上。

在自動駕駛芯片領域，ASIC是令許多廠商又愛又怕的存在。它專門為某一項算法定制，不像GPU那樣堆料，容易控制硬件成本、功耗表現也十分優越，但挑戰它也意味著巨大的風險：由于僅支持單一算法，沒有重構能力，也就意味著，一旦算法需要大幅迭代優化，架構就要推倒重來，故對芯片廠商算法、IC設計上，提出了極高的要求。

相比之下，英偉達則憑借在GPU方面的*優勢，側重于利用GPU，保持對FPGA和ASIC算力上的優勢。為了滿足愈來愈高的算力需求，英偉達不得不在GPU方面采用“堆料”模式，造成了愈來愈高的成本、愈來愈大的功耗。但在當下的車規級市場，由于找不到更好的替代方案，許多車企只能妥協承受，亦或是，采用FPGA這樣折中的自研路徑。

FPGA全稱Field Programmable Gate Array，可理解為半成品版本的ASIC，其運算性能優于GPU，又具備可重構性，成為不少企業的“入門級”選擇。如Mobileye、地平線等，均是先以FPGA路徑切入，后期再進階，聚焦ASIC芯片，以此分攤ASIC帶來的巨大研發風險。

然而，折中的方案卻也會帶來“兩頭不沾”的代價——成本高、功耗高、技術難度大、適配與量產難度大，都使廠商面臨不小的挑戰。

總結來說，在自動駕駛芯片領域，無論走哪種路線，全球還未探索出一條既低成本、低風險，又兼具高性能的方案。凡有選擇，皆有代價。對比亞迪半導體，在高性能車規芯片領域，其技術積累還較為空白，是選擇折中方案，還是直接挑戰最*，都將承受巨大風險。

不過，研發自動駕駛芯片不止依靠“硬實力”，“軟實力”也是不可或缺的條件。在這方面，比亞迪表現不俗。

首先，是比亞迪銷量的背書。

根據東吳證券報告，芯片行業是競爭壁壘極高的寡頭格局行業，在企業獲得先發優勢后，可以憑借較大的出貨量平攤研發費用。

報告也提出，擁有龐大消費市場是芯片攪局者成功“分羹”的重要因素，蘋果、特斯拉、華為都是先例。

而讓比亞迪有信心斥巨資投入其中的，或許正是其穩定的“自用訂單”。

在2021年中國新能源乘用車中，比亞迪以58.4萬臺的成績力壓五菱、特斯拉，問鼎銷量*；放眼全球，比亞迪也僅次于特斯拉，排名第二。

而比亞迪，似乎想做第二個特斯拉。

除了銷量外，足夠的資金支持也是比亞迪的必要條件。

行業專家指出，研發自動駕駛芯片所需的資金投入為10億人民幣到10億美元不等。

根據招股書，自2018年起，比亞迪半導體的研發費用分別為1.10億、0.97億、1.35億、0.97億（2021上半年）。對于比亞迪半導體來說，這個項目的量級顯然有些大了。

但若將視角放到比亞迪在汽車領域的布局，10億的投入似乎并不是天方夜譚。

財報顯示，2021年，比亞迪在汽車板塊的研發費用為51.4億元，在研發端占比48.3％，在汽車項目上的開發支出成本總計有99億元。

有足夠的訂單與資金做靠山，比亞迪入局自動駕駛芯片也就具備了外部條件。

但這些，顯然還不夠。

不止要算法，還要會挖人

放眼各大新能源車企，特斯拉在自研自動駕駛芯片上，*且*。

早在2019年，特斯拉就已將其自主研發的FSD芯片搭載在全系車型中，擺脫了對Mobileye、英偉達等芯片廠的依賴，成為全球*實現自動駕駛核心領域全棧自研自產的科技公司。

也許是受成功者的影響，國內頭部車企也紛紛傳出自研芯片消息，其中包括人們熟知“蔚小理”，但至今仍沒有流片的跡象。

那么，特斯拉的成功自研，比亞迪能做到嗎？

首先，特斯拉作為智能汽車的“吃螃蟹者”，在軟件算法與數據處理能力上的先發優勢，決定了其芯片的高效。

早在Autopilot 1.0時代，特斯拉就已開發出一套完整的AI深度學習算法，該算法基于深度神經網絡的視覺處理工具Tesla Vision，能夠對行車環境進行專業的解構分析，同時借助其售出車輛搜集的大量數據，反過來對Tesla Vision的神經網絡進行訓練和改進。

而軟硬件的協同，正是自動駕駛SoC芯片的重中之重。

特斯拉FSD芯片，就是從算法需求出發，進行了芯片架構設計。其核心技術來源于由兩顆NPU組成的NNA（Neural Network Accelerator，神經網絡加速單元）系統，而這兩顆NPU正是以特斯拉自研算法為基礎，負責深度學習及預測功能的處理器。

（特斯拉FSD芯片，圖源：Wikichip）

正如行業專家所說，“特斯拉的做法適應了AI時代的正確理念，由算法定義芯片，軟硬件協同設計?！?/span>

在兩家中國芯片頭部廠商的經驗中，也可以得出同樣的結論。

地平線創始人余凱指出，其在自動駕駛芯片的優勢正是深度學習處理器為深度學習軟件服務，用軟件的思維設計芯片；黑芝麻智能CEO單記章也說，設計SoC芯片背后的技術難度很大，其中最大的難題就是“深入了解自動駕駛算法，尤其其背后使用的神經網絡”。

但軟件算法，并不是比亞迪所擅長的。

無論是最初采用博世的全家桶方案，還是如今與Momenta、百度等供應商合作，比亞迪自身仍沒有具有自主產權的算法。

特斯拉在算法上可謂費盡了心思，從一開始就“押寶”了純視覺傳感器路線，使機器視覺算法得以快速進化。2015年，馬斯克主導成立了非營利性人工智能研究公司OpenAI。同時，特斯拉也在不斷演進、重寫自動駕駛算法，從2D視覺感知、多攝像頭融合感知俯視，到3D環境建模和動靜態目標檢測……特斯拉在純視覺感知算法的道路上一直在努力。

再看“蔚小理”的情況，小鵬目前已經在“感知-決策-執行”全域實現算法自研，而蔚來、理想也實現了“決策-控制”域的自研，預計今年實現全域自研。

因而在軟件上，相比于擁有自研算法的特斯拉和“蔚小理”，比亞迪仍需補足。

BOSS直聘顯示，比亞迪及比亞迪半導體已在招募“*算法工程師”“智能駕駛系統專家”，定位ADAS開發，要求有視覺感知算法和雷達算法開發經驗。可見，比亞迪也能意識到自有算法的重要性。

其次，AI芯片的技術門檻，決定了其對研發人員的要求極高。

以特斯拉為例，2016年1月，馬斯克就從AMD挖來了芯片界傳奇人物 Jim Keller，任硬件工程副總裁，其曾供職于DEC、PA semi、AMD、Apple，參與設計過蘋果A4/A5/A6處理器，更是速龍 K8 處理器的總架構師；一位“大佬”仍遠遠不夠，2月，又從Apple挖到了研發總監Pete Bannon，曾任A5芯片核心設計工程師；同時期，來自AMD的谷俊麗也加盟特斯拉FSD，帶領Autopilot硬件工程團隊組建機器學習小組。

行業專家李星宇指出，人才是研發自動駕駛芯片的核心要素。可以說，這些*芯片人才在馬斯克的“感召”下的匯集，是特斯拉成功研發FSD芯片的基礎。

蔚來也不甘示弱。

自2020年10月被曝啟動自研芯片計劃后，原Momenta研發總監任少卿、原小米芯片部門總經理白劍、前賽靈思亞太地區主任胡成臣先后被蔚來挖到，加速其研發流程。

業內認為，芯片的*研發人員很難被車企所招聘，特斯拉的“挖人”成功很大程度是因為馬斯克的個人魅力。

BOSS直聘也顯示，比亞迪正在招聘“智能駕駛域控制器*硬件專家”，定位“ADAS開發”“SoC級芯片”。

而能否挖到*級人才，還需拭目以待。這取決于王傳福的魅力，更取決于比亞迪的決心。