按雷锋网的说法, 这篇文章的作者是史高拔, 他身为汽车电子工程师, 在国内某汽车技术中心任职, 所进行的工作是汽车智能网联技术研发。此外, 这篇文章是由雷锋网独家予以发布的。
关于英伟达（NVIDIA）这个名称, 相信每一位电脑使用者都不会感到陌生, 它是一家在全球范围内都具有极高知名度的GPU制造商, 已然成为了图像处理器这个领域的无可争议的王者。然而，即便占据着庞大的市场份额, 在过去长达17年的时间里, 英伟达的股票价格几乎始终处在20美元（等同于市值大约100亿美元）的周边徘徊不定, 并且它所推出的Tegra系列处理器在智能手机范畴也只是处于一种不温不火的状态。可是, 自2015年起始, 英伟达的股价急剧飙升, 不但完全驱散了移动处理器市场的阴霾, 而且在历史上首次突破了100美元（大约对应市值600亿美元）, 达成了前所未有的最新高度。
↑ 英伟达上市以来股价的变化 via Bloomberg
近两年来, 英伟达迅速地布局于汽车以及深度学习领域, 基于Tegra处理器, 相继推出了DRIVE PX和DRIVE PX2自动驾驶汽车计算平台, 之后开始跟特斯拉、奥迪、博世等车企合作去开发无人驾驶技术, 在2017年CES上竟然还推出了搭载DRVIE PX2的英伟达BB8无人驾驶原型车。此次, 处于自动驾驶和智能汽车的风口之上, 英伟达说不定会成为新的王者。
↑ 2017年CES上英伟达的无人驾驶试验车
一、GPU王者失意智能手机时代
英伟达, 在GPU领域耕耘深厚, 于2008年, 推出了基于ARM和Geforce的移动处理器Tegra, 此后, 因这一处理器系列，在图像处理方面, 存有巨大优势, 便迅速占领了, 对图像处理要求较高的游戏机和平板市场, 且在随后几年里, 持续不断更新升级。然而在智能手机范畴之内, Tegra系列始终遭受高通、三星的强力打压, 就连华为也已然后来居上, 自Tegra 4问世之后，英伟达于智能手机领域近乎杳无踪迹, 甚至率先发布T4处理器的小米3手机, 直至如今仍会遭到用户的诟病。英伟达这位GPU领域的王者, 在智能手机市场起步甚早, 最终却收获不佳结局, 此次失利存在偶然因素, 但更多的是具有必然性。
↑ 曾被寄予厚望的Tegra系列处理器
1. 基带——手机CPU的核心
基带, 乃是调制解调技术的统称, 它身为负责手机与外界信号接收转换的关键桥梁, 在通话、上网、待机等等所有通讯技术中都不可或缺。通常情况下, 我们一般都会觉得手机CPU的性能主要体现在其处理速度与功耗方面, 可事实上, 处在智能手机时代, 还有一层最为基础、最为关键的需求, 那便是手机信号质量, 而这是一项由基带性能所决定的通讯功能, 可以直接决定手机的通话质量以及上网速度。
英伟达在基带技术方面是几乎空白的状态, 德州仪器、摩托罗拉等模拟通信时代的巨头企业, 在数字通信技术（即 3G、4G）方向上同样毫无成果, 这一领域的大量专利被高通所垄断, 高通凭借其基带技术推出了骁龙系列集成式移动处理芯片, 并且在该领域慢慢成为了主流。
ARM架构手机处理器使用时, 各家性能差异不算特别大, 然而高通能提供稳定可靠的集成式基带, 其成本有绝对优势, 毕竟即便英伟达处理器性能超剽悍, 也仍得用高通基带芯片, 如此开发难度和成本都相应提升, 不仅英伟达, 多数厂商衰弱应属必然, 除非能研究出自身基带专利技术, 像华为麒麟系列这个后起之秀就是如此。
↑ 集成基带的高通骁龙和华为麒麟处理器
2. 定位偏差+T4难产
英伟达以做GPU起家, 转战移动处理芯片时肯定不会丢弃这个优势, 所以Tegra处理器融合了强大的图像处理功能, 且把市场主要定位于平板和游戏机领域, T1在这两个领域的成功也证实了英伟达的实力, 故而T2依旧专注于此, 然而这时3G、4G技术开始发展, 高通强力出击, 在这个时代T2凭借其图像处理性能在手机领域也能拥有一定市场, 可英伟达此时已错过整合基带的时机, T3几乎是全面处于落后状态。随后T4的难产和高功耗也注定了英伟达在手机领域大势已去。
二、智能汽车——新王者之路
黄仁勋, 并未因智能手机市场的失利而选择妥协, 在2015年英伟达那款新品举办发布会时, tegra X1处理器得以发布, 然而此时老黄只是对这款新品作了简单介绍, 过后便抛出了一颗重磅炸弹, 那便是DRIVE PX, 它可是基于Tegra X1所打造的全新智能汽车处理平台, 英伟达正式对外宣布要大举进军汽车领域, 奥迪和特斯拉这类汽车公司也陆续与其展开合作了, 随后, 英伟达的股价开始一路呈现狂飙态势, 那么此次的成功究竟是偶然的情况还是必然的结果?
↑ 搭载DRIVE PX 2的Roborace无人驾驶赛车
1. GPU与CPU的区别
CPU是现代计算机技术中不可缺少的关键处理器, GPU也是现代计算机技术中不可缺少的关键处理器, CPU擅长进行复杂的逻辑运算, 还擅长进行通用性数据运算, 它是为解决复杂的计算及控制而发明出来的, GPU擅长大数据量的重复计算, 且这种计算逻辑不复杂, 它是为解决图像像素处理而发明出来的, 设计目标不一样, 这使得它们两者的结构有着巨大的差异, 就如下方所示的图片那样:
↑ CPU与GPU结构对比
CPU具备强大的运算单元, 还有巨大的缓存区域, 在开展复杂计算以及控制之时, 运算单元能够确保计算的效率, 缓存区域能够提供充足的数据加载区域, 就算存在复杂的运算以及终端逻辑, 也可以保证速度与精度, 所以CPU更善于串行运算跟逻辑控制。
GPU有着不少密集的运算单元, 还有少量的缓存区域, 每个线程都会配备一个缓存区, 以及一个控制单元, 运算单元只需处理简单的逻辑, 这使得每个线程能够同时并发工作, 因而GPU适宜大规模且逻辑简单的并行运算。
2. GPU加速算法
简单但数量巨大的像素点, 是图像处理核心所针对处理的对象, 这是诞生GPU的重要舞台, 借助GPU处理图像及渲染等工作能够极大提升效率。英伟达基于此提出一种GPU加速计算方法, 同时借助CPU与GPU处理计算任务, 把程序密集运算放到GPU上, 其余逻辑仍然在CPU上达成, 这种结合使得GPU能够在更多应用场景施行功用。
↑ 英伟达GPU加速算法示意图
比如说在机器学习范畴, 运用GPU所给予的强悍并行运算本领去处置数量海量的学习数据, 接着借由CPU去达成其他的逻辑。Tegra系列处理器能够极为完美地支撑这般的运算方式, 这亦使得英伟达成为众多机器学习系统的优先选择, 按照卡耐基梅隆大学的lan Lane教授讲: “依靠GPU, 预先录制的语音亦或是多媒体内容的转录速率能够极大幅度地得到提升。和CPU软件相比较, 我们执行识别任务的速度超级之高能够提升33倍。”。
↑ 英伟达k40处理器针对机器学习应用的基准测试结果
3. Tegra的新舞台——自动驾驶
已经成为现阶段自动驾驶必备技术的, 有图像处理、机器学习, 自动驾驶里边的环境感知、目标识别, 都得有图像处理参与；借助机器学习算法, 目标识别的效率和准确度能够有效提升, 这也给英伟达Tegra处理器带去崭新时代。
↑ 英伟达自动驾驶系统示意图
英伟达于DRIVE PX2平台运用了两款Tegra处理器, 其中涵盖新一代具备强大Pascal架构的GPU，凭借此能同步收纳处理12路高清摄像头的信号, 能够整合源自多个摄像头以及激光雷达、雷达和超声波传感器的数据, 这得以让算法全方位360°感知车辆周边的环境, 进而生成稳定的图像, 涵盖静态与动态目标。
将DNN（深度神经网络）应用于探测, 在目标分类方面, 显著提升融合传感器数据结果的准确性, 这一全方位的自动驾驶处理平台几乎超越现在所有汽车处理器的性能, 成为众多厂商研发自动驾驶技术的首选, 当仁不让。
↑ 英伟达发布DRIVE PX 2平台
另外, Tegra系列于移动平台具备的性能以及积累的开发经验, 能够使其对导航、仪表还有车载娱乐的相关应用予以支持。特斯拉在Model S上早就运用Tegra 3处理器去支持中央的大尺寸触摸屏。据说因特斯拉创始人Elon Musk与黄仁勋私交甚好这一缘故, 使得英伟达早早迈入汽车领域, 进而积累了诸多经验。在自动驾驶这个新兴领域, 行业标准处于空白状态, 英伟达最早踏入此领域, 已然占据了不少经验且拥有市场优势。
↑ 英伟达汽车领域的合作伙伴
三、成功之路并不容易
当前, 英伟达的前景看上去是一片光明的, 然而, 它要成为智能汽车领域的巨头, 所面临的道路并非是平坦顺畅的。
1. 汽车电子行业的壁垒
对于汽车行业而言, 它相对于消费电子领域存在着特殊性, 还有苛刻至极的要求。其在使用寿命方面有要求, 在耐极端环境特性里也有要求, 电磁兼容性能需达标呀这也是要求, 像功能安全等众多方面都有要求, 而这些要求通通对汽车电子的硬件提出了极大的挑战，我们甚至可以这么讲, 这简直就是汽车电子行业的一个技术壁垒。特别是在集成度堪称极高的处理器领域, 消费电子上很常见的20nm在汽车电子这里几乎是难以见到的, 与之相反的是, 以瑞萨、飞思卡尔的16位、32位的处理器却在汽车电子领域大行其道。汽车首要保障的是安全, 只有经过充分验证方可大规模使用, 这亦是传统汽车厂商一直较为保守的缘由。
2. 竞争对手的追赶
去年, 汽车电子领域有一大事，即高通收购汽车芯片巨头恩智浦, 其收购价格创半导体行业收购记录, 前一年恩智浦还收购飞思卡尔, 成为汽车芯片第一大厂商, 高通推行此收购计划意图显著, 因自动驾驶和车联网发展, 汽车电子行业成下一个风口, 凭高通实力与野心, 相信该领域竞争会更激烈, 英伟达又将遇老对手挑战。
↑ 高通400亿美元收购NXP
四、总结
英伟达于个人电脑发展进程当中起始发迹, 凭借GPU而成就为图像处理领域里的巨擘。在2008年的时候转战至移动平台, 推出了Tegra系列处理器, 然而其优异的处理性能却难以抵御高通于3G、4G时代对基带技术所形成的垄断, 致使其在智能手机领域遭遇失败。
然而, GPU于大规模并行运算方面所具备的先天优势, 以及创始人黄仁勋的那种孤注一掷, 使得英伟达在近些年于自动驾驶技术以及机器学习领域取得了先机: 特斯拉集成了Tegra 3, 发布了DRIVE PX系列自动驾驶平台, 还与各大汽车厂商展开了深入合作。鉴于这些布局, 英伟达成了第一家能够提供超级汽车处理器的半导体公司, 并且其在图像处理和机器学习领域拥有的优势无比契合自动驾驶这个全新战场。
当下时节, 自动驾驶技术已然演变成一处全新的风口所在, 众多其他领域的新兴参与者正逐步投身其中, 互联网层面、半导体范畴以及计算机领域内的各类高新技术对这一产业的发展展现出极大的促进作用, 并且市场随之呈现出瞬息万变的态势, 究竟何方会成为最终的王者呢?
