隨著低成本固態鐳射雷達的出現，以及視覺技術所需要的攝像頭技術不斷完善，自動駕駛技術對於環境的感知難關正在逐個被克服，但隨之而來的是對主控晶片的需求越來越強。

從2020年下半年開始，缺芯潮席捲全球汽車行業，對汽車行業的供應鏈產生了極大的考驗。因此，無論是從設計上還是在製造上，自動駕駛AI主控晶片正在成為發展自動駕駛技術的硬體新瓶頸。

近日，在自動駕駛產業鏈條上又誕生了一家獨角獸企業，國內自動駕駛計算晶片公司黑芝麻智慧宣佈完成了戰略輪和C輪融資。完成C輪融資後，黑芝麻智慧的估值近20億美元，成長為國內AI主控晶片的一顆冉冉升起的明星企業，逐漸躋身主流行列。

尤其值得一提的是，黑芝麻智慧的兩輪融資中都有小米長江產業基金的身影。

自研晶片成為自動駕駛技術的新趨勢

對於小米或者其他新勢力企業來說，自動駕駛是其在和傳統車企較量中能夠取勝的關鍵因素。

雖然當前各方都已經認同單車L4級別自動駕駛短期內難以落地，但是無論是有限場景下的L4亦，或是無限接近L4的駕駛輔助功能，對消費者來說依然有著莫大的吸引力。其中最大的原因莫過於它能夠透過對道路場景的感知以及透過演算法的賦能，幫助車輛有效規避潛在的交通事故。

因此，不斷提升自動駕駛主控晶片的算力，成為很多車企在自動駕駛領域的一個主要追求。

根據相關資料顯示，L3級別自動駕駛產生的資料量是2。3GB/s，對算力要求在129TOPS以上；L4級別自動駕駛資料量達到8GB/s，對算力要求達到448TOPS 以上。這些資料都還沒有考慮到系統出於功能安全所需要的冗餘備份。

以特斯拉為例，從最早外購Mobileye EyeQ3與英偉達DRIVE PX2的晶片，到最終選擇自研的發展路徑，也是走過不少的彎路，最終認定了自研自動駕駛專屬晶片是提高算力的最佳技術路線。

事實也證明，特斯拉最早使用的Mobileye Q4的算力只有2。5TOPS，英偉達的Xavier晶片算力雖然大幅提升，達到30TOPS，但30TOPS也無法完全分配給自動駕駛。

特斯拉所推出的FSD晶片，算力達到144TOPS，這也是支援AutoPilot在技術上不斷演進，讓特斯拉敢於喊出透過軟體OTA升級就能達到L4級別自動駕駛技術的最大底氣所在。

所以，對於小米來說，切入自動駕駛的上游領域——自研晶片，是未來必然要經歷過的一個過程。

小米完善自動駕駛產業鏈佈局

在自動駕駛領域，小米分別對縱目科技、禾賽科技、幾何夥伴、愛泊車進行了投資，並收購自動駕駛技術公司DeepMotion（深動科技）。此番再度投資黑芝麻晶片，意味著其已經向自動駕駛最核心的領域——AI晶片進軍。對於高等級自動駕駛技術來說，晶片算力的重要意義已經無需贅言。

在參與黑芝麻智慧的兩輪融資後，小米已經和自動駕駛上下游全產業鏈上的包括軟硬體在內的公司都已經有所佈局。相比很多傳統車企以及其他新勢力公司，小米在自動駕駛產業鏈整合方面的能力已經突顯無疑。

還有一點值得提出的是，黑芝麻智慧不僅提供大算力的計算晶片，還能提供完整的自動駕駛、車路協同解決方案，日後在小米汽車的自動駕駛生態鏈中也可以發揮比較大的潛力。

核心技術，遠比工廠更重要

不過在整車專案推進方面，小米則是雷聲大雨點小。當前國內新能源汽車市場產能嚴重過剩，小米完全有可能用一個較低的成本去獲取一個自己完全掌控的現代化工廠，當然，小米也可以尋求傳統主機廠的代工，在嫁接傳統車企供應鏈和造車工藝的基礎上，避免前期的高投入。

在由百度、小米掀起的新一輪造車高潮中，投資建設工廠的優先順序被大大延後，而自動駕駛領域的佈局已經成為重中之重。

雖然小米汽車未來前景如何目前尚難斷言，但從其當前一系列的佈局來看，足見小米對智慧網聯汽車理解之深入，遠遠超過很多企業。

以恆大為例，其進入汽車行業佈局的是三電系統，包括電池、輪轂電機等。電池技術自然很重要，但前期完全可以依靠寧德時代、比亞迪的現成產品和技術；輪轂電機更是離在乘用車上的量產和應用還有很大一段距離。

至於恆大在國內新建的多個汽車生產基地，除了浪費公司寶貴的資源形成沒有辦法短時間產生的固定資產，再無其他意義。如果這些錢也被用來投資自動駕駛領域的核心公司，打造一個比較完整的自動駕駛產業鏈，並推動和傳統車企的合作，類似於像集度一樣借吉利的整車平臺快速推出新車，恆大汽車的局面遠不會如此。

如果恆大汽車能夠成功，那如今整個恆大集團就不至於陷入如此的境地。

黑芝麻智慧的崛起，讓國內又多了一家極具競爭力的自動駕駛AI主控晶片供應商。在晶片設計領域更多更大的競爭，對於國內車企在自動駕駛領域走在全球的前列能夠起到非常積極的促進作用。

不過，相比於晶片設計，國內相關企業還需要將眼光投向晶片製造加工。華為的案例就在眼前，無法加工5nm甚至更高製程的晶片，也會成為國內企業參與全球市場競爭最大的短板所在。