无论是否自动驾驶技术主要依靠视觉捕捉，它都需要运行在一套计算平台上，面对着这么庞大的一个市场，芯片厂商们自然也不会“坐视不管”。在这次 CES 之上，NVIDIA、高通、英特尔就来了一次正面硬碰。

　　首先是三者中最早开展自动驾驶技术研究的 NVIDIA，目前已经拥有了 DRIVE PX/CX/PX 2/Auto Crusise/Xavier 等多款硬件平台。这些平台的大体架构都比较相似：“自行改造的 ARM 处理器 + NVIDIA 自己的图形处理器单元”。

　　关键就在 NVIDIA 自家的图形处理器单元身上，作为一家 1993 年已经成立的硅谷“元老级”芯片厂商，NVIDIA 在一般人心目中一直都是家消费级显卡厂商。但 GPU 的作用绝不仅仅是拿来玩游戏，它同时也是最具代表性的并行处理器。

　　NVIDIA 在本届 CES 上的集中发力也就不难解释了，实际上只因为 NVIDIA 早早就将建立在 GPU 上的并行计算技术玩得滚瓜烂熟，直播，并且还根据汽车的使用场景打造出了自动驾驶汽车真正需要的形态。

　　这也让 NVIDIA 成为了 Waymo、百度、奥迪等自动驾驶汽车的“大脑”之选。即便是自己在尾箱中打造“大脑”的福特，也离不开 NVIDIA 生产的 GTX 显卡。

　　另外一方面，NVIDIA 还专门提供了自动驾驶平台开发工具包 DRIVEWROLDS，可以通过云端将所有车辆的数据汇集、重新学习、形成规律之后再返回到每辆自动驾驶汽车之上，实现一个整体性的机器学习处理，进而实现自动驾驶能力的自我提升。

　　即便 NVIDIA 目前已经如此强大，依旧有两个“后来者”打算杀入自动驾驶领域，他们的名字分别是：高通、英特尔。可以肯定的是，这两家在并行运算能力方面肯定比不上 NVIDIA。

　　首先是高通，作为目前全球最大的移动设备处理器厂家，高通的长处并不在性能本身，毕竟移动设备对于功耗有着比较高的限制。但网络基带，也就是移动网络的连接传输能力上，高通肯定有着最大的话语权。

　　“充分利用云端数据”也就成为了高通的第一选择。比如我们在上文介绍时提到的高清地图。本地处理器可以根据中远距离的特征点位移计算出车辆本身的方向和速度，同时再根据 GPS 与高清地图进行契合。这些高清地图数据想要完整存储在本地肯定有难度，通过网络来传输也就成为了最好的方式。至于其他自动驾驶核心功能，比如车道检测、车辆检测、行人检测，则可以分别利用更多高通处理器来完成。

　　唯一问题是，如何将这些数据重合最终形成最终决策？如果单颗高通处理器仍不够用的情况下，高通是否会就此制定一个全新处理器的研发计划？这些在未来一段时间都相当值得期待。

　　最后是英特尔，它对于自动驾驶的态度可以用“势在必得”来概括。

　　英特尔也是目前 NVIDIA 唯一在运算能力上面的对手，英伟达不仅拥有着目前世界上最先进的 CPU 制造技术，同时它还在去年收购了 FPGA 公司 Altera、自动驾驶软件服务商 Arynga、计算机视觉公司 Movidius 等等，阵容十分强大。

　　尤其是 Altera，众所周知在专用化并行计算领域，FPGA 在效率和功耗上都要胜 GPU 一筹，不过后者也有着自己天生的通用性。英特尔之前同样有着将 FPGA 融合进自家 CPU，这种“想象力十足”的方案。面对开发难度明显更高的 FPGA，英特尔很可能还需要花些时间打造一套通用的开发平台。在这一点上，NVIDIA 的 CUDA 先机非常明显。

　　不甘落后的英特尔也已经拿出了自动驾驶具体产品：车内云计算平台、5G 模块、云和数据中心，同时还专门打造了 SDK（开发者工具包）。

　　究竟是 NVIDIA 继续一路领先，还是 Intel 奋起直追，又或者是高通找到最有性价比之道？这都非常值得期待。

　　3、亟待翻盘良机的小企业

　　这一现象主要体现在本次参加 CES 的车企当中。在电动车和自动驾驶汽车这两波“革命”出现之前，全球汽车业的份额变动其实并不算大。但也正式随着新趋势的出现，让很多车企看到了提升自己产品份额的机会。

　　比如短时间内已经相当完善的现代 IONIQ、以及积极与 Waymo 合作的克莱斯勒，很明显能够感受到他们对于自动驾驶技术的投入。相比之下，后面一大批概念车党的确“欠了点意思”。