五月的湾区进入灼热的夏天。在北圣何塞“创新大道” (Innovation Dr.) 101 号，原属于 Altera 公司的大楼一层侧面，英特尔正式宣布设立了自己的自动驾驶研发工厂——更像是一个车库。

　　英特尔高级副总裁戴佟森 (Doug Davis) 为无人驾驶工厂/车库剪彩

　　2015 年，英特尔斥 167 亿美元收购 Altera，将其世界领先的“现场可编程逻辑门阵列”（FPGA，一种更灵活的可编程处理单元）技术收入囊中。彼时，关于英特尔的讨论永远离不开一个话题：摩尔定律可能已经失效。而英特尔对 Altera 的收购，创下了该公司创立近 50 年来收购规模纪录，也被寄予让摩尔定律走出瓶颈的厚望。

　　彼时，公众视野里的科技热词是“物联网”、“云计算”和“大数据”。“人工智能”的热度还不够高，但在约书亚·班吉奥 (Yoshua Bengio)、杰夫·辛顿 (Geoffrey hinton)、闫乐坤 (Yann LeCun)等著名学者的推动下，人工智能背后的具体技术性能已经突飞猛进。而自动驾驶作为人工智能的重要应用场景之一，早已成为了硅谷大小科技公司投入巨资发力的方向。 Google 早在 2010 年就完成了自动驾驶团队的组建；特斯拉在 2014 年向适配的 Model S 车型推送了L2（具备一定辅助驾驶能力）级 Autopilot 功能；Uber 则从卡耐基梅隆大学全盘接收了自动驾驶研究团队，并直接在学校马路对面开了自己的车研发中心；还有 Drive.AI、Comma.AI 等一众创业公司成立，试图吸引资本和大公司的青睐；

　　作为自动驾驶领域后来者的英特尔，并未像高调的公司那样得到大量关注。本周，包括PingWest品玩（微信号：wepingwest）在内的多家媒体造访了英特尔的自动驾驶车库。从英特尔方面的姿态来看，他们担心“酒香也怕巷子深”，和媒体记者相比，似乎英特尔更需要这次活动去对外传递它在自动驾驶方面的积累和进展。

　　首先，j2直播，FPGA 对于英特尔的重要性可能比半导体业界想象的更重要。在自动驾驶领域，很多人坚持走显卡的路线，也即用 GPU、GPGPU（通用计算图形处理器）对于计算机驾驶系统的训练效果更好。但英特尔认为收购 Altera 获得的 FPGA 技术，能够在自动驾驶上获得独特的优势。

　　在接受我专访时，该公司可编程解决方案事业部自动驾驶团队总监迈克尔·亨利克斯 (Michael Hendricks) 指出，对于已经流行的神经网络模型，比如卷积神经网络，GPGPU 的运算支持是很好的，优势也很明显，但对于那些即将在自动驾驶领域成为新宠的模型，比如采用深度神经网络、循环神经网络、生成式对抗网络进行图像识别、自动标记和学习而言，GPGPU 就没有优势了。而 FPGA 在面对不同计算压力需求，比如不同级别的自动驾驶方案时，更容易在性能功耗（以恒定图像识别帧率为前提，比较功率）上取得平衡。

　　迈克尔·亨利克斯 图片来自网络

　　目前，L2 级别辅助驾驶已经非常普及，行业整体来看处在从 L3 （编者注：有条件的自动驾驶，需要接管）向 L4（在一定道路环境宽容度下的全自动化）迈进的过程中。知名厂商上路实测的 L4 级别汽车，在理论安全性上已经相当完善。亨利克斯认为，CPU+FPGA 的组合比 GPGPU 更适合 L4 甚至未来的 L5 时代。具体来说，汽车上传感器数量的增长可能会翻倍，产生数据量会有指数级的暴增，需要的计算量也是同样。

　　“FPGA 的优势在于并行计算能力，能够更敏捷地处理传感器传来的数据，支持决策系统做出更好的决定，让控制系统快速响应。在 L4 级别上，CPU+FPGA 方案会显示出巨大的优势。”他说。简而言之，FPGA 可能是更适合自动驾驶汽车的“大脑”，将自动驾驶研发部门安置在原 Altera 大楼里的原因，这样解释就很清楚了。

　　除了 FPGA 之外，英特尔还认为5G 通信将会是自动驾驶商用化的依赖技术。“当年从 2G 向 3G 迁移的时代，很多反对者不明白为什么我们需要 1 Mbps、2Mbps 的带宽；到了 4G 依然如此，有人怀疑多出来的几百 Mbps 带宽，还有降低的几十毫秒时延真的那么重要吗？”英特尔 5G 事业部总经理罗伯·托普尔 (Rob Topol) 抛出了这个疑问。