人工智能是未来科技公司走向兴与衰的分水岭，自动驾驶是其中一个重要的领域，英特尔最近向媒体展示了他们的自动驾驶路径——做自动驾驶领域的全平台。

当你坐在英特尔这辆无人驾驶的车辆上时，不得不惊讶于技术的进步：无人掌控的情况下，它带着你在路上飞驰；红灯时，它能够以一个标准的车距排在其它车辆后面；在路口遇到“停车”标志时，也能够按照加州交通法规的要求，完全停下来再起步。

英特尔让媒体试乘了这辆自动驾驶车辆。安全起见，英特尔为这辆车配备了驾驶员，以备不时之需。按照设定的路线，车辆在一个右转之后紧接着又有一次右转。在第一次右转时，车辆选择开上了最左道，这意味着，为了在不久之后的右转，它需要先并入右道。当时正好是下午五点左右——硅谷交通高峰时期，尽管英特尔的车辆早早地亮起了右转灯，但右后侧的车辆并没有减速的意思，导致一直没有并线成功，从而错过了本该右转的路口。

这个时候你绝对会发现，它还是台机器！毕竟没有人类“聪明”。如果是人来驾驶的话，考虑到高峰期难以并道，第一次右转时可能会选择开上最右道。或者会减慢速度等待右侧车辆过去，再选择一个并道时机，当然，这不合规，会压低所在车道所有车辆的车速。情急之下，驾驶员接管了方向盘，“我不想让它再错过下一个路口了。”硅谷人都知道，在高峰期进入车流，很可能意味着要在路上耽搁很长时间。

英特尔的这辆无人驾驶车辆代表了目前自动驾驶的普遍水平——第三级，“自动驾驶几乎能够完成所有的驾驶操作，在系统请求的情况下，人类驾驶者能够给出应答。”

安全路径的回归

安全是这个阶段最重要的事情。相比之前特斯拉和谷歌在无人驾驶技术路线上截然不同的对立，最新的技术风头是整合二者所代表的两条技术路线，全面武装无人驾驶车辆。

“汽车需要计算机视觉技术，这就好像人类的视觉系统，也需要激光雷达来感知汽车周遭环境，好像人类的触觉。”英特尔自动化解决方案部门总经理 Kathy Winter在接受界面新闻采访时表示，目前英特尔的采用的路径是把多类传感器整合在一起，以保障安全。“未来在技术更加成熟时，也许会减少这些传感器的数量，这样更加经济实惠。”

这是技术路线在经过激进地各自发展之后，向保守的回归，也是英特尔目前选择的路径——整合，打造平台。

一直以来，硅谷的两个技术派别在各自路径上卯足劲狂奔，一派是以谷歌为代表的“触觉派”，即靠雷达和激光，正如所见，在谷歌总部山景城附近溜达的谷歌无人车正是这一路线的代表，白色小车车顶顶着一个巨大的激光雷达。

谷歌坚信自己技术路线能够成功，对于自己的专利也极为保护，先后对特斯拉以及Uber都发起过激进的诉讼，认为对方窃取了他们在激光雷达方面的技术。

但包括特斯拉在内的一些厂商认为，未来无人驾驶的方向应该是依靠“视觉”，汽车应该就像人一样，通过摄像头捕捉外部世界，然后通过图像识别，再决定驾驶策略。尤其是在近几年以深度学习为核心的算法上取得重大突破后，图像识别的准确率和速度都有了极大提升，无数风险投资资金都涌入了这一领域，特斯拉更是在自己所有车型上反复实践这一路线。

但无论是哪条技术路线，都发生了尴尬的事故，特斯拉一次次卷入事故丑闻，而Uber所代表的谷歌技术路线也不断出现事故——去年12月份在旧金山发生了一个故障，而根据Business insider的报道，它无法识别信号灯，闯了红灯——这正是这个路线的典型错误。

实际上，两条技术路线都有各自的短板，业界普遍认为以Tesla为代表的技术路线更不成熟，因为依赖大量运算和临场反应，对三围世界的感知不如激光雷达精准；而以谷歌、Uber为代表的雷达路线一直以来面临的重要门槛是激光雷达价格高企，比如谷歌早期在无人驾驶车辆上使用的Velodyne的HDL-64E激光雷达，价格在8万美元。但据乐视无人车公司FF研发人士向界面新闻透露，现在单个激光雷达价格降到了几千美元一个，而且未来还会下降。这个路线也并不能单独解决路上遇到的所有问题，很明显的短板在于对车道、交通标识上并没有那么灵敏。

“尽管各家厂商在使用上有所偏好，但一考虑到最终达到的结果，就会发现大家想要实现的就是精确。”英特尔公司无人驾驶解决方案资深首席工程师Jack Weast向界面新闻解释他们的技术路径，“我们的技术平台并不会限制你使用雷达还是激光雷达或者其他传感器，也不会限制他们的数量，因为我们提供的是灵活可拓展的技术”。

在英特尔向媒体展示的无人驾驶车辆上，一共用了包括摄像头、雷达、激光雷达在内的26个传感器，“我们在车的周身都装上这些传感器，包括雷达、激光雷达以及摄像头，他们有各自的强项”，Delphi是英特尔在无人驾驶领域的合作伙伴，他们的首席技术官Glen De Vos这样说。

展示了英特尔无所不能的技术路线后，英特尔希望把自己的解决方案以及相关的芯片能够卖给广大汽车厂商，可以这样来理解——他们想做无人驾驶领域的Wintel平台。

“就像我们给电脑贴标签一样，我们也想给使用英特尔技术的汽车贴上LOGO”，英特尔自动化解决方案部门总经理Kathy Winter对界面新闻表示。

收购

留给英特尔的时间并不多。

大部分厂商都在讨论2020年推出无人驾驶车辆，而芯片厂商比如英伟达（Nvidia）已经和特斯拉、奔驰等厂商合作，但英特尔在这个领域并没有很大的进展——如果从实际的合作来看。

尤其是那些保守的传统汽车厂商，他们对于新技术的采用，尤其是来自合作伙伴的新技术都有严格的考核，英特尔要做自动驾驶领域的“Wintel”并不容易。

英特尔是芯片厂商，为了找到自动驾驶领域的“Windows”，它收购了一家无人驾驶领域的“微软”Mobileye——就在今年3月14日，英特尔宣布以135亿美元收购这家以色列公司，金额之高让业界侧目。除此之外，英特尔还激进地表示将自己自动驾驶部门并进这家公司。

外界并不知道英特尔内部发生了什么，但是在两年之内，自动驾驶在英特尔内部的策略重要性一定是有重大的提高——在2015年11月的时候，英特尔首席执行官科再奇（Brian Krzanich）表示，未来几年英特尔在自动驾驶的投入会超过2.5亿美元，但是，这次一次性花掉了153亿美元。

Mobileye是以色列一家知名的高级驾驶辅助系统（ADAS）厂商，1999年成立，2012年上市，产品包括摄像头、芯片以及软件解决方案，目前Mobileye商业化主要领域在半自动驾驶系统领域，比如为特斯拉的Autopilot提供半自动驾驶系统。

收购完成后，科再奇在给员工的一封内部信中表示，“Mobileye带来了业界最好的汽车应用级别的计算机视觉，以及汽车制造商和供应商的强大后盾。总之，我们可以以更低的成本为汽车制造商在从云到车的解决方案中提高性能，从而加快推进自动驾驶的未来”。

Mobileye相对英特尔来说，长处在于算法和数据，尽管它也出售芯片，但毫无疑问在芯片的研发和生产上，英特尔更有优势。

对于英特尔来说，Mobileye手中超过30家汽车厂商的合作资源尤其重要——在2015年年7月，Mobileye宣布将与宝马和英特尔合作，计划在2021年实现高度自动驾驶车辆和全自动驾驶车辆量产。

一个不能够忽视的背景是，英特尔作为全球最大的芯片厂商，在人工智能领域却被专门做图形芯片处理的GPU厂商英伟达“逆袭”了。

这需要追溯至2012年深度学习领域的历史性突破。在当年国际图片识别大赛ImageNet中，深度学习领域巨擎杰夫·辛顿（Geoffrey Hinton）和其学生的团队首次以深度学习算法胜出，击败一直占据主流地位的传统机器学习算法，大大提高了机器识别图片的准确性。在此之后，辛顿的学生又发现，用GPU而不是CPU，对于深度学习算法有极大的帮助。

在深度学习越来越重要的同时，GPU意外获得了市场，而英伟达这样一个做游戏显卡细分市场的生产者在短短几年时间内成为深度学习以及人工智能领域的重要玩家。

英特尔在收购Mobileye之前，已经收购了数家公司试图补足人工智能这个领域的短板：

2016年8月，英特尔宣布收购深度学习初创公司Nervana Systems，交易金额据传约为4.08亿美元，Nervana据称拥有目前最快的深度学习框架。

同年9月，英特尔宣布收购无晶圆半导体公司Movidius，这家公司主要致力于高性能处理器体系机构及计算机视觉芯片研发，功耗比市场上其它芯片都要低，已经被大疆广泛采用。

而在此之前，英特尔还收购了类Mobileye的公司Yogitech——后者能够通过感应器和摄像头收集和处理无人驾驶汽车周围的环境信息；还有开发了供驾驶辅助系统使用的软件和服务公司俄罗斯的Itseez。

更大手笔的是，英特尔还花167亿美元买下Altera，这是一家在FGPA领域有重要积累的芯片公司，相比英伟达所专注的GPU，英特尔认为FGPA有自己重要的优势，“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。”英特尔可编程解决方案事业部自动驾驶团队总监Michael Hendricks指出。

无论如何，英特尔现在各方面能力都具备了，百度前科学家余凯在英特尔收购Mobileye的时候接受媒体采访时指出：“这次收购让英特尔有了CPU＋FPGA＋EyeQ＋5G构成的强大计算平台和通信，构成了从感知到决策和通讯的完整解决方案，在自动驾驶方面的综合实力瞬间大幅跃升。”

人工智能的分水岭

分水岭已经出现，这就是人工智能，错过人工智能的公司在未来一定难以兴盛，英特尔现在正在试图爬过这个分水岭。

自动驾驶是目前人工智能最火热的应用领域，你可以把它看成人工智能领域的一个分支，而如果进一步分解这个市场：它有Mobileye这样的以数据和算法取胜的软件公司，也有英伟达这样主要做芯片和解决方案的芯片生产厂商以及传统汽车生产厂商。

英特尔通过一系列收购让自己在算法和数据上同样具有优势，接下来，摆在这个巨头面前的问题是如何整合这些收购来的公司，Daniel McNamara在英特尔收购Altera后担任公司可编程解决方案事业部总经理，他说，科再奇一直参与到两家公司的整合当中。

Naveen G.Rao原本是深度学习初创公司Nervana Systems的创始人，在被收购之后进入英特尔。“我们成立只有两年半，相对英特尔来说体量很小。但是我们希望能够将我们灵活的文化带到英特尔去。”他说，他们现在正试图利用英特尔原本的资源打造功能强大的芯片。

今年3月25日，英特尔成立了AIPG。“英特尔是一个自上而下的公司组织，CEO下达总命令，下面的人执行，”Naveen G. Rao说，独立部门的成立能够让英特尔这样的大公司像创业公司那样运作，“虽然我们不能改变所有的部门，但是我希望能够在此以新的方式做一些新的事情。”

英特尔考虑的是如何让客户买下他们的芯片和解决方案。“最大的挑战来自客户是否信任我们的产品，他们是否对我们的技术持有信心，是否能接受这样的技术，是否觉得安全。”英特尔自动化解决方案部门总经理 Kathy Winter在接受界面新闻采访时表示。

就在英特尔向媒体开放他们的自动驾驶成果之后，英伟达在硅谷召开了今年的开发者大会，发布了新的产品。大会当天，英伟达股价上涨接近20%，而过去一年时间里，这家公司更是以股价上涨300%成为硅谷最火爆的公司。