Czipy zarządzające jazdą autonomiczną: Nvidia i Mobileye

Z lidaru, radarów i kamer przepływa dziesiątki megabajtów danych na sekundę. Potrzebny jest mózg, który zamieni to w decyzje w ciągu jednej tysięcznej sekundy. Ale kto produkuje te mózgi i kto płaci cenę tej wojny krzemowej?
Czym są układy do jazdy autonomicznej i dlaczego są tak ważne?

Układ w pojeździe autonomicznym, a raczej komputer, w którym się on znajduje, potraktuj jako mózg samochodu. To właśnie ten komputer zamienia surowe dane zbierane przez oczy (kamery), uszy (radar) i lidary w polecenia skręcające kierownicę i wciskające hamulec. Jedna z firm roboticaxi, prezentując własny sprzęt do jazdy, porównuje komputer z mózgiem kierowcy: jako organ przekształcający surowe dane z czujników w polecenia jazdy w czasie rzeczywistym.
Skala bywa tu myląca. Według szacunków kamery w pojeździe generują od 20 do 60 MB danych na sekundę, lidar od 10 do 70 MB, a radar jest skromniejszy - około 10 KB na sekundę. Nie myśl o tym jak o filmie przepływającym przez domowy internet; dane, które tu płyną, to surowy obraz i informacje o odległości, na podstawie których samochód zdecyduje, dokąd pojedzie w następnej pół sekundy. Opóźnienie rzędu milisekund oznacza wypadek. Dlatego producenci układów inwestują miliardy dolarów w rozpętaną między siebie rywalizację.
Ale pytanie, które najbardziej Cię interesuje, brzmi pewnie tak: kto wygrywa w tej wojnie procesorów? Są trzy wielkie gracze, a drogi każdego z nich są zupełnie inne.
Nvidia DRIVE: Gigant platform przypominający grę i konsolę do gier
Gwiazdą działu automotive Nvidii jest SoC o nazwie DRIVE Orin, czyli kompletny komputer zbudowany na jednym układzie. SoC to skrót od system-on-chip; możesz to sobie wyobrazić jako wersję samochodową procesora z Twojego telefonu. Instaluje się na nim oprogramowanie, podłącza czujniki i samochód zaczyna myśleć.
Nowej generacji DRIVE AGX Thor, udostępniony deweloperom w sierpniu 2025 roku, jest aktualnym bohaterem tej historii. Według Nvidii Thor oferuje do 7,5 raza większą moc obliczeniową sztucznej inteligencji w porównaniu z AGX Orin. Co ważniejsze, został zaprojektowany tak, aby spełniać rygorystyczne wymagania branży motoryzacyjnej w zakresie bezpieczeństwa funkcjonalnego (ISO 26262) i bezpieczeństwa cybernetycznego (ISO 21434). Bo układ działający w samochodzie podlega znacznie innym zasadom niż układ w Twoim komputerze; jeśli zawiesi się gra, uruchamiasz ją ponownie, ale jeśli zawiedzie układ do jazdy, będzie za późno.
Strategia Nvidii to nie tylko sprzedaż układów, ale kontrolowanie całej platformy. Zaprezentowany na CES 2026 DRIVE AGX Hyperion obejmuje cały stos, od obliczeń po architekturę czujników, i mówi się, że firma wzmacnia w ten sposób swoją kontrolę nad światem jazdy autonomicznej. Najbardziej namacalnym przykładem tego jest współpraca z Mercedes-Benz: System operacyjny Mercedesa MB.OS łączy się z architekturą Hyperion Nvidii i oprogramowaniem o nazwie Alpamayo. Czyli mózg niemieckiego luksusowego samochodu będzie działał na platformie amerykańskiego giganta procesorów.
Najważniejsze informacje
- Pojazdów wyprodukowanych z technologią Mobileye EyeQ przekroczyło 250 milionów (2. kwartał 2026 roku) kwartał 2026 roku)
- Nvidia DRIVE AGX Thor obiecuje nawet 7,5 raza większą moc obliczeniową sztucznej inteligencji niż poprzednia generacja Orin
- Komputer FSD firmy Tesla wykorzystuje architekturę podwójnego SoC i zawiera 12 procesorów ARM Cortex-A72
- Oczekuje się, że rynek czipów do pojazdów autonomicznych wzrośnie z 14,48 miliarda dolarów (2026) do 35,49 miliarda dolarów (2034)
- Według szacunków Intel kamery generują w pojeździe 20-60 MB danych na sekundę, a lidar 10-70 MB
Mobileye EyeQ: Cichy gigant wewnątrz 250 milionów pojazdów
Teraz na scenę wchodzi gracz znacznie mniej reklamowany, ale z najwięcej dowodów w terenie: Mobileye. Ta firma została przejęta przez Intela w 2017 roku i dzięki specjalnie zaprojektowanemu czipowi o nazwie EyeQ zbudowała niewidzialną infrastrukturę systemów ADAS, czyli zaawansowanych systemów wspomagania kierowcy. Do końca 2025 roku na całym świat ponad 230 milionów pojazdów zostało wyprodukowanych z technologią EyeQ; w drugim kwartale 2026 roku liczba ta przekroczyła 250 milionów. Wyobraź sobie samochód z pięcioma miejscami; ta liczba odpowiada całej sporej części wszystkich samochodów na świecie. Co więcej, ponad 27 producentów samochodów korzysta z tych czipów.
Jednym z ambitnych produktów Mobileye jest SuperVision: zintegrowany komputer zawierający 11 kamer i podwójny czip EyeQ 5 High. Najwydajniejszym SoC zapowiedzianym przez firmę dla konsumenckich pojazdów autonomicznych jest natomiast EyeQ Ultra. Piąta generacja rodziny EyeQ jest przedstawiana jako posiadająca zdolność obsługi pojazdów poziomu 5, czyli w pełni autonomicznych. Platforma "Surround ADAS" oparta na nowej generacji EyeQ6H, z pierścieniem kamer 360 stopni i radaru, możliwościami definiowanymi programowo oraz obietnicą jazdy rękami na kierownicy na niektórych autostradach, została wybrana przez jednego z amerykańskich producentów.
Co będzie z pozycją Mobileye w obliczu podejścia open source firmy Nvidia? CEO firmy, Amnon Shashua, przewiduje, że lata 2026-2027 będą dla firmy wielkim punktem zwrotnym i składa oświadczenia sugerujące, że ich zdaniem model Nvidii nie zmieni pozycji rynkowych. Punkt, na którym Shashua uporczywie się koncentruje, jest następujący: część fali zapowiedzi i ekscytacji w branży to tylko szum, a istotna sprawa to produkt sprawdzony w terenie. Komu powinno się przyznać rację w tym zdaniu, można dyskutować - ale 250 milionów pojazdów to mocny argument do obrony.
Dlaczego Tesla zaprojektowała własny czip?
Historia Tesli jest najbardziej buntownicza z całej trójki. Firma najpierw korzystała z procesorów opartych na Nvidii, a potem przeszła całkowicie na własny projekt FSD Chip. Ten czip zawiera 12 procesorów ARM Cortex-A72 i został zdefiniowany przez Teslę jako komputer sieci neuronowych. Zwracającym uwagę szczegółem jest to, że komputer FSD ma architekturę podwójnego SoC: czyli do obliczeń krytycznych jednocześnie działają dwa procesory.
A dlaczego? Po co zawracać sobie głowę projektowaniem własnego czipu, skoro można użyć gotowej platformy? Uzasadnienie podawane ze strony Tesli brzmi: ogólnego przeznaczenia czipy Nvidii nie były wystarczająco dostosowane do potrzeb Tesli. Kiedy projektujesz własny układ krzemowy, dostajesz komponent zoptymalizowany dokładnie pod Twój model sztucznej inteligencji, z pełną kontrolą nad zużyciem energii. Wyobraź to sobie jak książkę kucharską: możesz gotować według cudzej książki kucharskiej, ale we własnej zapisujesz dokładnie te przepisy, które chcesz. Oczywiście ma to swoją cenę - projektowanie chipów to niesamowicie drogie i ryzykowne przedsięwzięcie. Po stronie produkcji w grę wchodzą gigantyczne fabryki takie jak TSMC.
Kilka liczb: Krążą twierdzenia, że własny chip Nvidii osiąga 320 TOPS, czyli biliony operacji na sekundę, a dwuchipowy system Tesli - 144 TOPS. Ale trzeba tu być ostrożnym; liczby te pochodzą z różnych definicji i okresów, a sama wartość TOPS nie dowodzi przewagi jednego systemu nad drugim. Ostatecznie moc obliczeniowa samochodu ma znaczenie tak duże, jak jakość oprogramowania, które na niej działa.
Trzy platformy obok siebie: Nvidia, Mobileye i Tesla
| Cecha | Nvidia DRIVE | Mobileye EyeQ | Tesla FSD Chip |
|---|---|---|---|
| Podejście | Platforma otwarta, sprzedawana producentom | Kompletne rozwiązanie sprzętowo-programowe | Całkowicie we własnym zakresie, dedykowane własnym pojazdom |
| Aktualny produkt-flagowy | DRIVE AGX Thor | EyeQ 5 / EyeQ Ultra | FSD Chip (podwójny SoC) |
| Skala | Współprace z producentami takimi jak Mercedes-Benz | Ponad 250 milionów pojazdów, ponad 27 producentów | Tylko pojazdy Tesla |
| Najnowsza generacja | DRIVE AGX Hyperion (CES 2026) | Surround ADAS oparty na EyeQ6H | 12-rdzeniowy procesor ARM Cortex-A72 |
| Siła ekosystemu | CUDA i szerokie wsparcie deweloperów | Szeroka flota sprawdzona w praktyce | Integracja pionowa, zgodność pojazdu z oprogramowaniem |
Te trzy drogi reprezentują jednocześnie trzy modele biznesowe. Nvidia sprzedaje swoją platformę każdemu, Mobileye skaluje się dzięki pakietowemu rozwiązaniu, a Tesla robi wszystko sama. Która wygra? Najprawdopodobniej wszystkie jeszcze przez pewien czas będą żyły na rynku; bo każdy producent ma inne potrzeby i inny apetyt na ryzyko.
Czy rewolucja pojazdów definiowanych programowo zmusza producentów do produkcji chipów?
Jednym z najczęściej omawianych pojęć w świecie motoryzacji w ostatnich latach jest pojazd definiowany programowo, czyli SDV. Pomysł jest prosty, ale rewolucyjny: samochód różnicujesz już nie mocą silnika, lecz oprogramowaniem. Nowe funkcje przychodzą wraz z aktualizacjami bezprzewodowymi, a inteligencja pojazdu koncentruje się w centralnej platformie obliczeniowej. To oznacza, że dziesiątki małych jednostek sterujących w klasycznej architekturze pojazdu zastępowane są przez silne i scentralizowane mózgi.
I właśnie w tym momencie robi się skomplikowanie. Jeśli przewaga konkurencyjna samochodu tkwi w oprogramowaniu, a oprogramowanie wymaga mocnego chipa, producenci stają przed kluczowym pytaniem: od kogo kupisz mózg? Producent korzystający z gotowej platformy staje się zależny od dostawcy w kwestii technologii, która tworzy przewagę. To właśnie dlatego zacieśnianie kontroli Nvidii nad swoim stosem niepokoi niektórych producentów. Producent projektujący własny chip musi natomiast udźwignąć koszty rozwoju sięgające miliardów dolarów. Wyobraź sobie branżę oscylującą między dwoma złymi wyborami - trochę napięte, prawda?
Co więcej, ta zależność od technologii ma również swój wymiar kosztowy. Każda nowa funkcja ADAS dodaje złożoności kalibracji i kosztów napraw; to wywiera presję na marże producentów i utrudnia upowszechnienie tych systemów w pojazdach segmentu podstawowego. Jest jeszcze strona podażowa: apetyt centrów danych sztucznej inteligencji na komponenty chipowe (szczególnie pamięci DRAM) zaciska się na podaż chipów motoryzacyjnych. A więc fabrykom chipów dla kogo produkować się opłaca najpierw? Aplikacji AI w twoim telefonie, czy asystenta hamowania w twoim samochodzie? Spór o kolejność priorytetów to prawdziwy problem podażowy roku 2026.
Przepaść między obietnicą a rzeczywistością: moc obliczeniowa nie jest darmowa
Do tej pory wszystko brzmi ekscytująco. Jest jednak punkt, który wymaga krytycznego spojrzenia: cała ta moc obliczeniowa ma swoją cenę, i to nie tylko finansową. Analiza uniwersytecka wyliczyła, że miliard autonomicznych pojazdów jeżdżących godzinę dziennie, których komputer zużywa 840 watów, stanowiłby znaczące obciążenie emisjami. Czyli chwaląc pojazdy autonomiczne jako przyjazne środowisku, trzeba też uwzględnić energię zużywaną przez ich "mózgi". Gdy samochody są elektryczne, wydech wynosi zero, ale mózg podłączonego do gniazdka pojazdu nadal zużywa prąd.
Kolejny realistyczny punkt: prognozy rynkowe są duże, ale na razie nie ma precyzyjnej formuły typu "tyle właśnie potrzeba TOPS". Ile mocy obliczeniowej będzie wymagał pełny poziom autonomii poziom 5, to wciąż otwarty problem inżynieryjny. Czipy piątej generacji Mobileye prezentowane są z możliwościami poziomu 5, ale dystans między możliwościami a udowodnioną rzeczywistością znajduje się dokładnie w samym środku tego, co Shashua nazywa szumem.
Kto więc wygra te wojny o krzem?
Szczera odpowiedź: na razie nie wiadomo i prawdopodobnie nie będzie jednego zwycięzcy. Nvidia, dzięki sile platformy i współpracom z takimi firmami jak Mercedes, umacnia pozycję najważniejszego dostawcy ery pojazdów zdefiniowanych programowo. Mobileye, z udowodnioną flotą 250 milionów pojazdów i przewagą skali, to najbardziej dojrzały gracz na rynku. Tesla natomiast to wyjątek, który samotnie ponosi zarówno koszt, jak i korzyści z produkcji własnego krzemu. Żaden z nich nie zastępuje pozostałych; dają trzy różne odpowiedzi na trzy różne pytania.
Być może najmądrzejsze pytanie brzmi tak: co zyskują, a co tracą kierowcy i producenci, gdy mózgi samochodów skupią się w rękach kilku firm? Zysk to szybkie dojrzewanie technologii. Stratą będzie zależność - a rachunek za tę zależność pojawi się nie wtedy, gdy te czipy po raz pierwszy udowodnią się na drodze, lecz wtedy, gdy po raz pierwszy coś pójdzie nie tak. W związku z tym śledźcie nas dalej.
Źródła
- The Evolution of EyeQ - Mobileye
- Mobileye Releases Second Quarter 2026 Results
- New Mobileye EyeQ Ultra - Intel Press Release
- Mobileye SuperVision Put to the Test - Mobileye Blog
- Nvidia launches Drive AGX Thor developer kit
- Nvidia: How It Is Tightening Its Grip on the Autonomous Vehicle Stack
- Mercedes-Benz i NVIDIA rozszerzają współpracę - Nvidia Newsroom
- Sprzęt Tesla Autopilot - Wikipedia
- Układy AI w dziedzinie pojazdów autonomicznych - Lux Research
- Spojrzenie pod maskę naszego bagażnika: moc obliczeniowa Waymo - Waymo Blog
- Komputer danych pojazdu autonomicznego - Premio
- Komputery napędzające samochody autonomiczne mogą być ogromnym źródłem emisji dwutlenku węgla - MIT News
- Jak podobne są systemy bezpieczeństwa Mobileye i Nvidia?
- Rynek układów dla pojazdów autonomicznych - Fortune Business Insights
- Rynek układów ADAS dla motoryzacji - Dataintelo
- Ścisk na rynku DRAM - Area51ESG
- Pojazd definiowany programowo - Valeo