ชิปที่ควบคุมการขับขี่อัตโนมัติ: Nvidia และ Mobileye

Lidar, เรดาร์และกล้องส่งข้อมูลหลักสิบเมกะไบต์ต่อวินาที จำเป็นต้องมีสมองที่แปลงข้อมูลนี้เป็นการตัดสินใจภายในเสี้ยววินาที แล้วใครคือผู้ผลิตสมองเหล่านี้ และใครคือผู้จ่ายค่าราคาของสงครามซิลิคอนครั้งนี้?
ชิปขับขี่อัตโนมัติคืออะไร และทำไมจึงสำคัญมาก?

ลองนึกถึงชิปในยานพาหนะอัตโนมัติ หรือพูดให้ถูกกว่านั้นคือคอมพิวเตอร์ที่ติดตั้งชิปนั้น ว่าเป็นสมองของรถยนต์ คอมพิวเตอร์เครื่องนี้คือสิ่งที่แปลงข้อมูลดิบที่เก็บได้จากดวงตา (กล้อง) หู (เรดาร์) และเครื่องวัดระยะด้วยเลเซอร์ (lidar) ให้กลายเป็นคำสั่งในการบังคับพวงมาลัยและเหยียบเบรก บริษัทแท็กซี่อัตโนมัติแห่งหนึ่งเปรียบเทียบการคำนวณของฮาร์ดแวร์ขับขี่ของตนเองกับสมองของคนขับเมื่อแนะนำอุปกรณ์ดังกล่าว: ในฐานะอวัยวะที่แปลงข้อมูลเซ็นเซอร์ดิบให้เป็นคำสั่งการขับขี่แบบเรียลไทม์
ขนาดของข้อมูลที่นี่ทำให้สับสน ตามการคาดการณ์ กล้องในยานพาหนะสร้างข้อมูล 20 ถึง 60 MB ต่อวินาที lidar สร้าง 10 ถึง 70 MB ส่วนเรดาร์มีปริมาณที่ถ่อมตัวกว่า ประมาณ 10 KB ต่อวินาที อย่าคิดว่าข้อมูลนี้เหมือนวิดีโอที่ไหลผ่านอินเทอร์เน็ตบ้านของคุณ; ข้อมูลที่ไหลอยู่ที่นี่คือภาพดิบและข้อมูลระยะทางที่จะตัดสินใจว่ารถจะไปที่ไหนในครึ่งวินาทีถัดไป ความล่าช้าเพียงมิลลิวินาทีก็หมายถึงอุบัติเหตุ ด้วยเหตุนี้ผู้ผลิตชิปจึงลงทุนหลายพันล้านดอลลาร์ในการแข่งขันที่พวกเขาเข้าร่วม
แต่คำถามที่คุณอยากรู้มากที่สุดน่าจะเป็นข้อนี้: ใครชนะในสงครามโปรเซสเซอร์ครั้งนี้? มีผู้เล่นรายใหญ่สามราย และเส้นทางของทั้งสามแตกต่างกันมาก
Nvidia DRIVE: ยักษ์ใหญ่แห่งแพลตฟอร์มที่คล้ายกับการเล่นเกมถึงเกมคอนโซล
ดาวเด่นของฝ่ายยานยนต์ของ Nvidia คือ SoC ชื่อ DRIVE Orin ซึ่งเป็นคอมพิวเตอร์ที่สมบูรณ์บนชิปเดียว SoC ย่อมาจาก system-on-chip; คุณสามารถนึกถึงมันได้ว่าเป็นเวอร์ชันยานยนต์ของโปรเซสเซอร์ในโทรศัพท์ของคุณ ติดตั้งซอฟต์แวร์ลงไป เชื่อมต่อเซ็นเซอร์ และยานพาหนะก็สามารถคิดได้แล้ว
DRIVE AGX Thor รุ่นใหม่ที่เปิดตัวให้นักพัฒนาในเดือนสิงหาคม 2025 คือพระเอกปัจจุบันของเรื่องราวนี้ ตามที่ Nvidia ระบุ Thor ให้พลังการคำนวณปัญญาประดิษฐ์มากกว่า AGX Orin ถึง 7.5 เท่า ที่สำคัญกว่านั้น มันถูกออกแบบมาให้ตอบสนองข้อกำหนดด้านความปลอดภัยเชิงฟังก์ชัน (ISO 26262) และความปลอดภัยไซเบอร์ (ISO 21434) ที่เข้มงวดของอุตสาหกรรมยานยนต์ เพราะชิปที่ทำงานในรถยนต์อยู่ภายใต้กฎที่เข้มงวดกว่าชิปที่ทำงานในคอมพิวเตอร์ของคุณมาก; ถ้าเกมคริชคุณก็แค่รีสตาร์ทเกม แต่ถ้าชิปขับขี่คริชก็สายเกินแก้
กลยุทธ์ของ Nvidia ไม่ใช่แค่การขายชิป แต่คือการครอบครองแพลตฟอร์มทั้งหมดไว้ในมือ DRIVE AGX Hyperion ที่เปิดตัวใน CES 2026 ครอบคลุมทั้งสแตกตั้งแต่การคำนวณไปจนถึงสถาปัตยกรรมเซ็นเซอร์ และมีการพูดถึงว่าบริษัทกำลังกระชับการควบคุมในโลกขับขี่อัตโนมัติ ตัวอย่างที่จับต้องได้ที่สุดคือความร่วมมือกับ Mercedes-Benz: ระบบปฏิบัติการ MB.OS ของ Mercedes ผสานเข้ากับสถาปัตยกรรม Hyperion ของ Nvidia และซอฟต์แวร์ชื่อ Alpamayo นั่นหมายความว่าสมองของรถยนต์หรูสัญชาติเยอรมันจะทำงานบนแพลตฟอร์มของยักษ์ใหญ่ด้านชิปสัญชาติอเมริกัน
ไฮไลต์เด่น
- ยานพาหนะที่ผลิตโดยใช้เทคโนโลยี Mobileye EyeQ ทะลุ 250 ล้านคัน (ครึ่งหลังปี 2026 2026)
- Nvidia DRIVE AGX Thor สัญญาว่าจะมีพลังการประมวลผล AI มากกว่า Orin รุ่นก่อนถึง 7.5 เท่า
- คอมพิวเตอร์ FSD ของ Tesla ใช้สถาปัตยกรรม SoC แบบคู่และมี CPU ARM Cortex-A72 จำนวน 12 ตัว
- ตลาดชิปยานยนต์อัตโนมัติคาดว่าจะเติบโตจาก 14.48 พันล้านดอลลาร์ (2026) เป็น 35.49 พันล้านดอลลาร์ (2034)
- ตามการคาดการณ์ของ Intel กล้องสร้างข้อมูลในรถ 20-60 MB ต่อวินาที และ lidar สร้างข้อมูล 10-70 MB ต่อวินาที
Mobileye EyeQ: ยักษ์ใหญ่เงียบๆ ที่อยู่ภายในรถ 250 ล้านคัน
บัดนี้ผู้เล่นที่ถูกพูดถึงน้อยกว่าแต่มีหลักฐานพิสูจน์ในสนามมากที่สุดกำลังก้าวเข้ามา: Mobileye บริษัทนี้ถูก Intel ซื้อกิจการในปี 2017 และได้สร้างโครงสร้างพื้นฐานที่มองไม่เห็นของระบบช่วยขับขี่ขั้นสูง (ADAS) ด้วยชิปออกแบบเฉพาะที่ชื่อว่า EyeQ ณ สิ้นปี 2025 ยานพาหนะทั่วโลกมากกว่า 230 ล้านคัน ผลิตด้วยเทคโนโลยี EyeQ และในไตรมาสที่สองของปี 2026 ตัวเลขนี้ทะลุ 250 ล้านคันไปแล้ว ลองนึกภาพรถโดยสาร 5 ที่นั่งดูสิ ตัวเลขนี้เทียบเท่ากับสัดส่วนที่มากพอสมควรของรถทั้งหมดในโลก ยิ่งไปกว่านั้น ผู้ผลิตรถยนต์กว่า 27 รายใช้ชิปเหล่านี้
หนึ่งในผลิตภัณฑ์ที่ทะเยอทะยานของ Mobileye คือ SuperVision คอมพิวเตอร์แบบบูรณาการที่ประกอบด้วยกล้อง 11 ตัวและชิปคู่ EyeQ 5 High ส่วน SoC ที่มีประสิทธิภาพสูงสุดที่บริษัทประกาศสำหรับยานยนต์อัตโนมัติสำหรับผู้บริโภคคือ EyeQ Ultra ตระกูล EyeQ รุ่นที่ห้าถูกเปิดตัวในฐานะที่มีความสามารถเพียงพอที่จะรองรับยานยนต์อัตโนมัติเต็มรูปแบบหรือระดับ 5 แพลตฟอร์ม "Surround ADAS" ที่ใช้ EyeQ6H รุ่นใหม่ยังถูกเลือกโดยผู้ผลิตรายหนึ่งในสหรัฐฯ พร้อมกล้องและวงแหวนเรดาร์ 360 องศา ความสามารถแบบซอฟต์แวร์กำหนด และคำสัญญาเรื่องการขับแบบมือว่างบนทางหลวงบางสาย
ท่าทีของ Mobileye จะเป็นอย่างไรเมื่อเผชิญกับแนวทางโอเพนซอร์สของ Nvidia? CEO ของบริษัท Amnon Shashua คาดการณ์ว่าช่วงปี 2026-2027 จะเป็นจุดหมุนสำคัญสำหรับบริษัท พร้อมแสดงความเห็นที่สะท้อนว่าพวกเขาเชื่อว่าโมเดลของ Nvidia จะไม่ใช่สิ่งที่เปลี่ยนตำแหน่งทางการตลาด จุดที่ Shashua เน้นย้ำอย่างหนักคือ: กระแสประกาศและความตื่นเต้นในอุตสาหกรรมบางส่วนเป็นเพียงเสียงรบกวน สิ่งสำคัญจริงๆ คือผลิตภัณฑ์ที่พิสูจน์แล้วในสนาม ประโยคนี้ควรมุ่งเป้าไปที่ใคร ยังเป็นที่ถกเถียง - แต่ 250 ล้านคันคือข้อโต้แย้งที่แข็งแกร่งพอจะปกป้องได้
ทำไม Tesla ถึงออกแบบชิปของตัวเอง?
เรื่องราวของ Tesla เป็นเรื่องที่กบฏที่สุดในบรรดาสามเรื่อง บริษัทเดิมใช้โปรเซสเซอร์ที่ใช้ฐาน Nvidia ก่อน แล้วจึงเปลี่ยนไปใช้ FSD Chip ที่ออกแบบเองทั้งหมด ชิปนี้มี CPU ARM Cortex-A72 จำนวน 12 ตัว และ Tesla ระบุว่าเป็นคอมพิวเตอร์โครงข่ายประสาทเทียม รายละเอียดที่น่าสังเกตคือคอมพิวเตอร์ FSD มีสถาปัตยกรรม SoC แบบคู่: นั่นคือโปรเซสเซอร์สองตัวทำงานพร้อมกันสำหรับการคำนวณที่สำคัญ
แต่ทำไมล่ะ? ทำไมต้องเสียแรงออกแบบชิปเองทั้งที่มีแพลตฟอร์มสำเร็จรูปให้ใช้? เหตุผลที่เล่าในฝั่ง Tesla คือชิปของ Nvidia ที่ใช้งานทั่วไปนั้นไม่ได้ปรับแต่งมาเพื่อความต้องการของ Tesla เพียงพอ เมื่อคุณออกแบบซิลิคอนของตัวเอง คุณจะได้ชิ้นส่วนที่ได้รับการปรับแต่งเฉพาะสำหรับโมเดล AI ของคุณเอง และควบคุมการใช้พลังงานได้เอง ลองนึกถึงสมุดบันทึกสูตรอาหาร: คุณทำอาหารด้วยสมุดสูตรของคนอื่นได้ แต่ในสมุดของตัวเองคุณจะเขียนสูตรที่ต้องการได้เป๊ะ แน่นอนว่ามันมีราคา - การออกแบบชิปเป็นงานที่แพงและเสี่ยงอย่างมหาศาล ในฝั่งการผลิตก็มีโรงงานยักษ์ใหญ่อย่าง TSMC เข้ามามีส่วนร่วม
หมายเหตุตัวเลข: มีข้ออ้างว่าชิปของ Nvidia ทำได้ 320 TOPS หรือหลายล้านล้านการคำนวณต่อวินาที ในขณะที่ระบบชิปคู่ของ Tesla ทำได้ 144 TOPS แต่ตรงนี้ต้องระมัดระวัง ตัวเลขเหล่านี้มาจากนิยามและช่วงเวลาที่ต่างกัน และ TOPS เพียงอย่างเดียวไม่ได้พิสูจน์ว่าระบบใดเหนือกว่าระบบใด ในท้ายที่สุด พลังการคำนวณจะมีความหมายเท่ากับคุณภาพของซอฟต์แวร์ที่ทำงานบนมัน
สามแพลตฟอร์มเทียบกันเคียงข้าง: Nvidia, Mobileye และ Tesla
| คุณสมบัติ | Nvidia DRIVE | Mobileye EyeQ | Tesla FSD Chip |
|---|---|---|---|
| แนวทาง | แพลตฟอร์มเปิด ขายให้ผู้ผลิต | โซลูชันฮาร์ดแวร์-ซอฟต์แวร์แบบครบวงจร | ควบคุมเองทั้งหมด เฉพาะสำหรับรถของตัวเอง |
| ผลิตภัณฑ์ดาวเด่นปัจจุบัน | DRIVE AGX Thor | EyeQ 5 / EyeQ Ultra | FSD Chip (SoC คู่) |
| ขนาด | ความร่วมมือกับผู้ผลิตอย่าง Mercedes-Benz | ยานพาหนะ 250 ล้านคัน+ ผู้ผลิตมากกว่า 27 ราย | เฉพาะรถ Tesla เท่านั้น |
| รุ่นใหม่ล่าสุด | DRIVE AGX Hyperion (CES 2026) | Surround ADAS บนพื้นฐาน EyeQ6H | CPU 12 ARM Cortex-A72 |
| ความแข็งแกร่งของระบบนิเวศ | CUDA และการสนับสนุนนักพัฒนาที่กว้างขวาง | กองฟลีตขนาดใหญ่ที่พิสูจน์แล้วในสนามจริง | การบูรณาการแนวตั้ง ความสอดคล้องระหว่างรถกับซอฟต์แวร์ |
สามเส้นทางนี้ยังเป็นตัวแทนของสามโมเดลธุรกิจ Nvidia ขายแพลตฟอร์มให้ทุกคน Mobileye ขยายตัวด้วยโซลูชันแบบแพ็กเกจ ส่วน Tesla ทำทุกอย่างด้วยตัวเอง ใครจะชนะ? เป็นไปได้สูงว่าทุกเจ้าจะยังอยู่ในตลาดต่อไปอีกระยะหนึ่ง เพราะความต้องการและความเสี่ยงที่แต่ละผู้ผลิตยอมรับได้แตกต่างกัน
การปฏิวัติรถยนต์ที่นิยามด้วยซอฟต์แวร์กำลังผลักดันให้ผู้ผลิตต้องผลิตชิปเองหรือ?
ในช่วงไม่กี่ปีที่ผ่านมา หนึ่งในแนวคิดที่ถูกพูดถึงมากที่สุดในโลกยานยนต์คือรถยนต์ที่นิยามด้วยซอฟต์แวร์ หรือ SDV แนวคิดง่ายแต่ปฏิวัติวงการ: คุณสร้างความแตกต่างให้รถด้วยซอฟต์แวร์ ไม่ใช่ด้วยกำลังของเครื่องยนต์อีกต่อไป ฟีเจอร์ใหม่มาพร้อมการอัปเดตแบบไร้สาย และความฉลาดของรถถูกรวมศูนย์อยู่บนแพลตฟอร์มการคำนวณส่วนกลาง นั่นหมายความว่าหน่วยควบคุมขนาดเล็กหลายสิบตัวในสถาปัตยกรรมรถแบบคลาสสิกจะถูกแทนที่ด้วยสมองกลางอันทรงพลัง
และตรงจุดนี้เองที่ทุกอย่างเริ่มซับซ้อน หากความสามารถในการแข่งขันของรถอยู่ที่ซอฟต์แวร์ และซอฟต์แวร์ต้องการชิปที่ทรงพลัง ผู้ผลิตก็เผชิญกับคำถามสำคัญ: จะซื้อสมองจากใคร? ผู้ผลิตที่ใช้แพลตฟอร์มสำเร็จรูปจะกลายเป็นผู้ที่ต้องพึ่งพาซัพพลายเออร์ในเทคโนโลยีที่สร้างความแตกต่าง การที่ Nvidia กระชับการควบคุมสแต็กของตัวเองก็เป็นเหตุผลที่ทำให้ผู้ผลิตบางรายอึดอัด ส่วนผู้ผลิตที่ออกแบบชิปเองก็ต้องแบกรับต้นทุนการพัฒนามูลค่าหลายพันล้านดอลลาร์ ลองนึกภาพอุตสาหกรรมที่เดินอยู่ระหว่างสองทางเลือกที่ไม่ดีนัก - ตึงเครียดหน่อยใช่ไหม?
ยิ่งไปกว่านั้น ความพึ่งพาเทคโนโลยีนี้ยังมีมิติด้านต้นทุนอีกด้วย ฟีเจอร์ ADAS ใหม่แต่ละอย่างเพิ่มความซับซ้อนในการปรับเทียบและค่าซ่อมบำรุง ซึ่งกดดันมาร์จิ้นของผู้ผลิต และทำให้การเผยแพร่ระบบเหล่านี้ในยานยนต์เซกเมนต์ระดับเริ่มต้นเป็นไปได้ยากขึ้น ยังมีประเด็นด้านอุปทานอีกด้วย: ความหิวกระหายของศูนย์ข้อมูล AI ที่มีต่อชิป (โดยเฉพาะหน่วยความจำ DRAM) กำลังบีบอัดอุปทานชิปยานยนต์ แล้วโรงงานชิปจะผลิตให้ใครก่อน? แอป AI ในโทรศัพท์ของคุณ หรือผู้ช่วยเบรกในรถของคุณ? การถกเถียงเรื่องลำดับความสำคัญคือปัญหาอุปทานที่แท้จริงของปี 2026
ช่องว่างระหว่างคำสัญญากับความจริง: พลังการคำนวณไม่มีให้ฟรี
ถึงตรงนี้ทุกอย่างยังน่าตื่นเต้น แต่มีจุดหนึ่งที่เราต้องมองอย่างมีวิจารณญาณ: พลังการคำนวณทั้งหมดนี้มีต้นทุน และไม่ใช่แค่ในเชิงเงินทองเท่านั้น การวิเคราะห์ของมหาวิทยาลัยแห่งหนึ่งคำนวณว่า ยานยนต์อัตโนมัติ 1 พันล้านคัน ที่ขับอัตโนมัติวันละหนึ่งชั่วโมงและคอมพิวเตอร์ใช้พลังงาน 840 วัตต์ จะสร้างภาระด้านการปล่อยก๊าซอย่างมีนัยสำคัญ นั่นคือขณะที่เราชื่นชมยานยนต์อัตโนมัติว่าเป็นมิตรกับสิ่งแวดล้อม ก็ต้องคำนึงถึงพลังงานที่ "สมอง" ของมันบริโภคด้วย เมื่อรถเป็นไฟฟ้า ท่อไอเสียเป็นศูนย์ แต่สมองของรถที่เสียบปลั๊กก็ยังกินไฟอยู่ดี
อีกประเด็นที่ควรมองตามความเป็นจริง: การคาดการณ์ตลาดมีขนาดใหญ่ แต่ตอนนี้ยังไม่มีสูตรที่แน่ชัดว่า "ต้องใช้ TOPS เท่าไร" ว่าการขับขี่อัตโนมัติระดับ 5 เต็มรูปแบบจะต้องการพลังการคำนวณมากแค่ไหน ยังเป็นโจทย์ทางวิศวกรรมที่ไม่มีคำตอบ ชิปรุ่นที่ห้าของ Mobileye เปิดตัวพร้อมความสามารถระดับ 5 แต่ระยะห่างระหว่างความสามารถกับความจริงที่พิสูจน์แล้ว ก็อยู่ตรงกลางกับสิ่งที่ Shashua เรียกว่า "เสียงหวือหวา"
แล้วใครจะเป็นผู้ชนะในสงครามซิลิคอนครั้งนี้?
คำตอบที่ซื่อสัตย์คือ: ยังไม่ชัดเจน และน่าจะไม่มีผู้ชนะเพียงรายเดียว Nvidia กำลังกระชับตำแหน่งผู้จัดหาที่ทรงอิทธิพลที่สุดในยุคยานยนต์นิยามด้วยซอฟต์แวร์ ด้วยพลังแพลตฟอร์มและความร่วมมืออย่าง Mercedes Mobileye คือผู้เล่นที่โดกเด่ที่สุดในสนาม ด้วยกองยานยนต์ที่พิสูจน์แล้ว 250 ล้านคันและข้อได้เปรียบด้านขนาด ส่วน Tesla เป็นข้อยกเว้นที่แบกรับทั้งต้นทุนและผลตอบแทนของการทำซิลิคอนของตัวเองเพียงลำพัง ทั้งสามไม่ได้แทนที่กันเอง พวกเขาสร้างคำตอบที่แตกต่างกันสามแบบสำหรับคำถามที่แตกต่างกันสามข้อ
คำถามที่ฉลาดที่สุดอาจเป็น: เมื่อสมองของยานยนต์รวมศูนย์อยู่ในมือของไม่กี่บริษัท ผู้ขับขี่และผู้ผลิตจะได้อะไรและเสียอะไร? สิ่งที่ได้คือ เทคโนโลยีเติบโตเป็นผู้ใหญ่อย่างรวดเร็ว สิ่งที่เสียคือ การพึ่งพา - และใบเสร็จของการพึ่งพานั้นจะมาถึง ไม่ใช่ตอนที่ชิปเหล่านี้ถูกพิสูจน์บนท้องถนนเป็นครั้งแรก แต่ตอนที่บางอย่างผิดพลาดเป็นครั้งแรก ตามติดกันให้ดี
แหล่งอ้างอิง
- 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 และ NVIDIA ขยายความร่วมมือ - Nvidia Newsroom
- ฮาร์ดแวร์ Tesla Autopilot - Wikipedia
- ชิป AI ในวงการรถยนต์ไร้คนขับ - Lux Research
- ชมภายในท้ายรถของเรา: ระบบคอมพิวเตอร์ของ Waymo - Waymo Blog
- คอมพิวเตอร์สำหรับข้อมูลยานพาหนะไร้คนขับ - Premio
- คอมพิวเตอร์ที่ขับเคลื่อนรถยนต์ขับเคลื่อนเองอาจเป็นแหล่งปล่อยคาร์บอนขนาดใหญ่ - MIT News
- ระบบความปลอดภัยของ Mobileye และ Nvidia มีความคล้ายกันแค่ไหน?
- ตลาดชิปยานพาหนะไร้คนขับ - Fortune Business Insights
- ตลาดชิป ADAS ยานยนต์ - Dataintelo
- วิกฤตการณ์ขาดแคลน DRAM - Area51ESG
- ยานพาหนะควบคุมด้วยซอฟต์แวร์ - Valeo