智联汽车与AI的解耦合

智联汽车与AI的解耦合

ICT（TMT）历史上，解耦往往创造机会。

1）专网通信的解耦趋势

1960年左右，PSTN模拟电话风靡。然而计算机与通信技术耦合后，出现了VOIP通信。此时，将通信芯片（DSP芯片）、控制逻辑、软件代码耦合成黑匣子，通过较高的销售费用与研发费用推广，已经效率不高。统一通信、软硬件分离、代码优化、云协作都需要“通信解耦”，即专业分工、提高效率。这是当前通信行业领军亿联网络机会的一大原因。若未来云通信进一步发展，云服务将会耦合进入产业链。

2）半导体历史上的解耦

1980年之前，IDM（半导体垂直集成）是最有威力的半导体模式，即设计/制造/封测代工等制造芯片一体化领军。然而上世纪80年代末期出现专业代工Foundry模式，1990年后出现了Fabless模式快速发展的20-30年，即四业分离。每个领域都造就了世界级专业龙头。只是当前一些AI/传感器/云技术会耦合进入半导体行业，影响未来产业。

3）智联汽车领域的解耦合

从机械转为电子电气设备后，汽车的分布式ECU（电子控制单元）逐渐增加。这造成了冗余代码、冗余功能的效率问题。以大众汽车、丰田、特斯拉、华为为代表的领军企业，从不同角度走向智能化，即多域控制解耦合。将数百个控制单元，优化为数个域控制器，且方便软件升级、服务升级，解决稳定性问题。

其芯片领军已包括英伟达等。域控制器领军已经包括特斯拉、华为、德赛西威等。预计随着自动驾驶、智联汽车继续发展，软硬件可能继续解耦合，而数据可能更多耦合进入产业链。

4）AI领域的“耦合”趋势

而AI领域很可能经历“耦合”趋势，即上下游产业链整合。2000年GPU风靡之前，英特尔、摩托罗拉的处理器地位显赫。伴随分布式计算的崛起，2016年AI算力热议，不仅凸显了谷歌、英伟达、国内AI芯片创新者的机会，还烘托算力/算法/数据解耦趋势。然后，数据是动态变化的，对AI训练结果影响至关重要。因此数据公司耦合算法与算力趋势更加明显，且从2020H2出现经营拐点。代表公司如海康威视，科大讯飞等。

由此可见：1）大多TMT（ICT）趋势在经历专业分工、“解耦”过程。这与半导体领域的“Fabless”、通信的“专网通信”、软件工程的“模块化与封装”、经济学中的分工贸易理论等一致。TMT部分公司，例如德赛西威、亿联网络、国内半导体诸多领军，已经受益于此。

2）当前还在“耦合”的领域主要是AI。原因是解耦为数据、算力、算法三要素后，数据的动态变化直接影响算法、甚至算力，因此AI数据领军企业有产业链进入其他领域趋势。