自動(dòng)駕駛芯片研究框架

自動(dòng)駕駛與智能座艙芯片一體化趨勢(shì)明顯，自動(dòng)駕駛芯片具有高算力發(fā)展趨勢(shì)。市場(chǎng)容量未來5年將會(huì)高速增長(zhǎng)。目前自動(dòng)駕駛芯片企業(yè)中英偉達(dá)依托自己的前期GPU積累和算力優(yōu)勢(shì)，CUDA生態(tài)占據(jù)市場(chǎng)領(lǐng)導(dǎo)地位。市場(chǎng)滲透率仍低同時(shí)還未固化，需求和技術(shù)路線仍在探索。國(guó)內(nèi)自動(dòng)駕駛芯片企業(yè)有望依托國(guó)內(nèi)強(qiáng)勢(shì)新能源車企業(yè)獲得突破。投資建議：關(guān)注國(guó)內(nèi)自動(dòng)駕駛芯片企業(yè)和車企配套過程，大批量產(chǎn)品落地將會(huì)加速企業(yè)產(chǎn)品硬件軟件算法端更迭，加強(qiáng)自身壁壘。風(fēng)險(xiǎn)提示：市場(chǎng)宏觀和市場(chǎng)規(guī)模不及預(yù)期，研發(fā)節(jié)奏和產(chǎn)品推進(jìn)不及預(yù)期，供應(yīng)鏈穩(wěn)2自動(dòng)駕駛芯片研究框架自動(dòng)駕駛芯片概況自動(dòng)駕駛芯片簡(jiǎn)介自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)自動(dòng)駕駛芯片架構(gòu)分析GPU方案FPGA方案ASIC方案主流架構(gòu)方案對(duì)比事件相機(jī)簡(jiǎn)介自動(dòng)駕駛芯片部分重點(diǎn)企業(yè)分析英偉達(dá)英特爾Mobileye特斯拉地平線華為黑芝麻智能芯馳科技芯擎科技31

自動(dòng)駕駛芯片概況車規(guī)級(jí)芯片自動(dòng)駕駛芯片市場(chǎng)規(guī)模產(chǎn)品趨勢(shì)：一體化車規(guī)級(jí)芯片要求更加嚴(yán)苛車規(guī)級(jí)芯片市場(chǎng)概況自動(dòng)駕駛芯片概況英偉達(dá)一體化高通一體化向先進(jìn)制程延伸與高算力AEC-Q100AEC-Q101ISO1675041.1

自動(dòng)駕駛芯片簡(jiǎn)介：車規(guī)級(jí)芯片要求更加嚴(yán)苛資料來源：焉知智能汽車，搜狐汽車，HTI芯片按應(yīng)用場(chǎng)景可分為消費(fèi)芯片、工業(yè)芯片、汽車芯片和軍工芯片等。汽車是芯片應(yīng)用場(chǎng)景之一，汽車芯片需要具備車規(guī)級(jí)。車規(guī)級(jí)芯片對(duì)加工工藝要求不高，但對(duì)質(zhì)量要求高。需要經(jīng)過的認(rèn)證過程，包括質(zhì)量管理標(biāo)準(zhǔn)ISO/TS

16949、可靠性標(biāo)準(zhǔn)AEC-Q100、功能安全標(biāo)準(zhǔn)ISO26262等。汽車內(nèi)不同用途的芯片要求也不同，美國(guó)制定的汽車電子標(biāo)準(zhǔn)把其分為5級(jí)。汽車各系統(tǒng)對(duì)芯片要求由高到低依次是：動(dòng)力安全系統(tǒng)>車身控制系統(tǒng)>

行駛控制系統(tǒng)>

通信系統(tǒng)>

娛樂系統(tǒng)。車載芯片應(yīng)用分布 車載芯片應(yīng)用分布表5子系統(tǒng)主要應(yīng)用的芯片子系統(tǒng)主要應(yīng)用的芯片車內(nèi)MCU/AP/DSPDRAMNAND/eMMCCOMSLED顯示芯片車身LEDMCNCIS傳感器動(dòng)力MCU功率半導(dǎo)體底盤MCUASICASSP功率半導(dǎo)體1.1

自動(dòng)駕駛芯片簡(jiǎn)介：車規(guī)級(jí)芯片要求更加嚴(yán)苛參數(shù)要求商業(yè)級(jí)芯片工業(yè)級(jí)芯片車規(guī)級(jí)芯片溫度0～+70℃-40～+85℃-40～+125℃濕度低根據(jù)使用環(huán)境而定0%～100%驗(yàn)證JESD47（Chips）ISO16750（Modules）JESD47(Chips)ISO16750（Modules）AEC-Q100AEC-Q101ISO16750（Modules）出錯(cuò)率<3%<1%0使用時(shí)間1～3年5～10年10～15年供貨時(shí)間高至2年高至5年高至30年不同等級(jí)芯片技術(shù)要求車規(guī)級(jí)芯片特殊的技術(shù)和工藝要求擋住了企業(yè)進(jìn)入的腳步。車規(guī)級(jí)芯片有著比消費(fèi)級(jí)芯片更高的技術(shù)門檻，需滿足溫度、振動(dòng)、電磁干擾、長(zhǎng)使用壽命等高要求，還要通過可靠性標(biāo)準(zhǔn)AEC-Q100、

質(zhì)量管理標(biāo)準(zhǔn)ISO/TS16949、功能安全標(biāo)準(zhǔn)ISO26262等嚴(yán)苛的認(rèn)證流程，大部分芯片企業(yè)尚不具備轉(zhuǎn)型進(jìn)入能力。目前，車規(guī)級(jí)芯片在傳統(tǒng)汽車中的成本約為

2270

元/

車，在新能源汽車中的成本約為

4540

元/

車。隨著汽車向電動(dòng)化和智能化發(fā)展，芯片的種類、數(shù)量和價(jià)格占比將進(jìn)一步提高。4540800015000257030003500160001400012000100008000600040002000020202030E2050E新能源車

燃油車《時(shí)代汽車》，HTI整車芯片價(jià)格預(yù)測(cè)（單位：元）61.1

自動(dòng)駕駛芯片簡(jiǎn)介：車規(guī)級(jí)芯片要求更加嚴(yán)苛資料來源：知乎，HTIAEC-Q100

關(guān)鍵測(cè)試類別包括：AcceleratedEnvironment

Stress

（加速環(huán)境應(yīng)力）；Accelerate

Lifetime

Simulation

（加速壽命仿真）；Packaging/Assembly

（封裝/組裝）；DieFabrication

（芯片制程）；Electrical

Verification

（電氣驗(yàn)證）；DefectScreening

（不良品篩選）；Cavity

Package

Integrity

（腔體封裝完整性）。AEC

的系列文件正是希望通過消除制造商和采購商之間的誤解，促進(jìn)信息互換，改進(jìn)產(chǎn)品，協(xié)助采購商在最短的時(shí)間內(nèi)挑選合適的產(chǎn)品。AEC-Q100

自首次亮相以來經(jīng)歷了多次修訂。

每次修訂都與汽車行業(yè)的發(fā)展有關(guān)，

AEC

的政策也會(huì)同步更新。在眾多的AEC質(zhì)量認(rèn)證標(biāo)準(zhǔn)中，

AEC

-

Q102是針對(duì)分立光電半導(dǎo)體在汽車應(yīng)用中，

基于失效機(jī)制的壓力測(cè)試認(rèn)證。這些測(cè)試主要測(cè)量光電元件的強(qiáng)度、安全性、可靠性和整體可行性。每個(gè)測(cè)試都有失敗標(biāo)準(zhǔn)和驗(yàn)收標(biāo)準(zhǔn)。以激光組件為例，

包括單一純激光芯片，及激光芯片、光學(xué)元件和其他轉(zhuǎn)換器的封裝組合。AEC-Q100修訂過程71.1

自動(dòng)駕駛芯片簡(jiǎn)介：車規(guī)級(jí)芯片要求更加嚴(yán)苛資料來源：百度百科，NI官網(wǎng)，HTIISO/TS16949:2009是對(duì)汽車生產(chǎn)和相關(guān)配件組織應(yīng)用ISO9001:2008的特殊要求，其適用于汽車生產(chǎn)供應(yīng)鏈的組織形式。國(guó)內(nèi)、外各大整車廠均已要求其供應(yīng)商進(jìn)行ISO/TS16949:2009認(rèn)證，確保各供應(yīng)商具有高質(zhì)量的運(yùn)行業(yè)績(jī)，并提供持續(xù)穩(wěn)定的長(zhǎng)期合作，以實(shí)現(xiàn)互惠互利。因美國(guó)或歐洲的汽車零部件供應(yīng)商同時(shí)向各大整車廠提供產(chǎn)品，這就要求其必須既要滿足QS－9001，又要滿足如VDA6.1，造成各供應(yīng)商針對(duì)不同標(biāo)準(zhǔn)的重復(fù)認(rèn)證，這就急需要求出臺(tái)一套國(guó)際通用的汽車行業(yè)質(zhì)量體系標(biāo)準(zhǔn)，以同時(shí)滿足各大整車廠要求，ISO/TS16949:2009就此應(yīng)運(yùn)而生。隨著汽車行業(yè)復(fù)雜性的日益提升，人們加大了開發(fā)安全合規(guī)系統(tǒng)的力度。例如，現(xiàn)代汽車使用了油門線控等線控系統(tǒng)。駕駛員踩油門時(shí)，踏板中的傳感器將向電子控制單元發(fā)送信號(hào)。該控制單元會(huì)對(duì)多種因素進(jìn)行分析，如發(fā)動(dòng)機(jī)轉(zhuǎn)速、車輛速度及踏板位置，然后向油門傳遞指令。要測(cè)試和驗(yàn)證油門線控這類系統(tǒng)，對(duì)汽車行業(yè)來說是個(gè)不小的挑戰(zhàn)。ISO

26262的目標(biāo)是為所有汽車E/?E?系統(tǒng)提供統(tǒng)一的安全標(biāo)準(zhǔn)。IOS26262標(biāo)準(zhǔn)81.1

自動(dòng)駕駛芯片簡(jiǎn)介：車規(guī)級(jí)芯片市場(chǎng)概況《中國(guó)投資》，HTI車規(guī)級(jí)芯片領(lǐng)域長(zhǎng)期被發(fā)達(dá)國(guó)家壟斷。車規(guī)級(jí)芯片分為控制芯片、微處理器芯片、存儲(chǔ)芯片、模擬芯片及功率器件等。當(dāng)前，以美、歐、日、韓為代表的發(fā)達(dá)國(guó)家行業(yè)巨頭，長(zhǎng)期占據(jù)著車規(guī)級(jí)芯片的技術(shù)制高點(diǎn)和主要市場(chǎng)份額，歐、美、日分別占據(jù)

37%、30%和25%

的市場(chǎng)。行業(yè)內(nèi)TOP8

企業(yè)占據(jù)60%

以上市場(chǎng)份額。車規(guī)級(jí)芯片市場(chǎng)頭部企業(yè)占比車規(guī)級(jí)芯片市場(chǎng)各國(guó)占比3730254.503.50歐洲

美國(guó)

日本

中國(guó)

其他1411108764337恩智浦德州儀器安森美英飛凌德法半導(dǎo)體微芯科技瑞薩博世其他91.1

未來自動(dòng)駕駛芯片市場(chǎng)規(guī)模將持續(xù)擴(kuò)大《智能網(wǎng)聯(lián)技術(shù)路線2.0》，《汽車觀察》

2021年9月刊，HTI根據(jù)《智能網(wǎng)聯(lián)技術(shù)路線2.0》對(duì)自動(dòng)駕駛滲透率的預(yù)測(cè)，2025年中國(guó)L2/L3滲透率將達(dá)50%

，2030年中國(guó)L2/L3滲透率70%，L4滲透率20%?；诖耍A(yù)計(jì)2030年中國(guó)自動(dòng)駕駛芯片的市場(chǎng)規(guī)模為813億元，其中L2/L3芯片市場(chǎng)規(guī)模493億元，L4/L5芯片市場(chǎng)規(guī)模320億元；全球市場(chǎng)規(guī)模為2224億元，L2/L3芯片市場(chǎng)規(guī)模1348億元，L4/L5芯片市場(chǎng)規(guī)模876億元。2021-2030中國(guó)自動(dòng)駕駛芯片市場(chǎng)規(guī)模 2021-2030全球自動(dòng)駕駛芯片市場(chǎng)規(guī)模-80.00%-60.00%-40.00%-20.00%0.00%20.00%40.00%0200400600800100012002021E2022E2023E2024E2025E2026E2027E2028E2029E

2030EL2/L3芯片市場(chǎng)規(guī)模（億元）

L4/L5芯片市場(chǎng)規(guī)模（億元）

中國(guó)市場(chǎng)規(guī)模YOY-100.00%-80.00%-60.00%-40.00%-20.00%0.00%20.00%40.00%0500100015002000250030002021E

2022E

2023E

2024E

2025E

2026E

2027E

2028E

2029E

2030EL2/L3芯片市場(chǎng)規(guī)模（億元） L4/L5芯片市場(chǎng)規(guī)模（億元） 全球市場(chǎng)規(guī)模YOY101.1

未來自動(dòng)駕駛芯片市場(chǎng)規(guī)模將持續(xù)擴(kuò)大HTI自動(dòng)駕駛芯片等級(jí)L1-L2L3L4-L52021年滲透率40%5%0%2021年市場(chǎng)規(guī)模（億美元）8.81.102022年滲透率28%23%0%2022年市場(chǎng)規(guī)模（億美元）11.181.8202023年滲透率35%30%2%2023年市場(chǎng)規(guī)模（億美元）32.47.20.722024年滲透率30%34%6%2024年市場(chǎng)規(guī)模（億美元）40.810.22.552025年滲透率25%39%11%2025年市場(chǎng)規(guī)模（億美元）501552021-2025全球各等級(jí)自動(dòng)駕駛芯片滲透率與市場(chǎng)規(guī)模111.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化《汽車觀察》

2021年9月刊，電子工程世界，HTI云和邊緣計(jì)算的數(shù)據(jù)中心，以及自動(dòng)駕駛等超級(jí)終端領(lǐng)域，都是典型的復(fù)雜計(jì)算場(chǎng)景，這類場(chǎng)景的計(jì)算平臺(tái)都是典型的大算力芯片。大芯片的發(fā)展趨勢(shì)已經(jīng)越來越明顯的從GPU、DSA的分離趨勢(shì)走向DPU、超級(jí)終端的再融合，未來會(huì)進(jìn)一步融合成超異構(gòu)計(jì)算宏系統(tǒng)芯片。BOSCH給出了汽車電氣架構(gòu)演進(jìn)示意圖。從模塊級(jí)的ECU到集中相關(guān)功能的域控制器，再到完全集中的車載計(jì)算機(jī)。每個(gè)階段還分了兩個(gè)子階段，例如完全集中的車載計(jì)算機(jī)還包括了本地計(jì)算和云端協(xié)同兩種方式。BOSCH汽車電氣架構(gòu)演進(jìn)示意圖分布式ECU架構(gòu) 域集中式架構(gòu) 中央計(jì)算式架構(gòu)特征算力與數(shù)據(jù)無法在不同模塊共享以太網(wǎng)作為通信骨干開放式軟件平臺(tái)增加傳感器和ECU時(shí)需部署大量通信總線，增加裝配難度和車身重量以SoC為基礎(chǔ)，MCU相配合中央-層-區(qū)架構(gòu)無法進(jìn)行統(tǒng)一編程和軟件升級(jí)功能劃分集中化車輛-云端交互體系承載的信息處理量有限實(shí)現(xiàn)開放軟件平臺(tái)與資源共享限制了高性能傳感器和芯片的搭載能力汽車電氣架構(gòu)特征121.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之英偉達(dá)資料來源：電子工程世界，HTI英偉達(dá)創(chuàng)始人黃仁勛在2022秋季GTC大會(huì)上發(fā)布了新自動(dòng)駕駛芯片——Thor。Thor的特點(diǎn)：一是超高AI性能，擁有770億晶體管，而上一代的Orin是170億晶體管。AI性能為2000

TFLOPS@FP8。如果是INT8格式，估計(jì)可以達(dá)到4000TOPS。二是支持FP8格式，英偉達(dá)、英特爾和ARM三家聯(lián)合力推FP8格式標(biāo)準(zhǔn)，力圖打通訓(xùn)練與推理之間的鴻溝。三是超高CPU性能，Thor的CPU可能是ARM的服務(wù)器CPU架構(gòu)V2或更先進(jìn)的波塞冬平臺(tái)。四是統(tǒng)一座艙、自動(dòng)駕駛和自動(dòng)泊車，一顆芯片包打天下。英偉達(dá)發(fā)布的一體化自動(dòng)駕駛芯片Altan&Thor的設(shè)計(jì)思路是完全的“終局思維”，相比BOSCH給出的一步步的演進(jìn)還要更近一層，跨越集中式的車載計(jì)算機(jī)和云端協(xié)同的車載計(jì)算機(jī)，直接到云端融合的車載計(jì)算機(jī)。云端融合的意思是服務(wù)可以動(dòng)態(tài)的、自適應(yīng)的運(yùn)行在云或端，方便云端的資源動(dòng)態(tài)調(diào)節(jié)。Altan&Thor采用的是跟云端完全一致的計(jì)算架構(gòu)：Grace-next

CPU、Ampere-next

GPU以及Bluefield

DPU，硬件上可以做到云端融合。Thor算力提升明顯131.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之英偉達(dá)Thor的誕生，不僅是對(duì)算力、性能的提升，黃仁勛還希望顛覆現(xiàn)有智能汽車芯片架構(gòu)。當(dāng)下，汽車的停車、主動(dòng)安全、駕駛員監(jiān)控、攝像頭鏡像、集群和信息娛樂均由不同的計(jì)算設(shè)備控制。黃仁勛稱，在未來，上述功能將不再由單獨(dú)的計(jì)算設(shè)備控制，而是由在Thor上運(yùn)行的，并隨時(shí)間推移不斷改進(jìn)的軟件所提供。這意味著，Thor可被配置為多種模式，可以將其2000TOPS和2000

TFLOPs全部用于自動(dòng)駕駛工作流；也可以將其配置為將一部分用于駕駛艙AI和信息娛樂，一部分用于輔助駕駛?！癟hor的多計(jì)算域隔離允許并發(fā)的、對(duì)時(shí)間敏感的多進(jìn)程無中斷運(yùn)行，你可以再一臺(tái)計(jì)算機(jī)上同時(shí)運(yùn)行Linux、QNX和Android。”黃仁勛稱，Thor集中了眾多計(jì)算資源，不僅降低了成本和功耗，同時(shí)還實(shí)現(xiàn)了功能的飛躍。英偉達(dá)Thor可被配置為多種模式141.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之高通級(jí)別算力硬件支持應(yīng)用L1/L2級(jí)ADAS30TOPS1個(gè)ADAS應(yīng)用處理器面向具備AEB、TSR和LKA等駕駛輔助功能的汽車L2+級(jí)ADAS60-125TOPS2個(gè)或多個(gè)ADAS應(yīng)用處理器面向具備HWA（高速輔助）、自動(dòng)泊車APA以及TJA（低速輔助）功能的汽車L4/L5級(jí)自動(dòng)駕駛700TOPS（功耗130W）2個(gè)ADAS應(yīng)用處理器

+

2個(gè)自動(dòng)駕駛加速器（ASIC）面向在城市交通環(huán)境中的自動(dòng)駕駛乘用車、機(jī)器人出租車和機(jī)器人物流車2020年CES上，高通推出全新自動(dòng)駕駛平臺(tái)高通Snapdragon

Ride，自動(dòng)駕駛芯片“驍龍Ride”。該平臺(tái)包括安全系統(tǒng)級(jí)芯片SoC（ADAS應(yīng)用處理器）、安全加速器（自動(dòng)駕駛專用加速器）和自動(dòng)駕駛軟件棧，可支持L1-L5級(jí)別的自動(dòng)駕駛；安全系統(tǒng)級(jí)芯片SoC和安全加速器的功能安全安全等級(jí)為ASIL-D級(jí)；平臺(tái)高度可擴(kuò)展、開放、完全可定制化，且能夠提供功耗高度優(yōu)化的自動(dòng)駕駛解決方案；平臺(tái)將于2020年上半年交付OEM和Tire1進(jìn)行前期開發(fā)，搭載該平臺(tái)的汽車預(yù)計(jì)將于2023年投產(chǎn)。Snapdragon

Ride各級(jí)別自動(dòng)駕駛算力、硬件支持及應(yīng)用 高通Snapdragon

Ride車規(guī)級(jí)SoC151.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之高通2021年8月5日，高通發(fā)布公告，計(jì)劃以每股37美元的全現(xiàn)金交易方式（總價(jià)值約46億美元）競(jìng)購自動(dòng)駕駛技術(shù)公司Veoneer。Veoneer總部位于瑞典斯德哥爾摩，但于美國(guó)特拉華州注冊(cè)成立。Veoneer專注于汽車安全電子設(shè)計(jì)、開發(fā)、制造和銷售，其目標(biāo)是成為先進(jìn)駕駛員輔助系統(tǒng)（ADAS）、協(xié)同駕駛、高度自動(dòng)駕駛（HAD）解決方案和自動(dòng)駕駛（AD）的領(lǐng)先系統(tǒng)供應(yīng)商。高通與Veoneer是合作伙伴關(guān)系，雙方此前曾簽署合作協(xié)議，將共同開發(fā)下一代高級(jí)駕駛輔助系統(tǒng)(ADAS)與自動(dòng)駕駛系統(tǒng)(AD)。高通總裁兼CEO克里斯蒂亞諾·安蒙（Cristiano

Amon）表示，隨著汽車業(yè)的持續(xù)轉(zhuǎn)型，對(duì)于汽車制造商而言，擁有一家合作伙伴來開發(fā)橫向平臺(tái)以推動(dòng)創(chuàng)新，促進(jìn)競(jìng)爭(zhēng)，變得越來越重要。擬議中的收購交易將把高通的汽車解決方案與Veoneer的輔助駕駛資產(chǎn)結(jié)合在一起，為汽車制造商和一線供應(yīng)商提供一個(gè)有競(jìng)爭(zhēng)力和開放的ADAS平臺(tái)。高通收購Veoneer公告161.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之高通資料來源：車東西，HTI在CES

2022展會(huì)上高通首次發(fā)布了Snapdragon

Ride視覺系統(tǒng)，該系統(tǒng)采用了其子公司Veoneer的Arriver技術(shù)，將于2024年開始量產(chǎn)。Snapdragon

Ride視覺系統(tǒng)是基于4納米制程的系統(tǒng)級(jí)芯片（SoC）打造，集成了專用高性能的Snapdragon

Ride

SoC和Arriver下一代視覺感知軟件棧，并采用基于定制神經(jīng)網(wǎng)絡(luò)架構(gòu)開發(fā)的800萬像素廣角攝像頭。Snapdragon

Ride視覺系統(tǒng)采用了其子公司Veoneer的Arriver技術(shù)，Arriver技術(shù)主要包括自動(dòng)駕駛視覺感知、駕駛策略以及其他駕駛輔助系統(tǒng)的軟件，這也是去年高通花費(fèi)天價(jià)收購Veoneer公司的最重要的目的之一。Snapdragon

Ride視覺系統(tǒng) Snapdragon

Ride視覺系統(tǒng)的4納米SoC171.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：一體化之高通資料來源：車東西，Autolab，HTI就在英偉達(dá)發(fā)布

Thor

兩天后，高通就推出“業(yè)內(nèi)首個(gè)集成式汽車超算

SOC”Snapdragon

Ride

Flex，單顆算力

600TOPS

以上，綜合AI

算力能夠達(dá)到

2000TOPS。Snapdragon

Ride

Flex確切的說是一個(gè)SoC產(chǎn)品家族，其包括Mid、High、Premium三個(gè)級(jí)別。最高級(jí)的Ride

Flex

Premium

SoC再加上外掛的AI加速器（可能是NPU，MAC陣列）組合起來，就可以實(shí)現(xiàn)2000TOPS的綜合AI算力。Snapdragon

Ride

Flex作為一個(gè)超算芯片家族，其最大的目標(biāo)是實(shí)現(xiàn)車內(nèi)的中央計(jì)算——即同時(shí)為智能駕駛、智能座艙、通信等能力提供計(jì)算支持，這也與英偉達(dá)Thor雷神芯片一致。SnapdragonRide

Flex181.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：向先進(jìn)制程延伸《汽車觀察》

2021年9月刊，愛集微，各公司官網(wǎng)，HTI公司芯片名稱制程工藝市場(chǎng)定位推出時(shí)間英偉達(dá)Parker16nmL0-L12018Xavier12nmL3及以上2020Orin-X7nmL3及以上2022Atlan5nmL4-L52024EMobileyeEyeQ428nmL32018EyeQ57nmL1-L42020EyeQ67nmL52023E地平線Journey228nmL2及以上2019Journey516nmL2及以上2021高端自動(dòng)駕駛芯片向先進(jìn)制程延申：用于L1-L2

自動(dòng)駕駛的芯片只需要28nm制程即可制造，L3

及以上的高階自動(dòng)駕駛對(duì)算力的要求越發(fā)苛刻，規(guī)劃中針對(duì)L4/L5

自動(dòng)駕駛的SoC芯片普遍需要7nm，甚至5nm的先進(jìn)制程。先進(jìn)的制程可以影響功耗，先進(jìn)的制程又可以影響集成度；而功耗則影響可靠性，集成度影響性能。目前的

5nm制程芯片尚處于研發(fā)或發(fā)布狀態(tài)，均未進(jìn)入量產(chǎn)階段；不過7nm芯片中，已有

Orin、FSD、EyeQ5、8155

等芯片實(shí)現(xiàn)量產(chǎn)，其他芯片則在未來幾年陸續(xù)實(shí)現(xiàn)量產(chǎn)，這預(yù)示著先進(jìn)制程車用芯片開始進(jìn)入量產(chǎn)加速期。主流公司自動(dòng)駕駛芯片制程對(duì)比19資料來源：焉知智能汽車，HTI＜1TOPS＜1TOPS10+TOPS100+TOPS500+TOPS1000+TOPS120010008006004002000L0

L1

L2L3L4L5自動(dòng)駕駛時(shí)代算力不足問題逐步顯現(xiàn)。

一方面，各大車廠正在全力備戰(zhàn)高級(jí)自動(dòng)駕駛的量產(chǎn)，多傳感器融合已經(jīng)成為高階自動(dòng)駕駛應(yīng)對(duì)復(fù)雜場(chǎng)景與安全冗余的必然趨勢(shì)。處理這些數(shù)據(jù)需要非常強(qiáng)大的計(jì)算能力，L2級(jí)自動(dòng)駕駛的算力要求大概是10+TOPS，但是到了L4/L5級(jí)自動(dòng)駕駛算力則需要達(dá)到1000+TOPS，同比翻了100倍。另一方面，包括安波福、博世等Tier1巨頭，以及大眾、寶馬等車企開始探索新型的電子電氣架構(gòu)，傳統(tǒng)分布式的汽車電子電氣架構(gòu)正在向域集中式架構(gòu)演進(jìn)，從而帶動(dòng)了高性能大算力芯片的需求急劇上漲。現(xiàn)階段，汽車產(chǎn)業(yè)在芯片廠家的推動(dòng)下進(jìn)入了算力比拼時(shí)代。各自動(dòng)駕駛等級(jí)對(duì)算力需求算力（TOPS）1.2

自動(dòng)駕駛芯片產(chǎn)品趨勢(shì)：高算力202

自動(dòng)駕駛芯片架構(gòu)分析自動(dòng)駕駛芯片方案ASIC事件相機(jī)GPUFGPA自動(dòng)駕駛芯片架構(gòu)分析簡(jiǎn)介及工作機(jī)制在自動(dòng)駕駛領(lǐng)域的應(yīng)用通過減少無效計(jì)算節(jié)約算力212.1

主流架構(gòu)方案對(duì)比：三種主流架構(gòu)資料來源：各公司官網(wǎng)，焉知智能汽車，HTI類別GPUFPGAASIC類腦芯片特點(diǎn)性能高功耗高通用性好可編程性、靈活功耗與通用性介于GPU與ASIC間定制化設(shè)計(jì)性能穩(wěn)定優(yōu)秀的功耗控制功耗低響應(yīng)速度快尚不成熟代表公司英偉達(dá)AMD賽靈思深鑒科技寒武紀(jì)地平線IBM當(dāng)前主流的AI芯片主要分為三類，GPU、FPGA、ASIC。GPU、FPGA均是前期較為成熟的芯片架構(gòu)，屬于通用型芯片。ASIC屬于為AI特定場(chǎng)景定制的芯片。行業(yè)內(nèi)已經(jīng)確認(rèn)CPU不適用于AI計(jì)算，但是在AI應(yīng)用領(lǐng)域也是必不可少。自動(dòng)駕駛芯片不同架構(gòu)特點(diǎn)222.1

GPU方案：GPU與CPU的架構(gòu)對(duì)比CPU遵循的是馮·諾依曼架構(gòu)，其核心是存儲(chǔ)程序/數(shù)據(jù)、串行順序執(zhí)行。因此CPU的架構(gòu)中需要大量的空間去放置存儲(chǔ)單元（Cache）和控制單元（Control），相比之下計(jì)算單元（ALU）只占據(jù)了很小的一部分，所以CPU在進(jìn)行大規(guī)模并行計(jì)算方面受到限制，相對(duì)而言更擅長(zhǎng)于處理邏輯控制。GPU（GraphicsProcessing

Unit），即圖形處理器，是一種由大量運(yùn)算單元組成的大規(guī)模并行計(jì)算架構(gòu)，早先由CPU中分出來專門用于處理圖像并行計(jì)算數(shù)據(jù)，專為同時(shí)處理多重并行計(jì)算任務(wù)而設(shè)計(jì)。GPU中也包含基本的計(jì)算單元、控制單元和存儲(chǔ)單元，但GPU的架構(gòu)與CPU有很大不同，其架構(gòu)圖如下所示。與CPU相比，CPU芯片空間的不到20%是ALU，而GPU芯片空間的80%以上是ALU。即GPU擁有更多的ALU用于數(shù)據(jù)并行處理。GPU架構(gòu)圖HTI232.1

GPU方案：GPU與CPU區(qū)別資料來源：汽車之家，小鵬汽車，HTICPU

由專為順序串行處理而優(yōu)化的幾個(gè)核心組成，而GPU

則擁有一個(gè)由數(shù)以千計(jì)的更小、更高效的核心組成的大規(guī)模并行計(jì)算架構(gòu)，這些更小的核心專為同時(shí)處理多重任務(wù)而設(shè)計(jì)。CPU和GPU之所以大不相同，是由于其設(shè)計(jì)目標(biāo)的不同，它們分別針對(duì)了兩種不同的應(yīng)用場(chǎng)景。CPU需要很強(qiáng)的通用性來處理各種不同的數(shù)據(jù)類型，同時(shí)又要邏輯判斷又會(huì)引入大量的分支跳轉(zhuǎn)和中斷的處理。這些都使得CPU的內(nèi)部結(jié)構(gòu)異常復(fù)雜。而GPU面對(duì)的則是類型高度統(tǒng)一的、相互無依賴的大規(guī)模數(shù)據(jù)和不需要被打斷的純凈的計(jì)算環(huán)境。CPU與GPU核心數(shù)量對(duì)比圖242.1

GPU方案：GPU加速技術(shù)簡(jiǎn)述CNKI，HTI對(duì)于深度學(xué)習(xí)來說，目前硬件加速主要靠使用圖形處理單元。相比傳統(tǒng)的CPU，GPU

的核心計(jì)算能力要多出幾個(gè)數(shù)量級(jí)，也更容易進(jìn)行并行計(jì)算。GPU

的眾核體系結(jié)構(gòu)包含幾千個(gè)流處理器，可將運(yùn)算并行化執(zhí)行，大幅縮短模型的運(yùn)算時(shí)間。隨著NVIDIA、AMD

等公司不斷推進(jìn)其GPU

的大規(guī)模并行架構(gòu)支持，面向通用計(jì)算的GPU已成為加速并行應(yīng)用程序的重要手段。目前

GPU

已經(jīng)發(fā)展到了較為成熟的階段。利用GPU

來訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可以充分發(fā)揮其數(shù)以千計(jì)計(jì)算核心的高效并行計(jì)算能力，在使用海量訓(xùn)練數(shù)據(jù)的場(chǎng)景下，所耗費(fèi)的時(shí)間大幅縮短，占用的服務(wù)器也更少。如果針對(duì)適當(dāng)?shù)纳疃壬窠?jīng)網(wǎng)絡(luò)進(jìn)行合理優(yōu)化，一塊GPU

卡可相當(dāng)于數(shù)十甚至上百臺(tái)CPU服務(wù)器的計(jì)算能力，因此GPU

已經(jīng)成為業(yè)界在深度學(xué)習(xí)模型訓(xùn)練方面的首選解決方案。CPU與GPU架構(gòu)對(duì)比圖252.1

GPU方案：GPU加速技術(shù)簡(jiǎn)述當(dāng)訓(xùn)練的模型規(guī)模比較大時(shí)，可以通過數(shù)據(jù)并行的方法來加速模型的訓(xùn)練，數(shù)據(jù)并行可以對(duì)訓(xùn)練數(shù)據(jù)做切分，同時(shí)采用多個(gè)模型實(shí)例對(duì)多個(gè)分塊的數(shù)據(jù)同時(shí)進(jìn)行訓(xùn)練。在數(shù)據(jù)并行的實(shí)現(xiàn)中，由于是采用同樣的模型、不同的數(shù)據(jù)進(jìn)行訓(xùn)練，影響模型性能的瓶頸在于多CPU

或多GPU

間的參數(shù)交換。根據(jù)參數(shù)更新公式，需要將所有模型計(jì)算出的梯度提交到參數(shù)服務(wù)器并更新到相應(yīng)參數(shù)上，所以數(shù)據(jù)片的劃分以及與參數(shù)服務(wù)器的帶寬可能會(huì)成為限制數(shù)據(jù)并行效率的瓶頸。除了數(shù)據(jù)并行，還可以采用模型并行的方式來加速模型的訓(xùn)練。模型并行是指將大的模型拆分成幾個(gè)分片，由若干個(gè)訓(xùn)練單元分別持有，各個(gè)訓(xùn)練單元相互協(xié)作共同完成大模型的訓(xùn)練。數(shù)據(jù)并行的基本架構(gòu) 模型并行的基本架構(gòu)CNKI，HTI262.1

GPU方案：GPU加速計(jì)算GPU

加速計(jì)算是指同時(shí)利用圖形處理器

(GPU)

和CPU，加快科學(xué)、分析、工程、消費(fèi)和企業(yè)應(yīng)用程序的運(yùn)行速度。GPU加速器于

2007

年由NVIDIA率先推出，現(xiàn)已在世界各地為政府實(shí)驗(yàn)室、高校、公司以及中小型企業(yè)的高能效數(shù)據(jù)中心提供支持。GPU

能夠使從汽車、手機(jī)和平板電腦到無人機(jī)和機(jī)器人等平臺(tái)的應(yīng)用程序加速運(yùn)行。GPU

加速計(jì)算可以提供非凡的應(yīng)用程序性能，能將應(yīng)用程序計(jì)算密集部分的工作負(fù)載轉(zhuǎn)移到GPU，同時(shí)仍由CPU運(yùn)行其余程序代碼。從用戶的角度來看，應(yīng)用程序的運(yùn)行速度明顯加快。GPU當(dāng)前只是單純的并行矩陣的乘法和加法運(yùn)算，對(duì)于神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建和數(shù)據(jù)流的傳遞還是在CPU上進(jìn)行。CPU

與GPU的交互流程：獲取GPU信息，配置GPU

id、加載神經(jīng)元參數(shù)到GPU、GPU加速神經(jīng)網(wǎng)絡(luò)計(jì)算、接收GPU計(jì)算結(jié)果。CPU如何輔助GPU實(shí)現(xiàn)加速GPU如何加速計(jì)算資料來源：小鵬汽車，焉知智能汽車，HTI272.1

GPU方案：為什么GPU在自動(dòng)駕駛領(lǐng)域如此重要資料來源：小鵬汽車，HTI自動(dòng)駕駛技術(shù)中最重要的技術(shù)范疇之一是深度學(xué)習(xí)，基于深度學(xué)習(xí)架構(gòu)的人工智能如今已被廣泛應(yīng)用于計(jì)算機(jī)視覺、自然語言處理、傳感器融合、目標(biāo)識(shí)別、自動(dòng)駕駛等汽車行業(yè)的各個(gè)領(lǐng)域，從自動(dòng)駕駛初創(chuàng)企業(yè)、互聯(lián)網(wǎng)公司到各大OEM廠商，都正在積極探索通過利用GPU構(gòu)建神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)最終的自動(dòng)駕駛。GPU加速計(jì)算誕生后，它為企業(yè)數(shù)據(jù)提供了多核并行計(jì)算架構(gòu)，支撐了以往CPU架構(gòu)無法處理的數(shù)據(jù)源。根據(jù)對(duì)比，為了完成相同的深度學(xué)習(xí)訓(xùn)練任務(wù)，使用GPU計(jì)算集群所需要的成本只是CPU計(jì)算集群的200分之一。自動(dòng)駕駛訓(xùn)練基本流程圖282.1

GPU方案：GPU是自動(dòng)駕駛與深度學(xué)習(xí)的關(guān)鍵資料來源：佐思汽車研究，小鵬汽車，HTI無論是讓汽車實(shí)時(shí)感知周邊實(shí)時(shí)環(huán)境，還是迅速規(guī)劃行車路線和動(dòng)作，這些都需要依賴汽車大腦快速的響應(yīng)，因此對(duì)計(jì)算機(jī)硬件廠商提出了巨大挑戰(zhàn)，自動(dòng)駕駛的過程中時(shí)刻需要深度學(xué)習(xí)或者人工智能算法應(yīng)對(duì)無限可能的狀況,

而人工智能、深度學(xué)習(xí)和無人駕駛的蓬勃發(fā)展，帶來了GPU計(jì)算發(fā)展的黃金時(shí)代。GPU的另一個(gè)重要參數(shù)是浮點(diǎn)計(jì)算能力。浮點(diǎn)計(jì)數(shù)是利用浮動(dòng)小數(shù)點(diǎn)的方式使用不同長(zhǎng)度的二進(jìn)制來表示一個(gè)數(shù)字，與之對(duì)應(yīng)的是定點(diǎn)數(shù)。在自動(dòng)駕駛算法迭代時(shí)對(duì)精度要求較高，需要浮點(diǎn)運(yùn)算支持。自動(dòng)駕駛數(shù)據(jù)訓(xùn)練292.2

FPGA方案：FPGA芯片定義及結(jié)構(gòu)FPGA（Field-Programmable

Gate

Array），即現(xiàn)場(chǎng)可編程門陣列，它是在PAL、GAL、CPLD等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。FPGA芯片主要由6部分完成，分別為：可編程輸入輸出單元、基本可編程邏輯單元、完整的時(shí)鐘管理、嵌入塊式RAM、豐富的布線資源、內(nèi)嵌的底層功能單元和內(nèi)嵌專用硬件模塊。目前主流的FPGA仍是基于查找表技術(shù)的，已經(jīng)遠(yuǎn)遠(yuǎn)超出了先前版本的基本性能，并且整合了常用功能（如RAM、時(shí)鐘管理和DSP）的硬核（ASIC型）模塊。FPGA芯片內(nèi)部結(jié)構(gòu)資料來源：焉知智能汽車，HTI302.2

FPGA方案：FPGA工作原理由于FPGA需要被反復(fù)燒寫，它實(shí)現(xiàn)組合邏輯的基本結(jié)構(gòu)不可能像ASIC那樣通過固定的與非門來完成，而只能采用一種易于反復(fù)配置的結(jié)構(gòu)。查找表可以很好地滿足這一要求，目前主流FPGA都采用了基于SRAM工藝的查找表結(jié)構(gòu)，也有一些軍品和宇航級(jí)FPGA采用Flash或者熔絲與反熔絲工藝的查找表結(jié)構(gòu)。通過燒寫文件改變查找表內(nèi)容的方法來實(shí)現(xiàn)對(duì)FPGA的重復(fù)配置。查找表（Look-Up-Table）簡(jiǎn)稱為L(zhǎng)UT，LUT本質(zhì)上就是一個(gè)RAM。目前FPGA中多使用4輸入的LUT，所以每一個(gè)LUT可以看成一個(gè)有4位地址線的的RAM。當(dāng)用戶通過原理圖或HDL語言描述了一個(gè)邏輯電路以后，PLD/FPGA開發(fā)軟件會(huì)自動(dòng)計(jì)算邏輯電路的所有可能結(jié)果，并把真值表（即結(jié)果）事先寫入RAM，這樣，每輸入一個(gè)信號(hào)進(jìn)行邏輯運(yùn)算就等于輸入一個(gè)地址進(jìn)行查表，找出地址對(duì)應(yīng)的內(nèi)容，然后輸出即可。使用LUT實(shí)現(xiàn)4輸入與門電路的真值表HTI312.2

FPGA方案：FPGA工作原理可編程輸入/輸出單元簡(jiǎn)稱I/O單元，是芯片與外界電路的接口部分，完成不同電氣特性下對(duì)輸入/輸出信號(hào)的驅(qū)動(dòng)與匹配要求。FPGA內(nèi)的I/O按組分類，每組都能夠獨(dú)立地支持不同的I/O標(biāo)準(zhǔn)。通過軟件的靈活配置，可適配不同的電氣標(biāo)準(zhǔn)與I/O物理特性，可以調(diào)整驅(qū)動(dòng)電流的大小，可以改變上、下拉電阻。目前，I/O口的頻率也越來越高，一些高端的FPGA通過DDR寄存器技術(shù)可以支持高達(dá)2Gbps的數(shù)據(jù)速率。CLB是FPGA內(nèi)的基本邏輯單元。CLB的實(shí)際數(shù)量和特性會(huì)依器件的不同而不同，但是每個(gè)CLB都包含一個(gè)可配置開關(guān)矩陣，此矩陣由4或6個(gè)輸入、一些選型電路（多路復(fù)用器等）和觸發(fā)器組成。開關(guān)矩陣是高度靈活的，可以對(duì)其進(jìn)行配置以便處理組合邏輯、移位寄存器或RAM。在Xilinx公司的FPGA器件中，CLB由多個(gè)（一般為4個(gè)或2個(gè)）相同的Slice和附加邏輯構(gòu)成。每個(gè)CLB模塊不僅可以用于實(shí)現(xiàn)組合邏輯、時(shí)序邏輯，還可以配置為分布式RAM和分布式ROM。IOB內(nèi)部結(jié)構(gòu)示意圖CLB內(nèi)部結(jié)構(gòu)示意圖資料來源：焉知智能汽車，HTI322.2

FPGA方案：自動(dòng)駕駛的“芯”殺手資料來源：英特爾FPGA中國(guó)創(chuàng)新中心，HTI自動(dòng)駕駛和高級(jí)駕駛輔助系統(tǒng)(ADAS)細(xì)分市場(chǎng)正在經(jīng)歷蛻變，對(duì)計(jì)算和傳感器功能提出了新的復(fù)雜需求。FPGA擁有其他芯片解決方案無法比擬的獨(dú)特優(yōu)勢(shì)，是滿足自動(dòng)駕駛行業(yè)不斷發(fā)展變化的優(yōu)良選擇。FPGA是芯片領(lǐng)域的一種特殊技術(shù)，一方面能夠通過軟件工具進(jìn)行反復(fù)多次配置，另一方面擁有豐富的IO接口和計(jì)算單元。因此，F(xiàn)PGA能夠根據(jù)應(yīng)用場(chǎng)景的具體需求，同時(shí)處理流水線并行和數(shù)據(jù)并行，天生具有計(jì)算性能高、延遲低、功耗小等優(yōu)勢(shì)。FPGA具備高吞吐量、高能效以及實(shí)時(shí)處理等多項(xiàng)優(yōu)點(diǎn)，非常契合自動(dòng)駕駛所需要的技術(shù)需求。高級(jí)輔助駕駛系統(tǒng)(ADAS)、車載體驗(yàn)(IVE)應(yīng)用的標(biāo)準(zhǔn)和要求正在快速演變，系統(tǒng)設(shè)計(jì)人員關(guān)注的問題主要包括出色的靈活性和更快的開發(fā)周期，同時(shí)維持更高的性能功耗比。通過可重新編程的FPGA和不斷增多的汽車級(jí)產(chǎn)品相結(jié)合，支持汽車設(shè)計(jì)師滿足設(shè)計(jì)要求，在不斷變化的汽車行業(yè)中始終保持領(lǐng)先。FPGA芯片圖示332.2

FPGA方案：適應(yīng)性更強(qiáng)的平臺(tái)資料來源：電子創(chuàng)新網(wǎng)賽靈思社區(qū)，HTI對(duì)于自動(dòng)駕駛芯片來說真正的價(jià)值在于計(jì)算引擎的利用率，即理論性能和實(shí)際性能之間的差異。FPGA包含大量的路由鏈路以及大量的小型存儲(chǔ)。這些資源的組合使設(shè)計(jì)人員能夠?yàn)槠溆?jì)算引擎創(chuàng)建定制的數(shù)據(jù)饋送網(wǎng)絡(luò)，以獲得更高的利用水平。可編程邏輯為客戶提供了高度的靈活性，以適應(yīng)ADAS和自動(dòng)駕駛等新興應(yīng)用領(lǐng)域不斷變化的需求。利用改進(jìn)的接口標(biāo)準(zhǔn)、算法創(chuàng)新和新的傳感器技術(shù)，都需要適應(yīng)性強(qiáng)的平臺(tái)，不僅可以支持軟件更改，還可以支持硬件更改，而這正是FPGA芯片的優(yōu)勢(shì)所在。FPGA芯片擁有可擴(kuò)展性?？赏卣沟男酒淖兞丝删幊踢壿嫷臄?shù)量，大多采用引腳兼容的封裝。這意味著開發(fā)人員可以創(chuàng)建單個(gè)ECU平臺(tái)來承載低、中、高版本的ADAS功能包，并根據(jù)需要通過選擇所需的最小密度芯片來縮放成本。FPGA芯片可拓展性示例342.2

FPGA方案：差異化解決方案資料來源：電子創(chuàng)新網(wǎng)賽靈思社區(qū)，HTIFPGA芯片允許開發(fā)人員創(chuàng)建獨(dú)特的差異化處理解決方案，這些解決方案可以針對(duì)特定應(yīng)用或傳感器進(jìn)行優(yōu)化。這對(duì)于ASSP芯片來說是無法實(shí)現(xiàn)的，即使是那些提供專用加速器的芯片，它們的使用方式也受到限制，而且基本上可以提供給所有競(jìng)爭(zhēng)對(duì)手。例如Xilinx的長(zhǎng)期客戶已經(jīng)創(chuàng)建了只有他們可以訪問的高價(jià)值IP庫，并且這些功能可以被公司的各種產(chǎn)品使用。從90

nm節(jié)點(diǎn)開始，對(duì)于大批量汽車應(yīng)用，Xilinx的芯片就已經(jīng)極具成本效益，有超過1.6億顆Xilinx芯片在該行業(yè)獲得應(yīng)用。FPGA芯片可進(jìn)行軟硬件拓展352.3

ASIC方案：ASIC定義及特點(diǎn)資料來源：半導(dǎo)體產(chǎn)業(yè)縱橫，HTIASIC

芯片可根據(jù)終端功能不同分為

TPU

芯片、DPU

芯片和NPU

芯片等。其中，TPU

為張量處理器，專用于機(jī)器學(xué)習(xí)。如Google于

2016

年

5月研發(fā)針對(duì)

Tensorflow

平臺(tái)的可編程AI加速器，其內(nèi)部指令集在

Tensorflow程序變化或更新算法時(shí)可運(yùn)行。DPU

即Data

ProcessingUnit，可為數(shù)據(jù)中心等計(jì)算場(chǎng)景提供引擎。NPU

是神經(jīng)網(wǎng)絡(luò)處理器，在電路層模擬人類神經(jīng)元和突觸，并用深度學(xué)習(xí)指令集直接處理大規(guī)模電子神經(jīng)元和突觸數(shù)據(jù)。ASIC有全定制和半定制兩種設(shè)計(jì)方式。全定制依靠巨大的人力時(shí)間成本投入以完全自主的方式完成整個(gè)集成電路的設(shè)計(jì)流程，雖然比半定制的ASIC

更為靈活性能更好，但它的開發(fā)效率與半定制相比甚為低下。ASIC設(shè)計(jì)流程362.3

ASIC方案：性能提升明顯37ASIC

芯片非常適合人工智能的應(yīng)用場(chǎng)景。例如英偉達(dá)首款專門為深度學(xué)習(xí)從零開始設(shè)計(jì)的芯片

Tesla

P100

數(shù)據(jù)處理速度是其

2014年推出GPU

系列的

12

倍。谷歌為機(jī)器學(xué)習(xí)定制的芯片

TPU將硬件性能提升至相當(dāng)于當(dāng)前芯片按摩爾定律發(fā)展7

年后的水平。正如CPU改變了當(dāng)年龐大的計(jì)算機(jī)一樣，人工智能ASIC

芯片也將大幅改變?nèi)缃馎I

硬件設(shè)備的面貌。如大名鼎鼎的AlphaGo

使用了約

170

個(gè)圖形處理器（GPU）和

1200

個(gè)中央處理器（CPU），這些設(shè)備需要占用一個(gè)機(jī)房，還要配備大功率的空調(diào)，以及多名專家進(jìn)行系統(tǒng)維護(hù)。而如果全部使用專用芯片，極大可能只需要一個(gè)普通收納盒大小的空間，且功耗也會(huì)大幅降低。ASIC技術(shù)路線是有限開放，芯片公司需要面向與駕駛相關(guān)的主流網(wǎng)絡(luò)、模型、算子進(jìn)行開發(fā)。在相同性能下，芯片的面積更小、成本更低、功耗更低。ASIC技術(shù)路線未來的潛力會(huì)很大，選擇ASIC路線并不意味著要對(duì)不同車型開發(fā)不同的ASIC，或進(jìn)行不同的驗(yàn)證。因?yàn)椴煌囆托枰獙?shí)現(xiàn)的功能大致相同，而且芯片面對(duì)模型和算子進(jìn)行有限開放，算法快速迭代不會(huì)影響到芯片對(duì)上層功能的支持。車廠與芯片設(shè)計(jì)公司合作，進(jìn)行差異化定制，或是更好的選擇。因?yàn)榧词故沁M(jìn)行差異化的定制，芯片內(nèi)部50%的部分也是通用的。芯片設(shè)計(jì)公司可以在原有版本的基礎(chǔ)上進(jìn)行差異化設(shè)計(jì)，實(shí)現(xiàn)部分差異功能。2.4

主流架構(gòu)方案對(duì)比：三種主流架構(gòu)類別GPUFPGAASIC類腦芯片特點(diǎn)性能高功耗高通用性好可編程性、靈活功耗與通用性介于GPU與ASIC間定制化設(shè)計(jì)性能穩(wěn)定優(yōu)秀的功耗控制功耗低響應(yīng)速度快尚不成熟代表公司英偉達(dá)AMD賽靈思深鑒科技寒武紀(jì)地平線IBMFPGA是在PAL、GAL等可編程器件的基礎(chǔ)上進(jìn)一步發(fā)展的產(chǎn)物。它是作為專用集成電路領(lǐng)域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點(diǎn)。

優(yōu)點(diǎn)：可以無限次編程，延時(shí)性比較低，同時(shí)擁有流水線并行和數(shù)據(jù)并行、實(shí)時(shí)性最強(qiáng)、靈活性最高。缺點(diǎn)：開發(fā)難度大、只適合定點(diǎn)運(yùn)算、價(jià)格比較昂貴。圖形處理器（GPU），又稱顯示核心、視覺處理器、顯示芯片，是一種專門在個(gè)人電腦、工作站、游戲機(jī)和一些移動(dòng)設(shè)備（如平板、手機(jī)等）上做圖像和圖形相關(guān)運(yùn)算工作的微處理器。優(yōu)點(diǎn)：提供了多核并行計(jì)算的基礎(chǔ)結(jié)構(gòu)，且核心數(shù)非常多，可以支撐大量數(shù)據(jù)的并行計(jì)算，擁有更高的浮點(diǎn)運(yùn)算能力。缺點(diǎn)：管理控制能力（最弱），功耗（最高）。ASIC，即專用集成電路，指應(yīng)特定用戶要求和特定電子系統(tǒng)的需要而設(shè)計(jì)、制造的集成電路。目前用CPLD（復(fù)雜可編程邏輯器件）和FPGA（現(xiàn)場(chǎng)可編程邏輯陣列）來進(jìn)行ASIC設(shè)計(jì)是最為流行的方式之一。優(yōu)點(diǎn):它作為集成電路技術(shù)與特定用戶的整機(jī)或系統(tǒng)技術(shù)緊密結(jié)合的產(chǎn)物，與通用集成電路相比具有體積更小、重量更輕、功耗更低、可靠性提高、性能提高、保密性增強(qiáng)、成本降低等優(yōu)點(diǎn)。缺點(diǎn)：靈活性自不動(dòng)夠駕，駛成芯本片比不F同PG架A貴構(gòu)。特點(diǎn)382.5

唯算力論的局限：TOPS算力不完全等于實(shí)際性能隨著ADAS、自動(dòng)駕駛技術(shù)的興起，以及軟件定義汽車的逐步深入，智能汽車對(duì)于計(jì)算能力和海量數(shù)據(jù)處理能力等的需求暴增，傳統(tǒng)汽車的芯片“堆疊”方案已經(jīng)無法滿足自動(dòng)駕駛的算力需求。芯片最終是為車企的車載計(jì)算平臺(tái)服務(wù)的，在“軟件定義汽車”的情況下，解決智能駕駛系統(tǒng)計(jì)算平臺(tái)的支撐問題，無法只通過芯片算力堆疊來實(shí)現(xiàn)。芯片是軟件的舞臺(tái)，衡量芯片優(yōu)劣的標(biāo)準(zhǔn)，要看芯片之上的軟件能否最大化地發(fā)揮作用，算力和軟件之間需要有效匹配。兩款相同算力的芯片比較，能讓軟件運(yùn)行得更高效的芯片才是“好芯片”。決定算力真實(shí)值最主要因素是內(nèi)存（

SRAM和DRAM)帶寬，還有實(shí)際運(yùn)行頻率（即供電電壓或溫度），以及算法的batch尺寸。單顆芯片算力TOPS是關(guān)鍵指標(biāo)，但并非唯一，自動(dòng)駕駛是一個(gè)復(fù)雜系統(tǒng)，需要車路云邊協(xié)同。所以它的較量除了芯還有軟硬協(xié)同還有平臺(tái)以及工具鏈等等。芯片算力的無限膨脹和硬件預(yù)埋不會(huì)是未來的趨勢(shì)，硬件也需要匹配實(shí)際。高算力背后是高功耗和低利用率的問題。資料來源：焉知智能汽車，HTI車路協(xié)同圖示392.5

事件相機(jī)：簡(jiǎn)介及工作機(jī)制事件相機(jī)的靈感來自人眼和動(dòng)物的視覺，也有人稱之為硅視網(wǎng)膜。生物的視覺只針對(duì)有變化的區(qū)域才敏感，事件相機(jī)就是捕捉事件的產(chǎn)生或者變化的產(chǎn)生。在傳統(tǒng)的視覺領(lǐng)域，相機(jī)傳回的信息是同步的，所謂同步，就是在某一時(shí)刻t，相機(jī)會(huì)進(jìn)行曝光，把這一時(shí)刻所有的像素填在一個(gè)矩陣?yán)锘貍?，產(chǎn)生一張照片。一張照片上所有的像素都對(duì)應(yīng)著同一時(shí)刻。至于視頻，不過是很多幀的圖片，相鄰圖片間的時(shí)間間隔可大可小，這便是幀率（frame

rate），也稱為時(shí)延（time

latency）。事件相機(jī)類似于人類的大腦和眼睛，跳過不相關(guān)的背景，直接感知一個(gè)場(chǎng)景的核心，創(chuàng)建純事件而非數(shù)據(jù)。事件相機(jī)的工作機(jī)制是，當(dāng)某個(gè)像素所處位置的亮度發(fā)生變化達(dá)到一定閾值時(shí)，相機(jī)就會(huì)回傳一個(gè)上述格式的事件，其中前兩項(xiàng)為事件的像素坐標(biāo)，第三項(xiàng)為事件發(fā)生的時(shí)間戳，最后一項(xiàng)取值為極性（polarity）0、1（或者-1、1），代表亮度是由低到高還是由高到低。就這樣，在整個(gè)相機(jī)視野內(nèi)，只要有一個(gè)像素值變化，就會(huì)回傳一個(gè)事件，這些所有的事件都是異步發(fā)生的（再小的時(shí)間間隔也不可能完全同時(shí)），所以事件的時(shí)間戳均不相同，由于回傳簡(jiǎn)單，所以和傳統(tǒng)相機(jī)相比，它具有低時(shí)延的特性，可以捕獲很短時(shí)間間隔內(nèi)的像素變化，延遲是微秒級(jí)的。資料來源：焉知智能汽車，HTI常規(guī)相機(jī)與事件相機(jī)幀記錄對(duì)比402.5

事件相機(jī)：在自動(dòng)駕駛領(lǐng)域的應(yīng)用資料來源：焉知智能汽車，HTI當(dāng)今自動(dòng)駕駛領(lǐng)域所運(yùn)用的視覺識(shí)別算法，基本上都基于卷積神經(jīng)網(wǎng)絡(luò)，視覺算法的運(yùn)算本質(zhì)上是一次次的卷積運(yùn)算。這種計(jì)算并不復(fù)雜，本質(zhì)上只涉及到加減乘除，也就是一種乘積累加運(yùn)算。但這種簡(jiǎn)單運(yùn)算在卷積神經(jīng)網(wǎng)絡(luò)中是大量存在的，這就對(duì)處理器的性能提出了很高的要求。以ResNet-152為例，這是一個(gè)152層的卷積神經(jīng)網(wǎng)絡(luò)，它處理一張224*224大小的圖像所需的計(jì)算量大約是226億次，如果這個(gè)網(wǎng)絡(luò)要處理一個(gè)1080P的30幀的攝像頭，他所需要的算力則高達(dá)每秒33萬億次，十分龐大。卷積運(yùn)算圖示412.5

事件相機(jī)：通過減少無效計(jì)算節(jié)約算力資料來源：焉知智能汽車，HTI自動(dòng)駕駛領(lǐng)域99%的視覺數(shù)據(jù)在AI處理中是無用的背景。例如檢測(cè)鬼探頭，變化的區(qū)域是很小一部分，但傳統(tǒng)的視覺處理仍然要處理99%的沒有出現(xiàn)變化的背景區(qū)域，這不僅浪費(fèi)了大量的算力，也浪費(fèi)了時(shí)間。亦或者像在沙礫里有顆鉆石，AI芯片和傳統(tǒng)相機(jī)需要識(shí)別每一顆沙粒，篩選出鉆石，但人類只需要看一眼就能檢測(cè)到鉆石，AI芯片和傳統(tǒng)相機(jī)耗費(fèi)的時(shí)間是人類的100倍或1000倍。除了冗余信息減少和幾乎沒有延遲的優(yōu)點(diǎn)外，事件相機(jī)的優(yōu)點(diǎn)還有由于低時(shí)延，在拍攝高速物體時(shí)，傳統(tǒng)相機(jī)由于會(huì)有一段曝光時(shí)間會(huì)發(fā)生模糊，而事件相機(jī)則幾乎不會(huì)。此外事件相機(jī)擁有真正的高動(dòng)態(tài)范圍，由于事件相機(jī)的特質(zhì)，在光強(qiáng)較強(qiáng)或較弱的環(huán)境下，傳統(tǒng)相機(jī)均會(huì)“失明”，但像素變化仍然存在，所以事件相機(jī)仍能看清眼前的東西。常規(guī)相機(jī)與事件相機(jī)對(duì)比423

自動(dòng)駕駛芯片部分重點(diǎn)企業(yè)分析資料來源：各公司官網(wǎng)，HTITesla

FSD芯片43本章節(jié)將主要介紹以下國(guó)內(nèi)外自動(dòng)駕駛芯片重點(diǎn)企業(yè)：自動(dòng)駕駛芯片公司及代表芯片征程系列芯片等Orin、Thor芯片等Ascend芯片等EyeQ系列芯片華山二號(hào)

A1000

系列芯片等AD1000芯片V9L/F、V9T芯片等3.1

英偉達(dá)：從游戲顯卡到自動(dòng)駕駛芯片資料來源：英偉達(dá)，HTI英偉達(dá)擁有極具前瞻性且清晰的戰(zhàn)略能力。英偉達(dá)是全球最大的智能計(jì)算平臺(tái)型公司，公司從早期專注PC圖形計(jì)算，后來逐步將重點(diǎn)擴(kuò)展到AI領(lǐng)域，并在3D圖形的持續(xù)需求與游戲市場(chǎng)規(guī)模擴(kuò)張推動(dòng)下，利用GPU架構(gòu)，創(chuàng)建VR、HPC（高性能計(jì)算）、AI平臺(tái)。英偉達(dá)在獨(dú)立顯卡、GPU領(lǐng)域有超過70%的市場(chǎng)份額。除了優(yōu)秀的硬件性能外，2006年英偉達(dá)開發(fā)了基于GPU的“CUDA”開發(fā)平臺(tái)，讓只做3D渲染的GPU實(shí)現(xiàn)通用計(jì)算功能，GPU

的應(yīng)用領(lǐng)域從游戲擴(kuò)展至高性能計(jì)算、自動(dòng)駕駛等多個(gè)領(lǐng)域。2021年英偉達(dá)實(shí)現(xiàn)總收入269.1億美元，游戲業(yè)務(wù)仍是支柱業(yè)務(wù)，占比近半，汽車部門收入5.6億美金，占總收入比例2.08%。2018-2021年英偉達(dá)各業(yè)務(wù)營(yíng)收（億美元）124.6221.11106.13 5.6611.6277.5910.5366.965.366.3155.1812.1229.8375.0562.4611.329.326.41

7.67050100

1502002503002021202020192018游戲 專業(yè)視覺 數(shù)據(jù)中心 汽車 OEM/IP等443.1

英偉達(dá)：革命性CUDA架構(gòu)資料來源：遠(yuǎn)川科技評(píng)論，HTI到了2005年，主要的GPU制造商都使用頂點(diǎn)著色單元和像素渲染單元兩種計(jì)算資源。然而，合理配置這兩種資源的問題卻始終沒有得到完美解決。特別是兩種處理器數(shù)量的最佳比例是隨應(yīng)用的變化而變化的，因此經(jīng)常出現(xiàn)一種處理器不夠用、而另一種處理器閑置的情況，這就限制了高性能運(yùn)算技術(shù)的發(fā)展。讓原本只做3D渲染的GPU技術(shù)通用化，有重大戰(zhàn)略意義。通過CUDA（Compute

UnifiedDevice

Architecture）技術(shù)，英偉達(dá)給GPU裝備了一組完全相同的、具有較強(qiáng)編程能力的內(nèi)核，根據(jù)任務(wù)情況在頂點(diǎn)和片元處理任務(wù)之間動(dòng)態(tài)分配。從G80開始，英偉達(dá)GPU體系結(jié)構(gòu)已經(jīng)全面支持通用編程，同時(shí)英偉達(dá)也推出了CUDA編程技術(shù)，為GPU通用程序設(shè)計(jì)提供了第一套完整工具。NVIDIA

G80體系結(jié)構(gòu)453.1

英偉達(dá)：圍繞CUDA架構(gòu)構(gòu)筑生態(tài)系統(tǒng)資料來源：汽車人參考，HTI在軟件層面，英偉達(dá)面向GPU開發(fā)的應(yīng)用軟件接口CUDA經(jīng)久不衰，CUDA整套軟件非常完善，與自家GPU自然適配，能快速搭建神經(jīng)網(wǎng)絡(luò)加速軟件框架，所以CUDA在早期被很多廠家用于神經(jīng)網(wǎng)絡(luò)加速，這也為其打造AI計(jì)算平臺(tái)奠定了基礎(chǔ)。另外一個(gè)層面，除了CUDA，其他廠家的API也可以在英偉達(dá)的GPU上用于神經(jīng)網(wǎng)絡(luò)加速，應(yīng)用程序也越來越多。英偉達(dá)也通過多種方式鼓勵(lì)高校和研究所從事CUDA相關(guān)研究工作，設(shè)立CUDA研發(fā)中心，發(fā)CUDA大師證書，做CUDA技術(shù)認(rèn)證，讓學(xué)術(shù)界為CUDA背書，通過學(xué)術(shù)界為工業(yè)界做預(yù)研，通過學(xué)術(shù)界為工業(yè)界培養(yǎng)人才。CUDA合作伙伴廣泛463.1

英偉達(dá)：擁有自動(dòng)駕駛軟硬件解決方案的供應(yīng)商資料來源：焉知智能汽車，HTI英偉達(dá)將人工智能領(lǐng)域的優(yōu)勢(shì)拓展到智能駕駛領(lǐng)域并擁有近十年的探索經(jīng)驗(yàn)。GPU的并行架構(gòu)適合人工智能領(lǐng)域的計(jì)算需求，英偉達(dá)敏銳的抓住這個(gè)特點(diǎn)，成為人工智能芯片及軟件工具鏈的主要供貨商。在進(jìn)行人工智能領(lǐng)域探索時(shí)，英偉達(dá)開始涉足智能駕駛及機(jī)器人業(yè)務(wù)，并在該領(lǐng)域擁有近十年的開發(fā)經(jīng)驗(yàn)。硬件優(yōu)勢(shì)在于——GPU架構(gòu)兼顧效率與通用性：效率高于CPU，通用性強(qiáng)于ASIC；設(shè)計(jì)壁壘高，壟斷性強(qiáng)；用戶基數(shù)保證規(guī)模效應(yīng)：與其他業(yè)務(wù)平攤研發(fā)成本，版本迭代快，持續(xù)保證性能優(yōu)勢(shì)；端到端的解決方案：車端到云端訓(xùn)練基于同樣架構(gòu)。軟件（工具鏈）優(yōu)勢(shì)——開放平臺(tái)模式：客戶可進(jìn)行算法自研；軟件工具鏈豐富：開發(fā)了全套軟件工具鏈（公司軟件工程師占比超過70%），不僅通過軟件開發(fā)推動(dòng)硬件的優(yōu)化設(shè)計(jì)，還給用戶提供豐富的示例與教程，幫助用戶快速上手使用。NVIDIA硬件示意圖 NVIDIA生態(tài)示意圖473.1

英偉達(dá)：拓展嵌入式移動(dòng)芯片到汽車領(lǐng)域資料來源：焉知智能汽車，HTI英偉達(dá)專注提供高性能服務(wù)，借助嵌入式移動(dòng)芯片，拓展汽車市場(chǎng)。在智能手機(jī)興起的2008年時(shí)，英偉達(dá)試圖進(jìn)入移動(dòng)芯片市場(chǎng)。為此，公司開發(fā)了Tegra系列芯片，采用了ARM的CPU架構(gòu)，并集成了自家的GPU芯片，組成了一套SOC系統(tǒng)。早期的Tegra芯片注重功耗及效率的表現(xiàn)，主要用在微軟的一款MP3和Kin手機(jī)、小米3手機(jī)上，但后由于基帶問題逐漸退出手機(jī)市場(chǎng)；后期則更專注于提供高性能，其典型產(chǎn)品是任天堂的Switch，英偉達(dá)的TegraX1給任天堂Switch帶來了極高的畫面體驗(yàn)。由于自動(dòng)駕駛中對(duì)于畫面的實(shí)時(shí)處理要求很高，因此后續(xù)的Xavier以及Orin系列也開發(fā)了相應(yīng)的車規(guī)級(jí)芯片。從移動(dòng)芯片的發(fā)展軌跡來看，英偉達(dá)的CUDA核心數(shù)量也快速增長(zhǎng)，RAM的容量和帶寬也迅速提高，移動(dòng)芯片的性能始終保持競(jìng)爭(zhēng)優(yōu)勢(shì)。NVIDIA移動(dòng)芯片發(fā)展歷程483.1

英偉達(dá)：自動(dòng)駕駛芯片資料來源：英偉達(dá)，佐思汽車研究，IT之家，HTIParkerXavierOrinAtlanThor發(fā)布時(shí)間2018202020222024E（已淘汰）2024ECPU2×Denver4×ARMCortexA578×NvidiacustomCarmelARM6412×ArmCortex-A78AE(Hercules)ARMNeoverse

v2GraceARM

Neoversev2Grace/Poseidon算力1TOPS30TOPS254TOPS1000TOPS2000TFLOPS@FP84000TOPS@INT8功耗15W30W45W--制程16nm12nm7nm5nm4nm從2015年開始，英偉達(dá)開始進(jìn)入車載

SoC和車載計(jì)算平臺(tái)領(lǐng)域，為自動(dòng)駕駛提供基礎(chǔ)計(jì)算能力。此后英偉達(dá)幾乎每隔兩年發(fā)布一款車規(guī)級(jí)SoC芯片，且不斷拉升算力水平。2020年，Xavier芯片算力為30

TOPS，2022年發(fā)布的Orin算力為254TOPS，2022秋季GTC大會(huì)上發(fā)布了新自動(dòng)駕駛芯片Thor，算力為2000TFLOPS@FP8、4000TOPS@INT8，取代了之前發(fā)布的算力達(dá)1000TOPS的Altan。NVIDIA自動(dòng)駕駛芯片一覽 NVIDIA自動(dòng)駕駛芯片發(fā)展布局493.1

英偉達(dá)：自動(dòng)駕駛平臺(tái)資料來源：焉知智能汽車，HTI代數(shù)時(shí)間自動(dòng)駕駛計(jì)算平臺(tái)核心平臺(tái)特性應(yīng)用12015年CESDriver

PX2顆Tegra

X1，Maxwell架構(gòu)最高支持12路高清圖像輸入，每秒最高能處理13億像素點(diǎn)，性能達(dá)2.3TOPS特斯拉Model

S和Model

X的中控大屏由TegraSoc驅(qū)動(dòng)，奧迪2012年宣布將采用Tegra

3作為車載信息娛樂系統(tǒng)和數(shù)字儀表的中央處理器并陸續(xù)部署到旗下全系車型22016年CESDriver

PX2Tegra

Parker，Pascal架構(gòu)整體性能提升10倍以上，達(dá)到24TOPS因?yàn)樗懔Ω撸阅軓?qiáng)，受到很多車企和自動(dòng)駕駛企業(yè)的青睞32016年9月DriverAGX

XavierXavier

Soc，集成8顆定制CPU核心以及512核Volta架構(gòu)CPU，算力達(dá)30TOPS，功耗30W包含兩顆Xavier

Soc，算力可達(dá)30TOPS，功耗為30W面向L2/L3級(jí)自動(dòng)駕駛，被小鵬P7搭載，國(guó)內(nèi)某家大型OEM廠商也于2021年量產(chǎn)DriverAGX

Pegasus包含兩顆XavierSoc和兩顆圖靈架構(gòu)GPU，算力可達(dá)320TOPS，功耗500W面向L4/L5級(jí)自動(dòng)駕駛，被文遠(yuǎn)知行、小馬智行的Robottaxi使用42019年底DriverAGX

OrinOrin，由170億個(gè)晶體管組成，集成Ampere架構(gòu)CPU和Arm

Hercules

CPU內(nèi)核以及全新深度學(xué)習(xí)和計(jì)算機(jī)視覺加速器，每秒可運(yùn)行200萬億次計(jì)算，較上一代性能提升7倍集成2顆Orin

Soc和兩塊Ampere架構(gòu)GPU，實(shí)現(xiàn)2000TOPS算力，較Drive

AGX

Pegasus性能提升6倍多，功耗為800W-自2015年開始，英偉達(dá)已經(jīng)推出4代自動(dòng)駕駛計(jì)算平臺(tái)分別為：DrivePX、DrivePX2、DriveAGX

Xavier/Pegasus、Drive

AGX

Orin。2022年GTC大會(huì)上英偉達(dá)公布了公司新一代汽車自動(dòng)駕駛技術(shù)平臺(tái)Drive

Hyperion

9，英偉達(dá)將Hyperion

9自動(dòng)駕駛平臺(tái)比作中樞神經(jīng)系統(tǒng)，相比于Hyperion

8，其支持感知硬件數(shù)量大幅度提升，其中包括，車外部分14個(gè)攝像頭、9個(gè)毫米波雷達(dá)、3個(gè)激光雷達(dá)以及20個(gè)超聲傳感器，以及車內(nèi)部分的3個(gè)攝像頭以及1個(gè)毫米波雷達(dá)。據(jù)悉，搭載Hyperion的車輛將能達(dá)到L4級(jí)自動(dòng)駕駛能力。Hyperion

9自動(dòng)駕駛平臺(tái)的交付時(shí)間預(yù)計(jì)在2026年。NVIDIA自動(dòng)駕駛平臺(tái)503.1

英偉達(dá)：汽車業(yè)務(wù)已形成強(qiáng)大開放生態(tài)資料來源：英偉達(dá)，焉知智能汽車，HTI英偉達(dá)汽車業(yè)務(wù)已形成強(qiáng)大開放生態(tài)，Tier

1，Sensor廠商、軟件廠商、模擬廠商與英偉達(dá)深度合作。未來6年在手訂單超110億美元，來自O(shè)EM、新能源車企、智能卡車、Robotaxi。英偉達(dá)積極布局汽車領(lǐng)域上下游合作，合作形式包括芯片售賣、提供整體解決方案以及授權(quán)等。英偉達(dá)芯片的使用成本仍然較高。雖然英偉達(dá)擁有完善的開發(fā)工具鏈，但針對(duì)汽車做適配和算法開發(fā)仍然需要大規(guī)模的研發(fā)投入與單片芯片的幾百美元的購買成本相比，企業(yè)要投入的研發(fā)成本以及合作授權(quán)費(fèi)用才是大頭。NVIDIA汽車合作伙伴 NVIDIA達(dá)未來6年訂單客戶513.2

英特爾Mobileye：EyeQ系列發(fā)展歷程OFweek，HTI芯片量產(chǎn)時(shí)間自動(dòng)駕駛等級(jí)工藝功耗算力合作客戶EyeQ12008L1180nm2.5W0.0044TOPS寶馬、沃爾沃EyeQ22010L190nm2.5W0.026TOPS寶馬、通用、歐寶、日產(chǎn)、沃爾沃EyeQ32014L240nm2.5W0.256TOPS奧迪、特斯拉EyeQ42018L328nm3W2.5TOPS蔚來、小鵬、理想、廣汽、日產(chǎn)、別克EyeQ52020L4-L57nm10W24TOPS吉利、寶馬EyeQ62023EL4-L57nm40W128TOPS2004年4月，EyeQ1開始生產(chǎn)，隨后公司收獲多輪融資，將商業(yè)模式轉(zhuǎn)向汽車安全，陸續(xù)與大陸、意法半導(dǎo)體、麥格納、電裝、德爾福等全球頂級(jí)零部件供應(yīng)商簽署合作協(xié)議。2007年，寶馬、通用和沃爾沃成為首批配裝Mobileye芯片的車企，Mobileye產(chǎn)品正式商用。2008年，Mobileye對(duì)外發(fā)布EyeQ2，公司進(jìn)入穩(wěn)定發(fā)展期。2013年，Mobileye累計(jì)賣出產(chǎn)品突破100萬臺(tái)，隨后出貨量呈現(xiàn)爆發(fā)式增長(zhǎng)。2017年3月，Mobileye被芯片巨頭英特爾以

153

億美元的價(jià)格收購。英特爾Mobileye的EyeQ系列芯片523.2

英特爾Mobileye：EyeQ

Ultra和EyeQ6Mobileye，半導(dǎo)體行業(yè)觀察，HTIMobileye在2022年推出了新型EyeQ

Ultra，它專為自動(dòng)駕駛而生。據(jù)Mobileye稱，EyeQ

Ultra采用5nm工藝，將10個(gè)EyeQ5的處理能力集成在一個(gè)封裝中。但是其芯片的計(jì)算能力似乎略遜色于英偉達(dá)，EyeQ

Ultra芯片具有170

TOPS，包括12個(gè)RISC內(nèi)核、256gigaflops、許多GPU和加速器內(nèi)核等等，功耗不到100W，可以“處理

4

級(jí)（L4）自動(dòng)駕駛的所有需求和應(yīng)用”，而無需將多個(gè)系統(tǒng)集成在一起的計(jì)算能力和成本，解決兩個(gè)行業(yè)面臨的重大挑戰(zhàn)。EyeQ

Ultra預(yù)計(jì)將在

2025

年全面投產(chǎn)。Mobileye

還還推出了其最新一代芯片EyeQ6：EyeQ6L和EyeQ6H，采用7nm工藝，能用于ADASL2，預(yù)計(jì)將于

2023

年年中開始生產(chǎn)。該芯片已與大眾和福特就地圖技術(shù)達(dá)成擴(kuò)展協(xié)議，以及與吉利達(dá)成新協(xié)議，到2024年推出全電動(dòng)

L4級(jí)自動(dòng)化汽車。EyeQ

Ultra

平面結(jié)構(gòu)EyeQ6

Lite

平面結(jié)構(gòu) EyeQ6

High平面結(jié)構(gòu)533.3

特斯拉：自動(dòng)駕駛芯片發(fā)展之路資料來源：焉知智能汽車，HTI芯片計(jì)算平臺(tái)AutoPilot車載傳感器新增智能化功能MobileyeQ3NVIDIATegra

3Hardware1.0前置攝像頭1個(gè)、前置雷達(dá)1個(gè)、超聲波傳感器12個(gè)、后置倒車攝像頭1個(gè)主動(dòng)巡航控制、輔助轉(zhuǎn)向、自動(dòng)變道、自動(dòng)泊車2個(gè)NVIDIA

Parker

SOC、1個(gè)NVIDIA

Pascal

GPU、2個(gè)英飛凌三核CPUNVIDIADrive

PX2Hardware2.0攝像頭8個(gè)（只激活3個(gè)前置攝像頭和1個(gè)車尾攝像頭）、毫米波雷達(dá)1個(gè)、超聲波雷達(dá)12個(gè)根據(jù)交通狀況調(diào)整車速、保持在車道內(nèi)行駛、自動(dòng)變換車道而無駕駛員介入、從一條高速公路切換至另一條、在接近目的地時(shí)駛出高速Tesla

FSDTesla

FSDHardware3.0攝像頭8個(gè)、毫米波雷達(dá)1個(gè)、超聲波雷達(dá)12個(gè)自動(dòng)輔助變道、自動(dòng)輔助導(dǎo)航駕駛、智能召喚、識(shí)別交通信號(hào)燈和停車標(biāo)志并做出反應(yīng)、城市街道自動(dòng)輔助駕駛Tesla經(jīng)歷了外購主控芯片到自研的道路。2014年-2016年，

Tesla配備的是基于MobileyeEyeQ3芯片的AutoPilot

HW1.0計(jì)算平臺(tái)，車上包含1個(gè)前攝像頭+1個(gè)毫米波雷達(dá)+12個(gè)超聲波雷達(dá)。2016年-2019年，

Tesla采用基于英偉達(dá)的DRIVE

PX

2

AI計(jì)算平臺(tái)的AutoPilot

HW2.0和后續(xù)的AutoPilotHW2.5，包含8個(gè)攝像頭+1個(gè)毫米波雷達(dá)+12超聲波雷達(dá)。2017年開始Tesla開始啟動(dòng)自研主控芯