汽车芯片：自动驾驶的终极PK

近日，百度与吉利合资公司集度汽车在北京举办了一场媒体沟通会，宣布首款纯电动车将于2022年4月在北京车展上亮相，不出意外的话，这款车型将是第一款支持L4级驾驶自动化系统的车型。

这款车的发布也将意味着，全自动驾驶的时代已经到来。

驾驶自动化（driving automation）是指车辆以自动的方式持续地执行部分或全部动态驾驶任务的行为。

驾驶自动化系统（driving automation system）是指由实现驾驶自动化的硬件和软件所共同组成的系统。

根据工信部发布的《汽车驾驶自动化分级》可知，达到L4、L5级别才能称之为全自动驾驶。目前，市面上除了奥迪新款A8可达到L3级别之外，其它所有车型均处在L2级别。

以L3级别为界，低级别自动驾驶环境监测主体和决策责任方仍保留于驾驶员，而L4、L5高级别自动驾驶的环境检测主体和决策责任方则会转移至系统，这点很关键，即由系统进行环境监控，再将所感知到的信息进行处理决策，再根据决策执行相应的操作，如转向、制动等。

随着驾驶自动化等级的提高，感知层与决策层系统承担的职能会逐级递增，系统构成难度及所需组件也会逐级增加。

你可能会问：

• 决策层是如何控制驾驶自动化系统的？
  

• 汽车芯片该如何满足高级别自动驾驶的需求？

• 自动驾驶给国产芯片提供了哪些市场机会？

莫急莫急，且听小编一一道来。

决策层，自动驾驶系统的大脑

驾驶自动化系统从L3级别升级到L5级别，需要实现感知、决策、执行的同步进化，其中决策层主要由芯片、计算平台和软件构成，可视为自动驾驶的中央大脑，负责驾驶自动化系统的所有决策和指令的下达。

在进行决策规划时，决策层会从感知层中获取道路拓扑结构信息、实时交通信息、障碍物信息和主车自身的状态信息等内容。结合上述信息，决策规划系统会对当前环境做出分析，然后对执行层下达指令，模拟大脑决策。

因此，有人形容开发自动驾驶技术实际上就是造一个“人工老司机”的过程，而决策层就是老司机的大脑。

老司机上路凭经验，驾驶自动化系统则靠决策层的“软件+硬件”双重提升，软件在算法，硬件主要就是汽车芯片了。

智能汽车里的软件可以分为应用算法软件、中间件、系统软件和工具软件。其中，应用软件包括信息娱乐系统的人机交互、界面设计、ADAS软件、车身控制软件等，而高级别自动驾驶应用软件背后需要靠基于人工智能或深度学习的算法软件来提供支撑。

智能汽车硬件的升级需要满足以太网普及、控制器集中以及算力提升三个方面：

1. 以太网取代CAN/LIN：

   具有宽带宽、低延时、低电磁干扰的以太网将成为未来车内通信网络的新骨干。

2. 控制器架构走向集中化：

   未来分布式E/E架构将经由(跨)域集中式最终迈向中央集中式，并通过一个高性能的中央控制器实现车云计算；

3. 控制器集中和决策层算力的提升对汽车芯片提出要求，传统MCU芯片将无法满足智能化要求，届时，SoC芯片将发挥重要作用。

从MCU到SoC，汽车芯片的自然进化

汽车芯片，指的是汽车里的计算芯片，按集成规模可分为MCU芯片和SoC芯片。MCU芯片通常只包含一个CPU处理器单元、存储和接口单元；而SoC是系统级芯片，一般包含多个处理器单元，如CPU、GPU、DSP或NPU等，以及存储和接口单元。

随着汽车趋于智能化，汽车搭载的ECU（电子控制单元）数量持续增加，智能座舱和自动驾驶对汽车的智能架构和算法算力，带来了数量级的提升需要，以MCU为主的汽车芯片很快将无法满足这些需求，自然就会转向搭载算力更强的SoC芯片。

依托于SoC芯片，智能座舱将实现“车载信息娱乐系统＋流媒体后视镜＋抬头显示系统＋全液晶仪表＋车联网系统＋车内乘员监控系统”等融合体验。与自动驾驶芯片相比，智能座舱芯片相对容易打造，并且即便芯片完全失灵，也不会威胁司机和乘客的生命安全，比较容易通过车规级要求。

但是，在智能汽车芯片“战争”中，智能座舱芯片只是“前哨战”，自动驾驶芯片才是“战事中的制高点”。

随着汽车电子化自动化程度提升，车载传感器的数量持续增加，传统的分布式架构的弊端逐渐显露：

1. ECU（电子控制单元）算法只能处理指定传感器的数据，算力不能共享；

2. 分布式架构新增传感器和ECU的同时，需要在车体内部署大量通信总线，增加装配难度和车身重量；

3. 车内ECU来自于不同的供应商，开发人员无法实现统一化编程和软件升级，无法实现整车OTA。

完美解决这些弊端的方案只有一个，那就是汽车控制集中化。虽然现在不同主机厂对控制域的划分方案不同，但架构向域控制/集中式控制的方向是相同的。

高级别自动驾驶的域控制器将集成前期诸多ECU的运算处理器功能，对芯片算力的需求将大幅提升，于是乎，算力更强的SoC芯片将是终极解决方案。

总而言之，想要达到高级别自动驾驶的要求，汽车芯片必须完成从MCU到SoC的升级。

SoC芯片，高级别自动驾驶的终极解决方案

实现L3+的驾驶自动化硬件平台必须要达到500+TOPS（Tera Operations Per Second）的算力，只具备一个CPU处理器的MCU芯片显然不能满足需求，因此必须采用具有“CPU+XPU”多核架构的SoC芯片。

通常，自动驾驶SoC芯片上会集成一个CPU和一个或多个做AI运算的XPU。用来做AI运算的XPU可选择GPU/FPGA/ASIC等。其中，ASIC是专用处理器芯片，FPGA是“半专用”处理器芯片。EyeQ(Mobileye)、BPU(地平线) 、NPU(寒武纪等)等专门用来做AI算法的芯片(又称AI芯片)则属于专用芯片(ASIC)的范畴。

目前市场上主流的自动驾驶SoC芯片处理器架构方案(或称技术路线)有以下三种：

• 英伟达、特斯拉为代表的科技公司，所用售卖的自动驾驶SoC芯片采用CPU+GPU+ASIC方案。例如，特斯拉的FSD 芯片是一颗 CPU+GPU+2×NPU 的多核SoC芯片，其中NPU(神经网络单元)为两颗专用处理单元处理AI算法，运行在2.2GHz频率下能提供 2*36TOPS 的处理能力。

• Mobileye、地平线等新兴科技公司，致力于研发售卖自动驾驶专用AI芯片，采用CPU+ASIC方案。地平线自主设计研发AI专用的ASIC芯片：Brain Processing Unit(BPU)，可提供设备端上软硬结合的嵌入式人工智能解决方案。基于BPU的征程2芯片可提供超过 4TOPS 的等效算力，典型功耗仅2瓦，能够高效灵活地实现多类AI任务处理，对多类目标进行实时检测和精准识别。

• Waymo、百度为代表的互联网公司采用CPU+FPGA(+GPU)方案做自动驾驶算法研发。Waymo的计算平台采用英特尔Xeon12核以上CPU，搭配 Altera 的Arria系列FPGA，并采用英飞凌的Aurix系列MCU作为CAN/FlexRay 网络的通信接口。

因此，可以大胆预测，在自动驾驶算法尚未成熟固定之前，CPU+GPU+ASIC的架构仍然会是主流。

在自动驾驶算法完全成熟之后，定制批量生产的低功耗低成本的专用自动驾驶AI芯片(ASIC)将逐渐取代高功耗的GPU，CPU+ASIC 架构将成为未来商业化主流。

自动驾驶，国产汽车芯片的机遇

根据中金公司的研究数据显示，2030年，预计自动驾驶芯片的中国市场规模将达到813亿元，全球市场规模为2224亿元。其中，中国2030年L2/L3芯片市场规模将达到493亿元，L4/L5芯片市场规模为320亿元；全球2030年L2/L3芯片市场规模1348亿元，L4/L5芯片市场规模876亿元。

自动驾驶芯片不仅市场规模大，而且整个市场格局也将发生变化，为新入局者提供发展机会。与传统汽车MCU市场垄断局势不同，高级别自动驾驶SoC芯片市场中聚集了部分传统汽车芯片厂，如英特尔、英伟达、高通、华为这样的消费电子巨头也纷纷入局，而主机厂以及地平线、黑芝麻等这样的初创公司也拥有同等机会。

对于国产芯片企业来说，开放性平台与本土化服务将成为这一领域的核心竞争力。

以地平线为例，公司成立五年，旗下专注智能驾驶的“征程（Journey）”系列AI芯片“征程2”已经在长安 UNI-T 上实现量产前装，是中国第一款实现汽车前装量产的AI芯片。在生产过程中，地平线直接与长安对接，为长安提供软硬件技术支持。

不久前，理想汽车发布了2021款理想ONE，将 Mobileye 芯片替换为地平线的“征程3”双芯片，其开放性平台能够赋予理想汽车在自动驾驶领域更大的自主权。

目前，百度、小米、OPPO、中兴、滴滴、货拉拉等企业纷纷加入造车狂潮，将中国汽车市场进一步扩大，对汽车芯片的需求量也将大幅度增加，2020年至2025年将会是向高级自动驾驶跨越的关键5年，而在2023/24年左右，市场上将迎来主流的自动驾驶芯片的量产交付及其搭载车型的销量爬坡，且各芯片均可以支持L4/L5的算力要求。届时，主机厂都会找到实践验证的最优秀的芯片厂商合作，新的竞争者将很难入场。

未来几年，汽车芯片市场风起云涌，谁将成为浪潮之巅？谁又会是转瞬即逝的泡沫？不妨现在来猜一猜。