在盤點自動駕駛 AI 芯片之前，我們先了解一下車用半導體。
車用半導體大致可分為微控制器單元（MCU）、特定應用標準產品（ASSP） 、特定應用集成電路（ASIC）、模擬（Analog）與功率晶體管（Transistor）、傳感器（Sensor）等。其中：
MCU 較偏重動力傳動、底盤控制與安全；
ASSP/ASIC 較偏重在車載資通訊與娛樂；
模擬與功率晶體管在各次系統使用比較平均；
傳感器則是偏重在動力傳動及安全。
以下是市場研究機構 SemicastResearch 發布的 2016 年全球前十大汽車電子公司。
在上述汽車電子巨頭中，恩智浦、瑞薩、TI 等都研發有面向高級駕駛輔助系統（ADAS）及自動駕駛（AD）需求的高效能處理芯片；意法半導體從 2004 年開始與 Mobileye 共同合作研發 EyeQ 系列芯片，不過 Intel 在 2017 年 3 月以 153 億美元收購了 Mobileye。在此之前，Intel 還先后收購了 FPGA 芯片巨頭 Altera、視覺算法公司 Movidius，以此形成了自動駕駛芯片的完整解決方案。芯片巨頭中， 英偉達憑借其 GPU 的強大優勢也積極切入自動駕駛芯片領域；高通除了自主研發新一代車規級移動處理區芯片外，也即將完成對恩智浦的收購；Xilinx 則主推其基于 FPGA 的 Zynq-7000 All Programmable SoC，等等。
此外，特斯拉也是一家即將進入自動駕駛芯片領域的巨頭，Elon Musk 在 2017 年底公開了特斯拉自主研發自動駕駛 AI 芯片的計劃。國內公司中，地平線、寒武紀、四維圖新、森國科等均在 2017 年發布了自動駕駛芯片規劃。本文余下部分將對上述公司及產業格局做一個盤點。
格局
在自動駕駛領域，AI 芯片其實并不新奇。如前所述，Mobileye 的 EyeQ 系列芯片在 2004 年就開始研發，2007 年發布的第一代 EyeQ1 芯片是較早應用于自動駕駛的 AI 芯片之一（僅實現輔助駕駛功能）。從技術路線來看，在這個領域中，自動駕駛芯片也延續了與其高度相關的深度學習所采用的幾類硬件技術路線：GPU、FPGA、ASIC。
同時我們也需了解，按照 SAE International 的自動駕駛等級標準，目前已商用的自動駕駛芯片基本處于高級駕駛輔助系統（ADAS）階段，可實現 L1 ~ L2 等級的輔助駕駛和半自動駕駛（部分宣稱可實現 L3 的功能）；面向 L4 ~ L5 超高度自動駕駛及全自動駕駛的 AI 芯片離規模化商用仍有距離。Nvidia 的 Drive Xavier 預計 2018 年一季度向合作伙伴提供樣品；Mobileye 的 EyeQ5 預計 2018 年提供工程樣品，2020 年量產，二者均宣稱可以支持 L4 ~ L5 的自動駕駛運算需求。
一、兩強之爭：英偉達 VS 英特爾（Mobileye）
在自動駕駛時代之前，英偉達、英特爾等在汽車電子領域雖有涉及但并不突出。自動駕駛的興起對處理芯片的性能提出了更高要求，二者憑借在處理器芯片領域的長期積累同時配合產業并購，已然形成了領跑之勢。從主流車廠無人駕駛平臺所使用的計算平臺來看，現在主要幾個車廠使用的平臺基本上是 Nvidia 和 Mobileye（Intel）的，二者形成了自動駕駛芯片領域的第一集團。
1、英偉達：Drive PX 系列芯片
在自動駕駛時代之前，Nvidia 很早就通過 Tegra 系列處理器進入了眾多整車廠的供貨商名單，不過早年 Nvidia Tegra 負責的主要還是車載娛樂方面。比如，奧迪新 A8 采用的自動駕駛平臺 zFAS 中使用了 Nvidia TegraK1 芯片，負責處理車輛的環視影像；但 zFAS 負責實現自動駕駛功能的芯片是 Mobileye Q3 和 Altera的Cyclone V。
Nvidia 自動駕駛芯片始于 2015 年初推出的 Drive PX 系列。在 2015 年 1 月 CES 上英偉達發布了第一代 Drive PX。Drive PX 搭載 TegraX1 處理器和 10GB 內存，能夠同時處理 12 個 200 萬像素攝像頭每秒 60 幀的拍攝圖像，單浮點計算能力為 2 Tops，深度學習計算能力為 2.3 Tops，可支持 L2 高級輔助駕駛計算需求。
2016 年 1 月的 CES 上英偉達又發布了新一代產品 Drive PX2。Drive PX2 基于 16nm FinFET 工藝制造，TDP 達 250W，采用水冷散熱設計，支持 12 路攝像頭輸入、激光定位、雷達和超聲波傳感器。其中，CPU 部分由兩顆 NVIDIA Tegra2 處理器構成，每顆 CPU 包含 8 個 A57 核心和 4 個 Denver 核心；GPU 部分采用兩顆基于 NVIDIA Pascal 架構設計的 GPU。單精度計算能力達到 8TFlops，深度學習計算能力達到每秒 24 萬億次，在單精度運算速度上是 Drive PX 的 4 倍，深度學習速度是 Drive PX 的 10 倍，可以滿足 L3 自動駕駛的運算要求。
Drive Xavier 是英偉達最新一代自動駕駛處理器，最早在 2016 年歐洲 GTC 大會上提出，2018 年 1 月的 CES 上正式發布。同時發布的還有全球首款針對無人駕駛出租車打造的車載計算機 DrivePX Pegasus。在配置方面，Xavier 基于一個特別定制的 8 核CPU、一個全新的 512 核 Volta GPU、一個全新深度學習加速器、全新計算機視覺加速器、以及全新 8K HDR 視頻處理器而打造。每秒可運行 30 萬億次計算，功耗僅為 30w，能效比上一代架構高出 15 倍，可以滿足 L3/L4 自動駕駛的計算需求。該產品預計 2018 年一季度向提供樣品。
Drive PX Pegasus 是針對 L5 級全自動駕駛出租車的 AI 處理器，搭載了兩個 Xavier SoC 處理器。SoC 上集成的 CPU 也從 8 核變成了 16 核，同時增加了 2 塊獨立 GPU。計算速度達到 320 Tops，相當于 PX Xavier 的 10 倍，算力能夠支持 L5 完全自動駕駛系統，但其功耗也達到了 500W。預計首批樣品將于 2018 年年中交付客戶。
2、英特爾：Mobileye + Altera + Movidius
與英偉達基于自主 GPU 研發自動駕駛芯片的思路不同，英特爾在自動駕駛領域主要是通過并購來完成布局。
2015 年 6 月 167.5 億美元收購 FPGA 巨頭 Altera；
2016 年 9 月收購計算機視覺處理芯片公司 Movidius；
2017 年 3 月 153 億美元收購以色列自動駕駛汽車技術公司 Mobileye。
通過上述收購，英特爾在自動駕駛處理器上的布局已較完善，包括 Mobileye 的 EyeQ 系列芯片（ASIC）、Altera 的 FPGA 芯片、Movidius 的視覺處理單元 VPU，以及英特爾的 CPU 處理器，可以形成自動駕駛的整體硬件解決方案。
奧迪新 A8 自動駕駛計算單元 zFAS 中所使用的芯片包括了 Mobileye 的 EyeQ3 和 Altera 的 FPGA 芯片 CycloneV，內嵌了 Movidius 的視覺算法。在該方案中，EyeQ3 主要負責視覺數據處理，CycloneV 則負責毫米波雷達與激光雷達數據處理。而英特爾即將于今年推出的「IntelGo 自動駕駛平臺解決方案」則包含了兩個 Mobileye EyeQ5 芯片（一個用來進行視覺處理，另外一個用于融合/規劃）以及一個英特爾的 8 核凌動芯片。
Mobileye 的 EyeQ 系列芯片最初是和意法半導體公司共同開發，第一代芯片 EyeQ1 從 2004 年開始研發，2008 年上市；EyeQ2 則于 2010 年上市。最初的兩代產品僅提供 L1 輔助駕駛功能，EyeQ1 的算力約 0.0044 Tops，EyeQ2 則約 0.026 Tops，功耗均為 2.5 W。
2014 年量產的 EyeQ3 基于其自主 ASIC 架構自行開發，使用了 4 顆 MIPS 核心處理器、4 顆 VMP 芯片，每秒浮點運算為 0.256 萬億次，功耗為 2.5 W，可以支持 L2 高級輔助駕駛計算需求。
第四代 EyeQ4 芯片在 2015 年發布，2018 年量產上市，采用 28nm 工藝。EyeQ4 使用了 5 顆核心處理器（4 顆 MIPSi-class 核心和 1 顆 MIPSm-class 核心）、6 顆 VMP 芯片、2 顆 MPC 核心和 2 顆 PMA 核心，可以同時處理 8 部攝像頭產生的圖像數據，每秒浮點運算可達 2.5 萬億次，功耗為 3W，最高可實現 L3 級半自動駕駛功能。
Mobileye 的下一代 EyeQ5 計劃于 2018 年出工程樣品，2020 年實現量產，將采用 7nmFinFET 工藝。該產品對標 Nvidia 的 DriveXavier 芯片，定位于 L4/L5 全面自動駕駛計算需求。單顆芯片的浮點運算能力為 12Tops，TDP 是 5W。EyeQ5 系統采用了雙路 CPU，使用了 8 顆核心處理器、18 核視覺處理器，浮點運算能力為 24 Tops，TDP 是 10W。
二、汽車電子廠商
我們在開篇中提到了全球十大汽車電子廠商，這些公司或多或少均有涉足自動駕駛業務，比如處理芯片、毫米波雷達、激光雷達、整體解決方案等。當然，汽車電子廠商中涉足自動駕駛業務的不僅于此，我們僅介紹部分重點廠商的產品情況，如有錯漏歡迎指正交流。
1. 高通&恩智浦 NXP
我們把高通與恩智浦放在一起介紹是因為歐盟剛剛批準了高通 470 億美元收購恩智浦的交易。與英特爾類似，高通切入自動駕駛關鍵領域的方式也是并購，其自有產品在汽車電子領域仍有待突破。
作為移動通信領域的絕對龍頭，高通一直希望通過自己的移動處理器芯片（改成車規級）切入汽車電子領域。在 2016 年初 CES 上，高通就發布了整合 LTE 數據機和機器智能的 Snapdragon 820 車用系列產品。這個系列產品包含了高通的 Zeroth 機器智能平臺，旨在協助汽車制造商使用神經網絡為 ADAS 和車載資訊娛樂系統創建基于深度學習的解決方案。
但目前車廠設計訂單還限于資訊娛樂功能；國內 ADAS 廠商縱目科技在 2017 年 CES 上推出了首個基于 820A 平臺并運用深度學習的 ADAS 產品原型，12 月正式發布。據悉，目前這款產品已經進入量產前的驗證階段，預計將于 2019 年量產。
作為汽車電子龍頭廠商，恩智浦在自動駕駛方向的積累相比高通則深厚很多。2016 年 5 月恩智浦發布了 BlueBox 平臺，該平臺集成 S32V234 汽車視覺和傳感器融合處理器、S2084A 嵌入式計算處理器和 S32R27 雷達微控制器，能夠為汽車制造商提供 L4 級自動駕駛計算解決方案。
其中，S32V234 是 NXP 的 S32V 系列產品中 2015 年推出的 ADAS 處理芯片，在 BlueBox 平臺上負責視覺數據處理、多傳感器融合數據處理以及機器學習。這款芯片擁有 CPU（4 顆 ARM CortexA53 和 1 顆 M4）、3D GPU（GC3000）和視覺加速單元（2 顆 APEX-2vision accelerator），能同時支持 4 路攝像頭，GPU 能實時 3D 建模，計算能力為 50GFLOPs。同時，S32V234 芯片預留了支持毫米波雷達、激光雷達、超聲波的接口，可實現多傳感器數據融合，最高可支持 ISO26262 ASIL-C 標準。
恩智浦還有一款專門的雷達信息處理芯片 MPC577XK。這是一款面向 ADAS 應用的 Qorivva32 位 MCU，基于 Power 架構，能夠支持自適應巡航控制、智能大燈控制、車道偏離警告和盲點探測等應用。
2. 瑞薩 Renesas
與恩智浦類似，瑞薩在 2017 年 4 月也發布了一個 ADAS 及自動駕駛平臺 Renesas Autonomy，主打開放策略，目的在于吸引更多一級供應商以擴大生態系統。同時發布的還有 R-CarV3M SoC，該芯片配有 2 顆 ARM CortexA53、雙CortexR7 鎖步內核和 1 個集成 ISP，可滿足符合 ASIL-C 級別功能安全的硬件要求，能夠在智能攝像頭、全景環視系統和雷達等多項 ADAS 應用中進行擴展。據介紹，R-CarV3M SoC 的樣品于 2017 年 12 月開始供貨，計劃于 2019 年 6 月開始量產。
從瑞薩的芯片系列來看，R-Car 系列是其在自動駕駛方向的主要產品線：
第一代產品（R-CarH1/M1A/E1）在 2011-12 年期間推出，可支持初級的巡航功能；
第二代產品（R-CarH2/M2/E2）相比第一代性能基本翻倍，可支持 360° 環視等 ADAS 功能；
第三代產品（R-CarH3/M3）在 2015 年以后陸續推出，符合 ASIL-B 級安全要求；同時期推出的還有 R-CarV3M、R-CarV2H 等 ASSP 處理器，這類產品基本可支持 L2 等級的自動駕駛應用需求。
除了 R-Car 系列產品外，跟恩智浦一樣，瑞薩也有針對雷達傳感器的專業處理器芯片如 RH850/V1R-M 系列，該產品采用 40nm 內嵌 eFlash 技術，優化的 DSP 能快速的進行 FFT 的處理。
3. 德州儀器 TI
TI 在 ADAS 處理芯片上的產品線主要是 TDAx 系列，目前有 TDA2x、TDA3x、TDA2Eco 等三款芯片。其中，TDA2x 于 2013 年 10 月發布，主要面向中到中高級市場，配置了2 顆 ARM Cortex-A15 內核與 4 顆 Cortex-M4 內核、2 顆 TI 定浮點 C66xDSP 內核、4 顆 EVE 視覺加速器核心，以及雙核 3DGPU。TDA2x 主要是前置攝像頭信息處理，包括車道報警、防撞檢測、自適應巡航以及自動泊車系統等，也可以出來多傳感器融合數據。
TDA3x 于 2014 年 10 月發布，主要面向中到中低級市場。其縮減了包括雙核 A15 及 SGX544GPU，保留 C66xDSP 及 EVE 視覺加速器核心。從功能上看，TDA3x 主要應用在后置攝像頭、2D 或 2.5D 環視等。
TDA2Eco 是 2015 年發布的另一款面向中低級市場的 ADAS 處理器，相比于 TDA2x，TDA2Eco 去掉了 EVE 加速器，保留了一顆 Cortex-A15、4 顆 Cortex-M4、DSP、GPU 等內核。TDA2Eco 支持高清 3D 全景環視，由于 TDA3x 主要應用于 2D 或 2.5D 環視，所以 TDA2Eco 填補了中低級市場對于高清 3D 全景環視應用的需求。
4. ADI
相對于以上幾家芯片公司，ADI 在 ADAS 芯片上的策略主打性價比。針對高、中、低檔汽車，ADI 針對性的推出一項或幾項 ADAS 技術進行實現，降低成本。
在視覺 ADAS 上 ADI 的 Blackfin 系列處理器被廣泛的采用，其中低端系統基于 BF592，實現 LDW 功能；中端系統基于 BF53x/ BF54x/ BF561，實現 LDW/ HBLB/ TSR 等功能；高端系統基于 BF60x，采用了流水線視覺處理器（PVP），實現了 LDW/ HBLB/ TSR/ FCW/ PD 等功能。集成的視覺預處理器能夠顯著減輕處理器的負擔，從而降低對處理器的性能要求。
5. 英飛凌
英飛凌在 2015 年針對 ADAS 市場推出過芯片組 Real 33D，可實現司機疲勞檢測等功能。而在奧迪新 A8 使用的 zFAS 自動駕駛計算單元中，也使用了英飛凌提供的 Aurix 芯片，A8 最關鍵的 TrafficJam Pilot，是由這塊芯片最終實現的。
下表是主要汽車電子廠商的 ADAS 處理芯片比較。
自動駕駛處理芯片,自動駕駛芯片,自動駕駛處理器
三、新入局：特斯拉 & 中國勢力
1. 特斯拉
特斯拉的自動駕駛系統 Autopilot 中先后使用過 Mobileye EyeQ3 和英偉達 Drive PX2，而在 201 7年 12 月初的 NIPS 神經信息處理系統大會上，特斯拉 CEO Elon Musk 公布了特斯拉正在開發定制的自動駕駛 AI 芯片，該項目帶頭人為原 AMD 首席芯片架構師 Jim Keller。
1998 年，JimKeller 在 AMD 分別參與設計和主導研發了 Athlon 和 Opteron64 處理器（K7 和 K8X86-64 架構）；
1999 年，JimKeller 離職加盟博通出任首席芯片架構師；
2004 年，JimKeller 轉投 P.ASemi，后者于 2008 年被蘋果收購。Jim Keller 出任蘋果移動芯片架構師，基于 AMD 的 IP 深度定制了蘋果 A4/5 芯片；
2012 年，JimKeller 重回 AMD，領導開發了 Zen 架構處理器；
2015 年 9 月，JimKeller 再次離職， 2016 年 1 月加盟特斯拉，帶領 50 人規模團隊開發自動駕駛 AI 專用芯片。
目前公開資料可知的進展還包括：該芯片基于 AMD 的 IP 打造；目前已經走到了設計完成、測試驗證的階段；特斯拉已經收到了首批芯片樣品，目前正在進行相關測試；代工方可能是格羅方德和三星電子等。
2. 中國公司
我們在之前文章中曾盤點過國內 AI 芯片公司產品情況，從公開資料所了解的情況看，國內 AI 芯片初創公司中像地平線、深鑒科技、寒武紀、西井科技等都有智能駕駛/自動駕駛方向的產品規劃。
地平線的自動駕駛 AI 芯片「征程」在去年 12 月 20 日正式發布。在參數上，征程能夠以 1.5W 的功耗，實現 1Tflops 的算力，每秒處理 30 幀 4K 視頻，對圖像中超過 200 個物體進行識別，能夠實現 FCW/ LDW/ JACC 等高級別輔助駕駛功能，滿足 L2 的計算需求。對比英偉達的 DrivePX2，其采用 16nm FinFET 工藝，單精度計算能力為 8TFlops，深度學習計算能力為 24TFlops，官方 TDP 是 250w；從性能功耗比來看，征程還是有明顯優勢的。
同時，由于 ASIC 不是 GPU 類的通用計算，內部直接封裝了算法，數據交換只是底層 I/O，因此其計算的時延也會比 GPU 更低。不過地平線采用 ASIC 的路線也是犧牲了芯片的可編程性以獲得更高的性能，是否能獲得足夠訂單量來降低芯片成本值得關注。
相較而言，目前其他幾家公司產品仍缺少詳細信息。寒武紀在去年 11 月初的發布會上首次發布了面向智能駕駛領域的 1M 智能處理器IP產品，據介紹其性能可達到寒武紀 1A 處理器的 10 倍以上。據了解，2016 年上市的 1A 處理器在 1Ghz 頻率下理論峰值性能為：FP16 半精度浮點計算能力為 512GFlops，稀疏神經網絡計算能力為 2TFlops。
深鑒、西井等暫未推出專門的自動駕駛芯片產品，不過在這一方向也有布局。如西井與振華重工聯手打造的自主駕駛無人跨運車就使用了西井科技的類腦人工智能方案（是否使用其自主 AI 芯片仍未知）。
除了上述幾家 AI 芯片創業公司外，國內公司如四維圖新、森國科等也涉及 ADAS 處理芯片研發。其中，四維圖新在 2016 年 5 月收購了聯發科旗下的汽車半導體公司杰發科技，后者在 2017 年 6 月的 CES Asia 上展出了首款車規級 ADAS 芯片。四維圖新在去年 7 月正式發布了該款 ADAS 芯片，并與蔚來、威馬、愛馳億維等新造車公司達成了合作。
公開資料顯示，該芯片采用 64 位 Quad A53 架構，內置硬件圖像加速引擎，支持雙路高清視頻輸出，和四路高清視頻輸入，能同時支持高級車載影音娛樂系統全部功能和豐富的 ADAS 功能。功能包括：360° 全景泊車系統、車道偏移警示系統 LDW、前方碰撞警示系統 FCW、行人碰撞警示系統 PCW、交通標志識別系統 TSR、車輛盲區偵測系統 BSD、駕駛員疲勞探測系統 DFM 和后方碰撞預警系統 RCW 等。
森國科（原深圳市國科微半導體）在去年 12 月也發布了自主研發的高性價比 ADAS 芯片 SGKS6802X，據介紹產品已經正式出貨。SGKS6802X 配置了雙核 ARM Cortex A7 處理器、高速雙核 8 線程 GPU 和 2D 加速 GPU；采用 40nm 工藝，芯片典型功耗 1500mW，全系統功耗 1800 mW（包括 DDR）；最大支持 4 路編碼處理能力，整數運算能力 7200MIPS + 3200MIPS，半精度浮點運算能力 25.6GFLOPS，單精度浮點運算能力 6.4GFLOPS；可支持 LDW、FCW、PCW、TSR、NV、TFAH、ZCD、CTA、BSD、DFM、RCW 等 ADAS 算法，滿足 L2 高級輔助駕駛的計算需求。
思考
隨著人工智能的發展，在 ADAS 及自動駕駛上 AI 的應用已經成為主要趨勢，針對芯片的設計也開始增加硬件的深度學習設計，如何在人工智能算法模型與芯片架構及系統設計上做好匹配以及多傳感器融合的芯片設計等將是新的研究課題，目前來看也還在早期探索階段。
比如，英偉達的方案以 GPU 為主，采用 CPU + GPU 異構設計，芯片算力強大，且具備很強的靈活性；但缺點是功耗高，應用在汽車（尤其是電動汽車）上的時候面臨散熱、續航等問題；英特爾的方案是 ASIC + FPGA，核心是 Mobileye 的 EyeQ 系列產品；地平線的「征程」也采用 ASIC 路線，將算法直接封裝在芯片上，實現了低功耗高性能的指標，但也犧牲了芯片的靈活性。另外也有很多廠商使用單 FPGA 的，比如 Xilinx 的 Zynq 7000 All Programmable SoC 就是汽車 ADAS 上最被廣泛應用的產品，采用單一芯片即可完成 ADAS 解決方案的開發，并具備了不同產品系列間的可擴展性。
除了性能、功耗等因素外，自動駕駛處理芯片普及的另一個關鍵因素是價格。英偉達 DrivePX2 的價格超過 1 萬美金，Mobileye 的芯片價格也超過 1 千美金。因此，如何在性能、功耗、價格等指標上進行平衡也是對芯片設計者提出了新的挑戰。
另外，對于眾多從行業外切入汽車電子領域的 AI 芯片公司來說，實現車規級標準也是這些公司需要克服的挑戰。從一些公開資料來看，不管是 ADAS 處理芯片還是自動駕駛芯片，至少都需達到 ISO26262ASIL-B 級別，部分芯片甚至需要到 ASIL-D 級別。
微信掃一掃
.jpg&h=124&w=218&zc=1)
