法国敏柏宁敏白灵北京 http://m.39.net/baidianfeng/a_4326409.html

随着高级别智能驾驶的到来，更智能的汽车需要处理更大量的图片、视频等非结构化数据，仅依靠传统MCU芯片不能满足运算需求，而AI芯片则可以实现算得快、准、巧。我们重点参考地平线的数据，L3级别自动驾驶产生的数据量是2.3GB/s，对算力要求在TOPS以上；L4级别自动驾驶数据量达到8GB/s，对算力要求达到TOPS以上。如果考虑功能安全的冗余备份，算力需求还要翻倍。

由于智能驾驶对算力的需求，汽车业界已经将峰值算力当作衡量AI芯片的主要指标，并掀起算力军备竞赛。蔚来新款旗舰车型ET7搭载算力超过TOPS，上汽智己新发布车型搭载算力也达到~TOPS。预计年我国汽车AI芯片市场超92亿美元，未来5年CAGR45.0%。集成更多AI单元是智能芯片技术路径发展的大趋势。CPU，又称中央处理器，擅长逻辑控制和通用类型数据运算，具有不可替代性。CPU有很强的通用性，可处理不同的数据类型，主要负责顺序控制、操作控制、时间控制、数据加工等操作，因此在任何一个电脑或嵌入式的计算中都有CPU或其裁剪版本。CPU由控制器（Control），寄存器（Cache、DRAM）和逻辑单元（ALU）构成，其中控制器和寄存器占比较大，而处理数据的逻辑单元占比较小，因此对于专用领域数据处理能力较弱。代表厂商即为X86处理器的英特尔和嵌入式处理器的ARM。GPU，又称图形处理器，俗称显卡，擅长大规模并行计算。GPU拥有计算单元数量众多和超长的流水线，处理的数据类型通常为高度统一的、相互无依赖，省去了大量CPU的不必要控制指令计算模块，并行计算能力较CPU强。随着人工智能的发展，GPU不断被应用于数值模拟、机器学习、视觉处理、语音识别等领域，厂商代表即为英伟达。FPGA全称是FieldProgrammableGateArray：又称可编程逻辑门阵列，算力较高，适合小规模定制化开发测试。用户可通过烧入配置文件来定义其内部结构的连线，从而达到定制电路的目的。FPGA的芯片量产成本较高，能效比较差，不如ASIC专用芯片。适用于科研、企业开发阶段，一旦方案确定，其成本优势就不再突出。代表厂商：赛灵思、阿尔特拉（被英特尔收购）、深鉴科技。ASIC全称是Application-SpecificIntegratedCircuit：是一种为专门目的而设计的集成电路，具有算力最高，能效比优等特点。ASIC面向特定用户的需求，适合较为单一的大规模应用场景，运行速度在同等条件下比FPGA快。但在架构层面对特定智能算法作硬化支持，指令集简单或指令完全固化，若场景一旦发生变化，该类AI芯片便不再适用，需要跟新换代。面对现阶段，AI算法日新月异，每年都有大量的算法被开发出来，对于自动驾驶领域适用性不强。所以现阶段并没有真正意义上的ASIC芯片。N-SOC，即添加神经网络单元的系统级芯片，是指在芯片中集成更多的神经网络单元，以实现快速的CNN（卷积神经网络）运算。N-SOC是现阶段市场的新名词，主要系随着AI芯片的发展，传统定义方法并不完全适用，N-SOC区别于ASIC的智能算法被硬化，但其并不是一颗完全通用芯片，仅支持少量的算法。典型的代表企业：英特尔旗下的Mobileye、华为（达芬奇架构Ascend系列）、寒武纪（MLU系列）、百度（昆仑云）、阿里平头哥、Google（TPU）等。由通用向专用排序依次：CPU、GPU、FPGA、ASIC；数据处理成本经济性（由优至差）：ASIC、FPGA、GPU、CPU。1）CPU最通用，算力差，能效比最差，但除了运算，还包括控制指令，不可被替代；2）GPU为较为通用的芯片，算力高，架构较为开放，可允许主机厂基于底层硬件架构开发自己的专门算法，但能效比较差；3）FPGA，算力一般，可根据客户需求用配置文件更改芯片结构的连线，实现定制电路，适用于实验室科研、前期开发等小批量应用；4）ASIC为专用芯片，算力高、能效比优，节约不必要开发资源，规模量产成本最低，但支持算法不够灵活。AI芯片通过添加神经网络单元实现AI运算的更高效。目前市场对未来汽车AI芯片采用通用GPU、FPGA、ASIC芯片方案仍有较大争议，我们认为汽车数据处理芯片不断异构化，通过不断添加神经网络单元实现AI运算是未来发展的主要方向。除了华为、地平线、寒武纪等AI芯片不断增加神经网络单元外，而作为通用GPU的代表供应商英伟达的自动驾驶系列芯片，也通过添加神经网络单元，以实现对AI处理越来越高效。但总体而言GPU仍功耗较高，丰富的通用模块可实现对各种场景的适用性，但也带来了成本过高，功耗过高的问题。而新出现的N-SOC虽不是ASIC固定算法，具有成本/功耗较低等优点，但其针对各种场景的适应性仍较弱。在汽车领域，两者未来性能、成本等方面会有相互靠近的趋势。车规级芯片标准远高于消费级，认证流程长1）工作环境更为恶劣：相比于消费芯片及一般工业芯片，汽车芯片的工作环境温度范围宽（-40至摄氏度）、高振动、多粉尘、多电磁干扰。2）可靠性安全性要求高：一般的汽车设计寿命都在15年或20万公里左右，远大于消费电子产品寿命要求。在相同的可靠性要求下，系统组成的部件和环节越多，对组成的部件的可靠性要求就越高。3）车规级芯片认证流程长:一款芯片一般需要2年左右时间完成车规级认证，进入车企供应链后一般拥有5-10年的供货周期。汽车标准需认证可靠性标准AEC-Q系列、质量管理标准ISO/TS其中之一，此外需要通过功能安全标准ISOASILB(D）。ISO在年11月15日正式发布，主要包括四个等级，分别为ASILA/B/C/D。ISO安全是汽车电子元件稳定性优劣的评判依据之一，通过该等级代表其产品稳定性合格，耐用，但不代表其算力、能效比高。此外，还需要通过零失效的供应链质量管理标准TS/ISO国际认证体系下的汽车行业分支的标准认证；另一个是AEC-Q认证，由克莱斯勒、通用、福特制定的汽车电子元件安全性检测标准。汽车AI芯片市场格局清晰，行业寡头垄断截止年，根据Mobileye数据，其占据约70%量产车市场。随着L1/L2级辅助驾驶逐步演进到L3级别智能驾驶，消费电子/通信领域的英伟达、华为、高通以及国内的初创企业地平线、黑芝麻等加速入场抢夺汽车AI芯片市场份额。算力、功耗、生态等成为各家芯片厂商抢夺市场的核心竞争力。特斯拉FSD芯片自研自用，引领产业发展，属于独立一级。特斯拉搭载的芯片经历MobileyeEyeQ3与英伟达DRIVEPX2，后期选择自研。主要优势：由于其自研自用，根据需求研发专用芯片，减少不必要的软硬件模块。1）缩短研发周期，减少研发设计工作量；2）提升能效比；3）用户数据驱动研发优化。主要劣势：1）生态较为封闭，仅内部开发和使用，无法建立完善的生态体系。2）若使用量有限，芯片研发需要投入大量资金，软硬件开发的成本难以通过大规模使用均摊成本。全球GPU领域AI龙头英伟达和背靠英特尔的汽车AI芯片龙头Mobileye属于第一阵列。NIVIDA作为通用AI芯片龙头，对外提供芯片级产品，具备最完善的软件工具链和应用生态。Mobileye背靠英特尔，提供芯片+算法绑定的一体式解决方案，客户资源最丰富且已实现量产验证，但黑盒捆绑销售模式一定程度上限制了用户创新。短期来看，Mobileye面向L3级以下市场，产品更加成熟。中长期来看，英伟达面向L3级以上市场在AI领域实力深厚，后发有力，优势会更加突出。高通与华为属于1.5阵列，有望快速突围进入第一阵列。高通在通信及消费电子领域优势明显，基于智能手机芯片的成功经验，已成为智能座舱域芯片龙头。在智能驾驶领域，高通于年1月推出了SnapdragonRide平台，正加速推广应用中。华为AI芯片云边端领域全覆盖，技术实力雄厚。华为面向智能驾驶领域，对应产品为昇腾（面向所有边缘侧）、昇腾（专用于汽车领域）、昇腾等。此外，年9月，华为对外发布新一代车规级MDC计算平台（包含MDC、MDC、MDC、MDC）。地平线属于强势第2阵列，对外可提供解决方案类产品（芯片+算法），也可以单独供应。作为中立第三方，芯片和算法可分开销售或一体式解决方案，受客户信任，有望逐步实现国产替代。各计算平台的算力均超百TOPS。计算平台各厂商车载计算平台竞争格局来看，英伟达算力相对领先，但算力利用率相对较低；而特斯拉、Mobileye等虽然算力并不突出，但是由于芯片+算法均采用自研，所以算力利用率相对较高。智能座舱域芯片布局来看，高端市场以高通为主，英特尔、瑞萨、三星随后，中低端有恩智浦、德州仪器等，国内华为、地平线、联发科、芯驰科技等加速入局。高通骁龙A数字座舱平台支持计算机视觉与机器学习，能够提供丰富的图形与多媒体功能，广泛的可视化和操作系统选项组合及神经处理引擎。年多款上市新车型都搭载了骁龙A，包括领克05、奥迪A4L、小鹏P7、款小鹏G3车型等。年量产的高通骁龙SA8P，是基于台积电第一代7nm工艺打造的SoC，也是第一款7nm工艺打造的车规级数字座舱SoC，性能是原有高通平台的三倍。SA8P还支持新一代的联网技术，包括WiFi6、蓝牙5.0等,OTA过程中稳定性和速度更优。国内多数车企的下一代车型，包括蔚来ET7、上汽智己、长城WEY品牌VV7及摩卡、威马EVOLVE及EX7、零跑汽车C11、比亚迪D1、奇瑞捷途X70PLUS、广汽AIONLX都将搭载SA8P芯片，高通在该领域的龙头地位进一步巩固。

来源：全球政企解决方案

编辑：享受生活金粉商城热门图书排行?金粉最爱图书排行?机械图书排行?生产管理排行?设计软件排行热文推荐《汽车工艺师》杂志全年目次索引年多家工厂减产停产，原因令全球汽车业头疼同中国一样！德国汽车行业7月份的销量出现明显疲软和下滑吉利汽车智能制造战略的实施面向智能工厂的多种类RFID混合跟踪系统应用研究新能源电池数字化工厂建设必要性及目标纯电动汽车动力系统匹配及续驶里程仿真燃油汽车向纯电动汽车过渡的最佳方案汽车轻量化应用中最轻的是啥？任正非推荐的5G赋能，已经出书了！这个ppt让您内容全知道。铝车身连接工艺探秘徐水智能工厂：台机器人打造VV5s的豪华与安全预览时标签不可点收录于话题#个上一篇下一篇