相信經過這幾個月的“熏陶”，大家都對半導體緊缺的事實有了充分的認識，自2020年12月起，汽車行業(yè)缺乏芯片面臨停產的問題就開始困擾無數車企，最先放出口風的是奧迪、大眾、福特、戴姆勒、豐田、菲亞特克萊斯勒等知名汽車廠商，先是減產、推遲部分產品線，部分工廠甚至出現了停工的狀況。甚至有預測稱缺芯會導致2021第一季度全球減產100萬輛輕型車輛。

隨著人工智能算法不斷完善，智能化應用逐漸落地，汽車電子架構的發(fā)展也在朝著更復雜的方向演進，但出乎意料的是，和宣傳視頻形成鮮明對比的，正是難以支撐復雜操作的車載系統(tǒng)，也正是前陣子芯片短缺的新聞，才讓很多人意識到了車載芯片原來這么落后。

和電腦愛好者關注的重點差不多，車載系統(tǒng)芯片的算力很大程度上決定了系統(tǒng)的性能，然而直到去年，大部分量產車使用的還是驍龍820a，沒錯，它就是2016年旗艦手機芯片驍龍820的車規(guī)版，也是工業(yè)領域中出現的首個集成了X12 LTE modem的車規(guī)級SoC，但制程是14nm。

從整個芯片行業(yè)的等級劃分來看，分別有軍工級、車規(guī)級、工業(yè)級和消費級，其中車規(guī)級芯片對于可靠性、一致性和穩(wěn)定性要求更高，僅次于軍工級，與消費級芯片有很大不同，車規(guī)級芯片需要面臨更惡劣的環(huán)境，要求可靠性更高，車規(guī)級芯片的要求更為嚴格，因此對芯片廠家的汽車芯片生產線要求也更為嚴格，車規(guī)級芯片的生產線可以改造生產其他芯片，但生產其他芯片的生產線無法輕易改造生產車規(guī)級芯片，這在一定程度上造成了開發(fā)下一代的遲緩。

從分類上來看，汽車芯片大致分為以下幾類，一是負責算力的控制芯片，也就是處理器和控制器芯片，如發(fā)動機、底盤和車身控制，以及中控、輔助駕駛(ADAS)和自動駕駛系統(tǒng)等;二是負責功率轉換的IGBT功率芯片，一般應用于電動車的電源和接口;三是傳感器芯片，主要用于各種雷達、氣囊、胎壓監(jiān)測。汽車芯片也可以分為主控芯片、功能芯片、功率芯片和傳感器芯片。

從架構方面來看，車規(guī)級芯片需要有獨立的安全島設計，在關鍵模塊、計算模塊、總線、內存等，都有ECC、CRC的數據校對，為車規(guī)級芯片提供功能安全。由于要求繁多且規(guī)格復雜，一般來說一款車規(guī)級芯片需要2-3年的時間完成車規(guī)認證并進入整車廠供應鏈，一旦進入后，一般擁有5-10年的供貨周期。這也導致了雖然手機電腦的芯片工藝制程在不斷突破，然而車載芯片仍然停留在多年前的工藝水平。

除此之外，車上算力利用的效率也是問題重要的一部分，在汽車液晶儀表盤上，行業(yè)的普遍邏輯是兩個 GPU 和兩個 CPU 鎖定在一起，這種設置叫做鎖步：它們在執(zhí)行任務的時候會互相驗證計算結果的正確性，這就導致了50%起步的算力損耗。傳統(tǒng)汽車行業(yè)在軟件開發(fā)過程中，基于安全因素的考慮非常多，車企希望打造一個不容易出錯的系統(tǒng)，這在一定程度上會拖慢進展。

在電控汽車時代，芯片早已成為汽車的大腦。當發(fā)動機進入電控時代，通過電腦智能調節(jié)氣門開閉時機和時長，有意將進氣門延遲關閉，排氣門提前開啟，讓進排氣更加充分，提升性能;如果缺少芯片，最直觀的表現就是油耗和排放控制的缺失。如今進入智能時代，隨著ADAS、自動駕駛技術的成熟，需要大量的圖像數據、雷達數據處理，汽車廠商對芯片的算力要求也在提高，此前需靠駕駛員判斷的東西現在慢慢交給芯片，這樣汽車對芯片的使用量就會越來越多，并且對芯片的算力要求也會越來越高。

最生動的解釋就是自動駕駛，不管是激光雷達系統(tǒng)還是圖像識別系統(tǒng)，由于汽車實時的速度很快，但數據分析的要求不能降低，在車上加裝一個芯片是可行的，裝一個電腦機箱問題也不大，但總不能把服務器塞進去吧?所以這樣海量的數據計算只能放在云端，讓云端的服務器集群來計算，然而這就又引申出了另一個問題：數據計算都在云端，大家下載云端的數據就會有延遲，萬一延遲高，1s后才收到1s前的數據，車都不知道開哪兒去了，所以這也就是5G發(fā)展建設起來后自動駕駛才有望普及的重要原因。

就目前的情況來看，老老實實等車規(guī)級芯片更新和5G落地，顯然只會拖累智能駕駛的發(fā)展進程，一小部分廠商也開始探索使用非車規(guī)級芯片甚至智能設備代替中控臺，但都或多或少遇到了麻煩。

當汽車進入電控時代以及向電氣化轉型，汽車與芯片就已經密不可分，下一代智能車，真的能實現智能駕駛，車聯互動等未來技術嗎?這個問題暫時沒有答案，但這次芯片危機的爆發(fā)，也意味著行業(yè)革新正在進行。

編輯：jq