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-7000AllProgrammableSoC，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，ElonMusk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SAEInternational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DriveXavier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：DrivePX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NvidiaTegra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NvidiaTegraK1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MobileyeQ3和Altera的CycloneV。

　　Nvidia自動駕駛芯片始于2015年初推出的DrivePX系列。在2015年1月CES上英偉達發布了第一代DrivePX。DrivePX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2Tops，深度學習計算能力為2.3Tops，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DrivePX2。DrivePX2基于16nmFinFET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NVIDIATegra2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NVIDIAPascal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DrivePX的4倍，深度學習速度是DrivePX的10倍，可以滿足L3自動駕駛的運算要求。

　　DriveXavier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DrivePXPegasus。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VoltaGPU、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8KHDR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。

　　DrivePXPegasus是針對L5級全自動駕駛出租車的AI處理器，搭載了兩個XavierSoC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320Tops，相當于PXXavier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MobileyeEyeQ5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0.0044Tops，EyeQ2則約0.026Tops，功耗均為2.5W。

　　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2.5W，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24Tops，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Snapdragon820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ARMCortexA53和1顆M4）、3DGPU（GC3000）和視覺加速單元（2顆APEX-2visionaccelerator），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ISO26262ASIL-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RenesasAutonomy，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-CarV3MSoC，該芯片配有2顆ARMCortexA53、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-CarV3MSoC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。

　　自動駕駛處理芯片，自動駕駛芯片，自動駕駛處理器

　　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ARMCortex-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Real33D，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TrafficJamPilot，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MobileyeEyeQ3和英偉達DrivePX2，而在2017年12月初的NIPS神經信息處理系統大會上，特斯拉CEOElonMusk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JimKeller。

　　自動駕駛處理芯片，自動駕駛芯片，自動駕駛處理器

　　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。JimKeller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16nmFinFET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。

　　自動駕駛處理芯片，自動駕駛芯片，自動駕駛處理器

　　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）。

　　自動駕駛處理芯片，自動駕駛芯片，自動駕駛處理器

　　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CESAsia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QuadA53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ARMCortexA7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1800mW（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Zynq7000AllProgrammableSoC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。