近日，百度與吉利合資公司集度汽車在北京舉辦了一場媒體溝通會(huì)，宣布首款純電動(dòng)車將于2022年4月在北京車展上亮相，不出意外的話，這款車型將是第一款支持L4級(jí)駕駛自動(dòng)化系統(tǒng)的車型。

這款車的發(fā)布也將意味著，全自動(dòng)駕駛的時(shí)代已經(jīng)到來。

駕駛自動(dòng)化（driving automation）是指車輛以自動(dòng)的方式持續(xù)地執(zhí)行部分或全部動(dòng)態(tài)駕駛?cè)蝿?wù)的行為。

駕駛自動(dòng)化系統(tǒng)（driving automation system）是指由實(shí)現(xiàn)駕駛自動(dòng)化的硬件和軟件所共同組成的系統(tǒng)。

根據(jù)工信部發(fā)布的《汽車駕駛自動(dòng)化分級(jí)》可知，達(dá)到L4、L5級(jí)別才能稱之為全自動(dòng)駕駛。目前，市面上除了奧迪新款A(yù)8可達(dá)到L3級(jí)別之外，其它所有車型均處在L2級(jí)別。

以L3級(jí)別為界，低級(jí)別自動(dòng)駕駛環(huán)境監(jiān)測主體和決策責(zé)任方仍保留于駕駛員，而L4、L5高級(jí)別自動(dòng)駕駛的環(huán)境檢測主體和決策責(zé)任方則會(huì)轉(zhuǎn)移至系統(tǒng)，這點(diǎn)很關(guān)鍵，即由系統(tǒng)進(jìn)行環(huán)境監(jiān)控，再將所感知到的信息進(jìn)行處理決策，再根據(jù)決策執(zhí)行相應(yīng)的操作，如轉(zhuǎn)向、制動(dòng)等。

隨著駕駛自動(dòng)化等級(jí)的提高，感知層與決策層系統(tǒng)承擔(dān)的職能會(huì)逐級(jí)遞增，系統(tǒng)構(gòu)成難度及所需組件也會(huì)逐級(jí)增加。

你可能會(huì)問：

• 決策層是如何控制駕駛自動(dòng)化系統(tǒng)的？
  

• 汽車芯片該如何滿足高級(jí)別自動(dòng)駕駛的需求？

• 自動(dòng)駕駛給國產(chǎn)芯片提供了哪些市場機(jī)會(huì)？

莫急莫急，且聽小編一一道來。

決策層，自動(dòng)駕駛系統(tǒng)的大腦

駕駛自動(dòng)化系統(tǒng)從L3級(jí)別升級(jí)到L5級(jí)別，需要實(shí)現(xiàn)感知、決策、執(zhí)行的同步進(jìn)化，其中決策層主要由芯片、計(jì)算平臺(tái)和軟件構(gòu)成，可視為自動(dòng)駕駛的中央大腦，負(fù)責(zé)駕駛自動(dòng)化系統(tǒng)的所有決策和指令的下達(dá)。

在進(jìn)行決策規(guī)劃時(shí)，決策層會(huì)從感知層中獲取道路拓?fù)浣Y(jié)構(gòu)信息、實(shí)時(shí)交通信息、障礙物信息和主車自身的狀態(tài)信息等內(nèi)容。結(jié)合上述信息，決策規(guī)劃系統(tǒng)會(huì)對(duì)當(dāng)前環(huán)境做出分析，然后對(duì)執(zhí)行層下達(dá)指令，模擬大腦決策。

因此，有人形容開發(fā)自動(dòng)駕駛技術(shù)實(shí)際上就是造一個(gè)“人工老司機(jī)”的過程，而決策層就是老司機(jī)的大腦。

老司機(jī)上路憑經(jīng)驗(yàn)，駕駛自動(dòng)化系統(tǒng)則靠決策層的“軟件+硬件”雙重提升，軟件在算法，硬件主要就是汽車芯片了。

智能汽車?yán)锏能浖梢苑譃閼?yīng)用算法軟件、中間件、系統(tǒng)軟件和工具軟件。其中，應(yīng)用軟件包括信息娛樂系統(tǒng)的人機(jī)交互、界面設(shè)計(jì)、ADAS軟件、車身控制軟件等，而高級(jí)別自動(dòng)駕駛應(yīng)用軟件背后需要靠基于人工智能或深度學(xué)習(xí)的算法軟件來提供支撐。

智能汽車硬件的升級(jí)需要滿足以太網(wǎng)普及、控制器集中以及算力提升三個(gè)方面：

1. 以太網(wǎng)取代CAN/LIN：

   具有寬帶寬、低延時(shí)、低電磁干擾的以太網(wǎng)將成為未來車內(nèi)通信網(wǎng)絡(luò)的新骨干。

2. 控制器架構(gòu)走向集中化：

   未來分布式E/E架構(gòu)將經(jīng)由(跨)域集中式最終邁向中央集中式，并通過一個(gè)高性能的中央控制器實(shí)現(xiàn)車云計(jì)算；

3. 控制器集中和決策層算力的提升對(duì)汽車芯片提出要求，傳統(tǒng)MCU芯片將無法滿足智能化要求，屆時(shí)，SoC芯片將發(fā)揮重要作用。

從MCU到SoC，汽車芯片的自然進(jìn)化

汽車芯片，指的是汽車?yán)锏挠?jì)算芯片，按集成規(guī)模可分為MCU芯片和SoC芯片。MCU芯片通常只包含一個(gè)CPU處理器單元、存儲(chǔ)和接口單元；而SoC是系統(tǒng)級(jí)芯片，一般包含多個(gè)處理器單元，如CPU、GPU、DSP或NPU等，以及存儲(chǔ)和接口單元。

隨著汽車趨于智能化，汽車搭載的ECU（電子控制單元）數(shù)量持續(xù)增加，智能座艙和自動(dòng)駕駛對(duì)汽車的智能架構(gòu)和算法算力，帶來了數(shù)量級(jí)的提升需要，以MCU為主的汽車芯片很快將無法滿足這些需求，自然就會(huì)轉(zhuǎn)向搭載算力更強(qiáng)的SoC芯片。

依托于SoC芯片，智能座艙將實(shí)現(xiàn)“車載信息娛樂系統(tǒng)＋流媒體后視鏡＋抬頭顯示系統(tǒng)＋全液晶儀表＋車聯(lián)網(wǎng)系統(tǒng)＋車內(nèi)乘員監(jiān)控系統(tǒng)”等融合體驗(yàn)。與自動(dòng)駕駛芯片相比，智能座艙芯片相對(duì)容易打造，并且即便芯片完全失靈，也不會(huì)威脅司機(jī)和乘客的生命安全，比較容易通過車規(guī)級(jí)要求。

但是，在智能汽車芯片“戰(zhàn)爭”中，智能座艙芯片只是“前哨戰(zhàn)”，自動(dòng)駕駛芯片才是“戰(zhàn)事中的制高點(diǎn)”。

隨著汽車電子化自動(dòng)化程度提升，車載傳感器的數(shù)量持續(xù)增加，傳統(tǒng)的分布式架構(gòu)的弊端逐漸顯露：

1. ECU（電子控制單元）算法只能處理指定傳感器的數(shù)據(jù)，算力不能共享；

2. 分布式架構(gòu)新增傳感器和ECU的同時(shí)，需要在車體內(nèi)部署大量通信總線，增加裝配難度和車身重量；

3. 車內(nèi)ECU來自于不同的供應(yīng)商，開發(fā)人員無法實(shí)現(xiàn)統(tǒng)一化編程和軟件升級(jí)，無法實(shí)現(xiàn)整車OTA。

完美解決這些弊端的方案只有一個(gè)，那就是汽車控制集中化。雖然現(xiàn)在不同主機(jī)廠對(duì)控制域的劃分方案不同，但架構(gòu)向域控制/集中式控制的方向是相同的。

高級(jí)別自動(dòng)駕駛的域控制器將集成前期諸多ECU的運(yùn)算處理器功能，對(duì)芯片算力的需求將大幅提升，于是乎，算力更強(qiáng)的SoC芯片將是終極解決方案。

總而言之，想要達(dá)到高級(jí)別自動(dòng)駕駛的要求，汽車芯片必須完成從MCU到SoC的升級(jí)。

SoC芯片，高級(jí)別自動(dòng)駕駛的終極解決方案

實(shí)現(xiàn)L3+的駕駛自動(dòng)化硬件平臺(tái)必須要達(dá)到500+TOPS（Tera Operations Per Second）的算力，只具備一個(gè)CPU處理器的MCU芯片顯然不能滿足需求，因此必須采用具有“CPU+XPU”多核架構(gòu)的SoC芯片。

通常，自動(dòng)駕駛SoC芯片上會(huì)集成一個(gè)CPU和一個(gè)或多個(gè)做AI運(yùn)算的XPU。用來做AI運(yùn)算的XPU可選擇GPU/FPGA/ASIC等。其中，ASIC是專用處理器芯片，F(xiàn)PGA是“半專用”處理器芯片。EyeQ(Mobileye)、BPU(地平線) 、NPU(寒武紀(jì)等)等專門用來做AI算法的芯片(又稱AI芯片)則屬于專用芯片(ASIC)的范疇。

目前市場上主流的自動(dòng)駕駛SoC芯片處理器架構(gòu)方案(或稱技術(shù)路線)有以下三種：

• 英偉達(dá)、特斯拉為代表的科技公司，所用售賣的自動(dòng)駕駛SoC芯片采用CPU+GPU+ASIC方案。例如，特斯拉的FSD 芯片是一顆 CPU+GPU+2×NPU 的多核SoC芯片，其中NPU(神經(jīng)網(wǎng)絡(luò)單元)為兩顆專用處理單元處理AI算法，運(yùn)行在2.2GHz頻率下能提供 2*36TOPS 的處理能力。

• Mobileye、地平線等新興科技公司，致力于研發(fā)售賣自動(dòng)駕駛專用AI芯片，采用CPU+ASIC方案。地平線自主設(shè)計(jì)研發(fā)AI專用的ASIC芯片：Brain Processing Unit(BPU)，可提供設(shè)備端上軟硬結(jié)合的嵌入式人工智能解決方案?；贐PU的征程2芯片可提供超過 4TOPS 的等效算力，典型功耗僅2瓦，能夠高效靈活地實(shí)現(xiàn)多類AI任務(wù)處理，對(duì)多類目標(biāo)進(jìn)行實(shí)時(shí)檢測和精準(zhǔn)識(shí)別。

• Waymo、百度為代表的互聯(lián)網(wǎng)公司采用CPU+FPGA(+GPU)方案做自動(dòng)駕駛算法研發(fā)。Waymo的計(jì)算平臺(tái)采用英特爾Xeon12核以上CPU，搭配 Altera 的Arria系列FPGA，并采用英飛凌的Aurix系列MCU作為CAN/FlexRay 網(wǎng)絡(luò)的通信接口。

因此，可以大膽預(yù)測，在自動(dòng)駕駛算法尚未成熟固定之前，CPU+GPU+ASIC的架構(gòu)仍然會(huì)是主流。

在自動(dòng)駕駛算法完全成熟之后，定制批量生產(chǎn)的低功耗低成本的專用自動(dòng)駕駛AI芯片(ASIC)將逐漸取代高功耗的GPU，CPU+ASIC 架構(gòu)將成為未來商業(yè)化主流。

自動(dòng)駕駛，國產(chǎn)汽車芯片的機(jī)遇

根據(jù)中金公司的研究數(shù)據(jù)顯示，2030年，預(yù)計(jì)自動(dòng)駕駛芯片的中國市場規(guī)模將達(dá)到813億元，全球市場規(guī)模為2224億元。其中，中國2030年L2/L3芯片市場規(guī)模將達(dá)到493億元，L4/L5芯片市場規(guī)模為320億元；全球2030年L2/L3芯片市場規(guī)模1348億元，L4/L5芯片市場規(guī)模876億元。

自動(dòng)駕駛芯片不僅市場規(guī)模大，而且整個(gè)市場格局也將發(fā)生變化，為新入局者提供發(fā)展機(jī)會(huì)。與傳統(tǒng)汽車MCU市場壟斷局勢(shì)不同，高級(jí)別自動(dòng)駕駛SoC芯片市場中聚集了部分傳統(tǒng)汽車芯片廠，如英特爾、英偉達(dá)、高通、華為這樣的消費(fèi)電子巨頭也紛紛入局，而主機(jī)廠以及地平線、黑芝麻等這樣的初創(chuàng)公司也擁有同等機(jī)會(huì)。

對(duì)于國產(chǎn)芯片企業(yè)來說，開放性平臺(tái)與本土化服務(wù)將成為這一領(lǐng)域的核心競爭力。

以地平線為例，公司成立五年，旗下專注智能駕駛的“征程（Journey）”系列AI芯片“征程2”已經(jīng)在長安 UNI-T 上實(shí)現(xiàn)量產(chǎn)前裝，是中國第一款實(shí)現(xiàn)汽車前裝量產(chǎn)的AI芯片。在生產(chǎn)過程中，地平線直接與長安對(duì)接，為長安提供軟硬件技術(shù)支持。

不久前，理想汽車發(fā)布了2021款理想ONE，將 Mobileye 芯片替換為地平線的“征程3”雙芯片，其開放性平臺(tái)能夠賦予理想汽車在自動(dòng)駕駛領(lǐng)域更大的自主權(quán)。

目前，百度、小米、OPPO、中興、滴滴、貨拉拉等企業(yè)紛紛加入造車狂潮，將中國汽車市場進(jìn)一步擴(kuò)大，對(duì)汽車芯片的需求量也將大幅度增加，2020年至2025年將會(huì)是向高級(jí)自動(dòng)駕駛跨越的關(guān)鍵5年，而在2023/24年左右，市場上將迎來主流的自動(dòng)駕駛芯片的量產(chǎn)交付及其搭載車型的銷量爬坡，且各芯片均可以支持L4/L5的算力要求。屆時(shí)，主機(jī)廠都會(huì)找到實(shí)踐驗(yàn)證的最優(yōu)秀的芯片廠商合作，新的競爭者將很難入場。

未來幾年，汽車芯片市場風(fēng)起云涌，誰將成為浪潮之巔？誰又會(huì)是轉(zhuǎn)瞬即逝的泡沫？不妨現(xiàn)在來猜一猜。