经历了2016—2019年的野蛮生长期，2019的洗牌期，自动驾驶走入了发展新阶段。谷歌Waymo、百度Apollo、特斯拉、英伟达、Mobileye等行业领先企业技术不断迭代，场景化应用落地加速，为此，《中国电子报》推出“驶向自动驾驶新纪元”系列报道，通过梳理自动驾驶技术升级、厂商布局、产业发展等，描摹自动驾驶产业新面貌。

AI芯片很热，自动驾驶AI芯片更热。英伟达、英特尔、特斯拉、高通、地平线、黑芝麻智能等国内外传统芯片厂、新锐企业纷纷涌入车载AI芯片市场。如今，L2+ADAS自动驾驶商业变现风头正劲，L4高级别自动驾驶落地路线也越来越清晰，毫无疑问，自动驾驶正成为头部芯片企业争相抢占的高地。

　　从各大厂商的产品路线来看，自动驾驶芯片呈现出GPU、FPGA、ASIC三大架构共荣的格局。然而，底层架构不是判定自动驾驶能力的唯一因素，随着汽车智能化程度的提高，自动驾驶对于软件能力的要求走高，一场“始于硬件”的自动驾驶芯片竞速赛已全面开启。

　　“CPU+XPU”是自动驾驶芯片设计主流趋势

　　自动驾驶汽车智能化水平越来越高，需要处理的数据体量越来越大，高精地图、传感器、激光雷达等软硬件设备对计算提出更高要求，具备AI能力的主控芯片成为主流，加速芯片可以提升算力并助推算法的产生。目前，常见的AI加速芯片包括GPU、ASIC、FPGA三类。

　　盖世汽车研究院高级分析师王显斌向《中国电子报》记者指出，传统车辆普遍使用ECU，底层芯片主要为CPU。自动驾驶对数据传输实时性要求大，仅靠CPU的算力与功能早已不能满足所需，CPU与GPU、FPGA、ASIC等架构结合形成“CPU+XPU”是自动驾驶芯片设计的主流趋势。

　　目前主流厂商多以“CPU+XPU”相结合的方式，进行自动驾驶芯片设计。英伟达Xavier和特斯拉FSD采用“CPU+GPU+ASIC”的设计路线，Xavier以GPU为计算核心，主要有4个模块：CPU、GPU、Deep Learning Accelerator（DLA）和Programmable Vision Accelerator（PVA），其中GPU占据最大面积；特斯拉FSD以NPU（一种ASIC）为计算核心，有三个主要模块：CPU、GPU和Neural Processing Unit（NPU），其中特斯拉自研的NPU占据最大面积，主要用来运行深度神经网络，GPU主要是用来运行deep neural network的post processing部分。

　　Mobieye EyeQ5和地平线征程系列采用“CPU+ASIC”架构，EyeQ5主要有4个模块：CPU、Computer Vision Processors（CVP）、Deep Learning Accelerator（DLA）和Multithreaded Accelerator（MA）。其中CVP是针对很多传统计算机视觉算法设计的ASIC；地平线自主设计研发了Al专用的ASIC芯片Brain Processing Unit（BPU）。

　　Waymo采用“CPU+FPGA”，计算平台采用英特尔Xeon12核以上CPU，搭配Altera的Arria系列FPGA。

　　三大架构竞速高级别自动驾驶

　　“GPU擅长图像识别，ASIC、FPGA可以灵活设计，满足定制化需求。”王显斌向《中国电子报》记者表示。

　　自动驾驶要具备高精度、高可靠性的图像识别能力，GPU的设计初衷是为了应对图像处理中需要的大规模并行计算，刚好契合自动驾驶的关键技术要求。英伟达在GPU领域拥有长期积累的技术和市场，进入自动驾驶赛道后，携其GPU迅速占领市场，合作伙伴囊括奔驰、沃尔沃、现代、奥迪、上汽等传统车厂，蔚来、理想、小鹏这些造车新势力也在使用英伟达的自动驾驶芯片。

　　今年8月，英伟达推出最新自动驾驶芯片组——DRIVE Atlan。据介绍，Atlan单颗芯片的算力能够达到1000 TOPS，将应用于L4及L5级别自动驾驶。英伟达CEO黄仁勋公开表示，Atlan SoC将于2023年向开发者提供样品，2025年大量装车。王显斌指出，未来自动驾驶芯片会出现更多多元化架构GPU，高精地图、传感器、激光雷达等对图像识别能力要求越来越高，GPU的需求量会越来越大。

　　特斯拉采用了与英伟达相似的设计路线，不过更加侧重于ASIC。今年8月，马斯克在2021年特斯拉AI Day上，向外界展示了一款自研芯片云端Dojo。Dojo的训练CPU属于ASIC芯片，专注于人工智能训练，可以实现1024 GFLOPS的BF16算力。特斯拉表示，它的效率超过了现有的GPU和TPU，可以大幅度优化算法提升的效率，为L4、L5级别的自动驾驶做铺垫。特斯拉Dojo在云端模拟了一个十分贴近现实的世界，用来训练自动辅助驾驶技术。

　　马斯克一直认为，解决自动驾驶的唯一方法是解决现实世界中的AI问题，无论是硬件还是软件，除非一家公司具有很强的AI能力以及超强算力，否则很难解决自动驾驶难题。Dojo正是基于对自动驾驶问题的考量。特斯拉选择ASIC的原因也不难理解，为各行各业提供通用能力的方案并不是特斯拉想要的，而ASIC的优势在于灵活设计，能够更好地满足产品的定制化需求。

　　Waymo可以说是属于FPGA派系的。2017年，英特尔宣布，自2009年开始便一直在与谷歌合作开发无人驾驶汽车，同时也为谷歌母公司Alphabet旗下自动驾驶公司Waymo提供Xeon处理器、Arria系统芯片（用于机器视觉）。Arria属于FPGA芯片，不过Waymo在芯片方面相对低调，没有曝光太多细节。值得注意的是，2015年英特尔收购了主打ASIC的芯片厂商Altera；2017年收购了Mobileye，MobileyeEye系列自动驾驶芯片是典型的ASIC技术路线的代表。

　　英伟达、特斯拉新品双双对准了L4、L5级别自动驾驶，Waymo从入局就定位在高端，头部厂商已形成围绕高级别自动驾驶升级产品的态势。

　　作者丨张一迪

　　编辑丨连晓东

　　美编丨马利亚