自动驾驶芯片行业深度解析：GPU的现在和ASIC的未来！

[好文分享：www.ii77.com]

[本文来自：www.ii77.com]

行业观点：

汽车电子发展初期以分布式 ECU 架构为主流，芯片与传感器一一对应，随着汽车电子化程度提升，传感器增多、线路复杂度增大，中心化架构 DCU、MDC 逐步成为了发展趋势； 

随着汽车辅助驾驶功能渗透率越来越高，传统 CPU 算力不足，难以满足处理视频、图片等非结构化数据的需求，而 GPU 同时处理大量简单计算任务的特性在自动驾驶领域取代 CPU 成为了主流方案； 

从 ADAS向自动驾驶进化的过程中，激光雷达点云数据以及大量传感器加入到系统中，需要接受、分析、处理的信号大量且复杂，定制化的ASIC 芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，并且性能、能耗和大规模量产成本均显著优于 GPU 和 FPGA，随着自动驾驶的定制化需求提升，ASIC 专用芯片将成为主流。

目前出货量最大的驾驶辅助芯片厂商 Mobileye、Nvidia 形成“双雄争霸”局面，Xilinx 则在 FPGA 的路线上进军，Google、地平线、寒武纪在向专用领域 AI 芯片发力，国内四维图新、全志科技等也在自动驾驶芯片领域积极布局。

Mobileye 的核心优势是 EyeQ 系列芯片，可以处理摄像头、雷达等多种传感器融合产生的大量数据，在 L1-L3 自动驾驶领域具有极大的话语权，目前出货量超过了 2700 万颗； 

NVIDIA 在 GPU 领域具有绝对的领导地位，芯片算力强大且具备很强的灵活性，但功耗高、成本高，AI机器学习并不太适合 GPU的应用； 

此外 Google、地平线、寒武纪、四维图新等更聚焦在针对不同场景下的具体应用，芯片设计也开始增加硬件的深度学习设计，自动驾驶上 AI 的应用已经成为未来的趋势。 

一、车载芯片的发展趋势（CPU-GPU-FPGA-ASIC）

过去汽车电子芯片以与传感器一一对应的电子控制单元（ECU）为主，主

要分布与发动机等核心部件上。随着汽车智能化的发展，汽车传感器越来

越多，传统的分布式架构逐渐落后，由中心化架构 DCU、MDC 逐步替代。

随着人工智能发展，汽车智能化形成趋势，目前辅助驾驶功能渗透率越来越高，这些功能的实现需借助于摄像头、雷达等新增的传感器数据，其中视频（多帧图像）的处理需要大量并行计算，传统 CPU 算力不足，这方面性能强大的 GPU 替代了 CPU。再加上辅助驾驶算法需要的训练过程， GPU+FPGA 成为目前主流的解决方案。 

着眼未来，自动驾驶也将逐步完善，届时又会加入激光雷达的点云（三维位置数据）数据以及更多的摄像头和雷达传感器，GPU 也难以胜任， ASIC 性能、能耗和大规模量产成本均显著优于 GPU 和 FPGA，定制化的ASIC 芯片可在相对低水平的能耗下，将车载信息的数据处理速度提升更快，随着自动驾驶的定制化需求提升，ASIC 专用芯片将成为主流。本文以如上顺序梳理车载芯片发展历程，探讨未来发展方向。 

二、车载芯片的过去—以 CPU 为核心的 ECU

2.1 ECU 的核心 CPU

  ECU（Electronic Control Unit）是电子控制单元，也称“行车电脑”,是汽车专用微机控制器。一般 ECU 由 CPU、存储器（ROM、RAM）、输入/ 输出接口（I/O）、模数转换器（A/D）以及整形、驱动等大规模集成电路组成。 

ECU 的工作过程就是 CPU 接收到各个传感器的信号后转化为数据，并由 Program区域的程序对 Data 区域的数据图表调用来进行数据处理，从而得出具体驱动数据，并通过 CPU针脚传送到相关驱动芯片，驱动芯片再通过相应的周边电路产生驱动信号，用来驱动驱动器。即传感器信号——传感器数据——驱动数据——驱动信号这样一个完整工作流程。

2.2 分布式架构向多域控制器发展 

汽车电子发展的初期阶段，ECU 主要是用于控制发动机工作，只有汽车发动机的排气管（氧传感器）、气缸（爆震传感器）、水温传感器等核心部件才会放置传感器，由于传感器数量较少，为保证传感器-ECU-控制器回路的稳定性， ECU 与传感器一一对应的分布式架构是汽车电子的典型模式。

后来随着车辆的电子化程度逐渐提高，ECU 占领了整个汽车，从防抱死制动系统、4 轮驱动系统、电控自动变速器、主动悬架系统、安全气囊系统，到现在逐渐延伸到了车身各类安全、网络、娱乐、传感控制系统等。 

随着汽车电子化的发展，车载传感器数量越来越多，传感器与 ECU 一一对应使得车辆整体性下降，线路复杂性也急剧增加，此时 DCU（域控制器）和MDC（多域控制器）等更强大的中心化架构逐步替代了分布式架构。 

域控制器（Domain Control Unit）的概念最早是由以博世，大陆，德尔福为首的 Tier1 提出，是为了解决信息安全，以及 ECU 瓶颈的问题。根据汽车电子部件功能将整车划分为动力总成，车辆安全，车身电子，智能座舱和智能驾驶等几个域，利用处理能力更强的多核 CPU/GPU芯片相对集中的去控制每个域，以取代目前分布式汽车电子电气架构。 

而进入自动驾驶时代，控制器需要接受、分析、处理的信号大量且复杂，原有的一个功能对应一个 ECU 的分布式计算架构或者单一分模块的域控制器已经无法适应需求，比如摄像头、毫米波雷达、激光雷达乃至 GPS 和轮速传感器的数据都要在一个计算中心内进行处理以保证输出结果的对整车自动驾驶最优。

因此，自动驾驶车辆的各种数据聚集、融合处理，从而为自动驾驶的路径规划和驾驶决策提供支持的多域控制器将会是发展的趋势，奥迪与德尔福共同开发的 zFAS，即是通过一块 ECU，能够接入不同传感器的信号并进行对信号进行分析和处理，最终发出控制命令。 

三、车载芯片的现在—以 GPU 为核心的智能辅助驾驶芯片

人工智能的发展也带动了汽车智能化发展，过去的以 CPU 为核心的处理器越来越难以满足处理视频、图片等非结构化数据的需求，同时处理器也需要整合雷达、视频等多路数据，这些都对车载处理器的并行计算效率提出更高要求，而 GPU 同时处理大量简单计算任务的特性在自动驾驶领域取代CPU成为了主流方案。 

3.1 GPU Vs. CPU

CPU 的核心数量只有几个（不超过两位数），每个核都有足够大的缓存和足够多的数字和逻辑运算单元，并辅助很多复杂的计算分支。而 GPU 的运算核心数量则可以多达上百个（流处理器），每个核拥有的缓存大小相对小，数字逻辑运算单元也少而简单。 

CPU和 GPU 最大的区别是设计结构及不同结构形成的不同功能。CPU的逻辑控制功能强，可以进行复杂的逻辑运算，并且延时低，可以高效处理复杂的运算任务。而 GPU逻辑控制和缓存较少，使得每单个运算单元执行的逻辑运算复杂程度有限，但并列大量的计算单元，可以同时进行大量较简单的运算任务。 

3.2 GPU 占据现阶段自动驾驶芯片主导地位 

相比于消费电子产品的芯片，车载的智能驾驶芯片对性能和寿命要求都比较高，主要体现在以下几方面： 

1、 耗电每瓦提供的性能； 

2、 生态系统的构建，如用户群、易用性等； 

3、 满足车规级寿命要求，至少 1 万小时稳定使用。 

目前无论是尚未商业化生产的自动驾驶 AI 芯片还是已经可以量产使用的辅助驾驶芯片，由于自动驾驶算法还在快速更新迭代，对云端“训练”部分提出很高要求，既需要大规模的并行计算，又需要大数据的多线程计算，因此以GPU+FPGA 解决方案为核心；在终端的“推理”部分，核心需求是大量并行计算，从而以 GPU为核心。 

3.3 相关公司 

3.3.1 NVIDIA

NVIDIA 在自动驾驶领域的成就正是得益于他们在 GPU 领域内的深耕，NVIDIA GPU 专为并行计算而设计，适合深度学习任务，并且能够处理在深度学习中普遍存在的向量和矩阵操作。相对于 Mobileye 专注于视觉处理，NVIDIA 的方案重点在于融合不同传感器。 

2016 年，英伟达在 Drive PX 2 ..上推出了三款产品，分别是配备单 GPU 和单摄像头及雷达输入端口的 Drive PX2 Autocruise（自动巡航）芯片（下图左上）、配备双 GPU 及多个摄像头及雷达输入端口的 Drive PX2 AutoChauffeur（自动私人司机）芯片（右上）、配备多个 GPU 及多个摄像头及雷达输入端口的 Drive PX2 Fully Autonomous Driving（全自动驾驶）

芯片（下方）。

以目前的销售情况，Drive PX 2 搭载上一代 Pascal 架构 GPU 已经实现量产，并且已经搭载在 Tesla 的量产车型 Model S 以及 Model X 上。目前 PX 2 仍然是 NVIDIA 自动驾驶..出货的主力，Tesla，Audi 和 ZF 等对外公布 Drive PX 2 应用在量产车上。 

Xavier 是 Drive PX 2 的进化版本，搭配了最新一代的 Volta 架构 GPU, 相较于 Drive PX 2 性能将提升近一倍，2017 年年底量产。由于多家主机厂 L3 级别以上自动驾驶量产车的计划在 2020 年左右，而 Xavier 的量产计划将能和自动驾驶车的研发周期相互配合（一般 3 年左右），因此 Xavier 的合作都是有量产车落地计划的。 

而对于较早与 NVIDIA 达成合作的车厂来说，他们在小批量测试、量产的优先级别以及可定制化空间等方面都能获得一定的优势。 

图表13：NVIDIA DRIVE Pegasus AI计算..

目前，L4 及以上的市场基本上被 NVIDIA 垄断，CEO 黄仁勋称全球有 300 余家自动驾驶研发机构使用 Drive PX2。Drive PX 2 单价为 1.6 万美金，功耗达 425 瓦，但目前没有达到车规，按功耗和成本看，只能小规模测试阶段使用。