2021年以來，“芯片荒”無疑是汽車行業(yè)最受關(guān)注的話題。疫情、自然災(zāi)害等因素帶來的影響是階段性的，但全球政治環(huán)境帶來的影響將成為常態(tài)。隨著自動駕駛的快速發(fā)展，車用芯片是否也會遭遇與華為類似的尷尬局面？

為探其究竟，《汽車觀察》特別邀請自動駕駛科技公司禾多科技撰寫分析報告，厘清自動駕駛芯片的技術(shù)分布與產(chǎn)業(yè)鏈格局，從而探索中國技術(shù)進步與替代國際傳統(tǒng)供應(yīng)商的可能性。

在科技領(lǐng)域，受美國對華政策影響，我國面臨著諸如設(shè)備斷供、技術(shù)禁運等一系列風險。自動駕駛行業(yè)是典型的技術(shù)與資本密集型產(chǎn)業(yè)，并且具有高附加值屬性與規(guī)模應(yīng)用效應(yīng)。目前美國把控著大量自動駕駛關(guān)鍵技術(shù)與國際供應(yīng)鏈關(guān)鍵環(huán)節(jié)，國際關(guān)系的緊張也影響著中國自動駕駛的發(fā)展。

中國國內(nèi)，自主創(chuàng)新成為近年來的關(guān)鍵詞。2015年國務(wù)院發(fā)布《中國制造2025》，部署全面推進實施制造強國戰(zhàn)略，促進科技的發(fā)展與制造業(yè)的國際化和高端化，并打造自主、可控的高端供應(yīng)鏈。此外，針對自動駕駛行業(yè)，交通運輸部發(fā)布了《關(guān)于促進道路交通自動駕駛技術(shù)發(fā)展和應(yīng)用的指導(dǎo)意見》，顯示出中國政府大力發(fā)展自主可控的自動駕駛技術(shù)的決心。

在此背景下，本文選擇首先聚焦于自動駕駛行業(yè)中的芯片領(lǐng)域，通過分析自動駕駛芯片的技術(shù)分布與產(chǎn)業(yè)鏈格局，探索中國技術(shù)進步與替代國際傳統(tǒng)供應(yīng)商的可能性，從而全面考察未來國際格局對于我國自動駕駛芯片產(chǎn)業(yè)發(fā)展的影響。

一、自動駕駛基本介紹

（一）SAE自動駕駛分級

目前國際上廣為認可的自動駕駛分級標準，是由國際汽車工程師學會（SAE）與國際標準化組織（ISO）頒布的《關(guān)于自動駕駛的等級定義SAE J3016》。我國的《汽車駕駛自動化分級》國標，也參照了《SAE駕駛自動化分級》中的分級框架，并結(jié)合中國當前實際情況進行了調(diào)整。

SAE標準將自動駕駛分為L0-L5六個級別。L0-L2系統(tǒng)被命名為“駕駛員輔助系統(tǒng)”，也就是我們常說的ADAS（AdvancedDriver Assistance System）系統(tǒng)。ADAS主要提供安全警告、車道居中、自適應(yīng)巡航控制等功能，需要駕駛員持續(xù)監(jiān)控行車狀態(tài)，并根據(jù)需要進行轉(zhuǎn)向、制動或加速行為，且事故責任要由駕駛員承擔。

L3至L5則被稱為“自動駕駛系統(tǒng)”，根據(jù)系統(tǒng)開啟的條件、是否需要駕駛員臨時接管進行了等級劃分，在系統(tǒng)開啟后，車輛的操控工作將由自動駕駛系統(tǒng)完成。

L3自動駕駛，在符合規(guī)定的條件時，自動駕駛系統(tǒng)開啟，由自動駕駛系統(tǒng)獨自操作車輛，駕駛決策責任方由駕駛員過渡到了汽車系統(tǒng)。但是在系統(tǒng)要求時，駕駛員需要隨時接管車輛。

L4-L5中，所有自動駕駛行為由自動駕駛系統(tǒng)自主完成，不需要駕駛員隨時接管車輛，駕駛的責任也會完全由自動駕駛系統(tǒng)承擔。L4與L5的不同之處在于，L4適用于有限的環(huán)境，而L5則適用于所有條件和地點。

（二）電子電氣架構(gòu)從分布式到集中式的變遷

汽車的電子電氣架構(gòu)由低到高分為傳統(tǒng)分布式架構(gòu)、域集中式架構(gòu)和中央計算式架構(gòu)三個階段。

傳統(tǒng)的分布式架構(gòu)的特點在于，每一個車輛模塊（動力總成、剎車總成等）分別由一個ECU（電子控制單元）控制，互相之間形成獨立的局域網(wǎng)，數(shù)據(jù)不聯(lián)通，每個模塊獨立運行。隨著汽車電子化和自動化程度提升，車載傳感器的數(shù)量持續(xù)增加，傳統(tǒng)的分布式架構(gòu)出現(xiàn)瓶頸，具體表現(xiàn)為：

1）ECU只能處理特定模塊的數(shù)據(jù)，算力與數(shù)據(jù)不能在不同模塊間共享;

2）分布式架構(gòu)下，增加傳感器和ECU時，需要在車體內(nèi)部署大量通信總線，增加了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)人員無法實現(xiàn)統(tǒng)一化的編程和軟件升級，無法實現(xiàn)整車OTA（Over-the-Air Technology空中下載技術(shù)）。

綜上，傳統(tǒng)的分布式架構(gòu)所能承載的信息處理量有限，限制了高性能傳感器與芯片的搭載能力。雖然ADAS在剛出現(xiàn)時仍然使用傳統(tǒng)的分布式架構(gòu)，但當ADAS向更高級別的自動駕駛進化時，傳統(tǒng)的分布式架構(gòu)就無法滿足其需求了。

由此，汽車電子電氣架構(gòu)出現(xiàn)了集中化的趨勢，突破了功能模塊的限制，逐步誕生了域集中式和中央計算式兩種集中式的電子電氣架構(gòu)。

域集中式，是指傳統(tǒng)的獨立功能模塊區(qū)域化集中，原有的數(shù)量眾多的ECU被數(shù)量有限的域控制器所替代，對車內(nèi)各類傳感器與執(zhí)行器進行控制，同時以以太網(wǎng)作為通信骨干，大大提升了硬軟件的兼容程度。域控制器通常以SoC（System on Chip系統(tǒng)級芯片）芯片為基礎(chǔ)，MCU（MicrocontrollerUnit微控制的單元）相配合。

中央計算式，是指域控制器進一步集中為一個以SoC芯片為基礎(chǔ)的中央處理器，形成類似電子產(chǎn)品的“中央-層-區(qū)”的架構(gòu)，全面實現(xiàn)開放軟件平臺與資源共享，并且具備“車輛-云端”交互體系。

整體化的電子電氣架構(gòu)有利于構(gòu)建自動駕駛系統(tǒng)中的硬件基礎(chǔ)，OTA升級的能力也保證了自動駕駛數(shù)據(jù)的上傳和自動駕駛系統(tǒng)的升級。未來車聯(lián)網(wǎng)與新基建的配套也離不開中央計算式架構(gòu)的支持。因此，自動駕駛的落地實現(xiàn)要以集中式的整車架構(gòu)為基礎(chǔ)。

（三）自動駕駛發(fā)展現(xiàn)狀

目前，ADAS（駕駛輔助系統(tǒng)）在各品牌的中高端車型上已基本普及，多數(shù)豪華品牌甚至全系標配。作為ADAS的下一步進階，自動駕駛系統(tǒng)成為國內(nèi)各科技公司的主要開發(fā)領(lǐng)域，主要包括三個方向：

第一，面向C端用戶的乘用車自動駕駛系統(tǒng)，以禾多科技、紐勱、福瑞泰克為代表。其功能主要包括高速公路自動駕駛、自動泊車、城區(qū)路段的自動駕駛等。目前主要以L2+作為落地形式，大部分場景需要人機共駕。只有部分智慧泊車功能，駕駛員可以離開座位，在車外監(jiān)控。

第二，無人出租車運營（robotaxi），以小馬智行、文遠知行、百度等為代表。無人駕駛出租車運營模式商業(yè)化落地時，必須完全去掉司機，否則商業(yè)模式無法成立。目前robotaxi尚處于在有限區(qū)域內(nèi)的試運行階段，還不能去掉駕駛座上的安全員，距離真正的量產(chǎn)落地還需要10年左右。

第三，智慧物流，致力于實現(xiàn)物流卡車在高速公路上的自動駕駛，以圖森、智加為代表，也包括其他在園區(qū)、港口、礦山等較為封閉場景中的應(yīng)用。

自動駕駛技術(shù)的發(fā)展與諸多因素相關(guān)，包括數(shù)據(jù)的積累、算法的打磨，以及傳感器和計算單元等硬件配置的成熟度。發(fā)展到當前，自動駕駛系統(tǒng)由傳感器、算法、算力平臺、執(zhí)行器、通信系統(tǒng)構(gòu)成。

二、自動駕駛芯片現(xiàn)狀分析

汽車電子電氣架構(gòu)的變遷，與汽車芯片技術(shù)的進步緊密相關(guān)。作為車用集成電路，按集成規(guī)模不同，汽車芯片可分為MCU芯片和SoC芯片。目前可實現(xiàn)車規(guī)級量產(chǎn)SoC芯片的公司并不多，海外主要有Mobileye、英偉達和特斯拉，中國主要有地平線和華為。MCU芯片主要由傳統(tǒng)汽車電器供應(yīng)商提供，如英飛凌、薩瑞等。而本文所討論的自動駕駛芯片，是指自動駕駛系統(tǒng)內(nèi)用于各類傳感器數(shù)據(jù)處理、控制器邏輯決策的SoC與MCU芯片，其中MCU芯片尤指ASIL-D級MCU芯片。

傳統(tǒng)的汽車電子器件是圍繞MCU芯片開發(fā)的，但是隨著ADAS系統(tǒng)的普及，各類車用電子器件的復(fù)雜度逐漸提升，對車載信息處理能力的要求也相應(yīng)提高，高算力的SoC芯片開始登上汽車電子的歷史舞臺，在未來也必將成為自動駕駛系統(tǒng)算力平臺的最核心部分。不過SoC芯片主要是通過機器學習、神經(jīng)網(wǎng)絡(luò)來進行數(shù)據(jù)的感知與分類，實現(xiàn)數(shù)據(jù)處理功能，往往不具備即時性。而車輛與底盤、動力總成等車輛運轉(zhuǎn)模塊的信息交互是高實時性的，這部分處理任務(wù)不會部署在高算力SoC芯片上，仍需要MCU來完成。ASIL-D級別MCU芯片因其安全性高的特點，與SoC芯片共同構(gòu)成域控制器的基礎(chǔ)，SoC芯片負責高算力輸出，ASIL-D級MCU芯片負責高可靠性輸出。（下文會詳細介紹ASIL-D分級）

自動駕駛SoC芯片

1.技術(shù)現(xiàn)狀

SoC又稱系統(tǒng)級芯片，一般包含多個處理器單元，通常采取“CPU+X”的多核架構(gòu)。比如一個SoC芯片，可由CPU+GPU+DSP+NPU+存儲+接口單元構(gòu)成。汽車中用到SoC芯片的地方主要是智能座艙和自動駕駛。

SoC芯片通常采取“CPU+X”的多核架構(gòu)，通常需要集成除CPU之外的一個或多個運算單元來做AI運算，可選擇GPU/FPGA/ASIC等。

CPU通常為SoC芯片上的控制中心，其優(yōu)點在于調(diào)度、管理、協(xié)調(diào)能力強，作為中央處理器，擅長處理邏輯控制。但CPU計算能力相對有限。而對于AI計算而言，人們通常用GPU/FPGA/ASIC來做加強。GPU、FPGA、ASIC在自動駕駛AI運算領(lǐng)域各有所長

1）GPU適合數(shù)據(jù)密集型應(yīng)用進行計算和處理，尤其擅長處理CNN/DNN等和順序無關(guān)的圖形類機器學習算法，并具有并行處理能力。

2）FPGA是“半專用”處理器芯片，屬于現(xiàn)場編程門陣列，是“半專用”芯片，這種特殊的處理器具備硬件可編程的能力。

3）ASIC是面向特定用戶的算法需求設(shè)計的專用芯片，因“量身定制”而具有體積更小、重量更輕、功耗更低、性能提高、保密性增強、成本降低等優(yōu)點。EyeQ（Mobileye）、BPU（地平線）、NPU（寒武紀等）等專門用來做AI算法的芯片，針對于一種或幾種特定算法有著很強的運算能力。

2.產(chǎn)品趨勢

1）高算力與高功耗比：算力是芯片最基本的性能指標，勢必逐年走高。不過由于各廠商技術(shù)路線不同，可調(diào)度算力與“芯片-算法”耦合程度，共同決定了自動駕駛芯片對于算法的運行能力。此外，一個好的自動駕駛芯片需要高功耗比，功耗比為算力TOPS/芯片功耗。現(xiàn)階段，主流產(chǎn)品的功耗比已經(jīng)由最初0.8TOPS/W（EyeQ4）、1TOPS/W（Xavier），進化到了2TOPS/W（征程2）、2.4TOPS/W（EyeQ5），未來主流產(chǎn)品功耗比至少在3TOPS/W以上。

高功耗比主要是從芯片所在域控制器的熱管理角度出發(fā)。傳統(tǒng)燃油車對功耗比有很高的要求，因為其發(fā)動機艙溫度高，散熱條件較差;而且車載電瓶容量小，無法支持高功耗芯片。新能源汽車散熱條件比較好，而且可以將域控制器與整車冷卻系統(tǒng)集成，因此熱管理系統(tǒng)的壓力比較低;但是在能耗方面，仍然存在里程焦慮，所以還是要求芯片具有高功耗比，盡可能提升能源利用效率。

2）高端自動駕駛芯片向先進制程延申：用于L1-L2自動駕駛的芯片只需要28nm制程即可制造，L3及以上的高階自動駕駛對算力的要求越發(fā)苛刻，規(guī)劃中針對L4/L5自動駕駛的SoC芯片普遍需要7nm，甚至5nm的先進制程。

3）芯片呈現(xiàn)更加封閉化與專用化趨勢：主機廠、芯片供應(yīng)商、算法解決方案供應(yīng)商的綁定更加深入，軟硬件結(jié)合程度也在加深。原因有三，首先從市場競爭的角度，以Mobileye與特斯拉為代表的封閉路線廠商逐漸以更加穩(wěn)定的性能與較低的成本占領(lǐng)了更大的市場份額。第二，從技術(shù)路線的角度，軟硬件協(xié)同設(shè)計，互相耦合，相較于開放式芯片平臺，可調(diào)度算力更高，功耗和體積更小，成本更低。最后，從發(fā)展趨勢的角度，自動駕駛芯片并非完全由傳統(tǒng)互聯(lián)網(wǎng)企業(yè)把控，傳統(tǒng)汽車供應(yīng)商、主機廠和新興專用芯片供應(yīng)商都有所布局，他們沒有把自己定位為包羅萬象的智能芯片供應(yīng)商，而是以滿足自身或合作伙伴的功能實現(xiàn)為研發(fā)方向，將自動駕駛算法發(fā)揮到極致作為最終目的。

3.市場規(guī)模

根據(jù)《智能網(wǎng)聯(lián)技術(shù)路線2.0》對自動駕駛滲透率的預(yù)測，2025年中國L2/L3滲透率將達50%，2030年中國L2/L3滲透率70%，L4滲透率20%?；诖耍A(yù)計2030年中國自動駕駛芯片的市場規(guī)模為813億元，其中L2/L3芯片市場規(guī)模493億元，L4/L5芯片市場規(guī)模320億元;全球市場規(guī)模為2224億元，L2/L3芯片市場規(guī)模1348億元，L4/L5芯片市場規(guī)模876億元。

據(jù)預(yù)測，得益于政策促進，2020年—2025年中國自動駕駛滲透率增長速度將快于全球，或?qū)⒊蔀槿蜃畲蟮淖詣玉{駛芯片市場。如此大規(guī)模的市場，勢必引來國內(nèi)外各大芯片企業(yè)的角逐，導(dǎo)致激烈的市場競爭。中國企業(yè)要考慮如何搶占自動駕駛產(chǎn)業(yè)的先機，實現(xiàn)自主供應(yīng)鏈的完備與較高的市場占有率，避免出現(xiàn)如今國內(nèi)汽車產(chǎn)業(yè)缺乏核心技術(shù)和市場話語權(quán)的窘境。

目前自動駕駛SoC芯片制造基于先進制程，但是國產(chǎn)先進SoC芯片市占率低，供應(yīng)鏈不完善，使得美方技術(shù)禁運如同懸在中國自動駕駛行業(yè)頭上的“達摩克斯之劍”，對中國企業(yè)能否享受自動駕駛發(fā)展紅利提出了挑戰(zhàn)。

4.技術(shù)路線

（1）目前主流技術(shù)路線

1）英偉達、特斯拉為代表的傳統(tǒng)科技公司，所用的自動駕駛SoC芯片采用“CPU+GPU+ASIC”方案。其中GPU主要進行圖像渲染與預(yù)處理的工作，專注于圖像處理。ASIC主要進行深度學習，決策判斷等自動駕駛算法的運行。

2）Mobileye、地平線等專注于自動駕駛的新興科技公司，致力于研發(fā)和銷售自動駕駛專用AI芯片，目前的MobileyeQ4與地平線J2處理器采用“CPU+ASIC”方案。由于MobileyeQ4只能適配自有傳感器，圖像渲染的需求不高，也就自然不需要GPU。Mobileye自公司成立開始，一直采用封閉的軟硬件環(huán)境，以自己的CV算法來配合芯片的開發(fā)，利用專有的ASIC來運行算法而達到較低的功耗。

但是目前這套技術(shù)路線的弊病是，由于缺乏GPU的強大圖像處理能力，較難實現(xiàn)自動泊車功能。圖像渲染的任務(wù)也需要外接智能座艙芯片處理，進一步占用了算力。因此，Mobileye和地平線的下一代產(chǎn)品Q5和J3上，都將預(yù)留GPU協(xié)同處理器的接口來輔助進行圖像渲染工作，有助于實現(xiàn)自動泊車與高階自動駕駛的功能。使SoC芯片設(shè)計達到一個靈活性、成本和功耗的平衡點。

3）Waymo、百度為代表的互聯(lián)網(wǎng)公司，采用CPU+FPGA（+GPU）方案進行自動駕駛算法研發(fā)。谷歌Waymo采用“CPU+FPGA”方案：Waymo的計算平臺采用英特爾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。

（2）未來商業(yè)化方向：“CPU+ASIC”與“CPU+GPU”方案并存

在自動駕駛算法尚未成熟固定之前，CPU+GPU+ASIC的架構(gòu)仍然會是主流。在自動駕駛算法完全成熟之后，定制批量生產(chǎn)的低功耗、低成本的專用自動駕駛AI芯片（ASIC）具備一定優(yōu)勢，CPU+ASIC架構(gòu)有可能成為主流。而以英偉達為代表的“CPU+GPU”路線，依靠其完善的開發(fā)生態(tài)與工具鏈體系，再輔以低功耗渲染GPU，也將在市場占據(jù)一席之地。

FPGA具有可調(diào)度算力大、運用靈活的特點，適合做算法的開發(fā)測試，在制作ASIC專用處理器的前置研發(fā)中使用。但是FPGA成本高、功耗大，車輛高溫高濕的運行環(huán)境與“寸土寸金”的熱管理系統(tǒng)，都使得FGPA適配與量產(chǎn)難度大。相比之下，專用AI芯片（ASIC）針對AI算法采取特殊設(shè)計，具有體積更小、功耗最低、可靠性更高、性能更高的優(yōu)點。缺點是一次研發(fā)費高、周期長。

發(fā)展到目前，利用FPGA芯片開發(fā)設(shè)計ASIC芯片，已經(jīng)是不可繞過的步驟。以Mobileye、地平線的專用自動駕駛AI芯片（ASIC）研發(fā)為例，前期以FPGA中部分門為基礎(chǔ)，進行硬件編程與算法的開發(fā)。后續(xù)將該部分抽離出來，專門制作與自身算法高度耦合的ASIC芯片，從而分攤ASIC芯片的研發(fā)風險。ASIC芯片具備成本低與耦合度高的特點，是價格高昂的FPGA芯片的有效替代方案。未來自動駕駛算法成熟后，CPU+ASIC架構(gòu)很可能成為主流。

雖然GPU芯片有成本高、功耗相對大的劣勢，但是英偉達憑借著完善的生態(tài)與工具鏈，依然受到市場的青睞。此外，在芯片設(shè)計層面，ASIC芯片與GPU芯片功能逐漸趨同，從而出現(xiàn)ASIC“GPU化”的趨勢，進行大量的圖像渲染工作。隨著時間的不斷推移，ASIC芯片供應(yīng)商的開發(fā)生態(tài)與工具鏈體系逐步完善，兩種技術(shù)路線或許將由對立走向趨同，共同主導(dǎo)自動駕駛芯片市場。（未完待續(xù)）