三大架构共荣的格局

在自动驾驶芯片这个沙场，已呈现由高通、英伟达、Mobieye为首的三分天下的局面。

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。

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。

以英伟达、特斯拉为代表的［CPU＋ASIC＋GPU］结合方式；

以地平线、Mobileye为代表的［CPU＋ASIC］结合方式；

还有以百度、WAYMO为代表的［CPU＋FPGA］结合方式。

特斯拉D1：指向纯视觉基础的完全自动驾驶

为了实现最大协同，超级计算机Dojo应运而生，目的是［训练］特斯拉汽车。

Dojo超级计算机的单个训练模块由25个D1芯片组成。

D1是特斯拉自主研发的神经网络训练芯片，单芯片在BF16精度下算力高达362 TFLOPs，兼具GPU级别的训练能力和CPU级别的可控性。

特斯拉的目标就是制造一款针对其大量视频AI需求进行自动驾驶优化的超级计算机。

英伟达的Thor：一代比一代性能翻翻

Drive Thor是英伟达第一个具有Transformer引擎的自动驾驶汽车计算平台。

Thor的诞生，取代了英伟达DRIVE原本发展路线图中的Atlan；

其能够与目前被用于量产汽车、可提供每秒254万亿次浮点运算性能的DRIVE Orin无缝衔接。

相比英伟达当前量产上车的Orin X芯片（单颗算力254TOPS），Thor的算力提升了8倍。

相比一年前英伟达推出的1000 TOPS 的Atlan芯片（原定2023年向开发者提供样品，2024年量产），Thor的吞吐量和交付性能也直接翻倍。

截至目前，英伟达在自动驾驶芯片已经形成了极强的竞争优势。

在中高端新能源汽车上，英伟达自动驾驶芯片逐渐成为标准配置。

高通：开始自动驾驶组合拳服务

Digital Chassis包括Snapdragon Ride、骁龙汽车连接、骁龙座舱，以及用于软件服务和升级的骁龙汽车到云服务。

其中骁龙 Ride平台主要用来开发高级驾驶辅助系统（ADAS）和自动驾驶（AD）系统，在今年4月高通完成了对Arriver的收购，提升了在自动驾驶系统ADAS上的能力。

Digital Chassis包含了高通在人工智能、无线和低功耗高性能异构计算方面的专长，并结合了该公司在构建灵活、可伸缩和开放生态系统方面的成功经验。

骁龙Digital Chassis平台具有将单个平台组件与附加硬件和软件技术相结合的灵活性。

Mobileye：坐拥强大的汽车驾驶数据库

Mobileye在2022年推出了新型EyeQ Ultra，它专为自动驾驶而生。

具有170 TOPS，包括12个RISC内核、256 gigaflops、许多GPU 和加 速器内核等。

可以处理L4自动驾驶的所有需求和应用，而无需将多个系统集成在一起的计算能力和成本，解决两个行业面临的重大挑战。

Mobileye 还还推出了其最新一代芯片EyeQ6：EyeQ6L和EyeQ6H，采用7nm工艺，能用于ADAS L2，预计将于 2023 年年中开始生产。

2025年是国产替代关键节点

2025年是个非常重要的时间节点，现在多数关键环节的汽车芯片都已经有本土供应商了，只是未必都已实现批量上车。

所以接下来三年是车厂培养本土供应链的关键。

2025年如果能拿下车企最新智能汽车量产订单，不但意味着生存问题解决，同时意味着对外国厂商形成了优势。

在芯片供应短缺的情况下，一向保守的汽车行业也开始尝试使用本土供应商的产品，甚至还愿意培养本土的新供应商。

特别是美国最近限制了英伟达和AMD向中国出口高性能GPU芯片，这对于训练人工智能系统至关重要。

尽管目前对智能汽车不会产生实质性的影响，但是车企已经意识到国产替代的重要性。

防患于未然，车企希望尽快在国内找各种解决方案的备份。

这将加快国产芯片以及整个智能汽车关键技术领域的国产化替代速度。

华为：已经形成三大系列的智能平台

在自动驾驶方面，华为凭借鲲鹏＋昇腾系列的芯片组合，以及激光雷达的应用。

在去年4月就推出了算力高达400TOPS的自动驾驶计算平台MDC810，率先在极狐阿尔法S上面装车应用。

阿维塔、哪吒等品牌旗下数个车型预计采用华为自动驾驶平台。

地平线：已实现前装量产上车

地平线是国内最早布局自动驾驶芯片的厂商之一，已实现了芯片前装量产上车。

地平线已经有多家自主品牌车企深度合作，代表其最先进水平的征程5（128TOPS算力）也已完成量产级别测试，今年4季度即将在某头部新势力正式落地。

目前已推出三款AI芯片，征程2已搭载长安汽车和奇瑞蚂蚁进入量产阶段；

北京车展上发布的征程3则可支持ADAS、智能座舱、自动泊车辅助、高级别自动驾驶及众包高精地图定位等场景；

还计划推出面向高等级自动驾驶场景的征程5和征程6。

黑芝麻：打造FAD全自动驾驶计算平台

黑芝麻智能科技也已推出三款芯片，可覆盖L2－L4自动驾驶级别场景，并打造了基于华山A1000芯片的FAD全自动驾驶计算平台。

近日壁仞科技发布了新款通用GPU芯片BR100，可望为国内人工智能、自动驾驶等新兴科技提供支持，增强独立自主的实力，进一步摆脱对海外芯片的依赖。

BR100 GPU芯片采用台积电7nm工艺，辅以chiplet封装技术等，兼顾了成本和性能，拥有超大尺寸核心，从而容纳了770亿颗晶体管，达到了业界性能领先水平。

零跑汽车：研发国内首款完全自动驾驶芯片

造车新势力零跑汽车更是自研圈圈自主产权的自动驾驶芯片凌芯01，并搭载于零跑C11车型上。

并且，相比其他厂商使用ARM架构CPU和其他IP核心，凌芯01的所有核心都有自主知识产权，是国内首款完全自主知识产权的自动驾驶芯片。

凌芯01这颗SoC采用平头哥玄铁C860双核32位CPU，主频最高1GHz，支持浮点执行单元，支持VDSP矢量运算。

同时采用8核心神经网络处理器，最大算力可以达到4．2TOPS，并集成了缩放、归一化、减均值等硬件加速模块。

制程方面国内厂商需迎头追赶

目前，地平线的征程2采用28nm HPC＋制程；

征程3采用16nm FFC，征程5采用16nm FinFET制程；

华为昇腾310采用12nm制程；

黑芝麻A1000、A1000L以及A1000 Pro三款芯片全部采用16nm FinFET制程；

芯驰科技也采用16nm制程；凌芯01则采用28nm HPC＋制程。

而目前英伟达现有Xavier芯片为16nm制程；

特斯拉Hardware 3．0采用14nm制程；

Mobileye EyeQ4芯片采用28nm制程。

似乎和国内一种自动驾驶芯片没有太大差距。

但实际上，今年下半年，Mobileye EyeQ5就将搭载与极氪001，采用7nm制程；

明年大量装车的英伟达Orin芯片，采用7nm制程；

高通即将上车的Snapdragon Ride自动驾驶解决方案采用5nm制程。

而明年前装上车的国内自动驾驶芯片，大多仍使用16nm制程芯片，其效能表现可能会落后于更先进制程芯片。

结尾：

自动驾驶汽车的兴起正在改变对汽车芯片的需求，为了应对未来的变化并成为市场领导者，汽车和半导体公司都必须了解新的和未来的自动驾驶技术对芯片需求的影响。

在自动驾驶行业中，国产芯片还有很长的路要走，需要全产业链的支持。