ces 三星 自动驾驶处理芯片产业格局

在盘点自动驾驶 AI 芯片之前，我们先了解一下车用半导体。

车用半导体大致可分为微控制器单元（MCU）、特定应用标准产品（ASSP） 、特定应用集成电路（ASIC）、模拟（Analog）与功率晶体管（Transistor）、传感器（Sensor）等。其中：MCU 较偏重动力传动、底盘控制与安全；ASSP/ASIC 较偏重在车载资通讯与娱乐；模拟与功率晶体管在各次系统使用比较平均；传感器则是偏重在动力传动及安全。

以下是市场研究机构 SemicastResearch 发布的 2016 年全球前十大汽车电子公司。

在上述汽车电子巨头中，恩智浦、瑞萨、TI 等都研发有面向高级驾驶辅助系统（ADAS）及自动驾驶（AD）需求的高效能处理芯片；意法半导体从 2004 年开始与 Mobileye 共同合作研发 EyeQ 系列芯片，不过 Intel 在 2017 年 3 月以 153 亿美元收购了 Mobileye。在此之前，Intel 还先后收购了 FPGA 芯片巨头 Altera、视觉算法公司 Movidius，以此形成了自动驾驶芯片的完整解决方案。芯片巨头中， 英伟达凭借其 GPU 的强大优势也积极切入自动驾驶芯片领域；高通除了自主研发新一代车规级移动处理区芯片外，也即将完成对恩智浦的收购；Xilinx 则主推其基于 FPGA 的 Zynq-7000 All Programmable SoC，等等。

此外，特斯拉也是一家即将进入自动驾驶芯片领域的巨头，Elon Musk 在 2017 年底公开了特斯拉自主研发自动驾驶 AI 芯片的计划。国内公司中，地平线、寒武纪、四维图新、森国科等均在 2017 年发布了自动驾驶芯片规划。本文余下部分将对上述公司及产业格局做一个盘点。

格局

在自动驾驶领域，AI 芯片其实并不新奇。如前所述，Mobileye 的 EyeQ 系列芯片在 2004 年就开始研发，2007 年发布的第一代 EyeQ1 芯片是较早应用于自动驾驶的 AI 芯片之一（仅实现辅助驾驶功能）。从技术路线来看，在这个领域中，自动驾驶芯片也延续了与其高度相关的深度学习所采用的几类硬件技术路线：GPU、FPGA、ASIC。

同时我们也需了解，按照 SAE International 的自动驾驶等级标准，目前已商用的自动驾驶芯片基本处于高级驾驶辅助系统（ADAS）阶段，可实现 L1 ~ L2 等级的辅助驾驶和驾驶（部分宣称可实现 L3 的功能）；面向 L4 ~ L5 超高度自动驾驶及全自动驾驶的 AI 芯片离规模化商用仍有距离。Nvidia 的 Drive Xavier 预计 2018 年一季度向合作伙伴提供样品；Mobileye 的 EyeQ5 预计 2018 年提供工程样品，2020 年量产，二者均宣称可以支持 L4 ~ L5 的自动驾驶运算需求。

一、两强之争：英伟达 VS 英特尔（Mobileye）

在自动驾驶时代之前，英伟达、英特尔等在汽车电子领域虽有涉及但并不突出。自动驾驶的兴起对处理芯片的性能提出了更高要求，二者凭借在处理器芯片领域的长期积累同时配合产业并购，已然形成了领跑之势。从主流车厂无人驾驶平台所使用的计算平台来看，现在主要几个车厂使用的平台基本上是 Nvidia 和 Mobileye（Intel）的，二者形成了自动驾驶芯片领域的第一集团。

1、英伟达：Drive PX 系列芯片

在自动驾驶时代之前，Nvidia 很早就通过 Tegra 系列处理器进入了众多整车厂的供货商名单，不过早年 Nvidia Tegra 负责的主要还是车载娱乐方面。比如，奥迪新 A8 采用的自动驾驶平台 zFAS 中使用了 Nvidia TegraK1 芯片，负责处理车辆的环视影像；但 zFAS 负责实现自动驾驶功能的芯片是 Mobileye Q3 和 Altera的Cyclone V。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/sanxing/article-69645-1.html