自动驾驶芯片厂商竞争战况是这样的

　　2020 年是很多厂商计划中的自动驾驶元年了，各路芯片厂商都在积极备战中。对于自动驾驶技术来说，可以分为软件和硬件部分。在硬件部分，芯片主要担任数据处理任务，整个自动驾驶系统中，雷达、摄像头会产生大量的数据，这些数据都交给了芯片。

　　芯片供应商是汽车行业不可或缺的关键一环。就像车厂要从米其林买轮胎，要从博世买火花塞等等。那些发展自动驾驶技术的厂商也是如此，专业的人做专业的事，芯片也是来自供应商的。那么，到底是谁在做自动驾驶芯片的生意？最新进展如何呢？

　　1、Nvidia（英伟达）

　　Tegra X1

　　英伟达针对自动驾驶技术也推出了相应芯片Tegra X1 ，性能超越了 Tegra K1 和 A8X。英伟达表示这款芯片将最先应用于智能汽车领域，然后再应用到手机和平板电脑里。

　　Nvidia DRIVE PX

　　英伟达还有一款名为Nvidia DRIVE PX的平台，搭载了 Tegra X1 芯片和 10GB 的 DRAM，可以同时处理 12 部 200 万像素摄像头（最高 60fps）产生的数据，同时 DRIVE PX 还有深度学习功能。

　　官方宣称 DRIVE PX 比一般的 ADAS 更聪明，因为它可以识别出到底是什么车型，比如识别出是警车、出租车还是救护车，当然这一点对自动驾驶至关重要。

　　为了表示 Tegra X1 的性能到底如何，我们可以拿它和 Mobileye 的 EyeQ3 芯片做对比…

　　Drive PX 2- Auto Cruise

　　9月13日，今年在北京举行的 GPU 科技大会上，英伟达 CEO 黄仁勋展示了这款新的自动驾驶汽车处理器 Drive PX 2- Auto Cruise。简单说，它就是精简版 Drive PX 2计算平台加了神经网络算法，专门用来实时分析汽车身上多个雷达和传感器采集的信息，还能处理高清地图，继而实现自动驾驶。

　　Drive PX 2 - Auto Cruise

　　适用于自动巡航功能（包括高速公路自动驾驶和高清制图）的 NVIDIA® DRIVE™ PX 2 AI 计算平台采用新型单处理器配置，功率仅为10瓦，可以帮助车辆利用深度神经网络处理来自多个摄像头和传感器的数据。百度将把该计算平台作为车载计算机部署到其从云端到汽车的自动驾驶系统中。

　　2、ST（意法半导体）与Mobileye合作开发

　　意法半导体的总部位于瑞士日内瓦，主要产品是专用集成电路、单片机、存储器等。Mobileye 所使用的EyeQ3芯片就是和意法半导体合作开发的，两家公司最早在 2005 年就开始研发 ADAS 芯片。

　　Mobileye EyeQ芯片广泛使用在汽车中

　　（來源：Mobileye）

　　EyeQ3 使用了四个多线程 MIPS32 内核和四个矢量微码处理器 （VMP） 内核，在一个专门为处理视频设计的架构内工作。同样，也可以处理多部摄像头传来的图像信息。除了 EyeQ3 外，意法半导体和 Mobileye 还合作研发了 EyeQ3-Lite 芯片，属于乞丐版的 EyeQ3，可以精简一些功能，达到降低价格的目的。

　　2015年，Mobileye发布第四代ADAS视觉处理器EyeQ4，相关产品将从2018年开始应用在新下线车型中。EyeQ4芯片使用了4颗核心处理器、6 颗 VMP 芯片（EyeQ2 和 EyeQ3 均有搭载）、2 颗 MPC 核心和 2 颗 PMA 核心，每秒浮点运算可达 2.5 万亿次，而功耗只有 3 瓦。通过一系列的算法，EyeQ4 可以同时处理 8 部摄像头（最高 36fps）产生的图像数据，符合 ISO-26262 国际标准、欧洲 NCAP 和美国 NHSTA 的法规要求。

　　据报道，2016年5月Mobileye和意法半导体宣布将合作研发Mobileye第五代系统芯片——EyeQ5，作为2020年实现全自动驾驶（FAD）汽车的中央处理器，并执行传感器融合程序。

　　为了实现功耗和性能目标，EyeQ5将会采用10纳米节点或以下FinFET技术设计，具备多线程8核CPU，外加创新一代18核Mobileye视觉处理器。所有这些技术提升将使其性能相比当下的第四代EyeQ4提升8倍。EyeQ5的功耗低于5W，每秒可实现超过12万亿次的运算和被动散热。预计在2018年上半年可提供EyeQ5的工程样品。

　　3、NXP(恩智浦)

　　恩智浦（NXP）研发的Bluebox平台将为汽车制造商提供现成的一体化自动驾驶计算解决方案。BlueBox是专为自动驾驶设计的中央计算引擎。不仅能够为无人驾驶提供人工智能，还为车间通讯和多重传感器提供接口支持，充当车辆的“神经系统”，传统汽车制造商使用该方案能够轻松开发四级无人驾驶汽车，即能够真正实现自主式无人自动驾驶。

　　BlueBox引擎是一个基于：Linux语言的开源平台，汽车制造商可以自行根据需要定制。公司称，BlueBox已经出货，全球五大汽车制造商的中的四家都已经收到了BlueBox。从2015年9月起，公司就已经为这些优选的客户发货。

　　BlueBox引擎结合了雷达、LIDAR（激光探测与测量）、视觉传感以及加载的车联网（Vehicle to Everything， V2X）系统，来将车辆周围的情景建模，进行安全决策，来保护车辆及乘客。所有的计算元素使用了量产或样本的NXP芯片，让系统做好了上路准备。

　　在无人驾驶车辆系统中，多个传感器数据流都汇入BlueBox引擎，数据流结合起来，将车辆周围的物理环境创造一个360°实时模型。平台具有 NXP芯片支持的LIDAR系统、雷达和视觉节点，NXP S32V处理器从中获取传感数据输入，通过传感融合能力创造一个地图。S32V包括了图形引擎，专门带有高质量图形处理加速，还带有汽车级别的功能性安全引擎。

　　4、TI(德州仪器)

　　从最初的机械零件半导体化，到汽车娱乐导航和ADAS的蓬勃发展，汽车电子在整车中所占的比例正在逐步增加。半导体产品为汽车所带来的附加值极大的改善了汽车的驾驶体验，同时也推动了未来的汽车朝着更加智能和安全的方向发展。

　　德州仪器（TI）Jacinto 6系列信息娱乐系统处理器（DRA7xx）为新一代汽车带来了具有丰富功能的车载信息娱乐系统、仪表组和远程信息处理功能，其强大的可扩展性还能够最大限度重复利用硬件和软件投资的通用架构。

　　而TI的汽车片上系统（SoC）解决方案TDA2x提供了一个开放的平台，使客户能灵活添加他们独有的价值。TDA2x为前置摄像头、泊车辅助、雷达及融合应用的入门级解决方案提供了一种可实现高性能的架构，使客户能节省投资并加速产品上市进程。TDA3x则主要用于帮助汽车制造商开发出更加尖端的应用，同时减少交通事故并使初、中级汽车实现更自主的驾驶体验。

　　自动驾驶技术领域扩张意图非常明显。只是在自动驾驶车的芯片细分市场中，除了英伟达 （Nvidia）、Mobileye、恩智浦（NXP）等大家耳熟能详的公司外，还涌现出了许多“新面孔”——例如IP供应商Ceva以及英特尔和高通（Qualcomm）等。

　　5、Ceva、高通也积极参与

　　然而，Nvidia并不是唯一推动深度学习用于自动驾驶车的企业。Ceva也在积极推广该公司自有的XM4成像与视觉DSP，这些DSP使用的是Ceva的即时神经网路软体架构，名为Ceva深度神经网路（CDNN）。

　　该公司的客户将选择一种训练有素的神经网路，预先处理物件参数。透过使用Ceva的DSP引擎、韧体和CDNN，采用浮点网路和权重描述的物件参数将“在不损失精度的条件下”被转换为定点客制的网路和权重。

　　借由Ceva的XM4DSP，CDNN可以让嵌入式系统执行“深度学习任务，而且其学习速度比基于先进GPU的系统能快三倍，功耗小30倍，所需记忆体频宽小15倍。”Ceva指出。

　　在CES上，高通发布了整合LTE数据机和机器智慧的Snapdragon820车用系列产品，该系列产品包含了高通的Zeroth机器智慧平台。Zeroth专案设计用于协助汽车制造商使用神经网路为ADAS和车载资讯娱乐系统创建基于深度学习的解决方案。

　　但到目前为止，Snapdragon取得的设计订单还只限于资讯娱乐功能。奥迪（Audi）在2017款汽车产品线中就选用了Snapdragon602A处理器。

　　正如Ceva的执行长所指出的，Snapdragon820A还提供了汽车安全完整性等级（ASIL）评分，这是ISO26262定义的风险分类机制——针对道路汽车标准的功能性安全等级分类。

　　总结

　　由于自动驾驶芯片涉及到行车安全，对发热、寿命、网络安全要求更高，所以比一般消费级芯片更有技术含量。同时，还要兼顾成本问题。在未来应该有越来越多的老牌芯片厂商发展自动驾驶芯片业务，毕竟诸多主机厂都把自动驾驶元年定在了2020 年，面对这样的市场，谁不心动呢？

　　汽车OEM厂商正敞开双臂欢迎这些市场新进业者，IHS AutomoTIve资讯娱乐与先进驾驶辅助系统（ADAS）研究总监Egil Juliussen在CES上表示，“这个领域突然变得热闹非凡。”

　　但可以预见的是，芯片行业外的力量恐怕进入这个市场也存在很多困难。因为这一领域的行业壁垒相对较高，新的破局者也很难出现。

　 　身处物联网洪流的你还在等什么！“关注物联网新机遇的你，怎能错过这个饕餮盛宴！！由华强聚丰旗下电子发烧友网举办的第三届“中国IoT大会”将 于12月2日在深圳隆重举行：全球化的 视野、更高价值的独家观点、更专业的技术分享、更前沿的脉动把握，汇聚全球物联网知名企业与精英的盛典，你不可错过！更多信息欢迎大家继续关注电子发烧友网！”（点击图片查看详情）