汽車芯片之變
近半年來，汽車芯片短缺的問題被逐步放大，演變至今，不少車企都只能通過減產甚至停產來過渡。
對於汽車來説，芯片有多重要呢？
這樣的架構功能劃分清晰，並且供應商也能夠有針對性地進行開發和研究。但這樣的架構會導致模塊太多，並且可控性可拓展性都較弱。在90年代初，一輛汽車上平均的MCU數量不足10個，而現在一輛車的MCU就超過了100個，高端車型的MCU可能還會達到300個。在汽車功能發展越來越繁多複雜時，車內所需要的控制器也越來越多。面對這種進化，傳統的電子電氣架構ECU和線束的數量都會大幅增長，並且傳統架構下數據傳輸、ECU功能協同能力較差。
這個時候就需要一套新的電子電氣架構來適應時代的發展。
集中式電子電氣架構就此誕生。當下車企主要是採用域集中的概念來對電子電氣架構進行優化，跟車汽車電子部件功能將整車劃分為動力總成、車輛安全、車身電子、智能座艙、智能駕駛等幾個域，使用處理能力更強的芯片去集中控制每個域。這樣可以降低ECU的使用量，並且提升整車的可拓展能力。
而汽車電子電子架構目前的終極形態是形成一個超級中央計算機，通過中央集中式架構，實現計算集中化。這樣整車的芯片和線束數量都得到了簡化，整車的成本會隨之降低，整車的資源利用及統籌也會更為徹底，有利於新技術快速落地。另外，這樣的架構也會讓車輛的軟件研發主導權迴歸到車企和產品本身，而非頭部的供應商，這樣也有利於車企們研發出差異化的產品。
但無論是傳統的分佈式架構或是未來的中央集中式架構，芯片都是不可或缺的硬件。以往對芯片算力和集成度要求不高，未來ECU數量減少，就會對集中控制的ECU芯片有更高的要求，包括算力、功耗、成本等等。
自動駕駛芯片的演化
在智能汽車中，因為功能的多樣性和複雜性，對芯片的要求會更高。尤其是在座艙系統和自動駕駛這兩個部分，這也是近年來我們經常會在新車發佈會上看到廠方宣傳自家產品用了最新芯片的原因。而在這兩部分中，自動駕駛系統對芯片的要求會更高，因為自動駕駛系統擁有數十個傳感器，芯片要將這些數據“吞下”進行計算，最後得出決策，這對芯片的算力要求是非常高的。所以無論是特斯拉還是當下的頭部車企，自動駕駛部分，始終是一個獨立的控制域。
ADAS（Advanced Driving Assistance System）駕駛輔助系統早在數十年前就開始研究。按照美國汽車工程學會SEA對自動駕駛水平的劃分（L0-L5），早期的自動駕駛技術都在L1-L2內，具體的功能包括了自適應巡航、車道偏離提示、車道保持、盲區監測、主動剎車等等。
對於跟車、主動剎車等功能，廠商或供應商們會選擇使用毫米波雷達作為硬件，通過雷達測算出前車的距離以及速度，感知到的數據會在芯片中進行計算分析，最終實現自適應巡航等功能。
以Mobileye為代表的企業，則是以攝像頭作為硬件，感知前方車輛以及道路標線，將採集到的畫面傳輸到芯片分析後，獲得自適應巡航、車道保持、主動剎車等功能。
而當下更為常見的硬件方案是毫米波雷達+攝像頭，通過兩種傳感器的融合，可以實現更高級的功能，例如集成式智能巡航等功能。而這樣的硬件架構下，廠商通常會選擇一個傳感器作為主控制器，再接受另外一個傳感器的數據，最後進行統一的計算分析。
無論是單毫米波雷達、攝像頭或是雷達+攝像頭的硬件方案，它們的分析數據、場景都是固定的，所以對芯片的能力要求並不太高，只需要滿足特定的計算分析即可。
這種環境下，大部分車企會選用Mobileye提供的視覺感知方案，因為Mobileye擁有從攝像頭到芯片和算法的完整視覺駕駛輔助解決方案。而毫米波雷達則會選用大陸、博世等頭部供應商產品，雷達內部計算芯片則來自賽靈思。
如果説自動駕駛輔助功能就此停留在這個階段的話，那就沒有當下自動駕駛芯片爭鬥的故事了。
可偏偏一條鯰魚——特斯拉的出現，加速了自動駕駛領域的演變和進化。
特斯拉在2014年推出Model S時，搭載的是 Mobileye的EyeQ3駕駛輔助芯片，並且攝像頭等硬件也都是由Mobileye提供的。但Mobileye擠牙膏的視覺感知方案並不能滿足激進的特斯拉，二者從技術路線的佈局就有分歧。
在2016年1月份，一輛Model S在美國公路開啓Autopilot行駛時，撞上了一台橫過馬路的白色貨櫃車，導致車主 Joshua Brown當場死亡。這個事故Mobileye認為它們的駕駛輔助方案本來就有限定使用場景，而特斯拉激進的開放權限和過度的宣傳，導致了駕駛員以為系統能夠實現全自動駕駛功能。特斯拉方面則是認為這個事故是雷達和攝像頭的識別錯誤，認為Mobileye方案還不夠完善。
原本就有技術分歧，加上後來的死亡事故，讓特斯拉和Mobileye在2016年7月宣佈分手，特斯拉在此後的新車不會使用Mobileye的EyeQ4芯片。
特斯拉下一個合作的對象是Nvidia英偉達。
英偉達在2015年推出了基於Tegra X1的Drive PX自動駕駛芯片。Drive PX相比以往的駕駛輔助芯片區別在於它使用了深度神經學習技術，Drive PX可以從激光雷達、毫米波雷達、攝像頭等傳感器中獲取數據，然後利用深度學習實現動態識別包括行人、汽車、路標等各類對象。
特斯拉看中英偉達Drive PX的正是它的深度學習技術。
深度學習實際上是人工智能的一個分支，也是機器學習下的一個子集。學術點來説，深度學習是用於建立、模擬人腦進行分析學習的神經網絡，並模仿人腦的機制來解釋數據的一種機器學習技術。簡單點來看，深度學習是用多層次的分析和計算手段得到結果的一種方法。深度學習最顯著的應用是計算機視覺和自然語言處理領域。
在傳統算法中，人臉識別、物體檢測、物體跟蹤以及行為預測都是比較難計算解決的。深度學習通過卷積神經網絡模擬人腦，可以實現對人臉、車或其他物體的識別。而深度學習這樣的能力對自動駕駛是有很大幫助的，通過深度學習技術，可以讓自動駕駛系統擁有更強大的障礙物識別能力，並且廠商還能在雲平台進行數據學習升級，再OTA提升車輛的自動駕駛能力。
Drive PX發佈時，英偉達老闆黃仁勳就表示，Drive PX可以從道路行駛中的車輛上獲取數據反饋，從而幫助完善深度神經網絡。當在路上工作的Drive PX系統遇到無法識別的物體時，它會通過網絡傳輸到雲後台，對應的團隊會利用深度學習技術訓練系統認知理解這個新圖像，並且將學習到的數據實時反饋到所有量產車的Drive PX中，讓車輛的自動駕駛能力得到實時的提升。
2016年10月，特斯拉正式宣佈，Model S、Model X和當時即將推出的Model 3都會搭載英偉達DRIVE PX 2 AI計算平台，這個自動駕駛平台使用了特斯拉開發的神經網絡。
使用DRIVE PX 2芯片後，特斯拉就在開始推出了測試版的高速導航自動駕駛輔助功能，2018年這項功能正式實現推送使用。
顯然，深度學習技術，讓特斯拉自動駕駛進展大大提速。而這個改變，也讓自動駕駛芯片供應鏈產生了變化：
第一點是越來越多車企開始採用自動駕駛域控制器的玩法，也就是將雷達、攝像頭等數據直接傳遞到自動駕駛域控制器內進行統一處理和計算，這樣傳統在雷達和攝像頭中的計算芯片也就不在需要。
第二點是由於自動駕駛硬件中的數據都直接傳輸到自動駕駛域控制器中，這對於自動駕駛域控制器的大腦也就是芯片的算力有了更高的要求。
第三點是自動駕駛功能開始往更高級別發展，這其中脱離不了AI人工智能的技術輔助，這對芯片企業和車企都有了新的門檻。
在此後，芯片巨頭們開始陸續入局自動駕駛，幾乎每年都會有新芯片、新平台迭代推出，自動駕駛芯片也開始在算力上較勁。
巨頭們的競賽
英偉達
對於擅長打造GPU的英偉達而言，自動駕駛是新的業務增長點。因為深度學習技術的興起其中一個原因，就是GPU計算能力增長，卷積神經網絡可以通過大數據進行訓練。
而在Orin芯片都沒有量產車出現時，英偉達在2021年4月就公佈了下一代的自動駕駛芯片：DRIVE Atlan，其單顆芯片的算力達到了驚人的1000TOPS，英偉達表示這塊自動駕駛將會用於L4及L5級別自動駕駛系統中。DRIVE Atlan 2023年將會向開發者提供樣品，2025年開始量產裝車。
雖然説英偉達2021財年（2020年1月26日-2021年1月31日）汽車業務下滑23%，收入為5.36億美元，但英偉達老闆黃仁勳表示，未來6年，英偉達汽車系統業務年銷售額有望超過80億美元。
英特爾
同樣是芯片巨頭的英特爾，因為錯過移動處理器市場，對於開始爆發的汽車芯片市場自然是不容落下的。
英特爾在2017年以超過150億美元的高價收購了Mobileye（同年英偉達全年營收為628億美元）。
雖然從AI人工智能和算力角度來看，英偉達都更佔優勢，但實際銷售中，Mobileye作為多年的ADAS頭部供應商，其EyeQ系列芯片已經被超過27家汽車廠商應用。去年Mobileye芯片出貨超過1750萬片，營收達到了9.67美元，同比增長10%。
高通
在手機芯片領先的巨頭高通同樣想分一塊蛋糕。
高通早些年一直在調解器芯片方面作為汽車零部件供應商，而在2014年和2016年高通推出了602A和820A兩款車機芯片，用於給車機及座艙提供計算，但應用的廠商並不多。直到2016年，高通推出的820A芯片才迎來爆發，本田、路虎、領克、小鵬等廠商繼續使用820A給座艙提供算力。去年，高通發佈了最新一代的座艙芯片8155，它是第一塊採用7納米工藝打造的車規級數字芯片。
不過這些芯片都是應用於車機中的，在自動駕駛方面，高通直到2020才拿出了自己的武器——驍龍Ride自動駕駛平台，這個平台最大的特色是將會使用一塊5nm 芯片，這將會是首款採用5納米制程的自動駕駛芯片。高通表示，Ride自動駕駛平台支持L1-L4級別的自動駕駛，並且平台的拓展性很強，既能實現700TOPS的頂級性能，也能做低功耗的10TOPS基礎算力。使用Ride平台首個量產車型將會在長城汽車中誕生，在2020年底。長城和高通宣佈將會使用Ride平台打造咖啡智駕系統，並在2022年量產的長城汽車高端車型中採用。
另外值得一提的是，2016年高通打算用470億美元收購恩智浦，後者是全球最大的汽車芯片、移動支付芯片、和微控制器供應商。但在2018年由於沒有通過全部國家的審批，最終高通宣佈放棄收購。
華為
海外的芯片巨頭有動作，其實國內也風起雲湧。
在2018年，華為就推出了自動駕駛的移動數據中心MDC，MDC涵蓋芯片、平台、操作系統、開發框架，可以讓客户在數據中心中完成一系列的自動駕駛功能。首發的MDC 600搭載華為Ascend（昇騰）芯片，多片並聯最高可提供352Tops的算力，並且支持接入攝像頭、毫米波雷達、激光雷達、GPS等傳感器數據。不過MDC600僅僅是華為進軍自動駕駛行當的宣誓，當時並沒有真正有廠家合作落地。
來到2021年，華為發佈了MDC 810，其稠密算力達400TOPS，並且搭載智能駕駛平台軟件MDC Core，可實現擁堵跟車、高速巡航、自動泊車等應用場景的使用需求。MDC 810已經通過了包括車規級在內的全部測試，進入了量產狀態。目前已率先搭載在ARCFOX極狐阿爾法S上並量產上市，後續將有越來越多的搭載不同MDC系列產品的新車型陸續量產上市
而華為ADS高階自動駕駛全棧解決方案則更高級別，這套方案使用了為ADS方案定製的芯片，其入門算力為400TOPS，高階版本則擁有800TOPS算力。並且華為表示芯片採用了標準化設計，未來在保持尺寸不變的情況下，支持硬件升級、算力升級。
華為並沒有具體公佈單獨的自動駕駛芯片數據，華為的想法更多是作為一個深度供應商，可以給企業提供完整的自動駕駛解決方案，從硬件到開發工具到軟件，一應俱全。
地平線
地平線是一家2015年成立，專注於邊緣人工智能芯片的企業。在2019年，地平線發佈了國內首款車規級AI芯片——征程2，其等效算力為4TOPS，製程則為28納米。
2020年9月，地平線發佈征程3芯片，其工藝從原來的28納米升級為16納米，單顆芯片算力也提升到5TOPS。基於征程3芯片，地平線推出了Horizon Matrix®Mono輔助駕駛解決方案，支持120度水平視場角、800萬超高像素前視攝像頭，確保了對更大範圍及更高精度的視覺感知能力。
地平線預計在今年內會推出征程5芯片，其單顆芯片算力也提升到達到了96TOPS。通過搭載4顆征程5P芯片可組成自動駕駛計算平台，最高算力達到512TOPS。地平線創始人餘凱在此前採訪中表示，征程6已經在研發路上，征程6規劃算力400TOPS，採用的是車規級的7納米工藝，工程樣片推出時間為2023年，車型量產預計會在2024年。
當然，也有一些跑的快的車企覺得芯片廠商們的動作慢，於是乎車企就乾脆自己造自動駕駛芯片。這個案例的典型代表，就是特斯拉。
在2016年開始與英偉達合作時，特斯拉就做好了自己下場的準備，開始建立由傳奇芯片設計師Jim Keller（原AMD首席芯片架構師）領導的芯片架構師團隊，以開發自己的芯片。
在2019年，特斯拉自研FSD（Full Self Driving全自動駕駛）芯片正式亮相，在HW 3.0自動駕駛平台中，特斯拉使用了兩塊FSD芯片，算力為144TOPS，單片算力達到了72TOPS。特斯拉在2018年三季度時已經表示，公司已經對大型的神經網絡進行了訓練，神經網絡在工作表現優異，但由於當時特斯拉車型計算能力有限，無法部署到車型中，而使用FSD芯片的HW3.0自動駕駛硬件能夠滿足這些神經網絡的計算需求。隨後在2020年底，特斯拉在Model 3上小範圍推送了FSD beta版進行測試，這個版本支持城市中自動駕駛。
在HW3.0推出時，特斯拉就表示已經開始研發下一代芯片，馬斯克表示新一代芯片預計會比FSD性能提升三倍。而最近有消息指出，特斯拉和三星合作，使用5納米制程生產下一代的自動駕駛芯片。
就在上個月，小鵬被曝出正在自研自動駕駛芯片，如果項目進展順利，預計今年年底或明年初流片。
總結
自動駕駛的大腦也就是自動駕駛芯片，在這短短十年中有了翻天覆地的變化和演變，並且商業格局也有了變化。2012-2025年，自動駕駛芯片將會出現一批性能極強的代表，車企能否依靠這些芯片推出更先進的自動駕駛功能，就讓我們拭目以待。（圖/文/攝：太平洋汽車網 杜慶煒）
