盤點自動駕駛AI晶片選型的20個關鍵指標

中央控制器作為自動駕駛核心部件，作為自動駕駛的「大腦」端，通常需要外接多個攝影機、毫米波雷達、雷射雷達，以及IMU等設備，完成的功能包含影像辨識、資料處理等。

域控制器作為一個智能硬件，為了完成複雜的AI計算和智能控制，硬體層面需要承擔環境感知和深度學習等超大算力需求的AI處理芯片、負責控制決策和邏輯運算的CPU以及負責功能安全與車輛控制的MCU；軟體層麵包括作業系統、中介軟體以及應用層AI演算法等。

硬體層面的三部分晶片或稱為三顆重要晶片：

第一部分通常是GPU或TPU，承擔大規模浮點數並行運算需求，主要用於環境感知和資訊融合，包括攝影機、光達等感測器資訊的辨識、融合、分類等，如Xavier的GPU單元、升騰310。

第二部分大多為ARM架構，類似CPU，主要負責邏輯運算與決策控制，處理高精度浮點數串列運算。

第三部分主要負責可靠性和車輛控制，也就是功能安全和冗餘監控作用，不要求很高的算力，但是可靠性必須要有保障，ISO26262等級要求達到ASIL-D，目前用的較多的就是Infineon的TC297或是TC397。

軟體層面應用層AI演算法一般由造車企業或主機廠自行研發，這是體現車輛性能和差性的所在；中間件一般由域控制器開發人員提供，類似於ROS，主要包含一些介面驅動和對於作業系統的最佳化部署。

操作系統方面，華為採用自研鴻蒙系統，並且MDC平台支援兼容Adaptive AUTOSAR；QNX是目前車規級的最佳也是唯一選擇，但是面臨高昂的費用；Linux和Autoware 由於開源反而獲取了最多的用戶，尤其是Linux，借助其強大的工程師基礎和生態，加之ROS的多年應用基礎，基於Linux核心的作業系統目前很受歡迎。

關於自動駕駛AI晶片選型

目前市面上可供選擇的AI晶片選型

目前市面上可供選擇的AI晶片選型

目前市面上可供選擇的AI晶片選型Mobileye了。除了特斯拉自研自用不對外，其他品牌目前都可以透過合作開發方式拿到測試樣件。

以NVIDIA Xavier為例，相對而言，由於NVIDIA Xavier推出較早，並且生態佈局相對完善，對於開發者來說可以快速構建系統和開發AI應用，因此基於Xavier模組進行網域控制器設計的企業不在少數。

XavierSoC最高算力可達30TOPs，內有Valta TensorCore GPU，八核心ARM64 CPU，雙NVDLA 深度學習加速器，影像處理器，視覺處理器和視訊處理器等六種不同的處理器，使其能夠同時、且即時地處理數十種演算法，用於感測器資料處理、環境感知、定位和繪圖以及路徑規劃。

晶片內部結構如下圖所示：

NVIDIA 提供的Xavier為核心模組，其介面如下圖所示：

晶片的關鍵指標

🎜🎜

1)Core：核心通常是空間中心。一方面便於自動駕駛控制器和外圍感測器、執行器通訊，同時也用外圍來保護它。 core強調運行態，通常出現的core-down，是指cpu運算上出現問題了，core強調的是自動駕駛控制器整體對外功能中的核心功能。

2)DMIPS：主要用於測整數運算能力。包含每秒鐘能夠執行的指令集數量，以及其這些指令集在實現我的測試程序的時候，每秒鐘能夠實現的工作數量，這個能力由cpu的架構，內存memory的訪問速度等硬體特性來決定。它是一個測量CPU運行相應測試程序時表現出來的相對性能高低的一個單位（很多自動駕駛晶片評估場合，人們習慣用MIPS作為這個性能指標的單位）。

3)Memory：記憶體管理單元的主要功能包括：虛擬位址到實體位址對映、記憶體存取權控制、快取支援等；

4)DataFlash：DataFlash是美國ATMEL公司推出的大容量序列Flash記憶體產品，採用Nor技術製造，可用於儲存資料和程式碼。與並行Flash記憶體相比，所需接腳少，體積小，易於擴展，與單晶片或控制器連接簡單，工作可靠，所以類似DataFlash的串列Flash控制器越來越多的用在自動駕駛控制器產品和測控系統評估中。

5)ISP：ISP作為視覺處理晶片核心，其主要功能包括AE（自動曝光）、AF（自動對焦）、AWB（自動白平衡）、移除影像雜訊、LSC(Lens Shading Correction)、BPC (Bad PixelCorrection)，最後把Raw Data 保存起來，傳給videocodec 或CV 等。透過 ISP 可以獲得更好的影像效果，因此在自動駕駛汽車上對ISP的要求很高，例如開始整合雙通道甚至三通道的 ISP。一般來說ISP 是整合在AP 裡面（對許多AP 晶片廠商來說，這是差異化競爭的關鍵部分），但隨著需求的變化也出現了獨立的ISP，主要原因是可以更靈活的配置，同時彌補及配合AP 晶片內ISP 功能的不足。

6)算力：自動駕駛的實現，需要依賴環境感知感測器對道路環境的資訊進行收集，將採集到的資料傳送到汽車中央處理器進行處理，用來識別障礙物、可行道路等，依據辨識結果，規劃路徑、制定車速，自動控制汽車行駛。整個過程需要在一瞬間完成，延時必須控制在毫秒甚至微秒級別，才能確保自動駕駛的行駛安全。要完成瞬時處理、回授、決策規劃、執行的效果，對中央處理器的算力要求非常高。

在自動駕駛中，最耗費算力的當屬視覺處理，佔到全部算力需求的一半以上，且自動駕駛等級每上升一級，對計算力的需求至少增加十倍。 L2等級需要2個TOPS的算力，L3需要24個TOPS的算力，L4為320TOPS，L5為4000+TOPS。

光有算力還不夠，考慮汽車應用的複雜性，汽車處理器還需要同時考慮算力利用率、是否通過車規和安全標準等。算力理論值取決於運算精度、MAC的數量和運作頻率。

理論算力是根據Net卷積層的乘法運算累加得出，卷積層中的每次乘加（MAC）算成兩個OPS，卷積運算量佔DL NET的90%以上，其它輔助運算或其它層的運算忽略不計，SSD所有捲積層乘法運算總數是40G MACs，所以理論算力是80GOPS。

其中，

真實值和理論值差異極大，考慮其它運算層，硬體實際利用率要高一些。決定算力真實值最主要因素是記憶體（ SRAM和DRAM)頻寬，還有實際運作頻率（即供電電壓或溫度），還有演算法的batch尺寸。

7)功耗：在最高性能模式下，如果自動駕駛控制器的晶片功耗等級較高，即便其自身性能強勁，但也會引發某些未可預測的隱患，如發熱量成倍增加，耗電率成倍增加，這些結果尤其對於新能源車型來說也毫無疑問是顆「核彈」。因此，我們在前期自動駕駛晶片設計中需要充分考慮其功耗指標。

8)3D GPU：GPU是基於大的吞吐量設計，用來處理大規模的平行運算。 GPU的控制單元可以把多個的存取合併成少的存取。 GPU將更多的電晶體用於執行單元，而非像CPU那樣用作複雜的資料cache和指令控制。由於GPU具有超強的浮點運算能力，可用於在智慧汽車前端的影像或視訊處理領域的應用，也越來越多地應用在中央控制器高效能運算的主流設計中。

9)豐富的IO介面資源

自動駕駛的主控處理器需要豐富的介面來連接各種各樣的感測器設備。目前業界常見的自動駕駛感測器主要有：攝影機、光達、毫米波雷達、超音波雷達、組合導航、IMU以及V2X模組等。

• 對攝影機的介面類型主要有：MIPI CSI-2、LVDS、FPD Link等。
• 雷射雷達一般是透過普通的Ethernet介面來連接。
• 毫米波雷達都是透過CAN匯流排來傳輸資料
• 超音波雷達基本上都是透過LIN匯流排
• 組合導覽與慣導IMU Ethernet介面來傳輸資料
• 除了上述感測器所需IO介面外，常見的其它高速介面與低速介面也都是需要的，例如：PCIe、USB、I2C、SPI、RS232等等。

10)PCIe：作為CPU的局部匯流排，最大的特點在於資料傳輸吞吐量大和延遲低。

11)SaftyGoal：功能安全目標是整個自動駕駛中央控制器的核心設計需求，由於其影響對整個自動駕駛功能設計中的單點失效分析結果，因此，在前期硬體設計中就需要充分考慮是否能夠完全滿足系統對於硬體的功能安全設計需求。

12)OTA：遠端升級為用戶修復軟體故障，大幅縮短中間步驟的時間，使軟體快速到達用戶，同時可以為車輛增加新功能，拓寬 “服務”和“運營”的範疇。因此，中央控制器晶片是否支援OTA對於減少汽車製造產商和使用者的成本，包括汽車製造產商的召回成本，使用者的時間成本，增加使用者的新鮮感，增加車輛的附加價值顯得不可或缺。

13)封裝類型：控制器封裝尺寸的大小、接腳定義等影響整體駕駛控制器對安裝形式的影響，同時影響對週邊部件的連接分佈。另外，介面是否防水，如果能防水，則控制器的安裝環境可以相對更自由。不過，目前的域控介面都是不防水的。

14)溫度/電壓：控制器的溫度控制範圍包括其儲存、使用環境溫度，且後期若實際車輛確認前毫米波控制器總成佈置區域儲存、使用環境溫度高於該值，則需要在該基礎上進行一定程度的整改上調範圍，並滿足OEM要求，且供應商需要保證不因為硬體設計缺陷導致召回。特別是算力達到100以上，功耗在60W以上時，溫度的上升極可能需要主動散熱來確保熱量可以及時的傳遞出去，不影響控制器的正常運作。主動散熱一般包括：風扇散熱、水冷散熱。

15)車規與功能安全：與消費性電子產品相比，汽車晶片在安全性和可靠性上有這個最高的要求。

汽車晶片長年工作在「-40℃到125℃」高低溫以及劇烈震動的惡劣環境下，為了確保汽車電子產品達到對工作溫度、可靠性與產品壽命的高標準品質要求，國際汽車電子協會（Automotive Electronics Council，AEC）建立了相關的品質認證標準，其中AEC-Q100是針對車載積體電路壓力測試的認證標準。 AEC-Q100標準經過多年發展，已成為汽車電子產品在可靠性和產品壽命等方面的工業事實標準。

除了滿足車規等級要求之外，自動駕駛晶片也需要滿足由ISO 26262標準定義的「功能安全（Function Safety，簡稱Fusa）」的認證要求。功能安全對晶片上的設計要求是要盡可能找出並修正晶片的失效（分為：系統失效和隨機失效）。系統失效本質上是產品設計上的缺陷，因此主要依靠設計和實現的流程規格來保證，而隨機失效則更依賴晶片設計上的特殊失效探測機制來保證。

ISO 26262對安全等級做了劃分，常見的是ASIL-B和ASIL-D等級。 ASIL-B要求晶片能涵蓋90%的單點失效場景，而ASIL-D則要求能達到99%。晶片面積越大，電晶體越多，對應的失效率越高。

16)晶片系統：如控制器是否支援MCU+MPU的整合控制方式，還是只支援單晶片控制的形式。

17）供應鏈保障：較大的市場需求導致半導體供應鏈和產能緊缺，包括各種「天災」擾亂半導體的正常生產節奏，而需求與產能之間的矛盾在短期內難以解決。對

在全球晶片供應鏈如此緊張的背景下，對於網域控制器供應商而言，供應鏈的保障也是十分的具有挑戰性。整車廠在選擇網域控制器供應商的時候，其合作夥伴晶片廠商的供貨能力也是重要的考量。

2022 年，晶片短缺仍在影響汽車產業，有些整車廠已經開始思考半導體供應的新思路，有的甚至繞過Tier1直接找晶片設計廠商。更深入一點的主機廠已經開始參與晶片設計的研發流程。例如，多家車廠已經與黑芝麻、地平線這樣的自動駕駛AI晶片廠商建立了戰略合作關係。更有甚者，直接打入半導體供應鏈內部，將晶片設計引入主機廠內部，這種模式稱之為「OEM-Foundry-Direct」模式，代表企業有特斯拉、比亞迪等。

18）市場定位:選擇什麼樣的主控晶片，首先要看該域控制器的市場定位：打算實現什麼樣的功能，用於配置在什麼價位區間的車型上。

如果目標定位是做輔助駕駛，做一個L1~L2級的產品，而且是走量的，在選擇晶片的時候對成本就很敏感。這樣的域控產品，選擇中低階晶片即可。

「如果說目標定位是打造一款L4級限定場景下的無人駕駛，那麼客戶可能更傾向於去打造一款定制化的產品。比如，定位做Robotaxi，打算走運營的一個模式，目的是想要先把演算法打磨出來。的Roadmap:東軟睿馳副總經理劉威提到：「從與晶片公司合作的角度來看，會看它是不是一個主流的晶片廠商，有沒有連續的產品Roadmap。比如，有一些晶片廠商可能開發出了一款不錯的晶片，但是後續沒有更新換代。系統設計負責人李茂青也提到了相同的觀點：「在網域控制器系統設計中對於硬體方案的選型上除了關注晶片本身的功能性能外，還需要充分了解晶片公司的產品Roadmap，是否有靈活的家族化晶片系列，後續的晶片能不能PIN to PIN地在硬體平台上升級，繼而可以在提升硬體效能的同時降低開發成本？

20）晶片的生態（工具鏈）:晶片整個軟體的工具鏈或某些演算法的開發是不是能滿足顧客的需求。也就是說晶片的生態怎麼樣，是否具備一個良好的生態系統能夠支撐客戶做可落地化的開發,也是主機廠或Tier1在選擇晶片時候的重要考慮因素之一。

英偉達的晶片生態在業界做的是比較領先的，它的生態包含了開發者、可用的應用軟體、豐富的工具和庫：

• 可為汽車領域提供豐富的軟體演算法人才；
• 在通用AI領域已訓練出大量的演算法模型及相關應用軟體；
• 統一的硬體和底層軟體介面架構（CUDA-X），可便捷的移植到汽車領域；
• 由於大量的用戶使用，合作夥伴為CUDA平台貢獻了大量的程式庫和工具。
  

知行科技硬體研發總監解釋道：「現在很多主機廠都在用英偉達的Orin晶片，除了它是一個大算力平台，另一個重要的原因是它能提供整個軟體的工具鏈，甚至一些底層的程式碼以及一些演算法的程式碼都可以提供；開發者可以在上面做更多的適配，能夠更好地開發出一款可以落地的高級自動駕駛計算平台。晶片本身，更多的是在選擇一種生態。如下分析結果對照表：

以上是盤點自動駕駛AI晶片選型的20個關鍵指標的詳細內容。更多資訊請關注PHP中文網其他相關文章！