AI芯片很热，自动驾驶AI芯片更热。英伟达、英特尔、特斯拉、高通、地平线、黑芝麻智能等国内外传统芯片厂、新锐企业纷纷涌入车载AI芯片市场。如今，L2+ADAS自动驾驶商业变现风头正劲，L4高级别自动驾驶落地路线也越来越清晰，毫无疑问，自动驾驶正成为头部芯片企业争相抢占的高地。

　　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。然而，底层架构不是判定自动驾驶能力的唯一因素，随着汽车智能化程度的提高，自动驾驶对于软件能力的要求走高，一场“始于硬件”“重于软件”的自动驾驶芯片竞速赛已全面开启。

　　“CPU+XPU”是自动驾驶芯片设计主流趋势

　　自动驾驶汽车智能化水平越来越高，需要处理的数据体量越来越大，高精地图、传感器、激光雷达等软硬件设备对计算提出更高要求，具备AI能力的主控芯片成为主流，加速芯片可以提升算力并助推算法的产生。目前，常见的AI加速芯片包括GPU、ASIC、FPGA三类。

　　盖世汽车研究院高级分析师王显斌向《中国电子报》记者指出，传统车辆普遍使用ECU，底层芯片主要为CPU。自动驾驶 对数据传输实时性要求大，仅靠CPU的算力与功能早已不能满足所需，CPU与GPU、FPGA、ASIC等架构结合形成“CPU+XPU”是自动驾驶芯片设计的主流趋势。

　　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。英伟达Xavier和特斯拉FSD采用“CPU+GPU+ASIC”的设计路线，Xavier以GPU为计算核心，主要有4个模块∶CPU、GPU、DeepLearningAccelerator（DLA）和Programmable VisionAccelerator（PVA），其中GPU占据最大面积；特斯拉FSD以NPU（一种ASIC）为计算核心，有三个主要模块：CPU、GPU和 Neural ProcessingUnit（NPU），其中特斯拉自研的NPU占据最大面积，主要用来运行深度神经网络，GPU主要是用来运行deep neural network的post processing部分。

　　Mobieye EyeQ5和地平线征程系列采用“CPU+ASIC”架构，EyeQ5主要有4个模块：CPU、ComputerVision Processors（CVP）、DeepLearningAccelerator（DLA）和Multithreaded Accelerator（MA）。其中CVP是针对很多传统计算机视觉算法设计的ASIC；地平线自主设计研发了Al专用的ASIC芯片∶Brain Processing Unit（BPU）

　　Waymo采用“CPU+FPGA”，计算平台采用英特尔Xeon12核以上CPU，搭配Altera的Arria系列FPGA。

　　三大架构竞速高级别自动驾驶

　　“GPU擅长图像识别，ASIC、FPGA可以灵活设计，满足定制化需求。”王显斌向《中国电子报》记者表示。

　　自动驾驶要具备高精度、高可靠性的图像识别能力，GPU的设计初衷是为了应对图像处理中需要的大规模并行计算，刚好契合自动驾驶的关键技术要求。英伟达在GPU领域拥有长期积累的技术和市场，进入自动驾驶赛道后，携其GPU迅速占领市场，合作伙伴囊括奔驰、沃尔沃、现代、奥迪等传统车厂，蔚来、理想、小鹏、上汽这些造车新势也在使用英伟达的自动驾驶芯片。

　　今年8月，英伟达推出最新自动驾驶芯片组——DRIVE Atlan。据介绍，Atlan单颗芯片的算力能够达到1000 TOPS，将应用于L4及L5级别自动驾驶。英伟达CEO黄仁勋公开表示，Atlan SoC将于2023年向开发者提供样品，2025年大量装车。王显斌指出，未来自动驾驶芯片会出现更多多元化架构GPU，高精地图、传感器、激光雷达等对图像识别能力要求越来越高，GPU的需求量会越来越大。

　　特斯拉采用了与英伟达相似的设计路线，不过更加侧重于ASIC。今年8月，马斯克在2021年特斯拉（TSLA.US）AI Day上，向外界展示了一款自研芯片云端Dojo。Dojo的训练CPU属于ASIC芯片，专注于人工智能训练，可以实现1024 GFLOPS的BF16算力。特斯拉表示，它的效率超过了现有的GPU和TPU，可以大幅度优化算法提升的效率,为L4、L5级别的自动驾驶做铺垫。特斯拉Dojo在云端模拟了一个十分贴近现实的世界，用来训练自动辅助驾驶技术。