自動駕駛晶片大蛋糕 誰在搶食？

2020 年是很多廠商計劃中的自動駕駛元年了，各路晶片廠商都在積極備戰中。

對於自動駕駛技術來說，可以分為軟體和硬體部分。

在硬體部分，晶片主要擔任數據處理任務，整個自動駕駛系統中，雷達、攝像頭會產生大量的數據，這些數據都交給了晶片。

晶片供應商是汽車行業不可或缺的關鍵一環。

就像車廠要從米其林買輪胎，要從博世買火花塞等等。

那些發展自動駕駛技術的廠商也是如此，專業的人做專業的事，晶片也是來自供應商的。

那麼，到底是誰在做自動駕駛晶片的生意?最新進展如何呢?

1、Nvidia(英偉達)

Tegra X1

英偉達針對自動駕駛技術也推出了相應晶片Tegra X1 ，性能超越了 Tegra K1 和 A8X。

英偉達表示這款晶片將最先應用於智能汽車領域，然後再應用到手機和平板電腦里。

Nvidia DRIVE PX

英偉達還有一款名為Nvidia DRIVE PX的平台，搭載了 Tegra X1 晶片和 10GB 的 DRAM，可以同時處理 12 部 200 萬像素攝像頭(最高 60fps)產生的數據，同時 DRIVE PX 還有深度學習功能。

官方宣稱 DRIVE PX 比一般的 ADAS 更聰明，因為它可以識別出到底是什麼車型，比如識別出是警車、計程車還是救護車，當然這一點對自動駕駛至關重要。

為了表示 Tegra X1 的性能到底如何，我們可以拿它和 Mobileye 的 EyeQ3 晶片做對比…

Drive PX 2- Auto Cruise

9月13日，今年在北京舉行的 GPU 科技大會上，英偉達 CEO 黃仁勛展示了這款新的自動駕駛汽車處理器 Drive PX 2- Auto Cruise。

簡單說，它就是精簡版 Drive PX 2計算平台加了神經網絡算法，專門用來實時分析汽車身上多個雷達和傳感器採集的信息，還能處理高清地圖，繼而實現自動駕駛。

Drive PX 2 - Auto Cruise

適用於自動巡航功能(包括高速公路自動駕駛和高清製圖)的 NVIDIA® DRIVE™ PX 2 AI 計算平台採用新型單處理器配置，功率僅為10瓦，可以幫助車輛利用深度神經網絡處理來自多個攝像頭和傳感器的數據。

百度將把該計算平台作為車載計算機部署到其從雲端到汽車的自動駕駛系統中。

2、ST(意法半導體)與Mobileye合作開發

意法半導體的總部位於瑞士日內瓦，主要產品是專用集成電路、單片機、存儲器等。

Mobileye 所使用的EyeQ3晶片就是和意法半導體合作開發的，兩家公司最早在 2005 年就開始研發 ADAS 晶片。

Mobileye EyeQ晶片廣泛使用在汽車中

(來源：Mobileye)

EyeQ3 使用了四個多線程 MIPS32 內核和四個矢量微碼處理器 (VMP) 內核，在一個專門為處理視頻設計的架構內工作。

同樣，也可以處理多部攝像頭傳來的圖像信息。

除了 EyeQ3 外，意法半導體和 Mobileye 還合作研發了 EyeQ3-Lite 晶片，屬於乞丐版的 EyeQ3，可以精簡一些功能，達到降低價格的目的。

2015年，Mobileye發布第四代ADAS視覺處理器EyeQ4，相關產品將從2018年開始應用在新下線車型中。

EyeQ4晶片使用了4顆核心處理器、6 顆 VMP 晶片(EyeQ2 和 EyeQ3 均有搭載)、2 顆 MPC 核心和 2 顆 PMA 核心，每秒浮點運算可達 2.5 萬億次，而功耗只有 3 瓦。

通過一系列的算法，EyeQ4 可以同時處理 8 部攝像頭(最高 36fps)產生的圖像數據，符合 ISO-26262 國際標準、歐洲 NCAP 和美國 NHSTA 的法規要求。

據報導，2016年5月Mobileye和意法半導體宣布將合作研發Mobileye第五代系統晶片——EyeQ5，作為2020年實現全自動駕駛(FAD)汽車的中央處理器，並執行傳感器融合程序。

為了實現功耗和性能目標，EyeQ5將會採用10納米節點或以下FinFET技術設計，具備多線程8核CPU，外加創新一代18核Mobileye視覺處理器。

所有這些技術提升將使其性能相比當下的第四代EyeQ4提升8倍。

EyeQ5的功耗低於5W，每秒可實現超過12萬億次的運算和被動散熱。

預計在2018年上半年可提供EyeQ5的工程樣品。

3、NXP(恩智浦)

恩智浦(NXP)研發的Bluebox平台將為汽車製造商提供現成的一體化自動駕駛計算解決方案。

BlueBox是專為自動駕駛設計的中央計算引擎。

不僅能夠為無人駕駛提供人工智慧，還為車間通訊和多重傳感器提供接口支持，充當車輛的「神經系統」，傳統汽車製造商使用該方案能夠輕鬆開發四級無人駕駛汽車，即能夠真正實現自主式無人自動駕駛。

BlueBox引擎是一個基於：Linux語言的開源平台，汽車製造商可以自行根據需要定製。

公司稱，BlueBox已經出貨，全球五大汽車製造商的中的四家都已經收到了BlueBox。

從2015年9月起，公司就已經為這些優選的客戶發貨。

BlueBox引擎結合了雷達、LIDAR(雷射探測與測量)、視覺傳感以及加載的車聯網(Vehicle to Everything， V2X)系統，來將車輛周圍的情景建模，進行安全決策，來保護車輛及乘客。

所有的計算元素使用了量產或樣本的NXP晶片，讓系統做好了上路準備。

在無人駕駛車輛系統中，多個傳感器數據流都匯入BlueBox引擎，數據流結合起來，將車輛周圍的物理環境創造一個360°實時模型。

平台具有 NXP晶片支持的LIDAR系統、雷達和視覺節點，NXP S32V處理器從中獲取傳感數據輸入，通過傳感融合能力創造一個地圖。

S32V包括了圖形引擎，專門帶有高質量圖形處理加速器，還帶有汽車級別的功能性安全引擎。

4、TI(德州儀器)

從最初的機械零件半導體化，到汽車娛樂導航和ADAS的蓬勃發展，汽車電子在整車中所占的比例正在逐步增加。

半導體產品為汽車所帶來的附加值極大的改善了汽車的駕駛體驗，同時也推動了未來的汽車朝著更加智能和安全的方向發展。

德州儀器(TI)Jacinto 6系列信息娛樂系統處理器(DRA7xx)為新一代汽車帶來了具有豐富功能的車載信息娛樂系統、儀表組和遠程信息處理功能，其強大的可擴展性還能夠最大限度重複利用硬體和軟體投資的通用架構。

而TI的汽車片上系統(SoC)解決方案TDA2x提供了一個開放的平台，使客戶能靈活添加他們獨有的價值。

TDA2x為前置攝像頭、泊車輔助、雷達及融合應用的入門級解決方案提供了一種可實現高性能的架構，使客戶能節省投資並加速產品上市進程。

TDA3x則主要用於幫助汽車製造商開發出更加尖端的應用，同時減少交通事故並使初、中級汽車實現更自主的駕駛體驗。

自動駕駛技術領域擴張意圖非常明顯。

只是在自動駕駛車的晶片細分市場中，除了英偉達 (Nvidia)、Mobileye、恩智浦(NXP)等大家耳熟能詳的公司外，還湧現出了許多「新面孔」——例如IP供應商Ceva以及英特爾和高通(Qualcomm)等。

5、Ceva、高通也積極參與

然而，Nvidia並不是唯一推動深度學習用於自動駕駛車的企業。

Ceva也在積極推廣該公司自有的XM4成像與視覺DSP，這些DSP使用的是Ceva的即時神經網路軟體架構，名為Ceva深度神經網路(CDNN)。

該公司的客戶將選擇一種訓練有素的神經網路，預先處理物件參數。

透過使用Ceva的DSP引擎、韌體和CDNN，採用浮點網路和權重描述的物件參數將「在不損失精度的條件下」被轉換為定點客制的網路和權重。

藉由Ceva的XM4DSP，CDNN可以讓嵌入式系統執行「深度學習任務，而且其學習速度比基於先進GPU的系統能快三倍，功耗小30倍，所需記憶體頻寬小15倍。

」Ceva指出。

在CES上，高通發布了整合LTE數據機和機器智慧的Snapdragon820車用系列產品，該系列產品包含了高通的Zeroth機器智慧平台。

Zeroth專案設計用於協助汽車製造商使用神經網路為ADAS和車載資訊娛樂系統創建基於深度學習的解決方案。

但到目前為止，Snapdragon取得的設計訂單還只限於資訊娛樂功能。

奧迪(Audi)在2017款汽車產品線中就選用了Snapdragon602A處理器。

正如Ceva的執行長所指出的，Snapdragon820A還提供了汽車安全完整性等級(ASIL)評分，這是ISO26262定義的風險分類機制——針對道路汽車標準的功能性安全等級分類。

總結

由於自動駕駛晶片涉及到行車安全，對發熱、壽命、網絡安全要求更高，所以比一般消費級晶片更有技術含量。

同時，還要兼顧成本問題。

在未來應該有越來越多的老牌晶片廠商發展自動駕駛晶片業務，畢竟諸多主機廠都把自動駕駛元年定在了2020 年，面對這樣的市場，誰不心動呢?

汽車OEM廠商正敞開雙臂歡迎這些市場新進業者，IHS Automotive資訊娛樂與先進駕駛輔助系統(ADAS)研究總監Egil Juliussen在CES上表示，「這個領域突然變得熱鬧非凡。

」

但可以預見的是，晶片行業外的力量恐怕進入這個市場也存在很多困難。

因為這一領域的行業壁壘相對較高，新的破局者也很難出現。