資源描述：
《探討車載芯片的發(fā)展歷程及未來(lái)發(fā)展方向.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、探討車載芯片的發(fā)展歷程及未來(lái)發(fā)展方向 汽車電子發(fā)展初期以分布式ECU架構(gòu)為主流，芯片與傳感器一一對(duì)應(yīng)，后來(lái)，中心化架構(gòu)DCU、MDC逐步成為了發(fā)展趨勢(shì)；隨著汽車輔助駕駛功能滲透率越來(lái)越高，傳統(tǒng)CPU算力不足過(guò)去，在自動(dòng)駕駛領(lǐng)域GPU取代CPU成為了主流方案；隨著自動(dòng)駕駛的定制化需求提升，未來(lái)定制化ASIC專用芯片將成為主流?！ ∥覀儗磿r(shí)間順序梳理車載芯片的發(fā)展歷程，探討未來(lái)發(fā)展方向?！ ∑囯娮影l(fā)展初期以分布式ECU架構(gòu)為主流，芯片與傳感器一一對(duì)應(yīng)，隨著汽車電子化程度提升，傳感器增多、線路復(fù)雜度增大，中心化架構(gòu)DCU、MDC逐步成為了發(fā)展趨勢(shì)； 隨著汽車輔助駕駛功能滲透率越
2、來(lái)越高，傳統(tǒng)CPU算力不足，越來(lái)越難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求，而GPU同時(shí)處理大量簡(jiǎn)單計(jì)算任務(wù)的特性在自動(dòng)駕駛領(lǐng)域取代CPU成為了主流方案； 從ADAS向自動(dòng)駕駛進(jìn)化的過(guò)程中，激光雷達(dá)點(diǎn)云數(shù)據(jù)以及大量傳感器加入到系統(tǒng)中，需要接受、分析、處理的信號(hào)大量且復(fù)雜，定制化的ASIC芯片可在相對(duì)低水平的能耗下，將車載信息的數(shù)據(jù)處理速度提升更快，并且性能、能耗和大規(guī)模量產(chǎn)成本均顯著優(yōu)于GPU和FPGA，隨著自動(dòng)駕駛的定制化需求提升，定制化ASIC專用芯片將成為主流?！ ∧壳俺鲐浟孔畲蟮鸟{駛輔助芯片廠商Mobileye、Nvidia形成“雙雄爭(zhēng)霸”局面，Xilinx則在FPGA的
3、路線上進(jìn)軍，Google、地平線、寒武紀(jì)向?qū)Ｓ妙I(lǐng)域AI芯片發(fā)力，國(guó)內(nèi)四維圖新、全志科技、森國(guó)科（國(guó)科微）在自動(dòng)駕駛芯片領(lǐng)域積極布局?！ obileye的核心優(yōu)勢(shì)是EyeQ系列芯片，可以處理攝像頭、雷達(dá)等多種傳感器融合產(chǎn)生的大量數(shù)據(jù)，在L1-L3自動(dòng)駕駛領(lǐng)域具有極大的話語(yǔ)權(quán)，目前出貨量超過(guò)了2700萬(wàn)顆； NVIDIA在GPU領(lǐng)域具有絕對(duì)的領(lǐng)導(dǎo)地位，芯片算力強(qiáng)大且具備很強(qiáng)的靈活性，但功耗高、成本高，AI機(jī)器學(xué)習(xí)并不太適合GPU的應(yīng)用； 此外Google、地平線、寒武紀(jì)、四維圖新等更聚焦在針對(duì)不同場(chǎng)景下的具體應(yīng)用，芯片設(shè)計(jì)也開始增加硬件的深度學(xué)習(xí)設(shè)計(jì)，自動(dòng)駕駛上AI的應(yīng)用已經(jīng)成為未
4、來(lái)的趨勢(shì)?！ 』诋a(chǎn)業(yè)前景和潛在的巨大市場(chǎng)，給予行業(yè)買入評(píng)級(jí)，上市公司方面看好四維圖新，建議關(guān)注地平線、寒武紀(jì)?！ ≤囕d芯片的發(fā)展趨勢(shì)（CPU-GPU-FPGA-ASIC） 過(guò)去—以CPU為核心的ECU 2.1ECU的核心CPU ECU（ElectronicControlUnit）是電子控制單元，其工作過(guò)程為CPU接收到各個(gè)傳感器的信號(hào)后轉(zhuǎn)化為數(shù)據(jù)，并由Program區(qū)域的程序?qū)ata區(qū)域的數(shù)據(jù)圖表調(diào)用來(lái)進(jìn)行數(shù)據(jù)處理，從而得出具體驅(qū)動(dòng)數(shù)據(jù)，并通過(guò)CPU針腳傳送到相關(guān)驅(qū)動(dòng)芯片，驅(qū)動(dòng)芯片再通過(guò)相應(yīng)的周邊電路產(chǎn)生驅(qū)動(dòng)信號(hào)，用來(lái)驅(qū)動(dòng)驅(qū)動(dòng)器。即傳感器信號(hào)——傳感器數(shù)據(jù)——驅(qū)動(dòng)數(shù)
5、據(jù)——驅(qū)動(dòng)信號(hào)這樣一個(gè)完整工作流程?！ ?.2分布式架構(gòu)向多域控制器發(fā)展 汽車電子發(fā)展的初期階段，ECU主要是用于控制發(fā)動(dòng)機(jī)工作，只有汽車發(fā)動(dòng)機(jī)的排氣管（氧傳感器）、氣缸（爆震傳感器）、水溫傳感器等核心部件才會(huì)放置傳感器，由于傳感器數(shù)量較少，為保證傳感器-ECU-控制器回路的穩(wěn)定性，ECU與傳感器一一對(duì)應(yīng)的分布式架構(gòu)是汽車電子的典型模式。 隨著汽車電子化的發(fā)展，車載傳感器數(shù)量越來(lái)越多，傳感器與ECU一一對(duì)應(yīng)使得車輛整體性下降，線路復(fù)雜性也急劇增加，此時(shí)DCU（域控制器）和MDC（多域控制器）等更強(qiáng)大的中心化架構(gòu)逐步替代了分布式架構(gòu)?！ ‖F(xiàn)在—以GPU為核心的智能輔助駕
6、駛芯片 人工智能的發(fā)展也帶動(dòng)了汽車智能化發(fā)展，過(guò)去的以CPU為核心的處理器越來(lái)越難以滿足處理視頻、圖片等非結(jié)構(gòu)化數(shù)據(jù)的需求，同時(shí)處理器也需要整合雷達(dá)、視頻等多路數(shù)據(jù)，這些都對(duì)車載處理器的并行計(jì)算效率提出更高要求，而GPU同時(shí)處理大量簡(jiǎn)單計(jì)算任務(wù)的特性在自動(dòng)駕駛領(lǐng)域取代CPU成為了主流方案?！ ?.1GPUVs.CPU 3.2GPU占據(jù)現(xiàn)階段自動(dòng)駕駛芯片主導(dǎo)地位 目前無(wú)論是尚未商業(yè)化生產(chǎn)的自動(dòng)駕駛AI芯片還是已經(jīng)可以量產(chǎn)使用的輔助駕駛芯片，由于自動(dòng)駕駛算法還在快速更新迭代，對(duì)云端“訓(xùn)練”部分提出很高要求，既需要大規(guī)模的并行計(jì)算，又需要大數(shù)據(jù)的多線程計(jì)算，因此以GPU+FPGA
7、解決方案為核心；在終端的“推理”部分，核心需求是大量并行計(jì)算，從而以GPU為核心?！ ?.3相關(guān)公司 3.3.1NVIDIA NVIDIA在自動(dòng)駕駛領(lǐng)域的成就正是得益于他們?cè)贕PU領(lǐng)域內(nèi)的深耕，NVIDIAGPU專為并行計(jì)算而設(shè)計(jì)，適合深度學(xué)習(xí)任務(wù)，并且能夠處理在深度學(xué)習(xí)中普遍存在的向量和矩陣操作。相對(duì)于Mobileye專注于視覺處理，NVIDIA的方案重點(diǎn)在于融合不同傳感器?！ ?016年，英偉達(dá)在DrivePX2平臺(tái)上推出了三款產(chǎn)品，分別是配備
