与智能驾驶相关的芯片主要分为自动驾驶芯片(边缘端)和智能座舱芯片两大类,另外衍生的相关芯片种类还有计算集群芯片(云端),目前业内具有代表性的智驾芯片产品梳理如下。
自动驾驶芯片又可以细分为AI加速芯片与SoC系统级芯片,由于集成程度不同,部分产品以计算平台(域控制器)的形态面向市场,部分以单纯的芯片形态面向市场,使用的时候需要进一步集成。
2012年华为开始进行汽车相关研究,当时在2012实验室下成立车联网实验室,研究电动汽车技术。2019年5月27日正式成立华为车BU,专注于汽车解决方案业务。
2018年华为发布MDC600应对L4级自动驾驶应用,平台搭载的是鲲鹏系列16核CPU+8颗昇腾310芯片,同时集成ISP芯片与SSD控制芯片,算力352TOPS。
2019年推出的MDC300平台而面向L3级别自动驾驶应用,平台搭载鲲鹏系列8核CPU+昇腾310AI芯片,算力64TOPS。
2020年华为推出MDC210与MDC610,其中MDC210主要面向L2+级自动驾驶,算力16TOPS。MDC610面向L3-L4级别自动驾驶,采用鲲鹏916+昇腾AI芯片组合,运算能力达160TOPS。
2021年华为再次推出MDC810,面向L4-L5级别的乘用车和RoboTaxi自动驾驶应用,采用泰山核心+晟腾AI芯片的组合,运算能力达400TOPS。
从相关资料来看,目前晟腾AI芯片覆盖了Nano到Max5个不同级别,不同芯片组合构建的MDC算力平台适配不同的自动驾驶应用需求,支持接入摄像头、毫米波雷达、激光雷达、GPS等各类传感器信号,并且华为围绕MDC平台构建了一整套标准的开发工具和开发环境,能够帮助使用方快速完成自动驾驶相关技术的开发、调试、运行和部署工作。
华为采用了软硬件加开发环境一体的布局策略,芯片只是其中一环,同时结合其在车联网方面的先天优势,可以更好的发挥协同效应,成为了当下芯片领域不可忽视的玩家。
地平线成立于2015年7月,由人工智能和深度学习科学家余凯博士创立,地平线通过以“算法+芯片+工具链”为基础技术平台的芯片,提供智能驾驶解决方案,产品包含专注智能汽车的征程系列芯片和智能汽车运算平台Matrix。
2019年地平线成功推出车规级AI芯片征程2,主要面向L2级自动驾驶应用,典型功耗为2W,可提供4TOPS等效算力。
2020年9月,地平线推出征程3车规级芯片,典型功耗为2.5W,算力为5TOPS,首次搭载于2021款理想ONE。
2021年7月,地平线发布第三代车规级产品征程5芯片,等效算力128TOPS,可用于高级别自动驾驶及智能座舱,此芯片计划于2022年量产。
地平线推出的Matrix5计算平台将使用4颗征程5芯片,等效算力将高达512TOPS。此外,据悉规划中采用7nm工艺的征程6芯片,单芯片算力将达到400TOPS。
地平线采用了与华为类似的软硬件加开发环境一体的策略,其推出的“天工开物”AI全生命周期开发平台,包括模型仓库、AI芯片工具链和AI应用开发中间件三大功能模块,可以为合作伙伴提供丰富的算法资源、灵活高效的开发工具和简单易用的开发框架。
黑芝麻成立于2016年7月,主攻领域为嵌入式图像与计算机视觉,提供基于光控技术、图像处理、计算图像以及人工智能的嵌入式视觉感知计算芯片计算平台,为ADAS及自动驾驶提供完整的商业落地方案。
2019年8月,黑芝麻智能首颗车规级智能驾驶芯片华山一号A500在国内首发,算力10TOPS。
2020年6月,黑芝麻智能第二代芯片华山二号A1000发布,算力116TOPS。
2020年年底,黑芝麻智能发布基于两颗华山二号A1000芯片的级联方案打造的FAD(FullAutonomousDriving)全自动驾驶计算平台,算力可达80TOPS-140TOPS,可以满足L2+/L3级智能驾驶场景的需求。
2021年4月,黑芝麻智能发布了华山二号A1000Pro并于同年7月流片成功,算力196TOPS。
黑芝麻目前提供端到端的全栈式感知方案,相较于另外两家国产芯片商介入自动驾驶领域较小。
以上三家都是国内厂商代表,英伟达属于这一领域的国外大佬,由于自动驾驶对于高性能并行运算的大量需求,做GPU出身的英伟达进入这一领域有着天然的优势。
2015年英伟达基于Tegra芯片开发了DrivePX自动驾驶平台,算力2.3TOPS。
2016年9月发布了专门聚焦自动驾驶领域的Xavier系列高算力芯片,算力30TOPS。英伟达基于Xavier芯片推出的DriveAGXPegasus平台算力高达320TOPS,可支持L4、L5级自动驾驶。
2019年,英伟达再次发布新一代自动驾驶智能芯片Orin,采用台积电的7nm生产工艺,功耗为45W,支持L2-L5级别的自动驾驶应用,算力达200TOPS。
2021年,英伟达在“GTC2021”发布了最新自动驾驶芯片Atlan,单颗芯片算力将达到1000TOPS,Atlan芯片计划于2023年向开发者提供样品,2025年大量装车。
另外,英伟达围绕芯片打造了极其完整的开发工具链,硬件方面:芯片、计算平台、车辆测试平台等,软件方面:操作系统、中间件、算法等,几乎包含了自动驾驶开发的各个方面,真-大佬级别。
ADAS领域大佬Mobileye于1999年由以色列希伯来大学的阿姆农·沙舒瓦教授创立,于2017年被巨佬英特尔收购,截至目前已经推出了EyeQ1、EyeQ2、EyeQ3、EyeQ4、EyeQ5五款芯片方案。
2008年推出EyeQ1芯片,针对驾驶辅助(ADAS)应用。
2010年推出EyeQ2芯片,针对驾驶辅助(ADAS)应用。
2014年迭代推出EyeQ3芯片,能对交通信息进行检测、利用深度神经网路判断自由空间和路径规划,但其算力只有0.256TOPS,针对L2级自动驾驶应用。
2018年推出EyeQ4芯片,采用28nm的FD-SOI工艺,功耗为3W,算力2.5TOPS,针对的是L3级自动驾驶应用。
2020年开始向市场投放EyeQ5芯片,采用7nmFinFET工艺,5W的功耗,算力24TOPS,该芯片将有助于将自动驾驶级别提升至L4/L5级应用。
另外Mobileye采用的是纯视觉(无激光雷达)感知自动驾驶方案,其规划中的EyeQ6自动驾驶芯片,预计2023年量产,将采用台积电的7nm工艺,预计算力不会大幅提升。
Mobileye传感器+芯片+算法的捆绑式解决方案,有利于帮助企业快速推出自动驾驶方案,也是目前被采用最多的方案,但随着自动驾驶级别逐渐从L1、L2级向更高级别切换,越来越多的新车已经开始选择其他芯片厂商的方案了。
“后起之秀特斯拉,我就是最靓的仔!”作为全栈自研的最强样本,特斯拉经历了由芯片外购到自主研发的最强逆袭之路。
2014年~2016年,特斯拉的AutoPilotHW1.0计算平台配备的是MobileyeEyeQ3芯片。
2016年~2019年,特斯拉的AutoPilotHW2.0和后续的AutoPilotHW2.5平台采用的是英伟达Tegra芯片,算力。
2019年4月,AutoPilotHW3.0平台搭载了自研的TeslaFSD主控芯片,这款自主控芯片拥有高达60亿的晶体管,每秒可完成144万亿次的计算,每秒能同时处理2300帧图像,平台总算力为144Tops。
手机巨佬也来分一杯羹,随着收购自动驾驶公司维宁尔,维宁尔的下一代视觉感知和驾驶策略软件栈Arriver,将被集成到高通自动驾驶平台SnapdragonRide的ADAS/AD系统级芯片中,高通涉及的领域从智能座舱进一步延伸到了自动驾驶。
2020年初,高通针对自动驾驶推出ADAS安全系统级芯片SoC,采用5nm工艺,算力30TOPS,可以满足L2/L3级的自动驾驶应用。
其推出的SnapdragonRide计算平台通过不同数量的SoC芯片和ASIC芯片组合,可以形成不同的算力,最大实现700TOPS(功耗130W)的算力需求,可满足L4/L5级别的自动驾驶运算需求。
结合收购维宁尔获得软件部分,高通具备了包括安全系统级芯片SoC(ADAS应用处理器)、安全加速器(自动驾驶专用加速器)、自动驾驶软件栈在内的软硬一体的自动驾驶平台搭建能力,可支持L1~L5级别的自动驾驶应用。
由于目前多数智能驾驶汽车的智能座舱和自动驾驶分属两个域,通常对应的芯片也是不同的(除了高通这种巨佬),同时由于目前新的车机功能和形态一定程度上和手机有些相似,因此在这个领域可以见到众多消费领域的芯片供应商。
2014年CES,高通第一次发布自己的智能座舱计划,从SA602A到SA820A。
2016年推出SA820A车机芯片,制程工艺14nm,支持的蓝牙4.1(带宽1Mbps)。
2019年推出SA8155车机芯片,制程7nm,支持的蓝牙5.0(带宽2Mbps)。
SA8195车机芯片,预计22年中交付。制程7nm。
SA8295座舱芯片,预计23年交付,制程5nm,算力30TOPS。
随着具有智能驾驶功能的汽车越来越多,更多的自动驾驶场景和驾驶行为数据不断回流到企业端,如何更加高效的处理和使用这些数据变成了一个需要解决的问题,这里需要的芯片由于是布置在云端或者计算集群中,主要的功能是用于训练神经网络,不同于车端芯片是用于推理任务使用的是训练好的神经网络。所以这类芯片对算力要求更高,对功耗的限制也相对较少。