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。
