对外依赖严重，中国自动驾驶芯片差在哪里？|逆天资讯 - 逆天PCB论坛

在线infowei

PADS20220105初级班

性别:: 人妖

发帖: 4541

金币: 1410

提示：会员销售的附件,下载积分 = 版块积分 + 销售积分只看楼主倒序阅读使用道具 0楼发表于: 2022-02-23

电子发烧友网报道（文/李弯弯）自动驾驶正在逐步走进人们的生活，咨询公司麦肯锡预测，到2040年，自动驾驶汽车将占中国新车销量的40%。

然而，中国自动驾驶汽车企业对国外公司的芯片却依赖严重。根据英伟达公司的公开信息，至少有18家中国系统厂商将其芯片用于自动驾驶项目，包括安途、文远知行、滴滴等。

除了英伟达，吉利旗下的极氪正在与英特尔旗下的Mobileye合作，计划2024年推出自动驾驶汽车，中国另一家车企长城汽车也已经与高通达成合作，开展自动驾驶技术研发。

那么，中外都有哪些主要的自动驾驶芯片厂商，中国自动驾驶芯片的差在哪里？

国外自动驾驶芯片主导厂商：英伟达、Mobileye、高通

在现有的自动驾驶芯片玩家中，国外的厂商主要有特斯拉、英伟达、高通和英特尔旗下的Mobileye。其中特斯拉的FSD芯片基本自用，不对外销售。

特斯拉早期使用的是Mobileye和英伟达的芯片，因为不能满足自身需求，后来开始自研，并在2019年4月发布了首款自动驾驶芯片FSD。

特斯拉的这款芯片可以说比较优秀，该芯片包括常规的CPU和GPU，另外配备两个神经网络处理器NNP，算力达到144TOPS，功耗72W，能效比为2TOPS/W。

这款芯片采用的是14 nm FinFET CMOS工艺，尺寸为260 mm，具有60亿个晶体管和2.5亿个逻辑门。单从算力来看，FSD芯片是比较高的，不过功耗也比较高。

我们主要来看英伟达、Mobileye和高通的自动驾驶芯片或计算平台。

英伟达早在2018年就推出Xavier平台，可处理来自车辆雷达、摄像头、激光雷达和超声波系统的自主驾驶数据。Xavier SoC基于台积电12nm工艺，集成90亿颗晶体管，CPU采用NVIDIA自研8核ARM64架构，GPU采用512颗CUDA的Volta。

Xavier SoC芯片可提供30TOPS的运算能力，功耗30W，能效比为1TOPS/W，是自动驾驶领域使用较多的AI芯片之一。

2019年英伟达又发布了面向ADAS和自动驾驶领域的SOC Orin，该芯片拥有170亿个晶体管，搭载NVDIA基于Ampere架构的GPU和Arm Hercules CPU核心。

该芯片在算力上有很大的提升，可以提供200TOPS运算能力，功耗45W，预计将于2022年交付，面向L2+级自动驾驶场景。

Mobileye是最早进入自动驾驶芯片领域的厂商，早期可以说是鲜有对手，数据显示，2020年，其自主设计的EyeQ系列芯片出货量达到1930万片，占是市场总份额的70%左右。

Mobileye已经量产的EyeQ系列芯片有EyeQ1至EyeQ5。其中EyeQ4的算力为2.5 TOPS，功耗为3W，能效0.83 TOPS/W。EyeQ5采用7nm FinFET工艺，算力达到24TOPS，功耗为10W，Mobileye的该款芯片对标英伟达的Xavier。

然而在2021年的时候，Mobileye开始失去它的一些客户，蔚来、小鹏、威马和理想等都表示下一代旗舰车型将采用英伟达的Orin芯片，宝马表示下一代驾驶辅助和自动驾驶系统采用高通的芯片。原因很简单，英伟达、高通等都推出了更高性能的产品。

不过Mobileye在今年1月份，一口气发布了三款更高性能的自动驾驶芯片，EyeQ Ultra和EyeQ6H、EyeQ6L，其中的主打产品EyeQ Ultra，算力达到176TOPS，预计将于2023年底供货，2025年实现车规级量产，根据Mobileye表示，这款芯片单颗可以支持L4级别自动驾驶。

Mobileye能否凭借新品重新赢回客户还是未知数，毕竟尽管新品EyeQ Ultra算力有大幅提升，不过还是不及英伟达的Orin，而且Orin的交付时间也比EyeQ Ultra更早些。

高通早在2017年就披露研发自动驾驶芯片的计划，该公司2020年初发布全新自动驾驶平台SnapdragonRide，旨在处理从车道控制、自动泊车等自动驾驶所需的各项任务。

SnapdragonRide平台包含多个SOC、深度学习加速器和自动驾驶软件Stack，能够支持高级驾驶辅助系统ADAS功能。预计搭载Snapdragon Ride的汽车将于2023年投入生产。

去年1月，高通宣布扩展了SnapdragonRide平台组合，使其可支持多层级的ADAS/AD自动驾驶辅助功能，包括从安装于汽车风挡的NCAPADAS解决方案（L1级），到支持有条件自动驾驶的主动安全（L2/L3级别），再到全自动驾驶系统（L4级）。

SnapdragonRide平台基于5nm制程工艺，可提供不同等级的算力，包括以小于5W功耗为ADAS摄像头提供10TOPS的算力，以及为L4级自动驾驶解决方案提供超过700TOPS的算力。

中国主要自动驾驶芯片厂商：华为、地平线、黑芝麻智能、芯驰科技

目前中国主要的自动驾驶芯片厂商有华为、地平线、芯驰科技、黑芝麻智能等。华为在2018年推出MDC智能驾驶计算平台，包括MDC300和MDC600，分别对应L3和L4级自动驾驶。

MDC300由华为昇腾Ascend310芯片、华为鲲鹏芯片和Infineon的TC397三部分构成，算力在64TOPS左右，满足L3级自动驾驶算力需求。MDC600基于8颗昇腾310 AI芯片，同时还整合了CPU和相应的ISP模块，算力高达352TOPS。

作为NPU，华为昇腾310集成了FPGA和ASIC两款芯片的优点，包括ASIC的低功耗以及FPGA的可编程、灵活性高等特点。华为昇腾310算力为16 TOPS，功耗8W，能效为2 TOPS/W。相比于英伟达的Xavier，虽然算力不及，但功耗却低很多。

地平线在2019年8月宣布量产征程二代芯片，主要面向ADAS市场感知方案，可提供超过4 TOPS的等效算力，典型功耗为2W，基于该芯片的Matrix2平台，算力达16TOPS。

2020年7月地平线发布了征程5，算力大幅提升，单颗芯片AI算力最高可达128 TOPS，支持16路摄像头，基于该系列芯片的整车智能计算平台，算力达200-1000TOPS，兼备高FPS性能与低功耗。基于此，地平线可支持L2、L3、L4 等不同级别自动驾驶的解决方案。

目前，地平线的自动驾驶芯片/平台已经赋能包括奥迪、博世、长安、比亚迪、上汽、广汽等国内外的顶级Tier1、OEM厂商。

黑芝麻智能在2020年发布了继华山一号之后的第二代产品，华山二号A1000和华山二号A1000L，这两款芯片采用台积电16nm工艺。

华山二号A1000包括8个CPU核，单颗可提供40 TOPS的算力，功耗8-10W，满足自动驾驶L3/L4级别要求，黑芝麻智能的该款芯片在L3级别上对标特斯拉的FSD芯片，虽然算力不及，功耗、面积远低于FSD芯片。从功耗比来看，A1000远高于FSD芯片和英伟达的Xavier。

根据黑芝麻给出的计算平台方案，单颗A1000L芯片适用于低等级ADAS辅助驾驶，单颗A1000芯片适用于L2+自动驾驶，双A1000芯片互联组成的域控制器可支持L3级别自动驾驶，四颗A1000芯片叠加可用于未来L4级别自动驾驶。

芯驰科技从2019年到现在先后发布了V9L/F和V9T自动驾驶芯片，该公司的V9系列芯片内置高性能视觉引擎，支持多达18个摄像头输入，不仅能满足ADAS应用需求，还能给未来更高级别的自动驾驶和无人驾驶留有充足的扩展空间。

在2021世界人工智能大会，芯驰科技还发布了基于V9系列芯片开发的全开放自动驾驶平台——UniDrive，UniDrive平台采用通用计算硬件加速，能够兼容不同合作伙伴的算法。

UniDrive不仅支持QNX、RTOS、AUTOSAR等主流车规OS，同时也支持Linux。UniDrive可支持从L1/L2级别ADAS到未来L4/L5级别的Robotaxi的开发。

据了解，芯驰科技2022年还计划发布算力在10-200T之间的自动驾驶芯片V9P/U，可支持L3级别的自动驾驶，到2023年，芯驰科技将推出V9S自动驾驶芯片，面向中央计算平台架构研发，算力高达500-1000T，可支持L4/L5级自动驾驶的Robotaxi。

中国自动驾驶芯片的差距在哪里

单从算力来看，国外的特斯拉的FSD芯片、英伟达的Orin芯片、以及Mobileye最新发布的EyeQ Ultra，算力比较高，高于国内芯片，不过国内地平线在算力上有追赶之势头，2020年发布的征程5芯片，单颗芯片算力达到128 TOPS。

另外华为昇腾310、黑芝麻智能的华山二号在算力上不及对标的国外芯片，不过能耗比却比较有优势，华为昇腾310相比于英伟达的Xavier，华山二号A1000相对于特斯拉的FSD芯片，能耗更低，能效比更高。

另外中国自动驾驶芯片面临一个更大的问题是，规模量产较难，因为汽车厂商更倾向于采用成熟芯片厂商的产品，安途创始人兼首席执行官肖建雄就谈到，担心与新兴厂商合作可能会出现延误。

对于汽车厂商来说，必须要考虑规模化、出货量等问题，而生态系统更成熟，会有利于提升生产效率，扩大规模。这正是英伟达、Mobileye、高通等国外厂商的优势。

整体而言，目前国内自动驾驶芯片虽然与英伟达等厂商还存在差距，不过从地平线、黑芝麻智能等不断推出的新品来看，芯片算力在持续提升，另外，对于自动驾驶芯片来说，算力并不是唯一标准，效率、软硬结合也很重要。此外，中国自动驾驶芯片除了在质量上不断提升之外，还需要更多的考虑和解决规模量产的问题。