近些年，以特斯拉为代表的新能源汽车快速发展，特别是其自动驾驶和智能化水平，给传统车企带来了巨大压力。

对于自动驾驶系统来说，软、硬件都发挥着非常重要的作用，缺一不可。

硬件方面，自动驾驶芯片作为计算的载体，已成为智能汽车的核心。过去，自动驾驶芯片主要以实现单一功能为主（支持低级别的辅助驾驶），如控制底盘、发动机、刹车灯等，而以特斯拉为代表的汽车电子电气架构颠覆了传统模式，采用了中央集中式架构，即用一个“大脑”控制整车，域控制器逐渐集成传感器、数据融合、路径规划、决策等运算处理功能，另外，自动驾驶级别逐步提升，应用功能愈加丰富，这些使得汽车对芯片算力的要求越来越高。

不同于传统的车用MCU，目前，市场上主流的自动驾驶芯片多为SoC，架构大致分为三种：1、CPU＋GPU＋ASIC；2、CPU＋FPGA；3、CPU＋ASIC。长期来看，定制化的低功耗、低成本ASIC将逐渐取代高功耗的GPU，使得CPU＋ASIC这种组合方案展现出更光明的发展前景。另外，自动驾驶算法中大量运用了深度学习等AI算法，因此，对于自动驾驶来说，车端需要能够进行推理的AI芯片，云端需要能够进行大量数据训练的服务器芯片。

软件方面，随着AI技术广泛应用，自动驾驶也进入了AI芯片时代，算力已不是衡量自动驾驶水平的唯一指标，还要看有没有针对某个特定领域的算法，也称为特异性算法，这也给后发芯片厂商在特定领域追赶头部企业提供了更多机会，即使算力拼不过，也可以在特异性算法上做更好的优化，从而在整体性能上实现赶超。

对于车企而言，由于自动驾驶级别还未达到L3，厂商不会一味追求高算力芯片或平台，而是要综合考虑自动驾驶芯片的算力和效率、适配性、软件开发难度、车规级安全认证等级、灵活性和能效比等指标，根据车型的价位选择最具性价比的芯片。

特别是在安全性和实时性方面，自动驾驶的要求很高，需要系统具备更高的认知与推理能力。此时，软件和算法的重要性日益突出，也是车企的核心竞争力，例如，用于传感器数据处理和融合的视觉算法、雷达算法，以及路径规划、行为决策等。

国际大厂竞逐

目前，以Mobileye、英伟达、特斯拉、高通为代表的厂商在车载计算芯片方面走在了市场前列，相关产品已在中高端和新势力车型中广泛应用。

相比较而言，以车用MCU为代表的传统汽车芯片厂商，如恩智浦、德州仪器、瑞萨电子等，在自动驾驶芯片领域已经边缘化，不过，由于车用芯片种类和数量越来越多，以MCU、电源管理、功率器件、传感器为代表的车用芯片依然具有广阔的发展前景，因此，这些传统厂商仍然可以在未来的汽车市场发挥技术和产品优势。

下面以Mobileye、英伟达、特斯拉为例，看一下自动驾驶芯片头部企业的软硬件发展水平。

Mobileye

Mobileye是L2及以下级别辅助驾驶的龙头，也是汽车ADAS技术的奠基者和引领者，在英伟达、高通和特斯拉崛起之前，Mobileye一直是ADAS行业的龙头。

Mobileye以视觉方案起家，现在也研发带激光雷达的融合方案。Mobileye给车企提供的是芯片加感知算法的自动驾驶解决方案，主芯片为EyeQ，内部写好了感知算法，EyeQ可以直接输出对车道线和车辆等目标的感知结果，车企的算法基于这些结果做出驾驶决策。这样做的好处是提升了寻求智能化转型车企的量产速度，但是，这样做，算力升级迭代速度慢，难以满足车企的定制化需求，最终导致其产品差异化能力不足，难以满足高速发展的自动驾驶市场需求。

由于短板明显，从2020年开始，EyeQ芯片出货量增速明显下滑，特别是在智能化水平很高的电动车领域，Mobileye的竞争力越来越弱，原本采用其产品的特斯拉、小鹏、蔚来、理想等，先后与该公司解约，因为这些新兴车企看出了自动驾驶能力是核心竞争力，而Mobileye的封闭生态模式，难以满足发展要求。近两年，Mobileye也意识到了问题所在，宣称EyeQ5会向用户开放部分算法，但其开放程度并未明确。离开Mobileye的车企都转向了开放程度更高、可以自研感知算法的英伟达芯片，之后，特斯拉干脆自研自动驾驶芯片FSD，目前，小鹏、蔚来、理想，以及大众等传统车企也在跟进，车企自研自动驾驶芯片已蔚然成风。

英伟达

英伟达在自动驾驶领域的崛起，是基于其在移动处理器方面取得的成功经验，特别是在Tegra系列芯片的基础上，英伟达集成了一些特殊功能的GPU和辅助芯片，推出了初代Drive系列车载AI芯片。随着车载系统需求的发展，Drive系统也在不断升级，例如Drive PX Xavier配备了一块Xavier芯片，适用于L2级辅助驾驶，对于更高级别应用，仅一个Xavier芯片的算力不够，可以采用两个Xavier加上两个图灵架构的GPU。另外，英伟达还推出了独立的Orin芯片，不久前，该公司新推出了算力达到2000 TOPS的Thor，单颗算力为Orin 的8倍。这样，客户可以根据不同使用场景选择适合的芯片。

除了算力，英伟达还很重视软件工具的开发，为此花费了大量研发资金，先后推出了DRIVE OS、DRIVEWORKS、DRIVE AV、DRIVE IX。英伟达还积极听取客户意见，并及时反馈。通过反复测试迭代，软件工具链的可用性不断提高，对用户越来越友好，易于上手的软件工具极大方便了芯片使用者的开发工作。

英伟达软件的一个凸出特点是开放性高。有丰富软件开发能力的客户可以从底层操作系统开始自行研发，而初入此领域的客户可以从较上层的应用软件开始研发，底层则使用英伟达搭建的通用系统。这种灵活的软件方案具有极强的适配性，深受客户青睐。

安全、可靠且易用的软件工具不仅可以让软件开发人员快速上手并熟练掌握芯片的调用技巧，还可以保证软件不会在安全性要求极高的汽车应用领域出现差错，这也是车企采用英伟达方案的重要原因。

特斯拉

早期，特斯拉采用的是Mobileye的EyeQ3，后来转向了较为开放的英伟达Drive平台，那之后就开启了自研自动驾驶芯片之旅，直到现在，FSD已全面应用于其各款电动汽车。FSD芯片从算法需求出发，采用了全新的芯片架构设计，其核心是两个NPU组成的NNA（Neural Network Accelerator，神经网络加速单元）。

从自动驾驶角度来看，特斯拉是目前唯一实现软硬件全自研的车企。

自研芯片可以给特斯拉带来很多便利，例如：从算法出发设计芯片架构，使其能耗比更优；可以更激进地尝试新方案，不需要通过第三方车规级认证等复杂流程；由于自动驾驶是新领域，需要芯片、算法和车辆相互配合，这些环节特斯拉都在公司内部完成，迭代速度很快，效率高于外购芯片模式。

中国新势力冉冉升起

看到自动驾驶的发展前景，中国本土芯片企业也已经发力，特别是以地平线、黑芝麻、华为、芯驰科技为代表的企业，凭借各自独门的AI算法积淀，推出了相应的软硬件方案，借助国产化兴起的东风，目前，已经开拓出了各自的新天地。

芯片方面，地平线的代表产品是征程系列，包括征程2、征程3、征程5（算力最高可达128 TOPS），该公司计划在2023年推出征程6，算力会进一步提升；黑芝麻的代表产品是华山一号A500、华山二号A1000、华山二号 A1000Pro（算力最高可达196 TOPS），目前，正在研发下一代产品A2000。

在生态建设方面，中国本土自动驾驶芯片企业都非常注重开放性。

地平线提供开放性的软硬件平台，包括硬件平台和工具链软件、仿真软件等工具，便于车企进行自动驾驶数据采集和算法训练。生态伙伴能够基于该公司芯片在短时间内完成从硬件到软件的全栈自动驾驶功能开发。为了协助车厂开发，地平线专门成立了软件和算法团队，采取联合开发、共同投入的方式为本土客户提供服务。

黑芝麻也提供了全开放的生态，可以为客户提供山海人工智能开发平台和瀚海自动驾驶中间件平台。

对于自动驾驶升级迭代速度要求较高的车企，特别是造车新势力而言，开放式的方案是更优的选择，开放式的合作还能帮助车厂逐步提升算法自研能力。

结语

随着自动驾驶的发展，驾驶域与座舱域的功能在大算力平台的支撑下不断融合，汽车硬件架构由传统的分布式向集中化转变，ECU单元不断减少，大算力SoC在汽车上的地位和作用越来越重要。这为有前瞻性眼光的芯片和整车企业带来了商机，也会优胜劣汰掉一些不合时宜的芯片产品和企业。

与此同时，汽车软件架构也在不断演进，在新型架构下，软件在新款汽车开发环节所占比重增加，地位日益突出，当然，开发难度也提升了很多。

对于中国大陆市场而言，由于受到国际大环境影响，车用软硬件的本土化设计和生产需求开始深入人心，未来发展可期。此时，国内车企更换使用国产芯片平台时会遇到硬件平台调试、操作系统适配、算法迁移等问题，这些难题对于本土芯片和相应的软件厂商来说，是个不小的挑战，同时也孕育着巨大商机，只要做出好的软硬件方案，便于车企使用，就能不断扩大市场份额和影响力。

更多信息可以来这里获取==>>电子技术应用-AET<<