一、自動駕駛計算芯片
1.1 自動駕駛計算芯片簡介
自動駕駛芯片是指可實現(xiàn)高級別自動駕駛的 SoC 芯片。CPU作為通用處理器，適用于處理數(shù)量適中的復雜運算。除了滿足計算要求，還能處理復雜的條件和分支以及任務之間的同步協(xié)調。

評估芯片的性能，一般采用 PPA 即 Power（功耗），Performance（性能），Area（面積）三大指標衡量。智能駕駛領域，峰值算力成為衡量自動駕駛芯片的最主要指標。地平線在 2020 全球人工智能和機器人峰會提出了芯片 AI 性能評估方式 MAPS（Mean Accuracy-guaranteed Precessing Speed），地平線認為最真實的 AI效能實際上由三要素組成，分別為理論峰值計算效能、有效利用率、AI算法效率。（1）理論峰值計算效能，TOPS/W、TOPS/$，即傳統(tǒng)理論峰值衡量的方法；（2）芯片有效利用率，把算法部署在芯片上，根據(jù)架構特點，用編譯器等系統(tǒng)化解決一個極其復雜的帶約束的離散優(yōu)化問題，得到一個算法在芯片上運行的實際利用率，這是軟硬件計算架構的優(yōu)化目標；（3）AI算法效率，每消耗一個 TOPS 算力，能帶來多少實際的 AI 算法的性能，它體現(xiàn)的是AI 算法效率的持續(xù)提升。

1.2 自動駕駛計算芯片的發(fā)展趨勢
在自動駕駛等核心計算場景中，傳統(tǒng)通用CPU由于計算效率低，難以適應AI計算要求，GPU、FPGA以及ASIC等AI芯片憑借著自身特點，在邊緣端和云端有著優(yōu)異表現(xiàn)，應用更廣。從技術趨勢看，短期內GPU仍將是AI芯片主導，長期來看，ASIC是終極方向。從市場趨勢看，全球AI芯片需求將保持較快增長勢頭，云端、邊緣芯片均具備較大增長潛力，預計未來5年市場增速將接近50%；國內芯片技術雖然基礎較弱，但隨著AI應用的快速落地，AI芯片需求快速放量為本土芯片企業(yè)技術和能力成長創(chuàng)造機遇。自動駕駛對算力、時延和可靠性要求嚴苛，目前多使用GPU+FPGA的解決方案，后續(xù)隨著算法的穩(wěn)定以及數(shù)據(jù)驅動，ASIC有望獲得市場空間。

CPU芯片上需要很多空間來進行分支預測與優(yōu)化，保存各種狀態(tài)以降低任務切換時的延時。這也使得其更適合邏輯控制、串行運算與通用類型數(shù)據(jù)運算。以GPU與CPU進行比較為例，與CPU相比，GPU 采用了數(shù)量眾多的計算單元和超長的流水線，只有非常簡單的控制邏輯并省去了 Cache。而 CPU 不僅被 Cache 占據(jù)了大量空間，而且還有復雜的控制邏輯和諸多優(yōu)化電路，相比之下計算能力只是很小的一部分。

隨著自動駕駛汽車智能化水平越來越高，需要處理的數(shù)據(jù)體量越來越大，高精地圖、傳感器、激光雷達等軟硬件設備對計算提出更高要求，因此在 CPU 作為通用處理器之外，增加具備 AI 能力的加速芯片成為主流。

常見的 AI 加速芯片包括 GPU、ASIC、FPGA 三類：

（1）GPU：適用于處理數(shù)量龐大相對簡單的運算。GPU 擁有一個由數(shù)以千計的更小、更高效的 ALU 核心組成的大規(guī)模并行計算架構，大部分晶體管主要用于構建控制電路和 Cache，控制電路相對簡單，GPU的計算速度擁有更強大的處理浮點運算的能力，更擅長處理多重任務，比如圖形計算。
（2）FPGA：現(xiàn)場可編程門陣列，它是在PAL、GAL、CPLD 等可編程器件的基礎上進一步發(fā)展的產(chǎn)物，是作為專用集成電路領域中的一種半定制電路而出現(xiàn)的，既解決了定制電路的不足，又克服了原有可編程器件門電路數(shù)有限的缺點。

（3）ASIC：一種為專門目的而設計的集成電路。是指應特定用戶要求和特定電子系統(tǒng)的需要而設計、制造的集成電路。ASIC的特點是面向特定用戶的需求，在批量生產(chǎn)時與通用集成電路相比具有體積更小、功耗更低、可靠性提高、性能提高、保密性增強、成本降低等優(yōu)點。

“CPU+XPU”是當前自動駕駛 SoC 芯片設計的主流趨勢。根據(jù) XPU 選擇不同，可以分為三種技術路線：CPU+GPU+ASIC、CPU+ASIC 以及 CPU+FPGA三類。
（1）“CPU+GPU+ASIC”，主要代表英偉達、特斯拉 FSD 以及高通 Ride。英偉達 Xavier 和特斯拉 FSD 采用“CPU+GPU+ASIC”的設計路線，英偉達Xavier 以 GPU 為計算核心，主要有 4 個模塊：CPU、GPU、以及兩個 ASIC芯片 Deep Learning Accelerator（DLA）和 Programmable Vision Accelerator（PVA）；特斯拉 FSD 芯片以 NPU（ASIC）為計算核心，有三個主要模塊；
（2）“CPU+ASIC”，主要代表 Mobileye  EyeQ5 系列和地平線征程系列。
Mobieye EyeQ5 和地平線征程系列采用“CPU+ASIC”架構，EyeQ5 主要有 4個模塊：CPU、Computer Vision Processors（CVP）、Deep Learning Accelerator(DLA）和 Multithreaded Accelerator（MA），其中 CVP 是針對傳統(tǒng)計算機視覺算法設計的 ASIC；地平線自主設計研發(fā)了 Al 專用的 ASIC 芯片 Brain Processing Unit（BPU）。CPU、GPU 和 Neural Processing Unit（NPU）。
（3）CPU+FPGA，主要代表Waymo。與其余廠商不同，Waymo采用“CPU+FPGA”的架構，其計算平臺采用英特爾Xeon12核以上 CPU，搭配Altera 的 Arria 系列 FPGA。


1.3 自動駕駛計算芯片的產(chǎn)業(yè)格局
目前各家發(fā)布的最新芯片平臺大多可以支持 L3 或 L4 級的算力需求，英偉達相對領先，國產(chǎn)仍有一定差距。英偉達單顆 Orin 的算力可以達到 254TOPS，而 2022 年落地的車型中搭載 4 顆Orin 的蔚來 ET7 和威馬 M7 其巔峰算力將超過 1000TOPS，高通驍龍 Ride 平臺的巔峰算力預計在 700-760TOPS，Mobileye 也推出了面向高階自動駕駛的 EyeQ6 Ultra，算力達到 176 TOPS。

我國車載計算類芯片總體處于較為初期發(fā)展階段。目前在車載算力平臺領域，CPU、GPU、FPGA和ASIC均有國內龍頭企業(yè)實現(xiàn)自主研發(fā)產(chǎn)品，并且在大部分技術指標上與國際大廠實現(xiàn)對標，部分中控、高算力芯片產(chǎn)品已有成功的車規(guī)應用經(jīng)驗。但從全行業(yè)角度，國產(chǎn)車載計算芯片在產(chǎn)品可靠性、車規(guī)應用經(jīng)驗方面仍有一定差距，國產(chǎn)替代空間巨大。

長期看，本土計算芯片供應商有望滿足本土整車大部分需求。自主品牌車廠在核心芯片環(huán)節(jié)加快發(fā)展多供應商策略，積極推進國產(chǎn)供應商的測試與定點，同時國內各汽車AI企業(yè)、消費芯片廠商、初創(chuàng)汽車芯片廠商積極投入布局研發(fā)，逐步實現(xiàn)在車上應用。

二、智能座艙計算芯片
2.1 智能座艙計算芯片簡介
座艙域控制器以集中化的形式，滿足汽車輕量化、智能化的訴求，支撐汽車座艙的豐富功能與強交互性。從硬件層面來看，座艙域控制器由一顆主控座艙計算芯片SoC以及外圍電路構成，外圍電路包括存儲芯片（如LPDDR、NOR Flash）、通信芯片（如以太網(wǎng)交換芯片）、音視頻數(shù)據(jù)接口以及相關處理芯片（如ISP、DSP、解串行芯片）構成。經(jīng)操作系統(tǒng)與應用生態(tài)賦能之后，座艙域控制器融合了座艙內儀表顯示、信息娛樂、導航、HUD、DOMS等各項功能，連接了顯示屏、攝像頭、麥克風、收音機等多個外設，是座艙空間體現(xiàn)科技感的直接載體。
座艙計算芯片SoC是智能座艙的核心，由處理器、存儲器、系統(tǒng)控制、加密算法、通信傳輸?shù)炔糠纸M成。

（1）處理器
座艙SoC的核心，通常包括CPU、GPU、VPU、NPU等異構處理器。1）CPU（Central processing unit）是中央處理器，其核的個數(shù)以及核的主頻很大程度上決定了信息處理的最終性能。同一系列不同檔次的芯片通常會通過CPU核的增減進行性能的分檔，例如NXP i.MX 8系列芯片Quad、QuadPlus、QuadMax三款芯片的性能差異主要通過搭載0、1、2個Arm Cortex A72核心實現(xiàn)；2）GPU、VPU（Graphic processing unit、Video processing unit）等是專門對圖像、視頻信息進行處理、渲染的處理器，分擔CPU的工作壓力，提供更好的音視頻體驗；3）NPU（Neural-network processing unit，神經(jīng)網(wǎng)絡處理器）采用“數(shù)據(jù)驅動并行計算”架構，負責處理AI方面的計算需求。

（2）存儲器
芯片內部的存儲器用于儲存未處理過的數(shù)據(jù)和已經(jīng)處理過的數(shù)據(jù)，提高數(shù)據(jù)處理的效率，包括DRAM、SD、eMMC、NAND等，以及QSPI、SPI等數(shù)據(jù)傳輸接口。

（3）安全與系統(tǒng)控制
前者包括各類加密算法，后者包括電源管理、時鐘等控制系統(tǒng)。

（4）通信接口
包括內部通信的PCIe、LVDS、USB、SATA、CAN、以太網(wǎng)等通用數(shù)據(jù)接口，以及與座艙顯示屏、攝像頭之間進行視頻輸入輸出的DSI（顯示屏信號接口）、CSI（攝像頭信號接口）、HDMI、eDP、DP等。

座艙芯片的算力決定了座艙域控制器的數(shù)據(jù)承載能力、數(shù)據(jù)處理速度以及圖像渲染能力，從而決定了座艙內屏顯數(shù)量、運行流暢度以及畫面豐富度，進而塑造了整個座艙空間內的智能體驗。盡管域控制器由國內外多家廠商供應，但所基于的芯片平臺有限，基本集中在高通、瑞薩、恩智浦、TI等芯片廠商，座艙芯片的集中度明顯高于域控制器。

隨著智能化程度加深，座艙計算芯片算力的要求也越來越高。根據(jù)IHS測算，2024年智能座艙對座艙芯片CPU的算力需求在89kDMIPS，算力需求相比2021年增長3倍以上。目前主要座艙芯片廠商所提供的座艙芯片算力具有明顯差異，高通、三星最新芯片平臺算力為80-150kDMIPS范圍，傳統(tǒng)汽車芯片廠商瑞薩、恩智浦、德州儀器CPU算力大致為25-50kDMIPS范圍。

2.2 智能座艙計算芯片的發(fā)展趨勢
隨著汽車E/E架構沿著“分布式”“域集中式”“中央計算式”的方向演進，座艙芯片方案也將分三個階段演進——“單芯單屏”“單芯多屏”“融合發(fā)展”。

（1）單芯單屏：信號傳輸以及成本方面存在劣勢
分布式架構下，不同座艙電子設備由不同控制器控制，表現(xiàn)為“單芯單屏”。這樣的解決方案在座艙功能貧乏的過去是合適的：a）不同屏幕之間不用考慮信息交互；b）對芯片的性能要求不高，成本可控；c）儀表盤與娛樂屏運行不同系統(tǒng)，“單芯單屏”解決方案易于實現(xiàn)。
隨著消費者愈發(fā)強調車內體驗感，液晶儀表盤取代機械式儀表盤，娛樂屏所承載的數(shù)據(jù)量加大，不同電子設備之間數(shù)據(jù)交互頻次增多。“單芯單屏”形態(tài)難以滿足市場需求。一是跨芯片信號傳輸存在延遲。智能化時代，座艙電子之間信息交互頻繁，例如儀表盤中的行車信息就會與中控導航發(fā)生數(shù)據(jù)交互。為實現(xiàn)多屏聯(lián)動，設備間需要進行高速率傳輸。在“單芯單屏”中，不同芯片之間通過CAN或LIN總線傳輸，信號傳遞速率遇到瓶頸。二是成本壓力上升。為體現(xiàn)汽車“科技感”，儀表盤信息豐富度與娛樂屏內容流暢度大幅增加，這對單顆芯片的性能提出較高的要求，單顆芯片價格不可避免地上升。同時，HUD、流媒體后視鏡等新的電子設備出現(xiàn)，抬高了座艙電子的單車成本。

（2）單芯多屏：順應集中化架構的主流方案
單芯多屏，指的是用一個座艙SoC芯片完成對多個座艙電子設備信號的處理和控制。偉世通座艙域控制器SmartCore首次整合不同控制器，將全數(shù)字式儀表盤與中央信息顯示屏的功能集成在一個芯片上，實現(xiàn)“單芯多屏”，順應汽車E/E架構集中化趨勢。
“單芯多屏”成為解決“單芯單屏”信號傳輸延遲、單車成本承壓的主流方案。其一是解決信號傳輸延遲問題。根據(jù)Cerebras數(shù)據(jù)，芯片內數(shù)據(jù)傳輸速率可達到100 PB/s，是芯片間最快接口通信速率的10萬倍。單芯多屏將芯片間通信轉化為芯片內通信，傳輸速率有望提高。此外，從解決成本問題角度，芯片數(shù)量由多個減少至一個，雖然單顆價值量有所上升，但整體來看具有成本優(yōu)勢。
但芯片的集成引發(fā)了另一個問題——跨系統(tǒng)運行。一般而言，數(shù)字液晶儀表盤涉及車輛安全，需要滿足ASIL-B標準，通常采用QNX或Linux系統(tǒng)；娛樂系統(tǒng)需要運行豐富的娛樂功能，通常采用Android系統(tǒng)。“單芯單屏”方案下，不同系統(tǒng)通過不同芯片支持，不存在跨系統(tǒng)問題；而“單芯多屏”方案中，跨系統(tǒng)運行所帶來的計算效率的降低較為明顯。
硬隔離、虛擬機技術的發(fā)展，有望解決這個難題。1）硬隔離（Hardware partition）是在不同系統(tǒng)之間對硬件資源進行分配，提前劃分各系統(tǒng)所能訪問的計算資源以及內存、外圍設備等資源，各系統(tǒng)之間不得互相訪問所屬硬件資源。例如，恩智浦i.MX 8 QM采用硬件分區(qū)將SoC劃分為儀表系統(tǒng)和娛樂系統(tǒng)，實現(xiàn)前者運行Linux系統(tǒng)、后者運行Android系統(tǒng)。2）虛擬機（Hypervisor）是在操作系統(tǒng)和硬件之間插入Hypervisor層，根據(jù)虛擬機對計算單元、內存等的調度，實現(xiàn)對硬件資源的動態(tài)分配。前文中提及的偉世通SmartCore采用的就是虛擬機技術。

（3）跨域融合：與自動駕駛芯片合二為一
中央計算式架構下，中央計算芯片承擔了自動駕駛、智能座艙、整車控制三方功能，是TB數(shù)量級海量數(shù)據(jù)的樞紐，這要求中央計算芯片具備更大的數(shù)據(jù)吞吐能力以及更快的數(shù)據(jù)處理能力；更多的數(shù)據(jù)處理工作意味著會產(chǎn)生更多的功耗熱量，這要求更精巧的硬件參考設計能力；ADAS系統(tǒng)、座艙系統(tǒng)、整車控制系統(tǒng)的復雜融合系統(tǒng)，要求具備更強的軟件開發(fā)能力。
中央計算架構需要技術難度更高的軟件、硬件能力支持，這或是制約整車架構進一步向更集中階段演進的原因。當前座艙芯片與自動駕駛芯片處于獨立發(fā)展階段，當硬件算力、架構設計、軟件開發(fā)能力進一步提高，汽車整車架構邁入“中央計算式”時，座艙芯片將與自動駕駛芯片有望實現(xiàn)融合發(fā)展。

博世座艙芯片演進路徑

2.3 智能座艙計算芯片的競爭格局
海外供應商格局趨于明朗，兩大陣營分庭抗禮。

當前海外主要供應商可以劃分為兩大陣營：一是以恩智浦、瑞薩、德州儀器等為代表的“傳統(tǒng)汽車芯片”廠商，在傳統(tǒng)汽車MCU、ECU芯片業(yè)務之外，順應智能化趨勢布局座艙芯片領域；二是以高通、三星等為代表的“消費級芯片”廠商，切入汽車座艙領域，復用其在消費電子領域深厚的技術積累。

當下，傳統(tǒng)汽車芯片廠商占有份額仍然較大。根據(jù)高工智能汽車研究院數(shù)據(jù)，恩智浦、瑞薩、德州儀器三家傳統(tǒng)汽車芯片廠商是智能座艙芯片的主要供應商，這主要是由“中低端車型銷量占比較大”的汽車銷售結構決定的。傳統(tǒng)汽車芯片廠商在智能化轉型中節(jié)奏偏慢，除滿足車規(guī)級安全外，性能不及消費級芯片廠商。瑞薩R-CAR H3采用16nm制程，而恩智浦i.MX 8系列、德州儀器Jacinto 7均基于28nm制程設計，CPU算力最高40kDMIPS。

消費廠商芯片在性能方面具有明顯優(yōu)勢，高通幾乎壟斷高端座艙芯片市場。高通、三星最新款座艙芯片已采用5nm制程。高通驍龍8295在2024年成為智能座艙芯片主流標配。5nm工藝、CPU/GPU/AI性能大幅提升，相較前代8155 CPU算力提升2倍，GPU提升2-3倍，AI算力提升8倍，被廣泛應用于奔馳E級、吉利銀河E8、小鵬X9、蔚來ET9、小米SU7、極越01、零跑C10等多款車型。

消費廠商切入汽車座艙賽道具有天然優(yōu)勢。一方面，當前智能座艙的算力需求仍未超出智能手機的范圍。羅蘭貝格預計，未來5年內，高端手機芯片的算力仍能支持下一代座艙電子算力需求。另一方面，消費芯片廠商在手機等消費電子領域已形成規(guī)模優(yōu)勢，能夠實現(xiàn)低成本開發(fā)。而新入局者在固定資產(chǎn)、研究開發(fā)投入等方面沉沒成本較多，能否達到盈虧平衡點有賴于定點車型合作情況以及銷售情況，初期成本較高。

我國座艙芯片處于初期發(fā)展階段。從時間上看，我國座艙芯片市場發(fā)展處于初期階段；從入局廠商看，我國市場聚集了汽車AI芯片企業(yè)、消費芯片廠商、初創(chuàng)汽車芯片廠商。其中，汽車AI企業(yè)如地平線、黑芝麻等，產(chǎn)品可支持座艙領域應用；消費芯片廠商如華為、全志科技等，在手機、電腦、智能家居、通信等領域廣泛布局；另外，一批汽車芯片初創(chuàng)公司也紛紛入局，例如芯馳科技成立于2018年（2020年發(fā)布X9系列助力座艙智能化）、芯擎科技成立于2018年（基于7nm制程設計SE1000，公司預計2022年上車測試）。

國內座艙芯片競爭格局尚未確定。目前除小鵬等個別主機廠與座艙芯片廠商直接對接外，大多通過與座艙域控制器Tier 1廠商合作的方式塑造座艙的智能化。目前，已有幾款芯片有落地場景，如華為麒麟990A搭載于北汽極狐αS、地平線征程2已經(jīng)在長安UNI-K等多款車型中落地；芯擎科技綁定吉利汽車。另外，根據(jù)芯馳科技披露，芯馳目前已服務250余家客戶，覆蓋中國70%的車企，獲得50余個定點項目。

經(jīng)歷2021年汽車芯片的供給緊缺，自主品牌車廠在核心芯片已采取多供應商策略，積極推進國產(chǎn)供應商的測試與定點。在不斷擴大市場應用基礎上，國產(chǎn)座艙SoC芯片與國際巨頭的差距會逐漸縮小。

下表中梳理了目前主流智能座艙SoC芯片：

目前主流智能座艙SoC芯片對比

三、智能駕駛與智能座艙計算芯片的準入門檻AEC-Q100
① AEC-Q認證是國際汽車電子領域的準入門檻
AEC即Automotive Electronics Council，是美國汽車電子委員會的簡稱。AEC由克萊斯勒，福特和通用汽車發(fā)起并創(chuàng)立于1994年，目前會員遍及全球各大汽車廠、汽車電子和半導體廠商，符合AEC規(guī)范的零部件均可被上述三家車廠同時采用，促進了零部件制造商交換其產(chǎn)品特性數(shù)據(jù)的意愿，并推動了汽車零件通用性的實施，為汽車零部件市場的快速成長打下基礎。AEC-Q為AEC組織所制訂的車用可靠性測試標準，是零件廠商進入汽車電子領域，打入一級車廠供應鏈的重要門票。
AEC-Q100是AEC的第一個標準，主要是針對車載應用的集成電路產(chǎn)品所設計出的一套應力測試標準，此規(guī)范對于提升產(chǎn)品信賴性品質保證相當重要。AEC-Q100是預防可能發(fā)生各種狀況或潛在的故障狀態(tài)，對每一個芯片進行嚴格的質量與可靠度確認，特別對產(chǎn)品功能與性能進行標準規(guī)范測試。

② 要求通過AEC-Q100標準的車用集成電路IC
單顆IC：控制類芯片、驅動類芯片、計算類芯片、存儲類芯片、傳感類芯片、通信類芯片、功率類芯片、電源類芯片、安全類芯片、模擬芯片等。

③ AEC-Q100：集成電路試驗方法零件工作溫度等級定義
?等級0：環(huán)境工作溫度范圍-40℃~150℃；
?等級1：環(huán)境工作溫度范圍-40℃~125℃；
?等級2：環(huán)境工作溫度范圍-40℃~105℃；
?等級3：環(huán)境工作溫度范圍-40℃~85℃。 

④AEC-Q100車用IC產(chǎn)品驗證流程

⑤ AEC-Q100測試項目分組
群組A--加速環(huán)境應力測試(PC、THB/HAST、AC or UHAST  or TH、TC、PTC、HTSL)共6項測試
群組B--加速生命周期模擬測試(HTOL、ELFR、EDR)--共3項測試
群組C--封裝組裝完整性測試(WBS、WBP、SD、PD、SBS、LI、BST)--共7項測試
群組D--芯片制造可靠性測試(EM、TDDB、HCI、BTI、SM)--共5項測試
群組E--電性驗證測試(TEST、HBM、CDM、LU、ED、FG、CHAR、EMC、SC、SER、LF)--共11項測試
群組F--缺陷篩選測試(PAT、SBA)--共2項測試
群組G--腔體封裝完整性測試(MS、VFV、CA、GFL、DROP、LT、DS、IWV)--共8項測試

⑥ 北測芯片測試能力及AEC-Q100技術要求

關于北測
北測集團（以下簡稱"NTEK"）成立于2009年，總部位于深圳，主要從事智能網(wǎng)聯(lián)汽車、電子通信、新能源的研發(fā)驗證、檢驗檢測、失效分析、仿真模擬和市場準入等質量研究技術服務。
北測擁有豐富的車規(guī)級電子認證經(jīng)驗，已成功幫助100多家企業(yè)順利通過AEC-Q系列認證，通過AEC-Q100對每一個芯片個案進行嚴格的質量與可靠度確認。
北測集團以車企車規(guī)芯片國產(chǎn)化需求為牽引，依托國產(chǎn)半導體產(chǎn)業(yè)基礎，提供完善的檢測認證服務，通過AEC-Q100車用標準嚴格把控汽車芯片安全質量，助力國產(chǎn)車規(guī)級芯片大力發(fā)展，為打造智能汽車安全體系再添新動力。