556
随着 L2 渗透率越过 15%之后，L2 将走向普及阶段。L2.5 车型将进入密集发布期，L3 和限定场景的 L4 量产也已经不远。
资料来源：英飞凌
在主控芯片领域，不同厂商有着不同的技术路线，主流方案为不同芯片构型的异构融合。CPU 负责逻辑运算和任务调度；GPU 作为通用加速器，可承担 CNN 等神经网络计算与机器学习任务，将在较长时间内承担主要计算工作；FPGA 作为硬件加速器，具备可编程的优点，在 RNN/LSTM/ 强化学习等顺序类机器学习中表现优异，在部分成熟算法领域发挥着突出作用；ASIC 可实现性能和功耗最优，作为全定制的方案将在自动驾驶算法成熟后成为最终选择。
Mobileye 是做传统算法起家的。EyeQ5 主要有 4 个模块：CPU, CVP（计算机视觉处理器）, DLA（深度学习加速器） 和 MA。从各个模块的大小来看，CPU 和 CVP 是大头。CPU 占据很大空间。CVP 是针对很多传统计算机视觉算法设计的 ASIC。Mobileye 一直以传统计算机视觉算法而闻名，也因为低功耗而受到广泛欢迎。DLA 在 EyeQ5 最初的宣传材料里并没有出现，是后来才加进去的。DLA 在整个芯片里占据的比例还是较小，应该是受市场压力才添加的。
Mobileye 先知先觉，早早选择出售给 INTEL，未来可以和英特尔的 CPU、FPGA 技术资源整合。目前 EyeQ5 的短板是开放性不足，加上算力不强，车企用户并不多，公开的只有四家，比英伟达 Xavior 少了很多。
主要车企和 Tier1 的 ADAS/AD 主控芯片选择表（部分）
我们推测 Mobileye 为了解决开放性问题，投入很大力量补课。NXP 和瑞萨也在补课，除了完善 API、工具链、生态链，还参股和收购相关企业，如 NXP 投资 Kalray，瑞萨收购 IDT。 刚才提到 Mobileye 的算法解决方案还是以传统计算机视觉算法为主，深度学习算法为辅。而 Mobileye 的主要竞争对手 Nvidia 则是以深度学习算法为主。
Xavier 主要有 4 个模块: CPU，GPU，DLA（深度学习加速器）和 PVA。占据最大面积的是 GPU，然后 CPU，最后辅以两个专用 ASIC：一个是用于推理的 DLA，还有一个是加速传统计算机视觉算法的 PVA。 英伟达最强大的地方，其实是它的开放性和工具链。
DRIVE AutoPilot 负责在地图上准确定位并规划安全高效的行驶路线，Drive Works 则为开发人员提供了参考应用程序、工具和一个全面的模块库。ClearSightNet 是英伟达基于摄像头的障碍物感知软件，该软件将会实时监测车辆检测摄像机的失灵状况，它接受实时摄像机传回的画面，评估每一帧以检测摄像机是否失灵。 强大如英伟达，也有短板，就是功耗太大。高通芯片和 TI 芯片都只需风冷散热，而英伟达芯片和特斯拉芯片需要水冷散热。这是追求高算力的副作用。 2018 年，Xilinx 正式推出 Versal ACAP，这是一个完全支持软件编程的异构计算平台，可将标量引擎、自适应引擎和智能引擎相结合。这表明 Xilinx 打算从一家专业芯片制造商转型为一家计算平台提供商。 Xilinx 产品从传统的 FPGA 到 SoC（具有单个硬核心处理器的 FPGA 可编程结构）、MPSoC（具有多个硬核心处理器的 FPGA 可编程结构）、再发展到 RFSoC（具有 RF 功能的 MPSoC）和 ACAP（自适应计算加速平台）。 2019 年，Xilinx 正式推出了一个名为 Vitis 的统一软件开发平台，降低开发人员利用 FPGA 的障碍。Vitis 软件平台支持异构系统架构，包括 Zynq SoC，MPSoC 和 Versal ACAP 等。Vitis 能够让开发者在无需深入掌握硬件专业知识的情况下，即可通过软件或算法代码来自动适配。 总之，推出 Vitas 和 Versal 的目标，是将 Xilinx 从一个 FPGA 供应商转变为一个灵活的、可适应的计算平台供应商。 ADAS/AD 主控芯片市场竞争日趋激烈，除了取得不错收获的 Mobileye, 英伟达和赛灵思，老牌汽车芯片厂家 NXP、瑞萨等也在力争赶上潮流。消费电子领域的重量级选手高通和华为正在重兵杀入 ADAS/AD 主控芯片市场，初创企业地平线、黑芝麻和芯驰借国产替代东风也小有收获。 集成趋势下，无人不变革。未来不可测，一切皆可能。
